OpenAI e Synopsys firmano un accordo pluriennale per GPT-Synopsys, il modello per progettare chip

La notizia è arrivata da The Decoder il 30 settembre, poche ore dopo il developer day di OpenAI a San Francisco. Synopsys produce software di electronic design automation, gli strumenti con cui gli ingegneri progettano chip e semiconduttori. Con questa partnership OpenAI ne ottiene la licenza e li combina con i propri modelli.

L'obiettivo dichiarato è un modello capace di "ragionare sulla progettazione e la verifica dei chip, e di azionare direttamente gli strumenti di Synopsys". Gli ingegneri affiderebbero al modello gli obiettivi di progetto, poi rivedrebbero e approverebbero il risultato. Il modello gira sull'infrastruttura di OpenAI. Le due aziende dicono che i dati dei clienti non saranno usati per l'addestramento e saranno conservati cifrati. I primi test con clienti del settore dei semiconduttori sono già in corso. Le due società commercializzeranno il prodotto insieme e divideranno i ricavi. La stessa settimana ha portato una serie di rilasci di modelli aperti, dal riconoscimento vocale ai dati tabellari, insieme a notizie di enforcement da parte delle autorità di regolamentazione.

I pesi aperti continuano ad arrivare

Fermion Research ha pubblicato Phonon-2 il 30 settembre, un modello di riconoscimento vocale per l'inglese che si scarica in 164 MB. Sui sette set inglesi della Open ASR Leaderboard totalizza in media il 5,21 per cento di word error, dice l'azienda, e ogni modello aperto che ottiene un punteggio migliore è almeno 5,8 volte più grande. I pesi sono rilasciati con licenza CC-BY-4.0, la stessa del Parakeet TDT 0.6B v3 di NVIDIA, da cui derivano.

NVIDIA ha pubblicato Kumo Tabular il 29 settembre, un modello fondativo aperto per classificazione e regressione su dati tabellari. Predice le etichette in un singolo forward pass, senza addestramento né feature engineering, ed è rilasciato con licenza OpenMDW-1.1 per uso commerciale. L'azienda dice che è primo su TabArena, BeyondArena, TALENT e ScoringBench. Esiste in tre dimensioni, da 28M a 215M parametri.

I volontari hanno preso un'altra strada. Il progetto Coop, aggiornato il 30 settembre, addestra da zero un modello di circa 145M parametri su FineWeb-Edu, usando hardware donato e i livelli gratuiti di Hugging Face e GitHub Actions. I gradienti arrivano come pull request. Un job schedulato di GitHub Actions li aggrega ogni cinque minuti, anche se il progetto nota che lo scheduler condiviso di GitHub può partire a distanza di minuti o di ore. La fase 1, un modello da 15M su TinyStories, ha superato il suo budget ottimale secondo Chinchilla in sei giorni, con la validation loss scesa da 9.01 a 2.8.

Sempre il 30 settembre, il UK AI Security Institute e Meridian Labs hanno presentato Inspect, un framework di valutazione open source che include oltre 200 valutazioni predefinite e supporta l'esecuzione di codice di modello non fidato in Docker, Kubernetes e altri sandbox. Su GitHub uno sviluppatore ha pubblicato PSSA, un modello linguistico non transformer scritto in Rust, senza alcun framework di ML sotto. Secondo l'autore impara più velocemente di un transformer a parità di parametri e genera circa dodici volte più rapidamente sulla stessa CPU.

Le autorità si muovono sugli agenti

The Guardian ha riferito il 30 settembre che la FTC ha aperto un'indagine su tutto il settore che coinvolge Anthropic, OpenAI e altri laboratori. È la sua prima azione ufficiale di enforcement sugli agenti AI fuori controllo, e intende obbligare a testimoniare dirigenti, tra cui quelli del gruppo di ricerca Metr. Ars Technica ha riferito lo stesso giorno che OpenAI non diventerà pubblica finché non potrà "prendere decisioni di sicurezza con fiducia", e che un'organizzazione non profit, Legal Advocates for Safe Science & Technology, ha presentato una causa in California chiedendo pratiche migliori di valutazione, monitoraggio e formazione.