ИИ помогает открытию в поясе Койпера и снижает затраты на LLM

Астрономы готовы значительно расширить понимание пояса Койпера, обширной области ледяного мусора за Нептуном, в то время как калифорнийский прибрежный город развертывает ИИ для борьбы с нарушениями правил использования велосипедных дорожек, а исследователи из Nvidia разработали метод снижения затрат памяти на рассуждения больших языковых моделей (LLM). Эти разработки, охватывающие освоение космоса, безопасность городов и искусственный интеллект, подчеркивают продолжающийся прогресс в различных областях.

За последние 30 лет астрономы каталогизировали примерно 4000 объектов пояса Койпера (KBO), включая карликовые миры и ледяные кометы, согласно Ars Technica. Однако ожидается, что это число увеличится в десять раз в ближайшие годы по мере использования наблюдений с более совершенных телескопов. Это позволит глубже понять этот регион, который находится в 30–50 раз дальше от Солнца, чем Земля.

В Санта-Монике, Калифорния, город станет первым в стране, который будет использовать систему ИИ в муниципальных транспортных средствах для обеспечения соблюдения правил парковки для обнаружения нарушений правил использования велосипедных дорожек, как сообщает Ars Technica. Начиная с апреля, технология сканирования Hayden AI будет внедрена в семи автомобилях для обеспечения соблюдения правил парковки, расширяя возможности существующих камер, уже установленных на городских автобусах. «Чем больше мы сможем сократить количество незаконной парковки, тем безопаснее мы сможем сделать ее для велосипедистов», — сказал Чарли Террито, директор по росту в Hayden AI.

Тем временем исследователи Nvidia разработали метод под названием динамическое разрежение памяти (DMS), который может снизить затраты памяти на рассуждения LLM до восьми раз, как подробно описано в VentureBeat. DMS сжимает кэш «ключ-значение» (KV), временную память, которую генерируют LLM. Эксперименты показывают, что DMS позволяет LLM «думать» дольше и изучать больше решений без необходимости дополнительной памяти.

Развитие ИИ также применяется в других областях. Согласно VentureBeat, исследования показывают, что идеальный размер для продуктивного разговора в реальном времени составляет всего от 4 до 7 человек. По мере увеличения групп у каждого человека становится меньше возможностей высказаться, что увеличивает их разочарование.

В другом контексте MIT Technology Review подчеркнула реалии высокотехнологичной преступности, отметив, что технические контрмеры редко являются проблемой, а высокотехнологичные гаджеты редко являются решением. Основным барьером для входа обычно является буквальный барьер для входа.