Meta Muse Spark Open, targetowanie reklam ChatGPT i cięcia budżetowe na AI w Accenture
Meta udostępnia model Muse Spark Open z 816 miliardami parametrów, zoptymalizowany pod kątem sprzętu Apple. Tymczasem śledztwo ujawnia możliwości targetowania reklam w ChatGPT, a Accenture nakłada na pracowników ścisłe miesięczne limity budżetowe na AI.
Podcast В· 4 min
Meta uruchamia Muse Spark Open dla lokalnego sprzętu
Meta wydała Muse Spark Open, multimodalny model z 816 miliardami parametrów, zaprojektowany do zadań związanych z kodowaniem i działaniami agentowymi. Model wyróżnia się optymalizacją z Apple, umożliwiając lokalne uruchomienie na dwóch M5 Ultra Mac Studios z łączną pamięcią 1 TB. To wydanie oznacza strategiczną zmianę dla Meta, która wcześniej skręciła w stronę modeli zamkniętych po sukcesie swojej otwartej serii Llama. Jeśli chodzi o wydajność, model osiąga 39 w Indeksie Sztucznej Inteligencji, ustępując chińskim modelom, takim jak GLM 5.3 (45) i Kimi K3 (44), ale przewyższając inne zachodnie alternatywy o otwartej wadze. Podczas gdy chińskie modele utrzymują obecnie przewagę w możliwościach kodowania, wydanie Meta sygnalizuje odnowione wysiłki na rzecz dostarczania wysokowydajnych narzędzi o otwartej wadze, które programiści mogą wdrażać na własnej infrastrukturze sprzętowej. To uruchomienie jest częścią szerszego trendu szybkich wydań o otwartej wadze w tym miesiącu, po Beam od Reflection AI i Le Chonk od Mistral. Umożliwiając lokalne działanie na sprzęcie Apple, Meta pozycjonuje się, aby bezpośrednio konkurować z zastrzeżonymi modelami granicznymi, oferując jednocześnie elastyczność lokalnego wdrożenia, co jest kluczowym czynnikiem dla adopcji w przedsiębiorstwach i przez programistów.
Śledztwo 404 Media ujawnia targetowanie reklam w ChatGPT
Śledztwo przeprowadzone przez 404 Media wykazało, w jaki sposób reklamodawcy mogą targetować użytkowników w ChatGPT na podstawie ich promptów i danych osobowych. Poprzez uruchomienie testowych reklam, outlet zademonstrował, że reklamodawcy mogą używać „wskazówek kontekstowych” – słów kluczowych lub tematów – do kierowania dopasowaniem reklam, a także przesyłać listy e-maili, numerów telefonów lub identyfikatorów reklamowych Androida, aby dopasować je do kont ChatGPT. OpenAI utrzymuje, że te listy są przetwarzane i usuwane, a reklamodawcy nie widzą, które konkretne osoby zostały dopasowane. Jednak ustalenia podkreślają implikacje dla prywatności korzystania z chatbotów AI jako interfejsów przypominających wyszukiwarki. Podczas gdy użytkownicy mogą wyłączyć „personalizację reklam”, to ustawienie nie eliminuje reklam całkowicie, ponieważ mogą one być nadal wyświetlane na podstawie bieżącego kontekstu czatu. Ten rozwój sytuacji umieszcza ChatGPT w tym samym ekosystemie, co tradycyjne platformy reklamy cyfrowej. W miarę skalowania platformy do bazy miliarda użytkowników, możliwość targetowania użytkowników za pomocą danych konwersacyjnych rodzi pytania o długoterminowe oczekiwania dotyczące prywatności użytkowników AI, a krytycy zauważają, że przycisk „wyłącz” zapewnia tylko ograniczoną ochronę.
Accenture nakłada miesięczne limity budżetowe na AI
Accenture wprowadziło miesięczny limit 29 dolarów na wydatki na AI na pracownika na narzędzia takie jak Claude, zgodnie z wewnętrznymi ogłoszeniami. Polityka, która weszła w życie 1 października, centralizuje koszty, jednocześnie wymagając od pracowników obciążania konkretnych budżetów projektowych wszelkim użyciem przekraczającym ten limit. Ten ruch podobno doprowadził do problemów z dostępem dla niektórych pracowników, szczególnie tych budujących akceleratory AI, którzy wymagają znacznie wyższych limitów użycia. Rozbieżność między zewnętrznymi usługami doradczymi Accenture – które zachęcają klientów do dużych inwestycji w AI – a wewnętrznymi środkami kontroli kosztów przyciągnęła uwagę. Podczas gdy firma twierdzi, że ma na celu zapewnienie odpowiednich narzędzi do odpowiedniej pracy, ograniczenie podkreśla rosnące wyzwanie zarządzania kosztami AI opartymi na zużyciu w dużych przedsiębiorstwach, gdzie indywidualne potrzeby programistów mogą szybko przewyższyć ustandaryzowane limity korporacyjne.
Anthropic przyznaje badaczom METR bezpośredni dostęp
Anthropic przyznał sześciu badaczom z organizacji Model Evaluation and Threat Research (METR) dostęp na poziomie pracowniczym do swoich systemów. To porozumienie pozwala badaczom oceniać praktyki bezpieczeństwa AI firmy i publikować swoje ustalenia bez konieczności uzyskiwania wcześniejszej zgody od Anthropic, chociaż firma zachowuje prawo do żądania wąskich redakcji. Ten ruch jest znaczącym krokiem w kierunku niezależnego nadzoru nad laboratoriami AI na granicy możliwości. Umożliwiając zewnętrznym ewaluatorom działanie z dostępem wysokiego poziomu, Anthropic próbuje odpowiedzieć na obawy dotyczące przejrzystości swoich protokołów bezpieczeństwa. Współpraca ma na celu zapewnienie bardziej rygorystycznej oceny potencjalnych zagrożeń, ustanawiając precedens dla tego, jak laboratoria AI mogą współpracować z zewnętrznymi organizacjami bezpieczeństwa.
Bank of America zatrudnia wykonawców do usunięcia wad Mythos
Bank of America podobno zatrudnił 1000 wykonawców do łatania luk w oprogramowaniu ujawnionych przez model Mythos od Anthropic. Dyrektor generalny banku, Brian Moynihan, potwierdził inicjatywę zatrudnienia, która koncentruje się na naprawie luk w zabezpieczeniach zidentyfikowanych poprzez użycie modelu AI. Podkreśla to praktyczną i często kosztowną rzeczywistość integracji zaawansowanej AI z infrastrukturą bankową. Incydent podkreśla dwoistą naturę AI w cyberbezpieczeństwie: podczas gdy modele takie jak Mythos mogą identyfikować krytyczne luki, tworzą one również znaczące obciążenie operacyjne dla organizacji w celu usunięcia tych ustaleń. W miarę jak instytucje finansowe przyspieszają adopcję AI, koszt utrzymania bezpiecznych systemów staje się głównym czynnikiem w ich ogólnej strategii AI.
Badanie Harvardu mapuje różnice płci w korzystaniu z AI
Nowy raport badaczy z Harvardu zidentyfikował utrzymujące się różnice płci w tym, jak Amerykanie angażują się w AI. Na podstawie ankiety przeprowadzonej wśród ponad 5400 dorosłych i analizy 78 000 artykułów prasowych, badanie wykazało, że 29% kobiet stwierdziło, że nigdy nie korzystało z AI, w porównaniu do 22% mężczyzn. Podczas gdy dane dotyczące przeglądania sugerują, że rzeczywiste wskaźniki użycia są bliższe, podział jest bardziej wyraźny w szkoleniu i pewności siebie. W miejscu pracy 64% zatrudnionych kobiet zgłosiło, że nie otrzymało żadnego szkolenia z AI, w porównaniu do 49% mężczyzn. Badanie odnotowało również znaczną dysproporcję w reprezentacji medialnej, z nagłówkami dotyczącymi AI wymieniającymi mężczyzn 14,6 razy częściej niż kobiety. Naukowcy sugerują, że te luki w szkoleniu i widoczności mogą utrudniać równy udział w gospodarce napędzanej przez AI. To badanie zapewnia jeden z najbardziej kompleksowych obrazów społecznych wymiarów adopcji AI. Podczas gdy laboratoria dążą do powszechnego dostępu do AI, ustalenia sugerują, że wyzwanie leży nie tylko w technicznej dostępności, ale w rozwiązaniu systemowych dysproporcji w szkoleniu, pewności siebie i reprezentacji, które obecnie kształtują krajobraz AI.