स्टेबिलिटी एआई ने हाल ही में ओपन-सोर्स ऑडियो जनरेशन मॉडल स्टेबल ऑडियो ओपन जारी किया है, जो 47 सेकंड तक का अधिकतम ऑडियो ट्रैक जेनरेट कर सकता है, 44.1kHz के सैंपल दर के साथ। इसमें ओपन वेट्स डिजाइन शामिल है, जो उपयोगकर्ताओं को समीक्षा, संशोधन और विस्तार करने की अनुमति देता है, जिससे अनुसंधान और डेवलपर्स की नवाचार को बढ़ावा मिलता है। डेटा की वैधता और नैतिकता सुनिश्चित करने के लिए क्रिएटिव कॉमन्स लाइसेंस ऑडियो का प्रशिक्षण उपयोग किया गया है। मॉडल की तकनीकी संरचना उन्नत है, जो उच्च गुणवत्ता वाले स्टीरियो जनरेशन का समर्थन करती है, विविधता और उच्च फिडेलिटी का प्रमाणीकरण प्राप्त कर चुकी है, और शीर्ष मॉडलों के प्रदर्शन के बराबर है। यह उपकरण शोधकर्ताओं के लिए अत्यंत उपयोगी है।

ऑस्ट्रेलिया में, आर्टिफिशियल इंटेलिजेंस तकनीक के तेजी से विकास के साथ, वॉयसओवर उद्योग के स्थानीय पेशेवरों को अभूतपूर्व चुनौतियों का सामना करना पड़ रहा है। रिपोर्टों के अनुसार, लगभग 5000 ऑस्ट्रेलियाई वॉयसओवर कलाकारों की नौकरियों को खतरा है, मुख्य कारण यह है कि सस्ते एआई जनित आवाजें मानव वॉयसओवर को चुनौती देना शुरू कर रही हैं। AAVA (ऑस्ट्रेलियन वॉयसओवर आर्टिस्ट्स असोसिएशन) को चिंता है कि आर्टिफिशियल इंटेलिजेंस पूरी तरह से मानव वॉयसओवर कार्यों का स्थान ले सकता है। AAVA के अध्यक्ष साइमोन केनेडी ने कहा कि आर्टिफिशियल इंटेलिजेंस का वॉयसओवर उद्योग पर प्रभाव इस संघ की स्थापना के कुछ कारणों में से एक है, लेकिन वे तकनीक का विरोध नहीं कर रहे हैं, बल्कि वे दृश्यता की आवश्यकता है।

Anthropic ने घोषणा की है कि उनके प्रसिद्ध चैटबॉट Claude का एंड्रॉइड ऐप आधिकारिक तौर पर लॉन्च हो गया है। यह संकेत देता है कि Claude न केवल अपने उन्नत कृत्रिम बुद्धिमत्ता के माध्यम से उपयोगकर्ताओं के साथ प्राकृतिक इंटरैक्शन करके कार्यों को हल करने और नवाचार सहयोग को बढ़ाता है, बल्कि नए Claude Vision फीचर के माध्यम से छवि सामग्री को भी解析 करता है, AI के उपयोग के क्षेत्र को विस्तारित करता है। OpenAI के प्रसिद्ध उत्पाद ChatGPT की तुलना में, Anthropic विशेष रूप से उपयोगकर्ता गोपनीयता पर ध्यान केंद्रित करता है और उपयोगकर्ता इंटरैक्शन डेटा का उपयोग AI मॉडल को प्रशिक्षित करने के लिए नहीं करता है।

Exa AI, एक नया उद्यम जो AI तकनीक के माध्यम से खोज अनुभव को क्रांतिकारी बनाने के लिए समर्पित है, ने 17 मिलियन डॉलर की श्रृंखला A फंडिंग प्राप्त करने की घोषणा की है, जिसे Lightspeed, Nvidia के NVentures और Y Combinator द्वारा सहारा मिला है। पारंपरिक खोज इंजनों से भिन्न, Exa AI को AI के लिए विशेष रूप से डिज़ाइन किए गए खोज उपकरण के रूप में定位 किया गया है, जो जानकारी के सैलाब में ज्ञान के खजाने को निकालने का प्रयास करता है। इसकी मुख्य ताकत निम्नलिखित पहलुओं में निहित है: 1. **डेटा संगठन और छंटाई**: वेक्टर डेटाबेस और एम्बेडिंग मॉडल का उपयोग करें।

अलीबाबा क्लाउड ने 'Qwen-Audio' लॉन्च किया, एक बड़ा ऑडियो भाषा मॉडल जो वॉयस इंटरैक्शन अनुभव को नवाचार करता है। यह मॉडल विभिन्न ऑडियो इनपुट स्वीकार कर सकता है, ऑडियो विश्लेषण करता है और सीधे वॉयस कमांड का जवाब देता है। उपयोगकर्ता अद्वितीय ऑडियो इंटरैक्शन मोड प्रदान कर सकते हैं, जिसमें टेक्स्ट इनपुट की आवश्यकता नहीं है, सीधे वॉयस के जरिए संवाद करते हैं, और ऑडियो में ध्वनि और टेक्स्ट विश्लेषण प्रदान करते हैं। इसमें बुद्धिमान समझने की क्षमता है, जो विभिन्न ऑडियो स्रोतों के कमांड को मिलाकर解析 कर सकती है, जैसे कि एकल आवाज, मल्टीचैनल बातचीत और आदेशों को भेदित करना, और ऑडियो व्याख्या और प्रतिक्रिया में सहायता करना। प्रदर्शन पहले के उत्कृष्ट मॉडलों से बेहतर है, विशेषकर ऑडियो के आधार पर।

इस लेख में माइक्रोसॉफ्ट और मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी जैसी संस्थाओं के शोधकर्ताओं द्वारा मिलकर विकसित की गई एक अत्याधुनिक मशीन लर्निंग प्रशिक्षण रणनीति पर चर्चा की गई है, जिसका मुख्य ध्यान बड़े मशीन लर्निंग मॉडलों की तर्कशीलता की सीमाओं को हल करने पर है। इस रणनीति ने अद्वितीय और नवोन्मेषी प्रशिक्षण विधियों के माध्यम से मॉडल की तर्कशीलता को महत्वपूर्ण रूप से बढ़ाया है, जिससे यह कारण संबंध बना सकता है और डेटा से सीख सकता है। शोधकर्ताओं ने मॉडल को बुनियादी तर्क और गणित के सिद्धांत सिखाए ताकि वह कारण तर्क को समझ सके। हालाँकि मॉडल का आकार मध्यम है (केवल 670 लाख पैरामीटर), लेकिन इसकी तर्कशीलता बड़ी और अधिक जटिल मॉडल्स के बराबर है।

एक समूह के व्हिसलब्लोअर ने OpenAI कंपनी के गोपनीयता समझौते में मुद्दों का संकेत दिया है, जिसमें कर्मचारियों को नियामक संस्थाओं के साथ संवाद करने के लिए अनुमोदन की आवश्यकता के नियम शामिल हैं, जिससे यह प्रश्न उठता है कि क्या OpenAI कर्मचारियों के अधिकारों पर अंकुश लगा रहा है और संभवतः नियमों का उल्लंघन कर रहा है। ChatGPT के विकासकर्ता और आर्टिफिशियल इंटेलिजेंस के क्षेत्र में एक प्रमुख खिलाड़ी के रूप में, OpenAI को अमेरिकी प्रतिभूति और विनिमय आयोग (SEC) द्वारा जांच का सामना करना पड़ रहा है। व्हिसलब्लोअर ईमेल में कहा गया है कि OpenAI के पास प्रणालीगत अवैध गतिविधियों का आरोप है, जिसमें उसके रोजगार अनुबंध, निष्कासन समझौतों और गोपनीयता समझौतों का SEC के नियमों का उल्लंघन करना शामिल है, जिससे कर्मचारियों के अधिकारों का हनन हो रहा है।

Stability AI ने अपने Stable Diffusion3 लाइसेंस को आसान किया है, हाल की विवादों का जवाब देते हुए, इसका उद्देश्य अपने नवीनतम लाइसेंस条款 के खिलाफ उपयोगकर्ताओं की आपत्ति को कम करना है। प्रारंभिक रिलीज में प्रतिबंधात्मक शर्तें शामिल थीं, जिससे समुदाय में असंतोष हुआ, विशेषकर CivitAI प्लेटफ़ॉर्म पर। आलोचनाओं का सामना करते हुए, Stability AI ने एक और उदार सामुदायिक लाइसेंस जारी किया, जो SD3 मॉडल का मुफ्त में उपयोग करने की अनुमति देता है, अनुसंधान और गैर-व्यावसायिक उद्देश्यों के लिए। उन्होंने व्यावसायिक उपयोग के लिए अतिरिक्त लचीलापन भी प्रदान किया।

डिजाइन गुरु कैनवा ने AI उपकरणों के उपयोग के क्षेत्र को स्पष्ट किया है, AI सुविधा मैजिक मीडिया को चिकित्सा या राजनीतिक शब्दों के साथ उपयोग करने से बचने के लिए कहा गया है, ताकि संभावित हानिकारक या अनुपयुक्त सामग्री का उत्पादन न हो सके। कैनवा के AI उत्पाद नियमों में कहा गया है कि अनुबंध, कानूनी सलाह, वित्तीय सलाह, स्पाम और वयस्क सामग्री बनाने के लिए AI का उपयोग करना प्रतिबंधित है। एक मुख्य बिंदु यह है कि कैनवा बिना उपयोगकर्ता की अनुमति के उनके सामग्री का AI प्रशिक्षण के लिए उपयोग नहीं करेगा, उपयोगकर्ता को AI प्रशिक्षण के लिए डिज़ाइन की गई सामग्री से बाहर निकलने का अधिकार है।

हांगकांग विश्वविद्यालय और टेनसेंट के शोधकर्ताओं ने एक पूरी नई मल्टी-मोडल सिफारिश प्रणाली पैटर्न - DiffMM प्रस्तुत किया है, जिसका उद्देश्य शॉर्ट वीडियो की सिफारिश की सटीकता को बढ़ाना है। यह प्रणाली उपयोगकर्ता और वीडियो जानकारी शामिल करते हुए एक ग्राफ़ बना कर, ग्राफ़ विभाजन और तुलना अध्ययन तकनीकों का उपयोग कर, उपयोगकर्ताओं और वीडियो के बीच संबंधों को बेहतर तरीके से समझती है, जिससे और अधिक सही सिफारिशें हो सकें।

हाल ही में आयोजित विश्व आर्टिफिशियल इंटेलिजेंस सम्मेलन में, Baidu के संस्थापक ली यानहोंग और अली क्लाउड के CTO झौ जिनरेन ने ओपन-सोर्स मॉडल के महत्व के बारे में अलग-अलग विचार व्यक्त किए।

OpenAI ने हाल ही में ChatGPT के उन्नत वॉयस मोड के नवीनतम विकास रिपोर्ट जारी की है। इस उन्नत विशेषता, जिसका प्रदर्शन वसंत अपडेट में किया गया था, को मूल रूप से जून के अंत में कुछ ChatGPT Plus उपयोगकर्ताओं के लिए अल्फा परीक्षण के लिए उपलब्ध कराने की योजना थी, लेकिन अब इसे जारी मानकों तक पहुंचने के लिए एक और महीने की आवश्यकता है। बताया गया है कि विकास टीम मॉडल की परीक्षा क्षमता और कुछ सामग्री को अस्वीकार करने की क्षमता को बढ़ाने के लिए काम कर रही है। इस बीच, वे उपयोगकर्ता अनुभव को भी सुधार रहे हैं और संबंधित बुनियादी ढांचे को तैयार कर रहे हैं, यह सुनिश्चित करने के लिए कि लाखों उपयोगकर्ताओं के विस्तार के दौरान भी वास्तविक समय में प्रतिक्रिया बनी रहे।

अमेज़न अपने नवीनतम प्रोजेक्ट Metis के माध्यम से AI चैटबॉट क्षेत्र में प्रवेश कर रहा है, यह कदम अमेज़न को OpenAI के ChatGPT के साथ सीधी प्रतिस्पर्धा में लाता है, जो उन्नत AI सहायकों की पेशकश करने वाले तकनीकी दिग्गजों की लगातार बढ़ती सूची में शामिल होता है।

लंदन स्थित AI स्टार्टअप Synthesia ने अपने प्लेटफॉर्म के महत्वपूर्ण अपडेट की घोषणा की है, जिसका उद्देश्य वीडियो-आधारित संचार पहलों को लागू करने में कंपनियों के लिए एक व्यापक सूट प्रदान करना है।

एलों मस्क की आर्टिफिशियल इंटेलिजेंस स्टार्टअप xAI ने डेल, NVIDIA और Supermicro के साथ मिलकर दुनिया का सबसे बड़ा सुपरकंप्यूटर बनाने की घोषणा की। यह परियोजना स्टार्टअप्स को उनके प्रशिक्षण कार्यों का समर्थन करने के लिए बड़े पैमाने पर कंप्यूटिंग संसाधन प्रदान करेगी और ओराकल और X कंपनी के डेटा केंद्रों की क्लाउड सेवाओं पर निर्भरता को कम करेगी।

सोFTबैंक के सीईओ सुन यंग-मान ने पिछले हफ्ते निवेशकों से कहा कि उन्हें विश्वास है कि 'सुपर आर्टिफिशियल इंटेलिजेंस' केवल तीन साल में मानव बुद्धि के 10,000 गुना स्तर को प्राप्त कर सकता है।

कृत्रिम बुद्धिमत्ता के विकास के इतिहास में, तुर्लिंग परीक्षण हमेशा एक महत्वपूर्ण मील का पत्थर रहा है। हाल ही में, सैन डिएगो कैलिफोर्निया विश्वविद्यालय के संज्ञानात्मक विज्ञान विभाग के शोधकर्ताओं ने GPT-4 पर तुर्लिंग परीक्षण की पुनरावृत्ति का प्रयोग किया, जिसका परिणाम आश्चर्यजनक था।

इस व्यक्तिगतता के युग में, AI आपको बेहतर तरीके से कैसे समझ सकता है? सोचिए, जब आप चैट सॉफ्टवेयर में टाइप करते हैं 'मैं पास हो गया, बहुत खुश हूं!' तो एक AI जो आपकी भावनाओं को समझता है, न केवल आपकी उत्साहित भावना को पहचानता है, बल्कि आपकी पसंदीदा हंसते चेहरे वाली बिल्ली के इमोजी को भी याद रखता है, और इस तरह वह आपके लिए विशेष रूप से हंसते चेहरे वाली बिल्ली के इमोजी पैक तैयार करता है।

अमेज़न विज्ञापन का GenAI उपकरण सेट ब्रांडों को उनकी उत्पादों के चारों ओर जीवनशैली छवियाँ बनाने में पहले से कहीं अधिक गति और सुविधा प्रदान कर रहा है, जिससे ग्राहकों की खोज अनुभव में सुधार हो रहा है। पिछले गिरावट में घोषित Image Generator ने अमेज़न विज्ञापनदाताओं के रचनात्मक विकास और ग्राहकों के साथ जुड़ने के तरीके को बदल दिया है।

मैकडोनाल्ड्स ने IBM के साथ AI ड्राइव-थ्रू ऑर्डरिंग सहयोग को समाप्त करने की घोषणा की है, और 2024 के 26 जुलाई तक 100 से अधिक रेस्तरां में परीक्षण की गई तकनीक को हटाएगा। 2021 से IBM के साथ सहयोग के बाद, मैकडोनाल्ड्स ने इन रेस्तरां में इस प्रणाली का परीक्षण किया था।