تنها چند هفته پس از ظهور مخفیانه با یک دور سرمایهگذاری اولیه ۵۰میلیوندلاری، این استارتآپ بریتانیایی میگوید که عامل هوش مصنوعی تازهمنتشرشدهاش، فارادی (Faraday)، در یک کار خاص از مدلهای بزرگتر و شناختهشدهتر عملکرد بهتری داشته است: «بازتولید مستقل یافتههای مقالات علمی منتشرشده بدون اینکه از قبل به آنها پاسخ داده شود.» با توجه به هدف بسیار والاتر Inherent، یعنی ساخت هوش مصنوعیای که بتواند دانش علمی جدید را کشف کند و نه فقط نتایج قدیمی را تایید کند، ممکن است باعث شگفتی فراوان در میان غولهای فناوری هوش مصنوعی جهان شود. در این میان ادوارد هیوز، یکی از بنیانگذاران و دانشمند ارشد، در مورد تمرینات این مدل گفت که تکثیر کاغذ یک تمرین آموزشی استاندارد برای دانشمندان انسانی نیز هست. بسیاری از دانشجویان دکترا در واقع با انجام این کار شروع میکنند. هیوز به تککرانچ گفت: «هدف، شکست دادن سایر سیستمهای هوش مصنوعی در این کار نبود؛ بلکه چگونگی رسیدن به آن بود. آنچه در این مورد برای ما جالبترین بود، نتیجه شکست دادن آن عوامل مرزی نبود - که البته ما آن را دوست داشتیم - بلکه در واقع روشی بود که ما برای ساخت این سیستم پیش گرفتیم.» این بخشی است که باید توجه یک سرمایهگذار را جلب کند: در مقایسه با Claude Opus ۴.۸ شرکت آنتروپیک و GPT-۵.۵ شرکت اوپنایآی - که هر دو سیستمهای بسیار بزرگتر و در مقیاس قابلتوجه هستند - فارادی روی یک مدل نسبتا کوچک به نام Qwen ۳.۶ اجرا میشود که فقط ۲۷میلیارد پارامتر دارد. (به طور کلی، «پارامترها» نمایندهای برای اندازه یک مدل و معمولا هزینههای آموزش آن نیز هستند.) …
روزنامه دنیای اقتصاد / ۱۴۰۵/۰۶/۰۱
شگفتانهای از لندن
دنیای اقتصاد: Inherent، یک آزمایشگاه هوش مصنوعی در لندن که توسط نیروهای سابق گوگل دیپمایند تاسیس شده است، میگوید که عامل هوش مصنوعیشان با استفاده از کسری از اندازه، از مدلهای بسیار بزرگتر آنتروپیک و اوپنایآی عملکرد بهتری داشته است.

این بخش بهصورت خودکار گردآوری شده است. برای مطالعه کامل خبر، به منبع اصلی مراجعه کنید.
از بین تمام استارتآپهای راهاندازیشده توسط نیروهای سابق گوگل دیپمایند، Inherent توجه نسبتا کمی را به خود جلب کرده است. اما درحالیکه رقبایی با بودجه بهتر هنوز چیز مشخصی را به جهانیان نشان ندادهاند، تیم مستقر در لندن شروع به اشتراکگذاری آنچه در حال ساخت آن بوده، کرده است.

































































