DNA yang berkembang cepat memberi neuron manusia kompleksitas yang lebih besar daripada simpanse, membantu kognisi tetapi juga meningkatkan risiko penyakit. Sebuah studi tentang sel saraf manusia dan simpanse buatan mengungkapkan bagaimana DNA yang lebih cepat berkembang memungkinkan neuron untuk mengembangkan kekuatan otak yang semakin kompleks. Bagaimana manusia mengembangkan otak yang mampu bahasa yang kompleks, peradaban, dan banyak lagi? Jawabannya mungkin sangat luar biasa (…)

RisalahPos.com Network

Related

Ini adalah musim untuk smartphone yang terjangkau untuk mendapatkannya satu sama lain. Kami memiliki Apple, kami mengharapkan Google, dan Samsung baru saja melemparkan daftar ke atas ring. Galaxy A-Series diatur untuk disegarkan bulan depan. Dimulai dengan Galaxy A36 mulai dari $ 400, kemudian Galaxy A26 pada $ 300. Galaxy A56 mulai dari $ 500 dan juga akan mendapatkan benjolan, meskipun belum ada tanggal rilis yang diharapkan. Ketiga perangkat memiliki “kecerdasan yang luar biasa,” yang tampaknya merupakan rebranding Samsung dari Galaxy AI untuk perangkat berbiaya lebih rendah.

Galaxy A56, A36, dan A26 semuanya datang dengan layar ukuran yang sama, meskipun mereka masing -masing menawarkan tingkat penting yang berbeda. Setiap ponsel memiliki layar Super AMOLED 6,7 inci dengan tingkat refresh 120Hz-bukan spesifikasi standar pada titik harga ini-dan baterai 5.000 mAh untuk mengakomodasi itu. Semua ponsel dimulai dengan penyimpanan 128GB. Chipset Samsung Exynos 1580 memberi kekuatan pada Galaxy A56, sedangkan Galaxy A26 dan A26 menjalankan platform Qualcomm’s Snapdragon 6 Gen 3. Hanya Galaxy A56 yang menawarkan RAM 8GB, sedangkan A36 dan A26 terjebak dengan 6 GB. Akan menarik untuk melihat bagaimana intelijen yang luar biasa bekerja, mengingat andalan semuanya berjalan sebaliknya dalam mengadopsi lebih banyak RAM untuk mengakomodasi AI. Pembaruan perangkat lunak juga terkunci di sini; Samsung menjanjikan enam tahun dukungan dan pembaruan OS Android.

Sistem kamera dalam seri-A semuanya bervariasi, tetapi hanya sedikit demi sedikit. Galaxy A56 mempertimbangkan tingkat trio “tertinggi”, memiliki kamera ultrawide 12-mp, kamera primer 50-mp, kamera makro 5-mp, dan kamera 12-mp yang menghadap ke depan. Galaxy A36, mulai dari $ 300, memiliki kamera utama yang sama tetapi dipanggil ke kamera ultrawide 8-mp dan kamera makro 5-mp. Ada juga kamera depan 12-mp. Galaxy A26, yang termurah di $ 300, memiliki semua itu kecuali kamera makro 20-mp dan kamera depan 13-mp.

Kecerdasan yang luar biasa

Apa sebenarnya “kecerdasan yang luar biasa,” Anda mungkin bertanya pada diri sendiri? Ini adalah upaya Samsung untuk rebranding kecerdasan buatan untuk jajaran telepon anggarannya. Baik bagi Samsung untuk menghasilkan cara untuk membedakan produknya dari Galaxy AI, karena kedengarannya lebih “berpikiran maju” daripada menjadi “luar biasa.” Awesome Intelligence akan memungkinkan Anda menggunakan kemampuan Google Gemini utama, seperti Circle to Search, termasuk kemampuan baru yang diluncurkan ke seri Galaxy S25 yang membantu Anda mengidentifikasi sebuah lagu. Ini juga akan memberi Anda akses ke fitur Galaxy AI seperti Object Eraser. Di luar beberapa fitur kunci Samsung lainnya, seperti algoritma Nightography di aplikasi kamera, itu saja. Cukup kecerdasan yang luar biasa untuk membuat Anda berkata, “Luar biasa!” atau semacamnya.

Ini adalah pendekatan yang sedikit berbeda dari Apple dan Google, yang menggunakan prosesor yang sama untuk perangkat unggulan dan murah mereka untuk menawarkan paritas perangkat lunak di seluruh ekosistem. Samsung memilih sebagai gantinya untuk bersandar di tempat kecakapan manufakturnya tetap kuat. Itu sebabnya Anda akan melihat layar pembunuh dan baterai yang lebih besar di ponsel ramah anggaran Samsung. Akan menarik untuk melihat bagaimana Samsung terus mengupas fitur-fitur AI dari flagships ke subset berbiaya rendah dan apa yang akan dianggap sebagai fitur “penting” untuk kecerdasan yang luar biasa.

Sebuah studi menarik menyoroti peran penting masyarakat adat dalam adopsi dan penyebaran buah persik di seluruh Amerika Utara, menghilangkan prasangka narasi sederhana yang menjadi tanggung jawab utama para penjelajah Spanyol. Penelitian ini menekankan interaksi yang kompleks antara jaringan sosial Masyarakat Adat dan pengelolaan lahan dalam memelihara buah persik, sehingga menghasilkan keragaman varietas persik (…)

RisalahPos.com Network

Related

Sebuah studi baru menunjukkan bahwa kecerdasan paling baik diprediksi oleh konektivitas otak global, bukan hanya wilayah tertentu, yang menunjukkan dasar saraf kognisi yang lebih holistik. Mereka memeriksa kecerdasan cair, terkristalisasi, dan umum menggunakan data fMRI, dan menemukan bahwa kecerdasan umum memiliki kekuatan prediksi terkuat. Otak manusia adalah organ utama yang mengendalikan tubuh kita. (…)

RisalahPos.com Network

Related

Model kecerdasan buatan (AI) baru baru saja mencapai hasil pada tingkat manusia dalam tes yang dirancang untuk mengukur “kecerdasan umum”.

Pada tanggal 20 Desember, sistem o3 OpenAI mendapat skor 85% pada benchmark ARC-AGI, jauh di atas skor AI terbaik sebelumnya sebesar 55% dan setara dengan skor rata-rata manusia. Ia juga mendapat nilai bagus pada tes matematika yang sangat sulit.

Menciptakan kecerdasan umum buatan, atau AGI, adalah tujuan semua laboratorium penelitian AI besar. Pada pandangan pertama, OpenAI tampaknya telah membuat langkah signifikan menuju tujuan ini.

Meski skeptisisme masih ada, banyak peneliti dan pengembang AI merasa ada sesuatu yang baru saja berubah. Bagi banyak orang, prospek AGI kini tampak lebih nyata, mendesak, dan lebih dekat dari yang diperkirakan. Apakah mereka benar?

Generalisasi dan kecerdasan

Untuk memahami arti dari hasil o3, Anda perlu memahami apa yang dimaksud dengan tes ARC-AGI. Dalam istilah teknis, ini adalah pengujian “efisiensi sampel” sistem AI dalam beradaptasi dengan sesuatu yang baru – berapa banyak contoh situasi baru yang perlu dilihat sistem untuk mengetahui cara kerjanya.

Sistem AI seperti ChatGPT (GPT-4) tidak terlalu efisien dalam pengambilan sampel. Ia “dilatih” pada jutaan contoh teks manusia, membangun “aturan” probabilistik tentang kombinasi kata mana yang paling mungkin terjadi.

Hasilnya cukup bagus dalam tugas-tugas umum. Ini buruk dalam tugas-tugas yang tidak biasa, karena memiliki lebih sedikit data (lebih sedikit sampel) tentang tugas-tugas tersebut.

Sampai sistem AI dapat belajar dari sejumlah kecil contoh dan beradaptasi dengan sampel yang lebih efisien, sistem tersebut hanya akan digunakan untuk pekerjaan yang sangat berulang dan kegagalan yang sesekali dapat ditoleransi.

Kemampuan untuk secara akurat menyelesaikan permasalahan yang sebelumnya tidak diketahui atau permasalahan baru dari sampel data yang terbatas dikenal sebagai kapasitas untuk menggeneralisasi. Hal ini secara luas dianggap sebagai elemen penting, bahkan mendasar, dari kecerdasan.

Grid dan pola

Tolok ukur ARC-AGI menguji sampel adaptasi yang efisien menggunakan masalah kotak kecil seperti di bawah ini. AI perlu menemukan pola yang mengubah grid di sebelah kiri menjadi grid di sebelah kanan.

Setiap pertanyaan memberikan tiga contoh untuk dipelajari. Sistem AI kemudian perlu mencari tahu aturan yang “menggeneralisasi” dari tiga contoh hingga contoh keempat.

Ini sangat mirip dengan tes IQ yang terkadang Anda ingat di sekolah.

Aturan dan adaptasi yang lemah

Kami tidak tahu persis bagaimana OpenAI melakukannya, namun hasilnya menunjukkan model o3 sangat mudah beradaptasi. Dari beberapa contoh saja, ditemukan aturan-aturan yang dapat digeneralisasikan.

Untuk mengetahui suatu pola, kita tidak boleh membuat asumsi yang tidak perlu, atau lebih spesifik dari yang seharusnya. Secara teori, jika Anda dapat mengidentifikasi aturan “terlemah” yang melakukan apa yang Anda inginkan, maka Anda telah memaksimalkan kemampuan Anda untuk beradaptasi dengan situasi baru.

Apa yang kami maksud dengan aturan terlemah? Definisi teknisnya rumit, namun aturan yang lebih lemah biasanya adalah aturan yang dapat dijelaskan dalam pernyataan yang lebih sederhana.

Dalam contoh di atas, ekspresi aturan dalam bahasa Inggris yang sederhana dapat berupa: “Bentuk apa pun yang memiliki garis menonjol akan berpindah ke ujung garis tersebut dan ‘menutupi’ bentuk lain yang tumpang tindih dengannya.”

Mencari rantai pemikiran?

Meskipun kita belum mengetahui bagaimana OpenAI mencapai hasil ini, sepertinya mereka tidak sengaja mengoptimalkan sistem o3 untuk menemukan aturan yang lemah. Namun, untuk berhasil dalam tugas ARC-AGI, mereka harus menemukannya.

Kita tahu bahwa OpenAI dimulai dengan versi model o3 untuk tujuan umum (yang berbeda dari kebanyakan model lainnya, karena model ini dapat menghabiskan lebih banyak waktu untuk “berpikir” tentang pertanyaan sulit) dan kemudian melatihnya secara khusus untuk pengujian ARC-AGI.

Peneliti AI Perancis, Francois Chollet, yang merancang benchmark tersebut, percaya bahwa o3 menelusuri “rantai pemikiran” berbeda yang menjelaskan langkah-langkah untuk menyelesaikan tugas tersebut. Ia kemudian akan memilih yang “terbaik” berdasarkan aturan yang didefinisikan secara longgar, atau “heuristik”.

Hal ini “tidak berbeda” dengan cara sistem AlphaGo Google menelusuri berbagai kemungkinan rangkaian gerakan untuk mengalahkan juara dunia Go.

Anda dapat menganggap rantai pemikiran ini seperti program yang sesuai dengan contoh. Tentu saja, jika seperti AI Go-playing, maka diperlukan heuristik, atau aturan longgar, untuk menentukan program mana yang terbaik.

Mungkin ada ribuan program berbeda yang tampaknya sama validnya. Heuristik tersebut dapat berupa “pilih yang terlemah” atau “pilih yang paling sederhana”.

Namun, jika seperti AlphaGo maka mereka hanya memiliki AI yang membuat heuristik. Ini adalah proses untuk AlphaGo. Google melatih model untuk menilai rangkaian gerakan yang berbeda sebagai lebih baik atau lebih buruk dibandingkan yang lain.

Yang masih belum kita ketahui

Pertanyaannya kemudian, apakah ini benar-benar mendekati AGI? Jika o3 bekerja seperti itu, model dasarnya mungkin tidak lebih baik dari model sebelumnya.

Konsep yang dipelajari model dari bahasa mungkin tidak lagi cocok untuk digeneralisasi dibandingkan sebelumnya. Sebaliknya, kita mungkin hanya melihat “rantai pemikiran” yang lebih umum ditemukan melalui langkah-langkah tambahan dalam pelatihan heuristik yang dikhususkan untuk pengujian ini. Buktinya, seperti biasa, ada di pudingnya.

Hampir segala hal tentang o3 masih belum diketahui. OpenAI membatasi pengungkapan pada beberapa presentasi media dan pengujian awal kepada segelintir peneliti, laboratorium, dan lembaga keamanan AI.

Pemahaman yang sesungguhnya mengenai potensi o3 memerlukan kerja keras, termasuk evaluasi, pemahaman mengenai distribusi kapasitasnya, seberapa sering kegagalannya, dan seberapa sering keberhasilannya.

Ketika o3 akhirnya dirilis, kita akan memiliki gagasan yang lebih baik tentang apakah ia dapat beradaptasi seperti manusia pada umumnya.

Jika hal ini benar, maka hal ini akan memberikan dampak ekonomi yang besar dan revolusioner, serta membuka era baru percepatan kecerdasan yang bisa dikembangkan sendiri. Kami memerlukan tolok ukur baru untuk AGI itu sendiri dan pertimbangan serius mengenai cara pengelolaannya.

Jika tidak, maka ini akan tetap menjadi hasil yang mengesankan. Namun, kehidupan sehari-hari akan tetap sama.

Michael Timothy Bennett, Mahasiswa PhD, Sekolah Komputasi, Universitas Nasional Australia dan Elija Perrier, Rekan Peneliti, Pusat Teknologi Kuantum yang Bertanggung Jawab Stanford, Universitas Stanford

Artikel ini diterbitkan ulang dari The Conversation di bawah lisensi Creative Commons. Baca artikel aslinya.

Mango melaporkan pendapatan tertinggi dalam 40 tahun sejarahnya untuk enam bulan pertama tahun ini – lebih dari 1,543 miliar euro, peningkatan 6,3% dari tahun sebelumnya – meskipun ada inflasi dan politik dunia.

Mango mengatakan koleksi dan proposisi nilai mereka – merek ini berbasis dan dirancang di Barcelona – disukai oleh pelanggan baik di pasar dalam negeri Spanyol maupun pasar internasional lainnya, termasuk AS.

Spanyol, Prancis, Turki, Jerman, dan AS memiliki angka pendapatan tertinggi selama paruh pertama tahun ini. Pengecer tersebut terus berupaya membuka toko di seluruh AS, dengan unit di Texas, Georgia, California, dan Florida.

Rencana ekspansi peritel busana ini mencakup 57 pembukaan toko bersih pada paruh pertama tahun ini, untuk mencapai jaringan toko sebanyak 2.743 toko di lebih dari 115 pasar di seluruh dunia. Targetnya adalah melampaui 2.800 unit pada akhir tahun 2024. Segmen daring peningkatan pendapatan dan mewakili hampir 33% dari total pendapatan.

Mango Man tumbuh 21%, dan Mango Kids and Teen tumbuh 11%. Mango Woman tetap menjadi motor penggerak bisnis grup ini, dengan kontribusi lebih dari 79% dari total pendapatan perusahaan.

Untuk Mango Teen, perusahaan tersebut menciptakan kampanye pertamanya sepenuhnya menggunakan Kecerdasan Buatan untuk koleksi Sunset Dream edisi terbatasnya, bagian dari lini produk anak mudanya.

“Kampanye ini terdiri dari visual dengan model dan latar belakang bertema matahari terbenam di luar ruangan untuk masing-masing dari lebih dari 10 pakaian yang membentuk koleksi tersebut,” kata Jordi Álex Moreno, kepala petugas informasi teknologi di Mango. “Ini adalah salah satu kampanye pertama yang menggunakan teknologi ini dalam industri mode dan contoh lain yang jelas dari komitmen Mango terhadap inovasi.”

Moreno menambahkan bahwa pendekatan berbasis AI telah memberikan wawasan berharga dan panduan kreatif dalam berbagai aspek (kampanye), dengan mencatat bahwa kampanye tersebut terwujud melalui kolaborasi beberapa tim internal di Mango, termasuk, desain Mango Teen, seni dan gaya, pelatihan kumpulan data dan model AI, dan studio fotografi, antara lain.

Mango, yang menutup tahun keuangan 2023 dengan pendapatan lebih dari 3,1 miliar euro, tengah berupaya keras untuk mencapai Rencana Strategis 4E, yang berencana untuk melampaui pendapatan sebesar 4 miliar euro pada tahun 2026. Untuk mencapai tujuan ini, perusahaan akan memperkuat proposisi nilai yang berbeda dan akan mempromosikan rencana ekspansi yang memperkirakan pembukaan lebih dari 500 toko selama tiga tahun ke depan.

“AI turut membantu dalam menyusun elemen visual dan inspirasi serta menyusun papan suasana hati yang kohesif yang mencerminkan estetika yang indah dan terinspirasi oleh matahari terbenam,” kata Moreno. “Pada akhirnya, AI juga menghasilkan gambar untuk kampanye tersebut. Langkah pertama adalah membuat kumpulan data gambar untuk setiap pakaian dalam koleksi tersebut. Dari kumpulan data ini, tim teknik AI melatih model kecerdasan buatan untuk menghasilkan gambar baru dalam skala besar.”

Moreno mengatakan teknologi ini adalah “kopilot bagi karyawan kami untuk membantu mereka mempercepat dan mengurangi tugas-tugas yang berulang, dan memungkinkan mereka untuk dapat menghabiskan lebih banyak waktu pada pekerjaan yang bernilai tambah.”

Peluncuran ini merupakan bagian dari Earn pengungkit Rencana Strategis Mango untuk tahun 2024 hingga 2026, yang bertujuan untuk menciptakan nilai melalui pengembangan teknologi, pengelolaan data, dan keunggulan operasional.

Dengan komitmen kuat terhadap inovasi, Mango telah mengembangkan lebih dari 15 platform pembelajaran mesin sejak 2018 yang menerapkan kecerdasan buatan di berbagai titik rantai nilainya, seperti penetapan harga dan personalisasi, di antara bidang lainnya.

“Kami memiliki lebih dari 15 alat yang membantu di berbagai titik dalam rantai nilai kami, seperti penetapan harga atau personalisasi,” kata Moreno. “Midas (membantu) dengan kebijakan penetapan harga di mango.com, dan rantai ritel. Ada Gaudi untuk rekomendasi produk kepada pelanggan, atau Iris, platform percakapan yang hadir di lebih dari 60 negara dan dalam lebih dari 20 bahasa untuk meningkatkan layanan pelanggan.”