Ilia Suk, l'ex dipendente di Open AI che ha tentato di avviare una rivolta contro Sam Altman, ha lanciato una nuova azienda chiamata "Safe Super Intelligence Inc." L'azienda è dedicata alla ricerca di una superintelligenza sicura, che Suk ritiene essere il problema tecnico più importante del nostro tempo.

Suk ha riunito un team di ingegneri e ricercatori esperti, tra cui i cofondatori Daniel Gross e Daniel Levy, per lavorare verso questo obiettivo. La missione dell'azienda è di far progredire le capacità il più rapidamente possibile, garantendo al contempo che la sicurezza rimanga prioritaria, in contrasto con le preoccupazioni di Suk sulle priorità di Open AI.

Safe Super Intelligence Inc. sta adottando un approccio "diretto", con un unico focus e prodotto. L'azienda ha sede negli Stati Uniti, con uffici a Palo Alto e Tel Aviv, il che le consente di reclutare i migliori talenti tecnici. Suk sottolinea che il modello di business, gli investitori e l'intero roadmap del prodotto dell'azienda sono allineati per raggiungere una superintelligenza sicura, senza le distrazioni della gestione o dei cicli di prodotto.

Elon Musk e Tesla stanno costruendo un enorme data center con l'aiuto di Dell e Nvidia. Questo data center è progettato per alimentare modelli linguistici su larga scala e sistemi di intelligenza artificiale.

Il progetto è stato accennato per la prima volta alcuni mesi fa, con una foto che mostrava la scala del sistema di raffreddamento necessario per questa imponente impresa. Ieri, Michael Dell, il fondatore di Dell, ha confermato che stanno "costruendo una fabbrica di intelligenza artificiale Dell con Nvidia per alimentare GPT per XAI".

Il data center si trova in Texas, dove il clima caldo richiede un robusto sistema di raffreddamento. Le foto mostrano l'enorme dimensione delle ventole installate per mantenere i server freschi.

Questa collaborazione tra Elon Musk, Michael Dell e Nvidia evidenzia gli ingenti investimenti e le infrastrutture necessarie per supportare lo sviluppo di sistemi di intelligenza artificiale avanzati. Costruendo questo enorme data center, si stanno posizionando per alimentare la prossima generazione di modelli linguistici su larga scala e applicazioni di intelligenza artificiale.

Il documento di ricerca pubblicato di recente sembra introdurre un'implementazione di una tecnica simile a Q*, un potente algoritmo che combina la ricerca ad albero di Monte Carlo e l'apprendimento profondo. Questo approccio consente agli agenti di apprendere il processo decisionale e il ragionamento attraverso un processo di prova ed errore, proprio come gli esseri umani.

L'innovazione chiave è l'uso di MCTS (ricerca ad albero di Monte Carlo) e dell'auto-affinamento, che consente al modello di pianificare in anticipo, provare diverse opzioni e imparare dai propri errori. Questo rappresenta un notevole progresso rispetto ai tradizionali modelli linguistici che si basano esclusivamente sulla previsione della parola successiva.

I risultati sono impressionanti, con il modello che raggiunge il 96,66% di accuratezza su una benchmark matematica, superando anche grandi modelli linguistici come GPT-4 e Gemini, pur utilizzando 200 volte meno parametri. Ciò dimostra la potenza della combinazione di pianificazione, ragionamento e apprendimento in un unico framework.

La capacità di pianificare, sperimentare e affinare il proprio approccio è un passo cruciale verso una maggiore intelligenza generale. Man mano che continuiamo a vedere progressi in aree come questa, il percorso verso l'intelligenza artificiale generale (AGI) diventa sempre più tangibile.

Meta AI ha recentemente rilasciato diversi nuovi modelli e tecnologie entusiasmanti:

1. Meta Chameleon: Un modello di linguaggio con 7 miliardi e 34 miliardi di parametri che supporta input multimodali e testo in output. Questo modello può gestire nativamente input multimodali, a differenza dei precedenti modelli open-source che richiedevano add-on. Al momento è disponibile solo con una licenza di ricerca, ma questa tecnologia rappresenta un passo significativo verso le capacità di intelligenza artificiale multimodale.

2. Previsione multi-token: Meta ha proposto un nuovo approccio alla modellazione del linguaggio che prevede più parole future contemporaneamente, anziché il tradizionale metodo uno alla volta. Ciò migliora le capacità del modello e l'efficienza dell'addestramento, consentendo al contempo velocità più elevate. Meta sta rilasciando modelli pre-addestrati per il completamento del codice con una licenza di ricerca non commerciale.

3. Modelli generativi di testo-musica: Meta ha sviluppato modelli in grado di generare musica da input testuali, con vari input di condizionamento per una maggiore controllabilità. Il modello pre-addestrato e il codice di inferenza saranno rilasciati alla fine di questo mese con una licenza MIT, consentendo ai ricercatori di esplorare questa nuova ed entusiasmante capacità.

Antropic ha appena rilasciato una nuova versione del suo modello linguistico Claude, chiamata Claude 3.5 Sonet. Secondo l'annuncio, si tratta del "modello più intelligente finora" e del primo rilascio della famiglia di modelli 3.5.

I principali punti salienti di Claude 3.5 Sonet includono:

• Supera i modelli concorrenti in valutazioni chiave, inclusi GSM 8K (96,4%), ragionamento di livello universitario (60%) e codice (92%) - tutto a una velocità doppia rispetto a Claude 3 e Opus, e a 1/10 del costo.

• Supera Claude 3 Opus in tutte le principali benchmark di visione, rendendolo il modello di visione più forte di Anthropic finora.

• Introduce una nuova funzionalità chiamata "Artifacts", che consente agli utenti di chiedere a Claude di generare documenti, codice, diagrammi, grafica vettoriale e persino semplici giochi.

Il rilascio di Claude 3.5 Sonet dimostra i continui progressi di Anthropic nello sviluppo di modelli linguistici altamente capaci ed efficienti. I miglioramenti delle prestazioni in una serie di benchmark, nonché la nuova funzionalità Artifacts, rendono questo un aggiornamento significativo della famiglia di modelli Claude.

Il premio Arc è una competizione pubblica da un milione di dollari per sviluppare una soluzione in grado di battere l'Abstraction and Reasoning Corpus (ARC), considerato l'unico benchmark formale per l'Intelligenza Artificiale Generale (AGI).

I punti chiave su questa competizione sono:

• Il benchmark ARC misura l'intelligenza generale, non solo abilità specifiche. Verifica la capacità di acquisire efficientemente nuove abilità, che è il segno distintivo della vera intelligenza.

• Mentre i modelli di intelligenza artificiale esistenti sono stati in grado di superare rapidamente altri benchmark, il benchmark ARC rimane una sfida significativa, con l'attuale implementazione leader che raggiunge solo il 38% di successo.

• La competizione è ospitata da Mike Mirzayanov, François Chollet e Greg Brockman, con l'obiettivo di stimolare i progressi verso l'elusivo obiettivo dell'AGI.

• Un premio di 1 milione di dollari sarà assegnato alla prima persona o squadra che riuscirà a sviluppare un sistema di intelligenza artificiale in grado di risolvere il benchmark ARC.

Questa competizione rappresenta un'entusiasmante opportunità per la comunità di ricerca sull'intelligenza artificiale di spingere i confini di ciò che è possibile e fare un passo significativo verso la realizzazione dell'Intelligenza Artificiale Generale. La sfida è ardua, ma il potenziale premio di un milione di dollari e la possibilità di essere pionieri in questo campo attireranno sicuramente le menti più brillanti del settore.