Nvidia Jensen Huang kijelenti: érkezett az AGI
Az Nvidia vezérigazgató Jensen Huang az OpenAI Astra modell bemutatásával egy X-bejegyzésben kijelentette, hogy az általános mesterséges intelligencia (AGI) érkezett. Huang gratulált az OpenAI-nak a kiadásért, és hangsúlyozta, hogy az Astra modellt Nvidia GPU infrastruktúrára tanították.
A közlemény alátámasztja a két cég közötti hardverfüggőség mélyülését. Az investing.com szerint Huang kiemelte az Astra modell képzésére használt Nvidia-hardver nagyméretű skáláját, és ezt az elérést az Nvidia számítási platformjának érvényesülésének tekintette.
Ez a hardver-siker előkészíti a modell sajátosságainak részletesebb vizsgálatát, ami az OpenAI-t készteti az Astra képességeinek és igazítási megközelítésének részletes leírására.
OpenAI Astra modell: képességek és igazítási állítások
Az OpenAI leírja, hogy az Astra a legintelligensebb és legjobban igazított modellje eddig, hangsúlyozva a fejlett gondolkodást, a csökkentett hallucinációt és az emberi szándékhoz való erősebb igazodást. Greg Brockman a kiadást úgy karakterizálta, hogy az AGI-kor
kezdete, amely a széles feladatskála általános kezelésére képes rendszerek felé való eltolódást jelez.
Egy Medium elemzés kiemeli, hogy az Astra átlép egy kiberbiztonsági küszöböt, mutatva képességét, hogy emberi indíték nélkül azonosítsa és enyhítse az új sebezhetőségeket, így sowohl reményt, mint kockázatot keltő automatizált védelemben.
Gyakran Ismételt Kérdések
Milyen Nvidia GPU-architektúrát és milyen méretet használtak az OpenAI Astra modell képzésére?
Az OpenAI szerint az Astra modellt Nvidia H100 Tensor Core GPU-kon tanították, a DGX H100 rendszer kihasználásával. A képzési futam több ezer GPU-t igényelt, heti folyamatos működtetés alatt több exaFLOP számítási teljesítményt nyújtott. Ez a nagy méretű hardverüzembe helyezés a modell teljesítményének és méretének elérésének kulcstényezőjeként idézett.
Hogyan csökkenti az Astra igazítási módszerei a hallucinációt az előző OpenAI-modellekhez képest?
Az Astra bővített emberi visszajelzésre alapuló erősítőképzés (RLHF) folyamatot használ, amely több fázisú preferenciámodellel és valós idejű biztonsági ellenőrzésekkel rendelkezik. Emellett új „szándék-őrzési” vesztésfüggvényt alkalmaz, amely a felhasználó által megadott céloktól eltérő kimeneteket büntetni. Ezek a technikák együtt csökkentik a hamis tények előfordulásának gyakoriságát, miközben megtartják a generálás minőségét.
Milyen gyakorlati kiberbiztonsági használati eseteket tud támogatni az Astra, és mit kell a felhasználóknak figyelmen kívül hagyniuk?
Az Astra automatikusan képes kódtárakat skennelni, új sebezhetőségi mintákat jelölni és javítási lépéseket javasolni explicit utasítások nélkül, így automatizált analitikusként működhet. Azonban ajánlásait biztonsági szakembereknek kell áttekinteniük, mivel a modell előfordulhat, hogy elmulja a kontextus-specifikus nyűanszeket vagy hamis pozitívakat generál. A telepítéseket lisäksi szigorú hozzáférés-vezérlére is szükség van, hogy megakadályozzák az explotálás-azonosítási képességeinek rosszhasználatát.
Last Updated on szeptember 7, 2026 8:03 du. by Laszlo Szabo / NowadAIs | Published on szeptember 7, 2026 by Laszlo Szabo / NowadAIs
