-
Google és a Fehér Ház közös célja: megfizethető, felelős energia
Az energiatermelés és -fogyasztás kérdése kulcsfontosságúvá vált az Egyesült Államok innovációs vezető szerepének megőrzésében. A mesterséges intelligencia, az amerikai gyártás fellendülése és az országos villamosítási projektek mind olyan tényezők, amelyek rekordmagas energiaigényt támasztanak. Ezekhez a kihívásokhoz alkalmazkodva a Fehér Ház új vállalást tett, amelynek célja, hogy az energiaárak minden család és vállalkozás számára megfizethetőek maradjanak. Ebben a törekvésben a Google is aktív szereplőként áll, és saját stratégiáját is megosztotta a felelős energiagazdálkodás érdekében. A Ratepayer Protection Pledge alapelvei A Fehér Ház által meghirdetett Ratepayer Protection Pledge lényege, hogy az energia felhasználás növekedése ne terhelje meg az átlagos fogyasztókat, legyen szó családokról vagy helyi vállalkozásokról. A Google vállalja, hogy az adatközpontjai…
-
TiRex: az ipari előrejelzések új gyors és energiatakarékos bajnoka
A mindennapjainkat átszövő időbeli adatsorok egyre fontosabb szerepet játszanak nemcsak a magánéletünkben, hanem az ipari folyamatokban is. Az időalapú előrejelző modellek gyors és megbízható működése kulcsfontosságú, különösen akkor, ha ezeket gyengébb hardvereken, például ipari PLC-ken vagy beágyazott rendszereken kell futtatni. Az NXAI legújabb laboratóriumi tesztjei során a TiRex nevű modell teljesítményét vizsgálták különféle eszközökön, és az eredmények azt mutatják, hogy egy új generációs alapmodell született, amely ideális lehet az ipari környezetek számára. Miért fontos az edge-kompatibilis időalapú modell? Az időbeli adatsorok, vagyis a time series adatok elemzése manapság szinte minden területen jelen van: a gyártásban, az energiaszektorban, a logisztikában vagy akár az egészségügyben. Ezeknek az adatsoroknak a pontos előrejelzése segíti…
-
Smol AI WorldCup: Kis modellek, nagy meglepetések az AI világában
Az elmúlt években az AI fejlesztések középpontjában a hatalmas nyelvi modellek álltak, amelyek több milliárd paraméterrel dolgoznak, és komoly erőforrásokat igényelnek. Ám a valódi kihívás ma már nem csak a hatalmas számítási kapacitású szervereken futó modellek versenye, hanem az úgynevezett „edge AI” – vagyis a kisebb, helyben futó, energiatakarékos megoldások fejlesztése. Ebben a versenyben mutatkozik be a Smol AI WorldCup, az első benchmark, amely kifejezetten a kis nyelvi modellek éles környezetben való teljesítményét méri. Miért volt szükség új mérőszámra? A hagyományos AI benchmarkok, mint az MMLU vagy a HumanEval, általában csak az intelligenciára fókuszálnak, vagyis arra, mennyire „okos” egy modell. Ez azonban kevés, ha a modellt például egy okostelefonon vagy…
