Apple, geçtiğimiz aylarda Apple Intelligence’ı duyurarak iOS ve iPadOS’a yapay zeka özelliklerini getireceğini açıkladı. Ancak yeni özelliklerin iOS 18 dağıtımına yetişmeyeceği ortaya çıktı. Bu kapsamda şirketin yeni dağıtım tarihi de belli oldu.

Apple Intelligence güncellemesi iOS 18.1’e kaldı

Bloomberg’in haberine göre Apple, bazı yapay zeka özelliklerini bu sonbaharda iOS 18 ve iPadOS 18 ile dağıtıma çıkarmayacak. Apple Intelligence hamlesiyle büyük oynayan şirket, çeşitli özelliklerini ilk aşamada devreye alamayacağını bildirdi.

Apple Intelligence olarak adlandırılan yeni yapay zeka özellikleri; metin, görüntü ve diğer içerikleri oluşturmak üzere tasarlandı. Bu, şirketin yapay zeka yetenekleri konusunda şimdiye kadarki en büyük atılımı olacaktı.

App Store’da retro oyun zamanı: İşte iPhone için yayınlanan oyun emülatörleri!

Apple, retro oyun emülatörlerine App Store üzerinde izin verdi. İşte iPhone için yayınlanan retro oyun emülatörleri...

Ancak Apple yeni yapay zeka özelliklerini iOS 18’in ilk çıkışından sonra dağıtıma almayı planlıyor. Eylül ayında iOS 18’i ve Ekim ayında ise Apple Intelligence’ı devreye alacak. Şirket ayrıca geliştiricilere iOS 18.1 ve iPadOS 18.1 beta aracılığıyla test etmeleri için erken erişim imkanı tanıyacak.

Bir Apple sözcüsü Bloomberg’e yaptığı açıklamada, özelliklerin Apple’ın “gizlilik, güvenlik ve kalite” konusundaki standartlarını karşıladığından emin olmak için ertelendiğini söyledi. Bu kapsamda iOS 18’e yetişmeyeceği ifade edildi.

Apple Intelligence piyasaya çıktığında iPhone 15 Pro, 15 Pro Max ve M1 çipli ve daha yeni iPad/Mac’lere entegre edilecek. Ancak birçok Apple ürününün zamanla bu yapay zeka özelliklerine kavuşması mümkün görünüyor.

AMD, Radeon ve Ryzen ürünlerine özel olarak geliştirilmiş yapay zeka aracını tanıttı. AMD Amuse 2.0 olarak adlandırılacak yapay zeka programı, görsel oluşturmadan metin hazırlamaya kadar birçok özelliği barındırıyor.

AMD Amuse 2.0 nedir ve nasıl kullanılır?

Yeni Amuse 2.0 paketi, Intel’in kısa süre önce piyasaya sürdüğü AI Playground yazılımına benzer şekilde çalışacak. Bu kapsamda AMD’nin Ryzen ve Radeon ürünleriyle entegre olacak ve basit arayüzü üzerinden erişilebilen bir paket olacak.

Amuse 2.0’ın temel özellikleri arasında Stable Diffusion, yapay zeka görüntü filtresi ve AMD’nin XDNA Super Resolution teknolojisine erişim gibi teknikler ile metin/çizimlerden görüntü oluşturma yeteneği bulunuyor.

App Store’da retro oyun zamanı: İşte iPhone için yayınlanan oyun emülatörleri!

Apple, retro oyun emülatörlerine App Store üzerinde izin verdi. İşte iPhone için yayınlanan retro oyun emülatörleri...

XDNA Süper Çözünürlük; AMD donanımına sahip Amuse 2.0 kullanıcılarını 2 kat daha yüksek çözünürlükte görüntüler oluşturmasına olanak tanıyor. AMD ayrıca görüntü oluşturma sırasında kayda değer bir performans düşüşü olmayacağını söyledi.

XDNA Süper Çözünürlük desteğinin Radeon RX 7000 serisi gibi yeni nesil ekran kartlarında en verimli şekilde çalışacağı belirtildi. Ayrıca AMD, NPU birimlerine sahip Ryzen 8000 işlemcilerini öneriyor.

Amuse 2.0 ile şirket; Ryzen ve Radeon kullanıcılarının özel bilgiye veya bulut hizmetlerini ihtiyaç duymadan yapay zeka yeteneklerini test etmesini sağlayacak. Yazılım tek bir paket halinde kurulacak ve AMD donanımına bağlı olarak modelleri ve işlem hatlarını otomatik olarak yapılandıracak.

Meta’nın yeni araştırma raporuna göre, 405 milyar parametreli Llama 3 modelini eğitmek için kullanılan 16384 NVIDIA H100 GPU’luk küme, tam anlamıyla bir baş belası oldu. 54 gün içinde tam 419 kez arızalandı. Bu, ortalama olarak her üç saatte bir arıza demek.

Meta Llama 3 dil modeli her üç saatte bir arızalanıyor

Llama 3 dil modeli sisteminin ölçeği ve görevlerin senkronizasyonu öyle hassas ki, tek bir GPU bile arızalansa tüm eğitim süreci duruyor ve yeniden başlamak gerekiyor. Meta ekibinin raporuna göre, bu 419 arızanın 148’i (%30.1) çeşitli GPU sorunlarından, 72’si (%17.2) ise GPU’nun yüksek bant genişlikli belleğinden (HBM3) kaynaklandı. İnanılmaz ama gerçek, 54 gün içinde sadece iki CPU arızası yaşandı. Diğer beklenmedik kesintilerin yüzde 41.3’ü ise yazılım hataları, ağ kabloları ve adaptör sorunlarından kaynaklandı.

Meta ekibi, bu kaostan çıkmak için harika bir dizi araç ve strateji geliştirdi. Görev başlatma ve kontrol noktası sürelerini kısaltma, PyTorch’un NCCL uçuş kaydedicisini kullanarak performans sorunlarını teşhis etme ve geri kalan GPU’ları tanımlama gibi adımlar attılar. Ayrıca, çevresel faktörlerin etkilerini de dikkate aldılar; öğle saatlerindeki sıcaklık dalgalanmalarının GPU performansına etkisi ve aynı anda çalışan büyük miktarda GPU’nun veri merkezi elektrik şebekesi üzerindeki baskısı gibi faktörleri göz önünde bulundurdular.

Meta, Llama 3.1 açık kaynak büyük dil modelini yayınladı!

Meta Llama 3.1 açık kaynak dil modeli duyuruldu. Yeni 405B sürümü, GPT-4 ve Claude 3.5 sonnet ile yarışıyor. İşte detaylar...

405 milyar patametreli Meta Llama 3 gibi yapay zeka modellerinin parametre sayısı arttıkça, bu tür devasa eğitim kümeleri daha da yaygınlaşacak. Örneğin, xAI planında yer alan 100 bin H100 grafik kartı kümesi, gelecekteki AI eğitimlerinde daha fazla zorluğun ortaya çıkabileceğini gösteriyor. Bu yüzden Meta’nın şimdiden bu sorunları çözme çabaları, gelecekteki daha büyük ölçekli projeler için kritik öneme sahip.

Meta, yüzde 90’ın üzerinde etkili eğitim süresi sağlamayı başardı. Ancak, bu arızalar olmasaydı çok daha verimli olabilirdi. Bu deneyimler, Meta’nın gelecekteki projelerinde daha sağlam ve dayanıklı sistemler geliştirmesine yardımcı olacak.

Siz ne düşünüyorsunuz? Görüşlerinizi aşağıdaki yorumlar kısmına yazabilirsiniz.

Minnesota Üniversitesi’ndeki bilim insanları, yapay zeka (AI) hesaplamasında devrim yaratacak bir buluşa imza attılar. Bu yeni donanım cihazı, CRAM (Hesaplamalı Rastgele Erişim Belleği), yapay zeka uygulamaları için enerji tüketimini tam 1000 kat azaltabilir.

CRAM: Yapay zeka enerji tüketimini 1000 kat azaltacak

Geleneksel yapay zeka yöntemlerinde, veriler sürekli olarak işlem birimleri ile bellek arasında gidip gelir ve bu süreç büyük miktarda enerji harcar. Ancak CRAM, bu enerji yoğun transferleri tamamen ortadan kaldırıyor. Peki, bunu nasıl yapıyor? CRAM, veriyi doğrudan bellek hücrelerinde işliyor. Bu, veri işlemeyi belleğin içinde gerçekleştirerek işlem-bellek sıkıntılarını ortadan kaldırıyor.

Bu yeni cihaz, manyetik tünel bağlantıları (MTJ) ve nanoyapılı cihazlar üzerine inşa edilmiş. Bu teknolojiler, geleneksel transistor bazlı çiplere göre birçok avantaj sunuyor: daha yüksek hız, daha düşük enerji tüketimi ve zorlu ortamlara karşı dayanıklılık.

Elon Musk, yapay zekasını sizin bilgilerinizle eğitiyor!

Elon Musk tarafından kurulan xAI, yapay zeka modeli Grok'un eğitimi için X kullanıcı verilerinden yararlanıyor.

CRAM tabanlı bir makine öğrenme hızlandırıcısının, geleneksel yöntemlere kıyasla 2500 kata kadar enerji tasarrufu sağlayabileceği tahmin ediliyor. Bu inanılmaz enerji verimliliği, AI’nin geleceğinde büyük bir değişim yaratabilir. Araştırma ekibi, CRAM teknolojisini daha da geliştirmek ve yapay zeka işlevselliğini ileriye taşımak için yarı iletken endüstrisi liderleriyle iş birliği yapmayı planlıyor.

Araştırmanın baş yazarı Yang Lv, “Bu çalışma, verilerin belleği terk etmeden işlenebildiği ilk deneysel CRAM uygulamasıdır” diyor. Ekip, 20 yılı aşkın bir süredir bu teknoloji üzerinde çalışıyor ve nihayet gerçek dünya uygulamalarına hazır hale getirdiklerini belirtiyorlar.

Geleneksel bilgisayar mimarileri, veri transferleri sırasında büyük enerji harcar. CRAM ise bu süreci tamamen değiştiriyor. CRAM sayesinde, veri doğrudan bellek hücrelerinde işleniyor ve bu da inanılmaz enerji tasarrufu sağlıyor. Hem hız hem de verimlilik açısından büyük avantajlar sunuyor. Makalenin detaylarına buradan ulaşabilirsiniz.

Siz ne düşünüyorsunuz? Görüşlerinizi aşağıdaki yorumlar kısmında paylaşabilirsiniz.