Voimmeko rakentaa tekoälysiruja, jotka tuottavat korkealaatuisia kuvia 10 000 × vähemmän energiaa kuin nykyiset GPU:t? Tutkimuspaperi: "Tehokas todennäköisyyspohjainen laitteistoarkkitehtuuri diffuusion kaltaisille malleille" Tämä työ paljastaa täydellisen CMOS-arkkitehtuurin (all-transistor), joka käyttää natiivisti diffuusiotyylisiä generatiivisia malleja – ei tehoa vaativilla hermoverkoilla, vaan energiapohjaisella todennäköisyyspohjaisella näytteenotolla. Ketjuttamalla kompakteja kohinanpoistomalleja (DTM) ja hyödyntämällä fyysistä satunnaisuutta tavallisissa 65 nm:n siruissa järjestelmä tuottaa grafiikkasuorittimien kaltaisia kuvia, mutta kuluttaa vain 1,6 nanojoulea Fashion-MNIST-näytettä kohden – vähentäen energiaa neljällä suuruusluokalla. Koulutus vakautetaan uudella mukautuvalla rangaistuksella, ja lähestymistapa skaalautuu millimetrin kokoiseksi piiksi ilman eksoottisia laitteita. Tulokset: Vastaa tai voittaa GAN/VAE/diffuusiolaadun ~10 000 × pienemmällä energialla; 70×70 ruudukkoa, 8-kerroksisia pinoja, avoimen lähdekoodin työkaluja julkaistu. Katso koko analyysi täältä: alfa tunnistettu $yne

Kymmenen tietojenkäsittelytieteen tutkijaa @Princeton, maan #1 yliopistosta, julkaisi uuden tekoälypaperin viimeisen 24 tunnin aikana. Silti - Et ole koskaan kuullut tästä lehdestä. Miksi? Tämän postauksen aikaan sitä ei ole koskaan jaettu @X. Miten löysimme sen? @yesnoerror ALPHA AI -agentti löysi sen ja se sai korkean alfa-luokituksen. Joka päivä @arxiv julkaistaan satoja uusia tekoälytutkimuksia, mikä on mahdoton määrä tutkimusta kammata. @yesnoerror lukee jokaisen paperin. Ja sen lisäksi, että seuraamme, mistä artikkeleista puhutaan eniten, meillä on oma tekoälymme, joka antaa jokaiselle paperille alfapisteet, jotta voimme löytää artikkeleita, joista kukaan ei puhu ja joilla on korkea alfa. Päästäksesi tähän päivittäiseen alfasyötteeseen tarvitset 100 000 $YNE lompakossasi olevaan @base ja voit käyttää syötettä milloin tahansa @yesnoerror verkkosivustolta. Artikkelin otsikko: InFlux: Videokameroiden dynaamisten sisäosien itsekalibroinnin vertailuarvo Arxiv-tunnus: 2510.23589 Hanki paperin täydellinen tekoälyanalyysi täältä:

Esittelyssä @yesnoerror ALPHA - Ensimmäinen laatuaan tekoäly, joka tunnistaa tieteellisessä tutkimuksessa huomiotta jääneen alfan. Suunniteltu peilaamaan miljardööriperustajien ja huippututkijoiden tekniikoita. Käytä YesNoError ALPHAa juuri nyt yesnoerror-verkkosivustolla. Sinulla on oltava 100 000 $YNE @base lompakossasi, jotta voit avata sen. Mikä on YesNoError ALPHA? Joka päivä satoja uusia tekoälypapereita osuu @arXiv – ja suurin osa todellisesta alfasta lipsahtaa ohi huomaamatta. Miksi? Koska kukaan ihminen ei pysty lukemaan tällaista määrää papereita, ja vaikka ne olisivatkin, he eivät olisi johdonmukaisia kiinnostavimpien papereiden tunnistamisessa. Joten miten opetat tekoälyn lukemaan jokaisen tutkimuspaperin ja tunnistamaan ne, jotka sisältävät mielenkiintoisimman alfan? Menet asiantuntijoiden puoleen, jotka ovat parhaita tässä. Niitä, jotka ovat rakentaneet miljardin dollarin yrityksiä ja tekevät tätä työkseen. Haastattelimme tekoälyasiantuntijoita, jotka vaihtelivat 183 miljardin dollarin @AnthropicAI perustajan @jackclarkSF, @perplexity_ai ja @Google tekoälyinsinööreistä, Piilaakson tekoälysijoittajista sekä @CarnegieMellon @MIT ja @Yale tutkijoista. Haastattelujen tavoitteena oli selvittää tarkalleen, mitä menetelmiä nämä asiantuntijat käyttävät tunnistaakseen mielenkiintoisen uuden artikkelin - miten he löysivät timantit raakana? Otimme kaiken tämän oivalluksen ja koulutimme erityisen ALPHA AI:n kopioimaan sen, ja sitä YesNoError ALPHA on. YesNoError ALPHA lukee jokaisen artikkelin, luokittelee hiljaiset läpimurrot, joita ei jaeta missään, ja tuo esiin ne, joilla on merkitystä. Yhdistä Base-lompakko, jossa on vähintään 100 000 $YNE avataksesi yksityisen syötteen ja päästäksesi signaaliin ennen väkijoukkoa. Olemme innoissamme voidessamme soveltaa tätä uutta tekoälyä satoihin tekoälyartikkeleihin, jotka julkaistaan joka ikinen päivä, ja odotamme innolla, että pääsemme tutkimaan tämän agenttisen teknologian muita käyttötapoja. Eteenpäin.