Anthropic ၏ Model Hardware Standard သည် AI အေးဂျင့်များအား Lab နှင့် Factory Equipment များကို လည်ပတ်စေသည်

Anthropic သည် ကြာသပတေးနေ့တွင် AI အေးဂျင့်များ၊ အဏုကြည့်ကိရိယာများ၊ အရည်ကိုင်တွယ်ကိရိယာများနှင့် စက်ရုပ်လက်ရုံးများကဲ့သို့သော ရုပ်ပိုင်းဆိုင်ရာပစ္စည်းများကို ဘေးကင်းစွာ လည်ပတ်နိုင်စေမည့် မျှဝေသတ်မှတ်ချက်တစ်ခုဖြစ်သည့် Model Hardware Standard (MHS) ၏ သုတေသနအစမ်းကြည့်ရှုမှုကို ဖွင့်လှစ်ခဲ့ကြောင်း ကုမ္ပဏီ၏ဝဘ်ဆိုက်တွင် ထုတ်ပြန်သည့် ကြေညာချက်တစ်ခုအရ သိရသည်။

ကုမ္ပဏီသည် ပထမအုပ်စုအား သိပ္ပံနည်းကျ သုတေသနဓာတ်ခွဲခန်းများနှင့် အဆင့်မြင့်ထုတ်လုပ်သူများ စမ်းသပ်ကြည့်ရှုခွင့်ကို ပေးနေပြီး ဘေးကင်းရေး အကဲဖြတ်မှုများနှင့် အကောင်းဆုံးအလေ့အကျင့်များကို သိပ္ပံ၊ စက်ရုပ်၊ အီလက်ထရွန်းနစ်နှင့် ကုန်ထုတ်လုပ်ငန်းတို့မှ ပါတနာများနှင့် တီထွင်ပြီးသည်နှင့် စံ open source အဖြစ် ပြုလုပ်ရန် စီစဉ်ထားသည်ဟု ဆိုသည်။

ပေါင်းစည်းရေး ပိတ်ဆို့မှုကို ဖြေရှင်းခြင်း။

အဆိုပါစီမံကိန်းကို Howard Hughes ဆေးဘက်ဆိုင်ရာအင်စတီကျု၏ သုတေသနဝန်းဝန်းဖြစ်သော HHMI Janelia Research Campus နှင့် ပူးပေါင်းကာ စတင်ခဲ့သည်ဟု Anthropic မှပြောကြားခဲ့သည်။ ၎င်းပစ်မှတ်ထားသည့် ပြဿနာမှာ ဓာတ်ခွဲခန်း သို့မဟုတ် စက်ရုံကြမ်းပြင်တွင် အလုပ်လုပ်ဖူးသူတိုင်းနှင့် ရင်းနှီးသည်- တူရိယာအများစုသည် တစ်ခုနှင့်တစ်ခု မဆက်သွယ်ဘဲ ၎င်းတို့ကို ပေါင်းစည်းခြင်းသည် ပုံမှန်အားဖြင့် အထူးကုအလုပ်အတွက် သီးသန့်ချိတ်ဆက်မှုတည်ဆောက်ခြင်းအတွက် ရက်သတ္တပတ် သို့မဟုတ် လများကြာတတ်သည်။

MHS ဖြင့် Anthropic က ပေါင်းစည်းခြင်းလုပ်ငန်းသည် နာရီ သို့မဟုတ် မိနစ်အထိ ကျုံ့သွားသည်ဟု ဆိုသည်။ စက်ပစ္စည်းများကို ချိတ်ဆက်ပြီးသည်နှင့်၊ AI အေးဂျင့်များသည် ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်၊ နာရီပတ်လုံး လက်တွေ့စမ်းသပ်မှုများကို စီစဉ်လုပ်ဆောင်နိုင်သည်၊ စမ်းသပ်မှုတစ်ခု၏ အဆင့်တစ်ဆင့်ချင်းစီကို ကျိုးကြောင်းဆင်ခြင်မှု၊ ကန့်သတ်ချက်များကို အချိန်နှင့်တပြေးညီ အပ်ဒိတ်လုပ်ကာ၊ အချို့ကိစ္စများတွင် လူသား၏ဝင်ရောက်စွက်ဖက်မှုမရှိဘဲ ဟာ့ဒ်ဝဲအမှားများမှ ပြန်လည်ရယူနိုင်သည်။ ကွမ်တမ်ကွန်ပျူတာရှိ ကွမ်တမ်ကွန်ပြူတာတွင် လေဆာ ချိန်ညှိခြင်းအထိ လုပ်ရိုးလုပ်စဉ် ဆေးဝါးရှာဖွေစမ်းသပ်မှုများမှ စံနှုန်းကို အသုံးပြုပြီးဖြစ်ကြောင်း ကုမ္ပဏီမှ ပြောကြားခဲ့သည်။

AI ဖွံ့ဖြိုးတိုးတက်မှုကို ပြန်လည်ပုံဖော်သည့် ကိရိယာများ၏ ပိုမိုလွှမ်းခြုံမှုအတွက်၊ [AI Buzz Wire သည် လုပ်ငန်းနယ်ပယ်အနှံ့တွင် အဓိကထွက်ရှိမှုတိုင်း] (https://aibuzzwire.news) ကို ခြေရာခံသည်။

စံနှုန်းက ဘယ်လိုလဲ။

MHS ၏ အဓိကအချက်မှာ စံချိန်စံညွှန်းသတ်မှတ်ထားသော ဒရိုက်ဗာတစ်ခုဖြစ်သည်- ကွန်ပျူတာ၏လည်ပတ်မှုစနစ်နှင့် ဟာ့ဒ်ဝဲစက်ပစ္စည်းကြားတွင် ဘာသာပြန်ပေးသည့် ဆော့ဖ်ဝဲလ်ဖြစ်သည်။ ဒရိုင်ဘာသည် ရိုးရှင်းသော ပဏာမအစုတစ်ခု—“read” (ဥပမာ၊ get temperature) သို့မဟုတ် “write” (set temperature)— ဟာ့ဒ်ဝဲစက်ပစ္စည်းတိုင်း နားလည်ပြီး လုပ်ဆောင်နိုင်သည့် ညွှန်ကြားချက်များ ဖော်ထုတ်ပေးပါသည်။

စက်ပစ္စည်းတစ်ခုစီကို စံဖော်မတ်တစ်ခုအနေဖြင့်လည်း ရှာဖွေတွေ့ရှိနိုင်သောကြောင့် အေးဂျင့်များနှင့် တူရိယာများသည် ကြားတွင် စိတ်ကြိုက်ဘာသာပြန်သူမပါဘဲ ကွန်ရက်တစ်ခုနှင့်တစ်ခု အပြန်အလှန်ရှာဖွေနိုင်သည်။ Anthropic ၏ အဆိုအရ ယာဉ်မောင်းသည် စက္ကူလက်စွဲများ သို့မဟုတ် နည်းပညာရှင်တစ်ဦး၏ ဦးခေါင်းတွင် အစဉ်အလာအတိုင်း နေထိုင်ခဲ့သည့် အေးဂျင့်အား ထပ်လောင်းပေးသည် — ဥပမာ၊ စက်ရုပ်လက်မောင်း၏ အလေးချိန်၊ ၎င်းကို ဘေးကင်းစွာ ကိုင်တွယ်ရန်အတွက် အရေးကြီးသော အလေးချိန်။ အသုံးပြုသူများသည် ထိုအချက်အလက်များကို သဘာဝဘာသာစကား တဂ်များအဖြစ် ရေးနိုင်သည် သို့မဟုတ် ၎င်းတို့၏ ဟာ့ဒ်ဝဲတပ်ဆင်မှုနှင့်ပတ်သက်၍ ၎င်းတို့အား အင်တာဗျူးသည့် အေးဂျင့်နှင့် စကားပြောနိုင်သည်။ ထို့နောက် ယာဉ်မောင်းသည် စက်ပစ္စည်းကို တိုင်းတာနိုင်သည့်အရာ၊ ချိန်ညှိနိုင်သည့်အရာနှင့် မည်သည့်ဘေးကင်းရေး ကန့်သတ်ချက်များကို ကျင့်သုံးမည်ကို ဖော်ပြသည့် ရည်ညွှန်းဖိုင်ကို အလိုအလျောက်ထုတ်ပေးပါသည်။

အေးဂျင့်များသည် ယန္တရားသုံးမျိုးဖြင့် ဟာ့ဒ်ဝဲကို ထိန်းချုပ်သည်- မော်ဒယ်ဆက်စပ်ပရိုတိုကော (MCP)၊ အမိန့်ပေးစာလိုင်း အင်တာဖေ့စ်နှင့် API များပါရှိသော ကုဒ်ဖိုင်များ။ Anthropic က ဤအရာများသည် အေးဂျင့်တစ်ဦးအား ကုဒ်တစ်ကြောင်းတည်းဖြင့် ကိရိယာများစွာကို စီမံကွပ်ကဲရန်၊ တူရိယာများတစ်လျှောက် စီစဥ်သည့်အဆင့်များ၊ ရလဒ်များကို စောင့်ကြည့်ပြီး ကန့်သတ်ဘောင်များကို ချိန်ညှိနိုင်စေသည်ဟု ဆိုသည်။

ကလော့ဒ်နှင့် မနုဿကို သတိပြုမိသောအရာ

စမ်းသပ်မှုတွင်၊ Claude သည် သိပ္ပံပညာရှင်တစ်ဦး အလုပ်လုပ်ပုံနှင့် ဆင်တူသည့် စူးစမ်းလေ့လာရေးနည်းလမ်းဖြင့် ဟာ့ဒ်ဝဲနှင့် အပြန်အလှန် တုံ့ပြန်ခဲ့ကြောင်း Anthropic က ဖော်ပြသည်။ ဥပမာတစ်ခုတွင်၊ မော်ဒယ်သည် လေဆာကို ချိန်ညှိပြီး အလင်းတန်း မည်သို့ရွေ့လျားသည်ကို ကြည့်ရန် ကင်မရာမှတစ်ဆင့် ရလဒ်များကို စောင့်ကြည့်ကာ ဖြစ်ရပ်များ၏ အပိုင်းကို နားလည်ရန် လုပ်ငန်းစဉ်ကို ထပ်ခါတလဲလဲ လုပ်ဆောင်သည်။ ထို့နောက် Claude သည် ၎င်းလေ့လာသင်ယူထားသည်များကို အဆုံးအဖြတ် script တစ်ခုအဖြစ် ထုပ်ပိုးပြီး ချိန်ညှိမှုလုပ်ငန်းစဉ်အား စံနမူနာပြခြင်းမရှိဘဲ အဆင့်တိုင်းတွင် တစ်ခုတည်းသော command တစ်ခုအဖြစ် လုပ်ဆောင်နိုင်စေမည်ဖြစ်သည်။

ထိုပုံစံ — အပြန်အလှန်တုံ့ပြန်သောစူးစမ်းရှာဖွေသည့်အေးဂျင့်တစ်ခု၊ ထို့နောက်၎င်း၏တွေ့ရှိချက်များကိုထပ်ခါတလဲလဲနိုင်သောကုဒ်အဖြစ်စုစည်းနေသည်- သည် စဉ်ဆက်မပြတ်ကြီးကြပ်ရန် နှေးကွေးခြင်း သို့မဟုတ် စျေးကြီးသောရေရှည်လုပ်ငန်းဆောင်တာများအတွက် MHS ကိုအသုံးပြုရန် Anthropic ကမျှော်လင့်ထားပုံ၏အဓိကအချက်ဖြစ်သည်။

ဒီဇိုင်းပုံစံ - ဘာသာမဲ့

Anthropic သည် ထုတ်ကုန်လော့ခ်ချခြင်းထက် MHS ကို အခြေခံအဆောက်အအုံအဖြစ် သတ်မှတ်သည်။ စံနှုန်းသည် ပရိုဂရမ်မီနိုင်သော အင်တာဖေ့စ်ပါသည့် မည်သည့်စက်ပစ္စည်းနှင့်မဆို အလုပ်လုပ်နိုင်ပြီး ကုမ္ပဏီက ၎င်းသည် စံပြ-မျက်ကွယ်ပြုခြင်းဖြစ်သည်ဟု ပြောကြားသည်- မည်သည့်အေးဂျင့်ကြိုးသိုင်းသည် MCP ကဲ့သို့သော စံပရိုတိုကောများကို အသုံးပြု၍ ၎င်းကို ဝင်ရောက်နိုင်သည်။ ရောင်းချသူအများအပြားနှင့် ဝန်ဆောင်မှုပေးသူအများအပြားမှ မကြာခဏရောနှောလေ့ရှိသည့် သုတေသနဓာတ်ခွဲခန်းများတွင် မွေးစားရန် အရေးကြီးပါသည်။

ပြိုင်ဘက်များသည် စက်ရုပ်များကို အာရုံစိုက်သည့် မော်ဒယ်များနှင့် ဟာ့ဒ်ဝဲပါတနာများကို လိုက်ရှာခြင်းဖြင့် AI မော်ဒယ်လ်များကို ရုပ်ပိုင်းဆိုင်ရာကမ္ဘာနှင့် ချိတ်ဆက်ရန် ပြိုင်ဆိုင်မှုများ ပြင်းထန်လာနေသည့်ကြားမှ ထွက်ပေါ်လာခြင်းဖြစ်သည်။ ဓါတ်ခွဲခန်းများနှင့် ကုန်ထုတ်လုပ်မှုလိုင်းများကို ဦးစွာပစ်မှတ်ထားခြင်းဖြင့် — ဖွဲ့စည်းတည်ဆောက်ထားသော၊ တူရိယာ-လေးလံသောအလုပ်အသွားအလာများရှိသောပတ်ဝန်းကျင်များ — Anthropic သည် သိပ္ပံနှင့်စက်မှုဆိုင်ရာအလိုအလျောက်စနစ်သည် embodied အေးဂျင့်များအတွက်ပထမဆုံးသောစီးပွားရေးအရအဓိပ္ပာယ်ရှိသောဒိုမိန်းဖြစ်လာလိမ့်မည်ဟုလောင်းကြေးစားဖြစ်သည်။

##ဘာကြည့်ရမလဲ

သုတေသနအစမ်းကြည့်ရှုမှုကို ကနဦးလုပ်ဖော်ကိုင်ဖက်အုပ်စုတစ်ခုအတွက်သာ ကန့်သတ်ထားပြီး Anthropic သည် open-source ဖြန့်ချိမည့်ရက်စွဲကို မကြေငြာပါ။ လာမည့်လများအတွက် အဓိကမေးခွန်းများတွင် စက်ပစ္စည်းထုတ်လုပ်သူမည်မျှ MHS ဒရိုက်ဘာများတည်ဆောက်ပုံ၊ ပါတနာများနှင့် တီထွင်ထားသည့် ဘေးကင်းရေးအကဲဖြတ်ချက်များသည် မည်ကဲ့သို့ပုံသဏ္ဍာန်ရှိသနည်း၊ ပြိုင်ဘက်များသည် စံနှုန်းကိုကျင့်သုံးသည် သို့မဟုတ် ပူးပေါင်းဆောင်ရွက်ခြင်းရှိမရှိတို့ ပါဝင်သည်။

မွေးစားခြင်းကို ချိန်တွယ်သည့် ဓာတ်ခွဲခန်းများအတွက်၊ အစေးသည် ရိုးရှင်းသည်- လနှင့်ချီ၍ ကြာမြင့်သည့် ဟာ့ဒ်ဝဲ ပေါင်းစည်းမှုသည် နာရီပိုင်းအတွင်း တိုင်းတာသည့် လုပ်ငန်းတစ်ခု ဖြစ်လာနိုင်ပြီး အေးဂျင့်များသည် စမ်းသပ်မှုများကို နောက်ခံတွင် စဉ်ဆက်မပြတ် လုပ်ဆောင်နိုင်သဖြင့်၊ ထိုကတိသည် အရှုပ်အထွေးနှင့် ထိတွေ့ခြင်းရှိမရှိ၊ လက်တွေ့ကမ္ဘာသုံးပစ္စည်းများသည် စမ်းသပ်မှုဖြစ်ပြီး သုတေသနအစမ်းကြည့်ရှုမှုကို ဖြေဆိုရန် ဒီဇိုင်းထုတ်ထားသည်။

---

AI ၏ရှေ့တွင်နေရန်

နောက်ဆုံးပေါ် AI သတင်းများ၊ ခွဲခြမ်းစိတ်ဖြာမှုနှင့် အောင်မြင်မှုများ—အားလုံးကို တစ်နေရာတည်းတွင် ရယူပါ။

AI သတင်းအပြည့်အစုံကို ဖတ်ရှုရန် →