Google объявил, что подписал соглашение со стартапом в области ядерной энергетики Kairos Power о закупке 500 мегаватт «новой круглосуточной безуглеродной энергии» от семи небольших модульных ядерных реакторов компании (SMR). Сообщается, что компании планируют первоначальную поставку первого SMR в 2030 году и полное развертывание к 2035 году.

«Сеть нуждается в новых источниках электроэнергии для поддержки технологий искусственного интеллекта, которые являются основой для больших научных достижений, улучшают услуги для компаний и клиентов, а также способствуют национальной конкурентоспособности и экономическому росту», — написал в блоге Google Майкл Террелл, старший директор Google по энергетике и климата. во вторник. «Этот соглашение помогает ускорить новую технологию для чистого и надежного удовлетворения энергетических потребностей и раскрыть полный потенциал ИИ для всех».

Террел утверждает, что внедрение ядерной энергетики дополнит существующие инвестиции компании в солнечную и ветровую энергетику и поможет ей достичь целей нулевой чистой энергии. Он также рекламирует атомную энергетику как источник высокооплачиваемой долгосрочной работы, ссылаясь на оценку Министерства энергетики США (DOE), согласно которой для увеличения мощности до 200 гигаватт к 2050 году понадобится дополнительно 375 000 работников.

Google далеко не единственная крупная технологическая компания, рассматривающая ядерную энергетику как ответ на свои проблемы с искусственным интеллектом. В марте компания Amazon Web Services приобрела центр обработки данных мощностью 960 мегаватт у Talen Energy из Хьюстона за 650 миллионов долларов. В сентябре Microsoft объявила, что работает над перезапуском энергоблока 1 на нью-йоркской атомной станции Три-Майл-Айленде, чтобы обеспечить питание своих центров обработки данных искусственного интеллекта.

В том же месяце Oracle объявила, что проектирует центр обработки данных мощностью 1 гигаватт, который будет работать от трех небольших ядерных реакторов.

Kairos также сталкивается с растущей конкуренцией со стороны других производителей малых модульных реакторов. Westinghouse, например, сейчас испытывает микрореактор, который может работать 24/7 в течение пяти лет без необходимости дозаправки.

Учитывая астрономические потребности в энергии (и охлаждении) передовых современных моделей искусственного интеллекта, эти достижения появятся довольно скоро.

Исследовательская группа Apple по искусственному интеллекту выявила значительные недостатки в способности больших языковых моделей (она искусственного интеллекта) аргументировать. Исследование, опубликованное на arXiv, описывает оценку ряда ведущих языковых моделей, в том числе OpenAI, Meta и других известных разработчиков искусственных интеллектов, чтобы определить, насколько хорошо эти модели могут справляться с задачами математических соображений. Выводы показывают, что даже незначительные изменения в формулировке вопросов могут привести к серьезным различиям в производительности модели, что может подорвать ее надежность в сценариях, требующих логической согласованности.

Напомним, Apple выпустила iPhone 16, ключевой функцией которого должен стать искусственный интеллект Apple Intelligence. Этот интеллект еще недоступен пользователям, компания только начала ограниченное развертывание.

Apple обращает внимание на постоянную проблему языковых моделей: их работа на основе совпадения шаблонов, а не подлинного логического соображения. В нескольких тестах исследователи продемонстрировали, что добавление нерелевантной информации к вопросу — деталям, которые не должны влиять на математический результат, может привести к существенным отличиям ответов искусственного интеллекта.

Один из примеров, приведенный в статье, касается простой математической задачи: сколько киви человек собрал в течение нескольких дней. Когда были введены нерелевантные детали размера некоторых киви, такие модели, как o1 от OpenAI и Llama от Meta, неправильно рассчитала окончательную сумму.

«Мы не нашли доказательств формального размышления в языковых моделях. Их поведение лучше объяснить сложным шаблоном сопоставления — действительно настолько хрупким, что изменение имен может изменить результаты примерно на 10%.

Эта хрупкость результатов побудила исследователей к выводу, что искусственные интеллекты не используют реальную логику для решения проблем, а полагаются на сложное распознавание образов, полученных во время обучения.

Они обнаружили, что простое изменение имен может изменить результаты, потенциально тревожный знак для будущего приложений искусственного интеллекта, требующих последовательных и точных соображений в контексте реального мира.

Все проверенные модели от меньших версий с открытым исходным кодом, таких как Llama, до проприетарных моделей, таких как GPT-4o OpenAI, показали значительное снижение производительности, когда столкнулись с, казалось бы, несущественными вариациями входных данных.

Apple предполагает, что искусственному интеллекту может потребоваться сочетание нейронных сетей с традиционным символическим соображением, которое называется нейросимволическим искусственным интеллектом, чтобы получить более точные возможности принятия решений и решения проблем.