गूगल ने हाल ही में SpeciesNet नामक एक नया AI मॉडल जारी किया है जो वन्यजीवों की पहचान करने में मदद करता है। यह मॉडल विभिन्न प्रकार के जानवरों और पौधों की पहचान करने में सक्षम है और संरक्षण के प्रयासों में मददगार साबित हो सकता है।

नेटफ्लिक्स सामग्री की सिफारिश और सुधार के लिए अपनी क्षमताओं को बेहतर बनाने के लिए मशीन लर्निंग वैज्ञानिकों और इंजीनियरों की भर्ती कर रहा है।

हाल ही में, Meta AI टीम ने वीडियो संयुक्त एम्बेडिंग पूर्वानुमान ढांचे (V-JEPA) मॉडल पेश किया है, यह नवाचार मशीन इंटेलिजेंस के विकास को बढ़ावा देने के उद्देश्य से किया गया है। मनुष्य स्वाभाविक रूप से दृश्य संकेतों से जानकारी को संसाधित कर सकता है, जिससे वह अपने चारों ओर की वस्तुओं और गति पैटर्नों की पहचान कर सकता है। मशीन लर्निंग का एक महत्वपूर्ण लक्ष्य उन मूलभूत सिद्धांतों को उजागर करना है जो मानव को बिना पर्यवेक्षण के सीखने के लिए प्रेरित करते हैं। शोधकर्ताओं ने एक महत्वपूर्ण धारणा प्रस्तुत की - पूर्वानुमान विशेषता सिद्धांत, जो मानता है कि निरंतर संवेदी इनपुट के प्रतिनिधित्वों को एक-दूसरे की पूर्वानुमान क्षमता होनी चाहिए। प्रारंभिक शोध विधियाँ धीमी विशेषता विश्लेषण के माध्यम से हैं।

हाल ही में, Figure के संस्थापक और CEO Brett Adcock ने नए मशीन लर्निंग मॉडल Helix की घोषणा की, जिसका उद्देश्य घरेलू परिवेश में मानव-पार्श्वदर्शी रोबोट की क्षमताओं को बढ़ाना है। यह घोषणा Figure द्वारा OpenAI के साथ सहयोग समाप्त करने के सिर्फ दो सप्ताह बाद आई है, जो रोबोटिक्स क्षेत्र में उनकी दृढ़ प्रतिबद्धता को दर्शाती है। Helix एक 'यूनिवर्सल' विजन-लैंग्वेज-एक्शन (VLA) मॉडल है, जो विज़ुअल डेटा के माध्यम से कार्य करता है।

म्यूनिख विश्वविद्यालय, म्यूनिख मशीन लर्निंग सेंटर और Adobe Research द्वारा हाल ही में जारी किए गए शोध से पता चलता है कि GPT-4o, Gemini1.5Pro और Llama-3.3-70B सहित 12 शीर्ष AI भाषा मॉडल लंबे पाठ वैचारिक तर्क कार्यों में महत्वपूर्ण प्रदर्शन गिरावट का सामना कर रहे हैं। जबकि ये मॉडल कम से कम 128,000 टोकन के संदर्भ प्रसंस्करण का समर्थन करते हैं, उनकी गहरे तार्किक संबंध बनाने की क्षमता में अभी भी मौलिक सीमाएं हैं। शोध टीम द्वारा विकसित NOLIMA (बिना पाठ मिलान)

हाल ही में, वेक्टारा की मशीन लर्निंग टीम ने डीपसीक श्रृंखला के दो मॉडलों पर गहन भ्रम परीक्षण किए, जिसके परिणाम बताते हैं कि डीपसीक-R1 का भ्रम दर 14.3% है, जो इसके पूर्ववर्ती डीपसीक-V3 के 3.9% से उल्लेखनीय रूप से अधिक है। यह दर्शाता है कि अनुमान को बढ़ाने की प्रक्रिया के दौरान, डीपसीक-R1 ने अधिक गलत या मूल जानकारी से असंगत सामग्री उत्पन्न की। इस परिणाम ने अनुमान वृद्धि बड़े भाषा मॉडलों (LLM) के भ्रम दर पर व्यापक चर्चा को जन्म दिया। चित्र स्रोत

Google X की 'मूनशॉट फैक्ट्री' ने हाल ही में नई स्टार्टअप Heritable Agriculture के स्वतंत्र विकास की घोषणा की। यह नई कंपनी डेटा और मशीन लर्निंग तकनीकों का उपयोग करके फसलों की वृद्धि के तरीकों में सुधार पर ध्यान केंद्रित कर रही है। Heritable Agriculture ने एक声明 में कहा कि पौधे एक कुशल और आश्चर्यजनक प्रणाली हैं: 'पौधे सौर ऊर्जा संचालित, कार्बन-नकारात्मक स्व-इकट्ठा करने वाली मशीनें हैं, जो सूरज और पानी पर निर्भर करती हैं।' हालांकि, कृषि ने पृथ्वी और संसाधनों पर भारी दबाव डाला है।

हाल ही में दावोस में आयोजित विश्व आर्थिक मंच में, गूगल DeepMind के CEO डेमिस हसाबिस ने कहा कि आर्टिफिशियल इंटेलिजेंस द्वारा डिज़ाइन की गई पहली दवाएं 2025 तक नैदानिक परीक्षणों में प्रवेश कर सकती हैं। हसाबिस Isomorphic Labs नामक DeepMind के दवा विकास कंपनी के प्रमुख भी हैं। उन्होंने कहा: "हमारा लक्ष्य इस साल के अंत से पहले कुछ AI द्वारा डिज़ाइन की गई दवाओं को नैदानिक परीक्षण में प्रवेश कराना है।"

हाल ही में, कील विश्वविद्यालय के शोधकर्ताओं ने एक नया कृत्रिम बुद्धिमत्ता उपकरण विकसित किया है, जो 99% तक की सटीकता के साथ फर्जी समाचार की पहचान कर सकता है, जो ऑनलाइन झूठी जानकारी से लड़ने में महत्वपूर्ण समर्थन प्रदान करता है। इस शोध में कंप्यूटर विज्ञान और गणित学院 के उचेन एन्यी डॉ., संगीता सांगीता डॉ. और पैट्रिशा असो - आयोबोडे डॉ. ने भाग लिया। शोध दल ने कई मशीन लर्निंग तकनीकों का उपयोग करते हुए एक ऐसा मॉडल डिजाइन किया है जो समाचार सामग्री को स्कैन कर सकता है और इसकी विश्वसनीयता का मूल्यांकन कर सकता है। शोधकर्ताओं ने 'एकीकृत मतदान' तकनीक अपनाई।

हाल ही में, डेटा विश्लेषण कंपनी Coralogix ने AI पर्यवेक्षण प्लेटफ़ॉर्म Aporia का अधिग्रहण करने की घोषणा की है, जिसका उद्देश्य AI और मशीन लर्निंग के पर्यवेक्षण क्षमताओं को बढ़ाना है। इस अधिग्रहण के तहत Coralogix एक विशेष AI अनुसंधान केंद्र - Coralogix AI की स्थापना करेगा, जो अगले दो वर्षों में करोड़ों डॉलर का निवेश करेगा, जिसका लक्ष्य AI क्षेत्र में पारदर्शिता, सुरक्षा, निगरानी, शासन और नियंत्रण जैसे मौलिक मुद्दों को हल करना है। इस अधिग्रहण के माध्यम से, Coralogix के ग्राहक एक एकीकृत पर्यवेक्षण प्लेटफ़ॉर्म का लाभ उठाएंगे।

वुहान विश्वविद्यालय के आर्टिफिशियल इंटेलिजेंस कॉलेज का औपचारिक उद्घाटन हुआ, जो इस विद्यालय के आर्टिफिशियल इंटेलिजेंस क्षेत्र में अनुसंधान और शिक्षा के नए स्तर पर पहुंचने का प्रतीक है। नए स्थापित कॉलेज की अध्यक्षता चाइनीज एकेडमी ऑफ़ साइंसेज के एकेडमीशियन और वुहान विश्वविद्यालय के अध्यक्ष प्रोफेसर झांग पिंगवेन कर रहे हैं। यह कॉलेज वुहान विश्वविद्यालय के समृद्ध विषय संसाधनों और प्रमुख अनुसंधान संस्थानों पर निर्भर करेगा, और गणितीय आधार और डेटा विज्ञान, मशीन लर्निंग और इंटेलिजेंट साइंस, इंटेलिजेंट नैचुरल साइंस और इंटेलिजेंट सोशल साइंस चार क्षेत्रों पर ध्यान केंद्रित करेगा। विषय निर्माण और वैज्ञानिक अनुसंधान के क्षेत्र में, कॉलेज "एआई + विज्ञान" और "एआई + इंजीनियरिंग" को हासिल करने के लिए प्रतिबद्ध है।

OpenAI के सह-संस्थापक इलिया सुत्सकेवर ने हाल ही में कहा कि कृत्रिम बुद्धिमत्ता के शोधकर्ताओं को मशीन इंटेलिजेंस को बढ़ाने के लिए नए तरीके खोजने की आवश्यकता है ताकि मौजूदा सीमाओं पर काबू पाया जा सके। सुत्सकेवर ने कनाडा के वैंकूवर में आयोजित 2024 की न्यूरल इंफॉर्मेशन प्रोसेसिंग सिस्टम (NeurIPS) सम्मेलन में एक भाषण दिया, जिसमें उन्होंने कहा कि कृत्रिम बुद्धिमत्ता के पूर्व-प्रशिक्षण का युग समाप्त होने वाला है और सुपर इंटेलिजेंस के उदय की भविष्यवाणी की। सुत्सकेवर का मानना है कि बेहतर हार्डवेयर, सॉफ़्टवेयर और मशीन

ऑस्ट्रेलिया के विशाल牧场 पर, एक विशेष "牧民" उभरा है। इसके चार पहिये हैं, चमकीले लाल रंग की मोटी चमड़ी से ढका हुआ है, यह कोई साधारण गाय नहीं है, बल्कि सिडनी विश्वविद्यालय द्वारा विकसित एक स्वायत्त रोबोट है, जिसे SwagBot कहा जाता है। शोधकर्ताओं का कहना है कि SwagBot दुनिया की पहली "स्मार्ट गाय" बनने जा रहा है, जिसका उद्देश्य पशुपालन को और अधिक कुशल और पर्यावरण के अनुकूल बनाना है। SwagBot को पहली बार 2016 में पेश किया गया था, यह केवल एक साधारण牧करण रोबोट था जो उबड़-खाबड़ इलाके पर चलने में सक्षम था। अब, इसे सेंसर और कृत्रिम बुद्धिमत्ता से लैस किया गया है।

कृत्रिम बुद्धिमत्ता के क्षेत्र में हलचल के बीच, एप्पल कंपनी के मशीन लर्निंग और एआई रणनीति के सीनIOR उपाध्यक्ष जॉन जैनेंड्रिया ने सार्वजनिक रूप से कहा कि वे आम कृत्रिम बुद्धिमत्ता (AGI) के प्रति हद से अधिक उत्साहीपन को ठंडा करने के लिए तैयार हैं। WIRED पत्रिका के साथ बातचीत में, जैनेंड्रिया ने स्पष्ट रूप से कहा: एप्पल AGI में कोई रुचि नहीं रखता और न ही इसे एक व्यावहारिक लक्ष्य मानता है। यह दृष्टिकोण वर्तमान तकनीकी दुनिया में AGI के प्रति उत्साह में एक स्पष्ट विपरीत प्रस्तुत करता है, जो एप्पल की अद्वितीय तकनीकी विकास की दृष्टि को उजागर करता है। उनका मानना है कि कई तकनीकी कंपनियों की AGI की खोज बहुत ही आदर्शवादी है।

ब्लूमबर्ग की रिपोर्ट के अनुसार, उबर (Uber) स्वतंत्र ठेकेदारों की भर्ती के माध्यम से आर्टिफिशियल इंटेलिजेंस (एआई) एनोटेशन उद्योग में प्रवेश कर रहा है। यह कदम दर्शाता है कि उबर तेजी से बढ़ते मशीन लर्निंग और बड़े भाषा मॉडल की मांग को पूरा करने के लिए अपने स्वतंत्र ठेकेदारों पर निर्भर व्यावसायिक मॉडल का लाभ उठाना चाहता है। उबर का नया विभाग "स्केल्ड सॉल्यूशंस" का दावा है कि वह अपनी प्लेटफार्म के माध्यम से व्यवसायों को "सूक्ष्म विश्लेषकों, परीक्षकों और स्वतंत्र डेटा ऑपरेटरों" से जोड़ सकता है। यह उबर की आंतरिक टीम का विस्तार है, जिसकी अधिकांश सदस्य अमेरिका में स्थित हैं।

हाल के वर्षों में, दृश्य और भाषा कार्यों के लिए मशीन लर्निंग मॉडल के अनुप्रयोग की मांग तेजी से बढ़ी है, लेकिन अधिकांश मॉडल को बड़े परिकलन संसाधनों की आवश्यकता होती है, जिससे वे व्यक्तिगत उपकरणों पर प्रभावी ढंग से चल नहीं पाते। विशेष रूप से, जैसे लैपटॉप, उपभोक्ता स्तर के GPU और मोबाइल उपकरणों जैसे छोटे उपकरणों को दृश्य-भाषा कार्यों को संभालने में बड़े पैमाने पर चुनौतियों का सामना करना पड़ता है। Qwen2-VL के मामले में, जबकि इसकी प्रदर्शन उत्कृष्ट है, हार्डवेयर के प्रति इसकी उच्च आवश्यकता इसकी रियल-टाइम अनुप्रयोगों में उपयोगिता को सीमित करती है। इसलिए, कम संसाधनों पर चलने के लिए एक हल्के मॉडल का विकास करना महत्वपूर्ण हो गया है,

मशीन लर्निंग पहले से ही विभिन्न ऑनलाइन सेवाओं में समाहित हो चुका है, और ऑनलाइन खरीदारी इनमें से एक सबसे सफल क्षेत्र है। हाल के वर्षों में, मशीन लर्निंग को विभिन्न ऑनलाइन खरीदारी कार्यों में लागू किया गया है, जैसे कि उपयोगकर्ता खोज, ब्राउज़िंग इतिहास, समीक्षा विश्लेषण, उत्पाद विशेषता निष्कर्षण आदि। मशीन लर्निंग विधियों के विकास को बढ़ावा देने के लिए कई बेंचमार्क बेंचमार्क विकसित किए गए हैं, जिनका उद्देश्य शोधकर्ताओं और इंजीनियरों के लिए वास्तविक ऑनलाइन खरीदारी कार्यों के लिए नई और अभिनव समाधानों के विकास और मूल्यांकन की आसान पहुंच बनाना है। हालांकि, मौजूदा मॉडल और बेंचमार्क आमतौर पर विशिष्ट कार्यों के लिए अनुकूलित होते हैं और ऑनलाइन खरीदारी की जटिलता को पूरी तरह से पकड़ नहीं पाते हैं। बड़े भाषा

लिथियम बैटरी में आग लगने के सुरक्षा जोखिम अक्सर चिंता का विषय होते हैं, इसलिए वैज्ञानिकों ने बैटरी अग्नि के लिए पूर्व चेतावनी देने के लिए ध्वनि का उपयोग करने का एक तरीका प्रस्तावित किया है। अध्ययन में पाया गया कि लिथियम आयन बैटरी आग लगने से पहले एक श्रृंखला के रासायनिक प्रतिक्रियाओं से गुजरती है, जो बैटरी के अंदर के दबाव में धीरे-धीरे वृद्धि करती है, अंततः बैटरी के फुलाने का कारण बनती है। चित्र स्रोत टिप्पणी: चित्र एआई द्वारा उत्पन्न किया गया है, चित्र के लिए अधिकृत सेवा प्रदाता Midjourney बैटरी का आवरण आमतौर पर कठोर होता है, जो इस प्रकार के फुलाने के लिए अनुकूल नहीं होता, इसलिए बैटरी के अंदर का सुरक्षा वाल्व जब दबाव बहुत अधिक हो जाता है तो फट जाता है, जिससे एक अद्वितीय ध्वनि उत्पन्न होती है।

वैश्विक स्तर पर अग्रणी डेटा प्रबंधन और शासन समाधान प्रदाता AvePoint (NASDAQ: AVPT) ने आज सिंगापुर आर्थिक विकास बोर्ड (EDB) के समर्थन से औपचारिक रूप से AI प्रयोग室 की स्थापना की घोषणा की। यह सामरिक कदम कृत्रिम बुद्धिमत्ता और मशीन लर्निंग क्षेत्र में नवोन्मेष अनुसंधान को महत्वपूर्ण रूप से आगे बढ़ाएगा और AvePoint Confidence प्लेटफॉर्म की AI क्षमताओं को और बढ़ाएगा। स्थापित AI प्रयोग室 एक वैश्विक प्रभाव वाला अनुसंधान एवं विकास केंद्र बनेगा। अगले तीन वर्षों में, प्रयोग室 से अधिक भर्ती करने की योजना बना रहा है।

मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी ने इस सप्ताह एक नए मॉडल को प्रदर्शित किया जो रोबोटों को प्रशिक्षित करने के लिए है, जिसका उद्देश्य अनुकृति अध्ययन की समस्याओं से निपटना है जो छोटे चुनौतियों को पेश करने पर असफल हो सकता है। शोधकर्ताओं ने बताया कि अनुकृति अध्ययन प्रकाश, विभिन्न वातावरण या नई बाधाओं जैसी परिस्थितियों में विफल हो सकता है, क्योंकि रोबोटों के पास अनुकूलित करने के लिए पर्याप्त डेटा नहीं होता। टीम ने GPT-4 जैसे मॉडलों की सहायता से समस्या को हल करने के लिए एक शक्तिशाली डेटा विधि की तलाश की। उन्होंने एक नए ढांचे का परिचय दिया जिसे हेटेरोजीनियस प्री-ट्रेनिंग ट्रांसफार्मर (HPT) कहा जाता है, जो विभिन्न संवेदनाओं और विभिन्न वातावरणों से जानकारी को एकत्र करता है।