AI- ja ML-uutisia suomeksi Muistiinpano

AI- ja ML-uutisia suomeksi

”AI & ML News” on kokoelma tekoälyyn ja koneoppimiseen keskittyviä teknologisia muistiinpanoja. Se kokoaa yhteen ajankohtaisia uutisia ja katsauksia tekoälyn ja ML:n viimeisimpään kehitykseen. Syötteessä käsitellään monenlaisia aiheita, kuten uusia algoritmeja, sovelluksia ja tutkimusta. Se korostaa alan trendejä ja tekoälyn ja ML:n vaikutusta talouden eri sektoreihin. Materiaalit käsittelevät muun muassa neuroverkkoja, syväoppimista ja luonnollisen kielen käsittelyä. Lisäksi tarkastellaan esimerkkejä tekoälysovelluksista terveydenhuollossa, rahoituksessa ja muilla toimialoilla. Julkaisut kiinnostavat sekä asiantuntijoita - kehittäjiä ja data-analyytikkoja - että kaikkia tekoälyteknologioiden kehityksestä kiinnostuneita. Tekoälyn etiikkaan ja tietosuojaan liittyviä kysymyksiä käsitellään. Feed esittelee lukijoille tekoälymarkkinoiden keskeiset toimijat - suurista yrityksistä lupaaviin startup-yrityksiin. Tietoa esitellään tekoälyjärjestelmien kehittämiseen tarkoitetuista työkaluista ja alustoista. ”AI & ML News” pyrkii tarjoamaan objektiivista ja ajantasaista tietoa tekoälyn ja koneoppimisen kehityksestä.

Muistiinpanoketju

CdXz5zHNQW_1XAuQPcNYE.jpeg
Oletko innokkaana sukeltamaan koneoppimisen maailmaan, mutta matematiikka ja tilastotiede tuntuvat hieman ylivoimaisilta? Älä huoli, et ole yksin! Monet aloittelevat data-analyytikot kokevat nämä aiheet pelottavina. Hyvä uutinen on, että tarjolla on paljon ilmaisia verkkokursseja, jotka voivat auttaa sinua rakentamaan vankan perustan.Coursera:Machine Learning by Andrew Ng: Tämä legendaarinen kurssi ei ainoastaan esittele koneoppimisen käsitteitä, vaan tarjoaa myös vahvan matemaattisen perustan. Mathematics for Machine Learning by Imperial College London: Jos etsit syvällistä perehtymistä matemaattisiin käsitteisiin, tämä kurssi on loistava valinta.edX:Introduction to Machine Learning by Microsoft: Tämä kurssi tarjoaa tasapainoisen lähestymistavan, yhdistäen koneoppimisen perusteet ja tarvittavan matemaattisen tiedon. Fundamentals of Data Science by Columbia University: Tässä kurssissa tarjotaan laajempi perspektiivi data-analytiikasta, mukaan lukien tilastotiede ja koneoppiminen. MIT OpenCourseWare:Introduction to Algorithms: Vaikka tämä kurssi ei käsittelekään nimenomaan koneoppimista, se luo vahvan perustan algoritmeille ja datarakenteille, jotka ovat olennaisia koneoppimiskäsitteiden ymmärtämisen kannalta. Probability and Random Variables: Syvä perehtyminen todennäköisyysteoriaan on ratkaisevaa monien koneoppimisalgoritmien ymmärtämisen kannalta.Khan Academy:Linear Algebra: Kattava resurssi lineaarialgebran opiskeluun, joka on perustavanlaatuinen aihe koneoppimisessa.Calculus: Khan Academy käsittelee yksityiskohtaisesti myös toisen olennaisen matemaattisen käsitteen, differentiaalilaskun.Statistics and Probability: Vankka tilastotieteen ja todennäköisyysteorian ymmärtäminen on välttämätöntä data-analytiikalle ja koneoppimiselle.Muista: Vaikka nämä kurssit tarjoavat arvokkaita resursseja, näiden aiheiden hallitsemisessa avainasemassa on jatkuva harjoittelu ja käytännön kokemus. Aloita perusteista ja lisää vaikeusastetta vähitellen, kun itseluottamuksesi kasvaa. Omistautumisella ja oikeilla resursseilla olet hyvin matkalla kohti taitavaksi koneoppimisen harjoittajaksi tulemista.Hyvää oppimista!
Vuonna 2024 Euroopan tekoälyalan sietokyky riskipääomarahoitukselle on ollut huomattava, sillä elokuun loppuun mennessä on tehty 14 yli 100 miljoonan dollarin sijoitusta. Tämä on vastoin startup-yritysten yleistä haasteellista tilannetta, jossa rahoitusta on ollut vaikea saada. Merkittävästi tekoäly on noussut vahvaksi sijoituskohteeksi tekoälyteknologioiden kehittämiseen liittyvien suurten kustannusten ja kovan kilpailun osaavista työntekijöistä ajamana.Tämän vuoden merkittävimmät tekoälyyn liittyvät sopimukset Euroopassa: - Wayve: Tämä Cambridgen startup-yritys keräsi 1,05 miljardia dollaria itsenäisen ajotekniikkansa kehittämiseen, mikä on Euroopan suurin yksittäinen rahoituskierros tekoälyyritykselle. Wayve keskittyy myymään tekoälyteknologiaansa autovalmistajille sen sijaan, että se itse tuottaisi ajoneuvoja. - Mistral: Suuri kielimallin rakentaja Mistral on kerännyt yli miljardi dollaria kahden merkittävän rahoituskierroksen kautta, jotka olivat 431 miljoonaa dollaria ja 650 miljoonaa dollaria. Yritys painottaa avoimen lähdekoodin teknologiaa, joka houkuttelee yrityksiä ja kehittäjiä. - Helsing: Tämä saksalainen startup-yritys, joka keskittyy tekoälyyn puolustussovelluksissa, keräsi 484 miljoonaa dollaria. Sen teknologia pyrkii parantamaan puolustusjärjestelmiä ja -ominaisuuksia erityisesti Euroopan geopoliittisten jännitteiden valossa. - Poolside: Ohjelmistokehittäjille suunnattu Poolside keräsi 400 miljoonaa dollaria tekoälytyökalujen kehittämiseen, jotka virtaviivaistavat ohjelmistokehitysprosesseja. - DeepL: Tekoälyyn perustuvista käännöspalveluistaan tunnettu DeepL keräsi 320 miljoonaa dollaria ja keskittyi B2B-markkinoihin, jolla on noin 100 000 yritysasiakasta. - H: Aiemmin Holistic AI:na tunnettu startup-yritys keräsi siemenrahoituskierroksella 220 miljoonaa dollaria ja sen tavoitteena on kehittää tekoälyagentteja tehtävien automatisointiin ja päätöksentekoon. - Flo Health: Lontoolaisen naisten terveyssovelluksen keräsi 200 miljoonaa dollaria ja siitä tuli ensimmäinen puhtaasti digitaalinen terveyssovellus, joka saavutti yli miljardin dollarin arvon. - Pigment: Tämä pariisilainen startup-yritys, joka tarjoaa toiminnanohjausratkaisuja, keräsi 145 miljoonaa dollaria ja integroiden tekoälyä tarjontaansa.Kaiken kaikkiaan Euroopan tekoälykenttää luonnehtivat merkittävät rahoituskierrokset ja keskittyminen perustavanlaatuisiin teknologioihin, ja Pariisin kaltaisista kaupungeista on tulossa merkittäviä keskittymiä tekoälyn kehittämiseen.
CdXz5zHNQW_1dHclHl6ue.jpeg
YleiskatsausML-insinöörinä Substackilla pelaat tärkeää roolia kehittyneimpien koneoppimisratkaisujen kehittämisessä ja toteuttamisessa tuotetarjoumiemme parantamiseksi. Olet osa dynaamista tiimiä ja teet tiivistä yhteistyötä ohjelmoijien ja datainsinöörien kanssa tuodaksesi koneoppimismodelleja koodikantaamme ja integroidaksesi niitä saumattomasti tuotteisiimme. Tämä tehtävä tarjoaa jännittävän mahdollisuuden muokata teknologiaketjun tulevaisuutta ja vaikuttaa merkittävästi.Substackin korvauspaketti sisältää markkinoiden kilpailukykyisen palkan, osakkeita kaikille täysipäiväisille tehtävissä ja erinomaiset edut. Tämän tehtävän käteiskorvauspaketin vaihteluväli on 185 000–240 000 dollaria. Lopulliset tarjoussummat määräytyvät useiden tekijöiden mukaan, muun muassa hakijan kokemuksen ja asiantuntemuksen perusteella, ja ne voivat poiketa yllä mainituista summista.Vastuut- Johtaa Substackin ajattelua ML:n soveltamisesta ja ML-työkalujen ja -tekniikoiden integroinnista - Tehdä yhteistyötä eri alojen tiimien kanssa koneoppimismahdollisuuksien tunnistamiseksi ja määrittelemiseksi, jotka ovat linjassa tuotetiemme kanssa - Kehittää, kouluttaa ja ottaa käyttöön koneoppimismodelleja käyttämällä Pythonia ja suosittuja ML-kehyksiä - Hyödyntää valmiita ML-työkaluja ja -järjestelmiä nopeuttaakseen Substackin kykyä sisällyttää ML-toimintoja tuotteisiinsa ja työnkulkuihinsa Integroi koneoppimismodelleja ja -putkistoja pää-JavaScript-/TypeScript-sovelluksiimme - Optimoida ja hienosäätää ML-malleja suorituskyvyn, skaalautuvuuden ja tehokkuuden takaamiseksi - Suunnitella ja toteuttaa tietoputkistoja tietojen esikäsittelyä, ominaisuuksien suunnittelua ja mallin koulutusta varten - Ottaa käyttöön ja omistaa integroidut tuotekokemukset ja sisäiset työkalutVaatimukset- Vähintään 7 vuotta asiaankuuluvaa kokemusta tieto- ja ML-järjestelmistä - Vahvat ohjelmointitaidot Pythonissa ja kokemusta koneoppimisessa yleisesti käytetyistä Python-kirjastoista (esim. Transformers ja Tensorflow) - Hyvä ymmärrys koneoppimis-algoritmeista, syväoppimisesta ja tilastollisesta mallinnuksesta - Itsenäinen ja autonominen. Olemme liian pieniä mikrohallintaan ja odotamme, että jokainen yrityksessä omistaa työnsä ja voi toimia johtajana. - Pidät itsesi ja muut korkealla tasolla työskennellessäsi tuotantojärjestelmien parissa. - Nautit yhteistyöstä erilaisten sidosryhmien kanssa ja tuot samalla omaa ainutlaatuista kokemustasi ja taustaasi tiimiinOlisiko kiva osata- Node.js ja JavaScript koneoppimis-mallien saumattoman integroinnin takaamiseksi koodikantaamme - Pilvialustojen (kuten AWS tai Modal) tuntemus - Kokemus skaalattavista kuluttajien verkkosovelluksistaSubstack on tasa-arvoinen työnantaja. Kaikkia hakijoita harkitaan työhön katsomatta rotuun, väriin, uskontoon, sukupuoleen (mukaan lukien raskaus, seksuaalinen suuntautuminen, sukupuoli-identiteetti tai transsukupuolisuus), ikään, kansalliseen alkuperään, veteraanistatus tai vammaisuuteen. Etsimme ihmisiä, jotka ovat intohimoisia itsenäisen ilmaisun mahdollistamisesta ja paremman liiketoimintamallin luomisesta luojille. Jos haluat nähdä, millaiseksi media, yhteisöt ja sisältö voivat tulla, kun ne irrotetaan mainosmalleista, ja sinulla on tarvittavat taidot ja kokemus, niin haluaisimme tavata sinut.
Noin 200 työntekijää Googlen AI-tutkimusosastolla DeepMind ovat allekirjoittaneet kirjeen, jossa he vaativat yritystä päättämään sopimuksensa sotilasjärjestöjen kanssa.TIME-lehden paljastama 16.5. päivätty kirje korostaa kasvavaa huolta järjestön sisällä sen AI-teknologian eettisestä käytöstä digitaalisessa sodankäynnissä.Allekirjoittajat edustavat noin 5 % DeepMindin työntekijöistä, ja he tuomitsevat yrityksen sopimukset toimittaa AI- ja pilvilaskentapalveluita useille hallituksille, mukaan lukien Israelin armeijalle Project Nimbus -hankkeen alla.Googlen työntekijät ovat huolissaan siitä, että heidän tekoälyään käytetään sodankäynnissä.Työntekijät väittävät, että tällainen osallistuminen rikkoo Googlen omia AI-periaatteita, joiden mukaan yritys ei pyri AI-sovelluksiin, jotka aiheuttavat "yleistä haittaa" tai edistävät aseistusta ja valvontaa.Vaikka kirjeessä ei mainita mitään tiettyä geopoliittista konfliktia, se linkittää raportteihin, joiden mukaan Israelin armeija käyttää tekoälyä valvontaan ja kohdentamiseen.Vaikka DeepMind on aiemmin noudattanut politiikkaa, jonka mukaan sen teknologiaa ei saa käyttää sotilaallisiin tarkoituksiin, yritys on tullut entistä läheisemmäksi Googlen laajempien toimintojen kanssa sen hankinnan jälkeen vuonna 2014, mikä on johtanut läheisempiin suhteisiin sotilassopimuksiin.Huolimatta kirjeen vaatimuksista, mukaan lukien DeepMindin asiakkaiden sotilaskäytössä olevan teknologian tarkastaminen ja uuden hallintoelimen perustaminen, Google ei ole ryhtynyt ratkaiseviin toimiin. TechRadar Pro on pyytänyt yritystä kommentoimaan henkilöstön sisäistä kirjettä, mutta emme saaneet välitöntä vastausta.Yksi kirjeen allekirjoittajista ilmaisi tyytymättömyytensä Googlen vastaukseen valitukseen TIME-lehdelle todeten, että yrityksen lausunto Project Nimbus -hankkeesta "on niin epämääräinen, ettemme ole yhtään viisaampia siitä, mitä se itse asiassa tarkoittaa".
CdXz5zHNQW_dufSnWtrrX.jpeg
CdXz5zHNQW_GEQ4HPEs5i.jpeg
CdXz5zHNQW_LL4HTs3TLM.jpeg
## AI21 Labsin Jamba 1.5 -malliperhe nyt saatavilla Google Cloudin Vertex AI Model GardenissaAI21 Labs on julkaissut Jamba 1.5 -malliperheen, joka on nyt saatavilla julkisessa esikatselussa Google Cloudin Vertex AI Model Gardenissa. Perheeseen kuuluu kaksi mallia: Jamba 1.5 Mini, joka on suunniteltu tehokkaisiin ja kevyempiin tehtäviin, kuten asiakaspalveluun ja tekstin luomiseen, ja Jamba 1.5 Large, joka sopii erinomaisesti edistyneisiin päättelytehtäviin, kuten talousanalyysiin. Molemmissa malleissa on 256 000 sanan konteksti-ikkuna ja ne käyttävät Mamba-Transformer-arkkitehtuuria, joka tarjoaa tehokkaan prosessoinnin ja edistyneitä kehittäjäominaisuuksia, kuten funktiokutsuja, Retrieval-Augmented Generation (RAG) -optimointia ja jäsenneltyä JSON-tulostusta.Nämä mallit on räätälöity yritysratkaisuihin, erityisesti asiakaspalveluun, talousanalyysiin ja sisällöntuotantoon. Ne voivat esimerkiksi tiivistää pitkiä asiakirjoja, poimia oivalluksia talousdatasta ja luoda laadukasta sisältöä. Jamba 1.5 -mallit ovat osa Google Cloudin laajempaa sitoumusta avoimeen ja joustavaan tekoälyekosysteemiin, joka tarjoaa yritysasiakkaille mahdollisuuden rakentaa tarpeisiinsa parhaiten sopivia ratkaisuja.Vertex AI:ssa saatavilla olevat mallit laajentavat alustan tarjontaa, johon kuuluu jo yli 150 mallia. Käyttäjät voivat valita projekteihinsa parhaat työkalut. Vertex AI tukee näiden mallien helppoa kokeilua, mukauttamista ja käyttöönottoa, mikä mahdollistaa optimoidun suorituskyvyn, kustannusten hallinnan ja turvallisen käyttöönoton. Kehittäjät voivat käyttää malleja yksinkertaisilla API-kutsuilla ja ottaa ne käyttöön Google Cloudin hallinnoidulla infrastruktuurilla, joka tarjoaa vankat tietoturva- ja vaatimustenmukaisuusominaisuudet.Jamba 1.5 -mallien käyttöönotto on helppoa: käyttäjät voivat valita ja ottaa mallit käyttöön suoraan Vertex AI Model Gardenista tai Google Cloud Marketplacesta. Google Cloud jatkaa yhteistyötä kumppaneiden, kuten AI21 Labsin, kanssa toimittaakseen huippuluokan tekoälyominaisuuksia ja varmistaakseen, että kehittäjillä on pääsy tekoälyteknologian uusimpiin edistysaskeliin.
CdXz5zHNQW_kfrguXguxE.jpeg
Artikkelissa käsitellään generatiivisen tekoälyn (GenAI) kehitystä ja vaikutusta monimutkaisten toimistotehtävien, erityisesti dokumenttien poiminnan, automatisoinnissa. Kirjoittaja pohtii kokemuksiaan koneoppimisinsinöörinä LinkedInissä, jossa työtehtävien tulkitseminen tarkasti eri kielillä ja alueilla oli haastava tehtävä. Suurten kielimallien (LLM) kuten GPT-4:n myötä sellaiset tehtävät, jotka olivat aiemmin vaikeita, kuten CV:iden ymmärtäminen ja standardointi, ovat muuttuneet triviaaleiksi. GenAI:n todellinen potentiaali piilee siinä, että se voi automatisoida toimistotyötä, joka käsittää oivallusten poimimista dokumenteista – tehtävä, joka muodostaa huomattavan osan globaalista BKT:sta. Esimerkkeinä mainittakoon kulujen hallinta, terveydenhoitovaateiden arviointi ja lainan myöntäminen. Vaikka LLM:ien tiedetään hallusinoivan joissakin yhteyksissä, ne ovat erinomaisia päättelemään tekstistä, kun ne perustuvat tiettyihin syöttödokumentteihin. GenAI:n onnistuneen käytön avain dokumenttien poiminnassa on puhtaiden tekstien muuntaminen ja kestävä skeemojen suunnittelu, joka varmistaa johdonmukaiset ja tarkat tulokset. Kirjoittaja korostaa asianmukaisen tekstin poiminnan tärkeyttä, johon liittyy monimutkaisten muotoilujen ja merkintöjen käsittely. Hän jakaa kokemuksiaan Docupanda.ion rakentamisesta, joka on SaaS-ratkaisu, joka on suunniteltu ratkaisemaan dokumenttien ymmärtämisen haasteita luomalla puhtaita tekstiesityksiä ja noudattamalla ennalta määritettyjä skeemoja. Artikkelissa korostetaan, että näiden skeemojen määrittäminen on ratkaisevaa, ja että tekoäly voi auttaa niiden hienosäädössä toistuvan palautteen kautta. Lopuksi kirjoittaja kannustaa tutkimaan LLM:ien käyttöä dokumenttien käsittelyn sääntelemiseksi ja ehdottaa, että GenAI:n todellinen "killeri-sovellus" on sen kyky muuttaa dokumenttipohjaista toimistotyötä.
CdXz5zHNQW_gZEuCrmBfg.jpeg
Google Cloud on esittänyt NVIDIA L4 GPU -tuen Cloud Runille, joka on nyt esikatselussa, mahdollistaen kehittäjille reaaliaikaisen AI-päätelösuorituksen helposti. Tämä päivitys on erityisen hyödyllinen sovelluksille, joita käytetään avoimien generatiivisten AI-mallien, kuten Googlen Gemma ja Metan Llama, kanssa. Tärkeimmät ominaisuudet sisältävät nopean automaattisen skaalautumisen, skaalautumisen nollaan ja käytön perusteella laskutettavan hinnan, mikä tekee Cloud Runista ihanteellisen vaihtelevan käyttäjäliikenteen käsittelyyn ja kustannusten optimointiin.Tässä uudessa kapasiteetissa kehittäjät voivat käyttää kevyitä malleja tehtäviin, kuten mukautettuihin chatboteihin ja asiakirjojen tiivistämiseen, tai enemmän laskentatehoa vaativia sovelluksia, kuten kuvatunnistukseen ja 3D-renderointiin. NVIDIA GPUs parantavat suorituskykyä nopeuttamalla AI-päätelösuorituksen prosesseja, tarjoten matalan viiveajan ja tehokkaan skaalautumisen, kun Cloud Runin infrastruktuuri hoitaa alustavan kompleksisuuden.Aikaiset käyttäjät, kuten L’Oreal ja Chaptr, ovat kehuneet GPU-integraatiota sen nopeiden käynnistysaikojen, skaalautuvuuden ja käytettävyyden vuoksi. GPU-tuki on tällä hetkellä käytettävissä US-central1 -alueella, ja suunnitelmana on laajentaa tuki Eurooppaan ja Aasiaan vuoden loppuun mennessä.Asentamalla palvelun NVIDIA GPU:illa Cloud Runille kehittäjät voivat määrittää GPU-vaatimukset komentorivillä tai Google Cloud -konsolilla. Lisäksi Cloud Run tukee nyt funktioita GPU-liitännöillä, yksinkertaisten tapahtumapohjaiset AI-päätelösuorituksen tehtävät.