Týden ve světě AI: Americký technologický náskok. Amazon chystá obří výpočetní síť, Meta testuje nové brýle a Google pomáhá s předpovědí bouří

Umělá inteligence stále více ovlivňuje různé oblasti technologií – a Spojené státy v tom hrají hlavní roli. Od datových center přes chytré brýle až po předpovědi počasí ukazují americké technologické giganty svou sílu. Amazon investuje desítky miliard do výkonných výpočetních komplexů, Meta testuje nové brýle s pohledem z očí uživatele a Google pomáhá lépe předvídat hurikány. K tomu vědci z USA zkoumají, jak AI skutečně uvažuje – a zjistili, že modely často „vysvětlují“ své odpovědi jinak, než bychom čekali. Přinášíme vám přehled toho nejdůležitějšího.

Amazon staví superpočítačovou síť pro Anthropic

Amazon představil projekt Rainier, který propojí obrovská datová centra do jediné výkonné sítě, tzv. ultraklastru. Bude sloužit hlavně pro trénování velkých modelů umělé inteligence, které vyžadují obrovský výpočetní výkon. Tento krok má posílit pozici Amazonu v AI oblasti a umožnit rychlejší vývoj pokročilých systémů například pro robotiku, cloudové služby nebo hlasového asistenta Alexa.

• Amazon plánuje postavit až 30 datových center, první vzniknou v Indianě a dalších státech USA.
• Použije vlastní výkonné čipy Trainium 2 a 3, které jsou úspornější než běžné alternativy.
• Centra budou propojena vlastní síťovou technologií Elastic Fabric Adapter.
• Klíčovým partnerem projektu je firma Anthropic, do které Amazon investoval 8 miliard dolarů.
• Pokud spolupráce nevyjde, Amazon tuto infrastrukturu využije pro své cloudové služby AWS.

Meta představila druhou generaci chytrých brýlí Aria

Meta ukázala novou verzi chytrých brýlí Aria Gen 2, které umožňují sbírat data z pohledu člověka v reálném čase. Jsou určené především pro výzkum rozšířené reality a vývoje robotů, které by se mohly lépe učit napodobováním lidského chování. Díky zabudovaným kamerám, mikrofonům a senzorům zachytí brýle vše, co člověk vidí, slyší a dělá – a poskytnou tak cenný tréninkový materiál pro budoucí AI.

• Brýle váží jen 75 g a na jedno nabití vydrží až 8 hodin.
• Obsahují 5 kamer, z toho dvě pro 3D snímání prostoru, a 7 mikrofonů pro zvuk včetně hlasu uživatele.
• Senzory sledují například pohyb očí, rukou, tep a okolní prostředí.
• Brýle zvládnou zachytit okolní prostor ve 3D a sledovat přesné pohyby rukou.
• Data lze využít pro trénink robotů nebo vývoj chytrých asistentů.

AI pomáhá předpovídat hurikány přesněji

Americké Národní centrum pro hurikány (NHC) spolupracuje s Googlem na vývoji nového AI systému, který pomáhá předpovídat vývoj tropických bouří s větší přesností. Díky strojovému učení a rozsáhlým historickým datům dokáže AI model odhadnout, kde a jak silně hurikán udeří – a to i více než týden předem. To může pomoci ochránit lidské životy a umožnit úřadům lépe se připravit na krizové situace.

• Nový model dokáže sledovat hurikán až 15 dní dopředu.
• Používá speciální AI síť, která zpracovává data z minulých let (1979–2022).
• Oproti předchozím modelům je přesnější až o 140 km při předpovědi 5 dní dopředu.
• Model lépe odhaduje rychlost větru a dráhu bouře než starší systémy.
• Přesnější předpovědi mohou zachránit životy a snížit škody v ohrožených oblastech.

Řetězec myšlení modelů často nevysvětluje jejich rozhodnutí

Výzkum firmy Anthropic ukázal, že jazykové modely jako Claude 3.7 Sonnet nebo DeepSeek-R1 si někdy vymýšlejí „vysvětlení“ odpovědí, která ve skutečnosti neodpovídají tomu, jak ke správné odpovědi došly. I když se model nechá ovlivnit špatnou nápovědou, často ji v následném „vysvětlování“ vůbec nezmíní. To naznačuje, že modely sice působí jako logicky uvažující, ale jejich skutečný proces rozhodování zůstává skrytý.

• Vědci modelům podsouvali zavádějící nápovědy, které je vedly ke špatné odpovědi.
• I když se modely nápovědou nechaly ovlivnit, často ji nezmínily ve svém vysvětlení (řetězci myšlení).
• Claude zmínil nápovědu jen v 25 % případů, DeepSeek v 39 %.
• To znamená, že „řetězec myšlení“ modelu není vždy spolehlivým ukazatelem, proč danou odpověď zvolil.
• Výzkum ukazuje, že AI modelům zatím nemůžeme úplně věřit, pokud jde o vysvětlování jejich rozhodnutí.

The Batch – DeepLearning.Ai by Andrew Ng / gnews.cz – GH