المواضيع الرائجة
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Dr_Gingerballs
مهندس. باحث. مستمتع بالأسود. ملصق سيء. أجمع بيانات عن الخيارات وما شابه وأنشرها على X.
مرحبا جميعا، من يقول إن الحوسبة الذكاء الاصطناعي أصبحت أرخص. حققت OpenAI حوالي 1.20 دولار لكل كيلوواط ساعة من الحوسبة سنويا خلال السنوات الثلاث الماضية. صفر تخفيض في التكلفة خلال 3 سنوات.
بشكل مريح، يتطلب تشغيل H100 حوالي 1 كيلوواط، لذا هم يحققون 1.20 دولار لكل ساعة بطاقة رسوميات. الإصدارات المحجوزة تتراوح بين 2-7 دولارات في الساعة لكل بطاقة رسومات (وأيضا يتم تشغيلها بخسارة من قبل الجميع تقريبا). لذا، في أفضل الحالات، من المتوقع أن تخسر OpenAI 20 مليار دولار هذا العام، وقد تكون أعلى بعدة مرات.
من غير المرجح أن يكون لديهم أكثر من 30 مليار دولار بعد الدفعة الأخيرة التي حصلت عليها سوفت بنك بمقدار 22 مليار دولار. لديهم أقل من سنة وهم على وشك نفاد الأموال السخيفة لتطويرهم أكثر دون اكتتاب عام. الدعوى القضائية التي رفعها ماسك تعقد هذا الجدول الزمني أيضا، إذا كان ذلك ممكنا أصلا.
لذا هم يذهبون إلى الإعلانات لأنهم سيموتون هذا العام بدونهم.
شكرا لاهتمامكم بهذا الموضوع.
19 يناير، 02:22
🚨 نشرت سارة فراير، المديرة المالية في OpenAI، تحديثا ضخما عن الإيرادات: 20 مليار دولار + ARR.
وأضاف المقال قائلا:
"نما الحوسبة ~3 أضعاف السنوية (0.2 جيجاوات في 2023، 0.6 جيجاوات في 2024، ~1.9 جيجاوات في 2025). اتبعت الإيرادات نفس المنحنى: 2 مليار دولار ARR في 2023، 6 مليارات دولار في 2024، و20 مليار دولار+ في 2025."
إذا كانت ARR تتوسع بهذا الحجم بهذا الحجم، فمن العدل أن نقول: "فقاعة الذكاء الاصطناعي كانت خدعة"؟
24
لقد واجهت هذا قبل 15 عاما في الدراسات العليا عندما كنت أستطيع تشغيل المهام عن بعد على أجهزة الكمبيوتر المختبرية والعناقدات عالية الأداء. انتهى بي الأمر بتشغيل الكثير من الأشياء التي لم يكن لها قيمة لأنني شعرت أن التزامن على مدار الساعة طوال الأسبوع كان أكثر قيمة من المحاكاة الصحيحة مرة واحدة.
18 يناير، 10:01
بدأت أعاني من خوف من الخوف من الخوف إذا لم يكن وكلائي يعملون على مدار الساعة طوال أيام الأسبوع.
يبدو أن تكلفة الفرصة البديلة مرتفعة جدا.
كأن لديك فريقا من 100 مهندس جالسين هناك فقط لأنك لم تعطيهم عملا.
في الواقع، ليس شعورا جيدا.
وأشعر بهذا حتى بعد إصدار ميزة يوم السبت.
هل يمر أحد آخر بهذا؟
10
كيف تدخل أشياء كهذه إلى الطبيعة والعلم؟ الأمر محير. بالتأكيد، إذا أعطيت الانحدار القواعد الصحيحة من البداية، فسوف يستنتج بشكل أفضل لاحقا. يبدو هذا تافها، واضحا، وليس ذكاء. الذكاء هو نموذج يبتكر F=ma.
16 يناير، 20:05
شبكة GNN منيفة بالفيزياء تتعلم قوانين نيوتن من البيانات—وتستقر إلى أنظمة أكبر ب 35×
معظم الشبكات العصبية المستخدمة في محاكاة الفيزياء تستهلك البيانات وهشة. دربها على تكوين واحد، فتفتعطل عندما تغير شروط الحدود، أو توسع النظام، أو تدير عمليات تشغيل طويلة. المسألة الأساسية: هذه النماذج تتعلم الارتباطات، وليس قوانين الحفظ.
يتبع فيناي شارما وأولغا فينك نهجا مختلفا مع Dynami-CAL GraphNet. بدلا من الأمل في اكتشاف الفيزياء من الشبكة، يدمجونه مباشرة في البنية. النقطة الأساسية: القانون الثالث لنيوتن يضمن أن القوى الداخلية تحفظ الزخم الخطي والزاوي—حتى عندما تتبدد الطاقة بسبب الاحتكاك أو التصادمات غير المرنة.
تحقق ذلك من خلال إطار مرجعي جديد للحافة المحلية، وهو SO(3)-متساوي التغير، ثابت في الترجمة، ومضاد للتناظر تحت تبادل العقد. القوى المفككة من تضمينات الحواف تكون متساوية ومتعارضة تلقائيا. يحصل الزخم الزاوي على نفس المعاملة: حيث تتنبأ الشبكة بكل من العزمات الداخلية ونقطة تطبيق القوة، معزلة الدوران عن مساهمات المدار.
النتائج لافتة للنظر. تم تدريبه على خمسة مسارات فقط من 60 كرة متصادمة في صندوق ثابت، ويستقر النموذج إلى قافز أسطواني دوار يحتوي على 2073 جسيما — محافظا على تدحرجات مستقرة ومتسقة جسديا على مدى 16000 خطوة زمنية. في أنظمة N-body المقيدة، والتقاط الحركة البشرية، وديناميكا جزيئات البروتين، يتفوق على الخطوط الأساسية المتخصصة مع الحاجة إلى بيانات أقل.
الرسالة: عندما تدمج قوانين الحفظ في البنية بدلا من دالة الفقدان، تحصل على نماذج تعمم عبر المقاييس والهندسة وظروف الحدود — لأنها تعلمت التحيز الاستقرائي الصحيح منذ البداية.
الورقة:
11
الأفضل
المُتصدِّرة
التطبيقات المفضلة