OpenAI heeft de release aangekondigd van een nieuw prototype genaamd SearchGPT, dat tot doel heeft de sterke punten van hun AI-modellen te combineren met informatie van het web om snelle en tijdige antwoorden te bieden met duidelijke en relevante bronnen.

Deze nieuwe zoekfunctie is ontworpen om een directe concurrent te zijn van diensten zoals Perplexity, die momenteel ChatGPT als hun taalmodel backend gebruiken. OpenAI's beslissing om een op zoeken gerichte product uit te brengen, is een belangrijke stap, aangezien het een directe uitdaging vormt voor traditionele zoekmachines zoals Google.

De belangrijkste kenmerken van SearchGPT zijn:

• Snelle en tijdige antwoorden: Het prototype is ontworpen om snel en direct te reageren op gebruikersquery's, waarbij up-to-date informatie van het web wordt verstrekt.
• Relevante bronnen: SearchGPT zal gebruikers duidelijke links geven naar de relevante bronnen die het heeft gebruikt om zijn antwoorden te formuleren, waardoor verder onderzoek mogelijk is.
• Conversationele interactie: Gebruikers zullen in staat zijn om vervolgvragen te stellen, voortbouwend op de gedeelde context met elke query, vergelijkbaar met een gesprek met een persoon.
• Schone interface: Het prototype heeft een eenvoudige en intuïtieve interface, waardoor gebruikers gemakkelijk met de zoekfunctionaliteit kunnen omgaan.

Mistral, het AI-onderzoeksbedrijf, heeft onlangs de release aangekondigd van Mistral Large 2, de nieuwe generatie van hun vlaggenschipmodel. In vergelijking met zijn voorganger is de nieuwe versie aanzienlijk capabeler op gebieden als taalproductie, wiskunde en redenering. Het biedt ook veel sterkere meertalige ondersteuning en geavanceerde functie-aanroepende mogelijkheden.

Benchmarkscores laten zien dat Mistral Large 2 uitzonderlijk goed presteert, met een gemiddelde code-generatie-nauwkeurigheid van 76,9%, wat slechts iets lager is dan de indrukwekkende 77,9% die door het krachtige GPT-4-model werd behaald. Interessant is dat dit hoogwaardige model veel minder parameters heeft dan het grotere Llama 3.1 405B-model, wat de efficiëntie en het vermogen van het werk van het Mistral-team demonstreert.

Mistral Large 2 is ontworpen voor single-node inferentie met een focus op toepassingen die lange contextvensters vereisen. Het ondersteunt tientallen talen en heeft een contextvenster van 128k tokens. Hoewel het model wordt uitgebracht onder de Mistral-onderzoekslicentie, die het gebruik ervan beperkt tot onderzoek en niet-commerciële doeleinden, is het nog steeds een opwindende ontwikkeling in de wereld van geavanceerde taalmodellen.

Meta heeft aangekondigd dat het zijn multimodale versie van het Llama AI-model niet zal vrijgeven in de Europese Unie vanwege regelgevende zorgen. Deze beslissing zal Europese bedrijven verhinderen om toegang te krijgen tot en gebruik te maken van de geavanceerde multimodale mogelijkheden van het Llama 3.1-model.

De belangrijkste reden die wordt genoemd voor deze stap, is de "onvoorspelbare aard van de Europese regelgevende omgeving" rondom AI-technologieën. De EU heeft onlangs nalevingstermijnen afgerond voor zijn strikte nieuwe AI-wet, die techbedrijven die in de EU opereren, zal verplichten zich te houden aan regels rond auteursrecht, transparantie en het gebruik van AI voor toepassingen zoals voorspellende politie.

Deze regelgevende omgeving heeft ertoe geleid dat Meta de release van het multimodale Llama-model in de EU stopzet, ondanks het feit dat het model onder een open licentie beschikbaar wordt gesteld. De beslissing volgt op een soortgelijke stap van Apple, dat zei dat het de EU waarschijnlijk zou uitsluiten van de uitrol van zijn Apple Intelligence-functie vanwege zorgen rond de Digital Markets Act.

De onmogelijkheid om toegang te krijgen tot het multimodale Llama-model is een aanzienlijke tegenslag voor Europese bedrijven en onderzoekers die er gretig naar uitkeken om de geavanceerde mogelijkheden van deze technologie te benutten. De multimodale aard van het Llama 3.1-model zou de integratie van tekst, afbeeldingen en andere modaliteiten hebben mogelijk gemaakt, waardoor een breed scala aan potentiële toepassingen zou zijn geopend.

Stability AI heeft de release aangekondigd van het onderzoekspapier voor Stable Audio Open, een open-source tekst-naar-audio-model. Dit model genereert stereogeluid van hoge kwaliteit met 44,1 kHz uit tekstpromoties, waardoor het perfect is voor het synthetiseren van realistische geluiden en veldopnamen.

Het model draait op consumentengrade GPU's, waardoor het toegankelijk is voor academisch en artistiek gebruik. Het kan tot 47 seconden audio genereren, en het model is getraind met bijna 500.000 gelicentieerde opnamen van bronnen als Freesound en het Free Music Archive.

Gebruikers kunnen het model lokaal fine-tunen met een 6000 GPU, en het model ondersteunt een breed scala aan audio-generatietoepassingen, van het geluid van regen op een dak tot opgewekte hiphop-drumloops en audio-logo's.

Deze release van Stability AI is een opwindende ontwikkeling op het gebied van tekst-naar-audio-generatie, waarbij een krachtig en toegankelijk hulpmiddel voor makers en onderzoekers wordt geboden.

Volgens het artikel plant OpenAI om de geavanceerde spraakfuncties van GPT-4 tegen het einde van deze maand beschikbaar te stellen aan geselecteerde groepen gebruikers. De auteur is enthousiast over deze ontwikkeling en plant om de nieuwe spraakstand zo snel mogelijk te testen zodra hij er toegang toe krijgt.

Het artikel citeert een tweet van Sam Altman, de CEO van OpenAI, die reageerde op een gebruiker die vroeg wanneer de spraakstand beschikbaar zou zijn. Altman verklaarde dat de alfaversie later deze maand zal starten, terwijl de algemene beschikbaarheid (GA) iets later zal komen.

De auteur kijkt vol verwachting uit naar de release van de GPT-4-spraakfuncties, aangezien het hem in staat zal stellen om de nieuwe functies te testen en te verkennen. Het vermogen om hoogwaardige, realistisch klinkende audio te genereren op basis van tekstpromoties, wordt gezien als een belangrijke vooruitgang op het gebied van AI-aangedreven audio-generatie.

Volgens berichten kampt Open AI met aanzienlijke financiële uitdagingen, waarbij wordt verwacht dat het bedrijf dit jaar mogelijk $5 miljard verlies zal lijden. De uitgaven van het bedrijf, waaronder een aanzienlijke $4 miljard aan Azure-rekeningen, hebben de inkomsten, die worden geschat op ongeveer $30 miljard, overtroffen.

Deze financiële situatie heeft zorgen opgeroepen over de duurzaamheid van Open AI en zijn vermogen om te concurreren met andere bedrijven die soortgelijke technologieën aanbieden, vooral omdat Meta soortgelijke technologie gratis aanbiedt. Hoewel Open AI nog steeds de belangrijkste speler in het spel is, betekent het feit dat intelligentie en AI commodities worden, dat het bedrijf iets unieks moet bieden om zich te onderscheiden.

Dit zou kunnen inhouden dat het meerdere modellen, een uniek inferentie-aanbod of gespecialiseerde fine-tuned modellen aanbiedt, in plaats van alleen te vertrouwen op een algemeen model. De concurrentie op de AI-markt zal naar verwachting toenemen, en Open AI zal manieren moeten vinden om zijn concurrentievoordeel te behouden en zijn langetermijnlevensvatbaarheid te waarborgen.

Google DeepMind heeft deze week een nieuw paper gepubliceerd waarin hun AI-systeem AlphaProof wordt gepresenteerd, dat in staat is om problemen van de International Mathematical Olympiad (IMO) op het niveau van een zilveren medaille op te lossen. Dit is een belangrijke prestatie, aangezien deze wiskundeproblemen worden beschouwd als tot de moeilijkste ter wereld.

De belangrijkste kenmerken van het AlphaProof-systeem zijn:

1. Reinforcement Learning-gebaseerde aanpak: AlphaProof gebruikt een reinforcement learning-gebaseerd systeem voor formeel wiskundig redeneren, waardoor het in staat is om nieuwe algoritmen en inzichten te ontdekken om open wiskundeproblemen op te lossen.

2. Verbeterde geometrie-oplossing: Het systeem bevat ook een verbeterde versie van hun eerdere geometrie-oplossende systeem, AlphaGeometry 2, dat samen met AlphaProof in staat was om 4 van de 6 problemen uit de laatste IMO-competitie op te lossen.

3. Niveau van zilveren medaille: Door hetzelfde prestatieniveau te bereiken als een zilveren medaillewinnaar in de IMO-competitie, demonstreert AlphaProof aanzienlijke vooruitgang in het bouwen van AI-systemen die wiskundigen kunnen ondersteunen in hun werk.

4. Beperkingen in redenering en trainingsdata: De auteurs erkennen dat huidige AI-systemen nog steeds worstelen met het oplossen van algemene wiskundeproblemen vanwege beperkingen in redeneervaardigheden en trainingsdata.

Dit onderzoek benadrukt de voortdurende vooruitgang in de mogelijkheden van AI om complexe wiskundige problemen aan te pakken, waardoor we dichter bij de dag komen waarop AI-systemen autonoom nieuwe wiskundige inzichten en technieken kunnen ontdekken. Zoals de auteurs opmerken, is dit een belangrijke stap richting de mogelijke "intelligentie-explosie" naarmate AI in staat wordt tot zelfverbetering.