Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Badania nad 6G i standaryzacja: pieniądze, czipy i zasady, które rozstrzygają się teraz

Rekordowy zastrzyk gotówki na badania podstawowe i start orbitującego centrum danych zbiegły się w tym samym tygodniu. Pokazują, że pieniądze, czipy i zasady rozstrzygną o standaryzacji badań nad 6G na długo przed pierwszym telefonem z 6G.

TechnologiaWyjaśnienieMarta ZielińskaOpublikowano: 2 października 20265 min czytaniaŹródła 9
Badania nad 6G i standaryzacja: pieniądze, czipy i zasady, które rozstrzygają się teraz

Najnowszy wątek ma datę 2 października. Departament Energii USA ogłosił coroczną możliwość finansowania badań podstawowych w ramach Office of Science, do 400 mln dolarów, podał HPCwire.

Ogłoszenie o możliwości finansowania, nazywane nieformalnie Open Call, obejmuje Advanced Scientific Computing Research, Basic Energy Sciences, Biological and Environmental Research, Fusion Energy Sciences, High Energy Physics, Nuclear Physics oraz Isotope R&D and Production. Te pieniądze trafiają do laboratoriów, w których powstają przyszłe prace nad radiem, obliczeniami i materiałami. To jest punkt zaczepienia. To nie jest ogłoszenie 6G. To wkład w bazę badawczą, z której skorzysta standaryzacja 6G.

Również 2 października IBM poinformował, że rozszerza dwie wieloletnie współprace badawcze w Indiach, z IIT Bombay i Indian Institute of Science, według HPCwire. Prace obejmują agentową sztuczną inteligencję, suwerenną AI, komputery kwantowe i systemy obliczeniowe nowej generacji. IBM i IIT Bombay współpracują od 2018 roku, a IBM i IISc od 2021 roku. Dr Amith Singhee, dyrektor IBM Research India i CTO IBM India i Azji Południowej, powiedział, że kolejną falę obliczeń ukształtują postępy w agentowej AI, suwerennej AI i komputerach kwantowych.

W tym oświadczeniu nie ma ani słowa o 6G. Ale standaryzacja 6G to miejsce, w którym kilka z tych wątków się spotyka. AI zarządza sieciami, badania kwantowe zasilają przyszły sprzęt, a suwerenne modele językowe potrzebują lokalnej mocy obliczeniowej.

Co mówi nam test orbitalny

Najbardziej konkretny wynik badawczy w tym tygodniu przyszedł od Google. Pierwszy satelita centrum danych Suncatcher wszedł na orbitę, poinformował The Register 2 października. Google opublikował też recenzowane badania, do których link podał w ogłoszeniu startu. Praca zatytułowana „Toward a future space-based, highly scalable AI infrastructure system design” przekonuje, że orbitujące centra danych stają się opłacalne, gdy koszty startu spadną do około 200 dolarów za kilogram.

Google zauważa, że SpaceX obniżył koszt za kilogram o 20 procent po każdym podwojeniu skumulowanej masy wynoszonej na orbitę. Utrzymanie tego tempa wymagałoby wyniesienia 370 000 ton dodatkowej skumulowanej masy. To około 1 800 udanych startów Starship, przy ponownym użyciu komponentów 100 razy.

The Register podaje, że Google porównuje satelity drugiej generacji Starlink, o masie 575 kg, z kosztem zasilania serwerów na Ziemi. Wniosek Google jest taki, że jeśli koszty startu spadną do około 200 dolarów za kilogram lub mniej, roczny koszt jednostki mocy w kosmosie może być w przybliżeniu porównywalny z wydatkami naziemnymi.

To ma znaczenie dla badań nad 6G, bo praca wprost mówi o luce w sieciach. Istniejące technologie sieciowe prawdopodobnie nie nadają się do łączenia wielu satelitów w działające klastry, piszą badacze Google. Projekt wymagałby „znacznie większych i znacznie bliższych formacji lotu ... niż jakiekolwiek poprzednie lub obecne konstelacje satelitów”.

Bezpieczeństwo, pieniądze i zasady

1 października TechCrunch poinformował, powołując się na The Wall Street Journal, że OpenAI rozstało się z trzema badaczami bezpieczeństwa. Mieli przekazać poufne informacje firmowe zewnętrznej organizacji zajmującej się bezpieczeństwem AI. Rzecznik OpenAI powiedział Journalowi, że firma „rozstała się z trzema osobami za naruszenie naszych zasad dostępu do wrażliwych informacji firmowych i ich obsługi”.

TechCrunch podał, że artykuł nie wymienił badaczy, organizacji ani informacji, których sprawa dotyczyła. Dodał, że nie potwierdził tożsamości krążących na X. Dwa dni wcześniej, jak zauważa ten sam tekst TechCruncha, The New York Times poinformował, że kadra kierownicza OpenAI zlekceważyła ostrzeżenia pracowników dotyczące praktyk bezpieczeństwa. OpenAI powiedziało Timesowi, że poważnie traktuje kwestie bezpieczeństwa i ma wewnętrzne kanały, przyznając jednocześnie, że dostrzega „potrzebę szybszego działania”. Ten kontekst niezręcznie sąsiaduje z naciskiem na standardy.

22 września Politico poinformował, że premier Wielkiej Brytanii Andy Burnham powiedział, iż międzynarodowe porozumienie w sprawie AI pod przewodnictwem Wielkiej Brytanii będzie dążyć do „jednego zestawu globalnych zasad i standardów”. Burnham powiedział, że AI będzie „głównym tematem” nadchodzącej prezydencji Wielkiej Brytanii w G20. Powiedział, że Wielka Brytania może być „uczciwym pośrednikiem”. Politico podało też, że prezydent Donald Trump powiedział ONZ, iż Stany Zjednoczone „całkowicie odrzucają jakąkolwiek próbę zbudowania globalistycznego schematu” kontroli AI.

Źródła nie zgadzają się co do kierunku działań. Politico opisuje jeden standard pod przewodnictwem Wielkiej Brytanii; stanowisko USA w tym samym tekście odrzuca globalny schemat. Ta rozbieżność sama w sobie jest historią dla każdego, kto śledzi standaryzację 6G. 6G odziedziczy spór o zarządzanie, który już trwa wokół AI.

Talenty i biologia jako tło

Obraz talentów się zmienia. Carnegie China, think tank, ustalił, że Chiny zatrudniały 41 procent czołowych badaczy AI na świecie objętych jego badaniem w zeszłym roku, wobec 34 procent w USA, według South China Morning Post z 25 września. To odwraca sytuację z 2022 roku, gdy USA prowadziły z 46 procentami wobec 27 procent Chin.

Microsoft Research przedstawił 29 września Quine, multimodalny model świata biologii zbudowany z Broad Institute of Harvard and MIT. Microsoft podaje, że system priorytetowo potraktował związki, które według przewidywań mają wywoływać terapeutyczne zmiany stanu nowotworu. Firma twierdzi, że kilka najwyżej ocenionych kandydatów potwierdzono w wielu testach laboratoryjnych. Microsoft nazywa Quine eksperymentalną technologią badawczą, nieprzeznaczoną do użytku klinicznego ani medycznego.

NVIDIA, Google DeepMind i EMBL-EBI udostępniły przewidywane struktury 3D kompleksów białkowych ponad 2 800 wirusów za pośrednictwem AlphaFold Database, podał blog NVIDII 24 września. NVIDIA podała, że około 30 procent dodanych oddziaływań białek jest nowych dla nauki. Osobno badanie Texas A&M opublikowane w Journal of the International Society of Sports Nutrition wykazało, że kreatyna pomogła dorosłym w wieku od 45 do 65 lat zyskać beztłuszczową masę ciała w ciągu 12 tygodni, nawet bez ustrukturyzowanego programu ćwiczeń, poinformował ScienceDaily 29 września.

Nic z tego nie jest 6G. To kultura badawcza, w której 6G będzie powstawać: otwarte zbiory danych, publikowane metody i krajowe konkursy finansowania.

Komentarze 0

Źródła

9
  1. 01DOE Announces Up to $400M for Basic Research to Advance the Frontiers of ScienceEN
  2. 02IBM Expands Research Partnerships in India for AI and Quantum ComputingEN
  3. 03Google launches first datacenter satellite and research that finds orbiting bit barns can workEN
  4. 04OpenAI cuts ties with 3 safety researchers, WSJ reportsEN
  5. 05UK will aim for 'single set' of global AI standards at G20EN
  6. 06China overtakes US as top workplace for elite AI researchers, study findsEN
  7. 07Introducing Quine: An AI research system designed for the complexity of biologyEN
  8. 08How Open Science Can Help Researchers Prepare for the Next PandemicEN
  9. 09Creatine may help build muscle even without exercise, researchers findEN

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Marta Zielińska

Marta Zielińska

AI, modele i technologie

Marta Zielińska pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, preprintach i danych z API, a nie na zapowiedziach producentów. Przy każdej publikacji sprawdza karty modeli, parametry treningowe i benchmarki, a liczby porównuje z niezależnymi testami i wynikami z repozytoriów. Rozmawia z badaczami i inżynierami, czeka na kolejne wydania modeli i zestawia ich działanie z wcześniejszymi wersjami. Prywatnie drukuje w 3D, naprawia stare komputery i sprawdza, jak modele uczą się na śmieciach z internetu. Nie publikuje wyników, których nie może odtworzyć na własnym sprzęcie.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.