Nové číslo časopisu Raspberry Pi zdarma ke čtení: Raspberry Pi Official Magazine 156 (pdf).
Armbian, tj. linuxová distribuce založená na Debianu a Ubuntu optimalizovaná pro jednodeskové počítače na platformě ARM a RISC-V, ke stažení ale také pro Intel a AMD, byl vydán ve verzi 25.8.1. Přehled novinek v Changelogu.
Včera večer měl na YouTube premiéru dokumentární film Python: The Documentary | An origin story.
Společnost comma.ai po třech letech od vydání verze 0.9 vydala novou verzi 0.10 open source pokročilého asistenčního systému pro řidiče openpilot (Wikipedie). Zdrojové kódy jsou k dispozici na GitHubu.
Ubuntu nově pro testování nových verzí vydává měsíční snapshoty. Dnes vyšel 4. snapshot Ubuntu 25.10 (Questing Quokka).
Řada vestavěných počítačových desek a vývojových platforem NVIDIA Jetson se rozrostla o NVIDIA Jetson Thor. Ve srovnání se svým předchůdcem NVIDIA Jetson Orin nabízí 7,5krát vyšší výpočetní výkon umělé inteligence a 3,5krát vyšší energetickou účinnost. Softwarový stack NVIDIA JetPack 7 je založen na Ubuntu 24.04 LTS.
Národní úřad pro kybernetickou a informační bezpečnost (NÚKIB) spolu s NSA a dalšími americkými úřady upozorňuje (en) na čínského aktéra Salt Typhoon, který kompromituje sítě po celém světě.
Společnost Framework Computer představila (YouTube) nový výkonnější Framework Laptop 16. Rozhodnou se lze například pro procesor Ryzen AI 9 HX 370 a grafickou kartu NVIDIA GeForce RTX 5070.
Google oznamuje, že na „certifikovaných“ zařízeních s Androidem omezí instalaci aplikací (včetně „sideloadingu“) tak, že bude vyžadovat, aby aplikace byly podepsány centrálně registrovanými vývojáři s ověřenou identitou. Tato politika bude implementována během roku 2026 ve vybraných zemích (jihovýchodní Asie, Brazílie) a od roku 2027 celosvětově.
Byla vydána nová verze 21.1.0, tj. první stabilní verze z nové řady 21.1.x, překladačové infrastruktury LLVM (Wikipedie). Přehled novinek v poznámkách k vydání: LLVM, Clang, LLD, Extra Clang Tools a Libc++.
Práce IBM na umělé inteligenci (AI) rozhodně nezačaly s DeepQA. Předchůdcem DeepQA byl počítač Deep Blue, který v roce 1997 dokázal porazit 2:1 Garryho Kasparova v šachách. Pravda, bylo to až po upgradu nazývaném někdy také „Deeper Blue“, protože v roce 1996 to byl Kasparov, kdo vyhrál. Na tehdejší dobu ani nešlo o nijak zázračně výkonný superpočítač, neboť v žebříčku TOP500 byl až na 259. místě. A ani software samotný nebyl postavený na zcela převratných základech – hlavním principem pro hledání nejlepšího kroku byla hrubá síla. Už v této době, kdy se výrobci procesorů předháněli spíš v megahertzích než počtech jader, ale našla své využití masivní paralelizace.
Deep Blue byl po své výhře rozebrán, a to navzdory tomu, že Kasparov odmítal svou prohru uznat. Přišlo mu, že se počítač někdy choval příliš inteligentně, což považoval za známku podvádění – podvádění v tom smyslu, že místo počítače rozhodoval o tazích i člověk. Zmiňme ale, že ani Deep Blue nebyl první v řadě: jeho předchůdci byly počítače ChipTest (rok 1985), Deep Thought (1989) a Deep Thought 2 (1991). Ty ale žádného velkého šachistu neporazily.
Na DeepQA ale byly kladeny mnohem větší požadavky. Jednoúčelový software hrající šachy má docela snadný život. Pracuje nad konečným a dobře definovaným prostorem, existuje jen omezené množství možných tahů a hra je založena na jasně dané sadě pravidel. Analýza lidského jazyka je mnohem tvrdší oříšek. Jazyk má tendenci být nejednoznačný, nemá přesně daný matematický základ a stejnou myšlenku lze vyjádřit obrovským množstvím způsobů.
Počítač dokáže na exaktní otázku odpovědět velmi rychle, pokud má k dispozici exaktní data. V lidské řeči nemá počítač ani jedno. Software proto musí hledat vodítka, jež dokážou najít souvislost mezi otázkou a hledanými informacemi – někdy jsou to vodítka jednoznačná (světlo a forma energie), jindy jsou zase naprosto vágní (přijal jsem to – to -> ?). Této analýze pochopitelně předchází větný rozbor, přesněji hledání podmětu, přísudku a předmětu. Software tedy musí pracovat odlišně, než kdyby analyzoval klíčová slova jen jako webový vyhledávač.
Vědci z IBM měli v průběhu své práce k dispozici informace o správnosti odpovědí soutěžících a jejich jistotě odpovědí (zde se spíše vycházelo z toho, jestli odpověděli, nebo ne). Díky tomu mohli objektivně porovnávat, jak si aktuálně vede umělá inteligence. Ještě v roce 2007 nebyly výsledky příliš přesvědčivé, ale tehdy se společnost rozhodla zabrat a rychle se přiblížit člověku. A už po roce se čísla rychle zlepšila. Další úsilí pak dovedlo Watsona až k vítězství.
O konkrétních postupech Watsona v soutěži Jeopardy! si povíme příště.
DeepQA je postavené na modulárním principu za pomoci Unstructured Information Management Architecture (Architektura správy nestrukturovaných informací), což není žádný utajený projekt – více najdete na stránkách Apache UIMA. Ke zpracování dat se používá další open source projekt, a to Apache Hadoop. A protože na Watsonových serverech běžel Linux, můžeme tak říci, že základem pro úspěch Watsona byl právě open source.
IBM ale samozřejmě nepracuje na DeepQA kvůli prémii z televizní soutěže. Watson byl ověřením funkčnosti technologie v praxi a současně veřejnou demonstrací, aby lidé uvěřili, co už dokáže software (na výkonném hardwaru). Jeden takový Watson se tak může dostat i do vaší firmy, neboť Watson byl postaven na komerčně dostupných serverech Power 750. Server Power 750 Express je osazen jednou až čtyřmi procesorovými paticemi a podporuje až 32 procesorových jader. Jednoprocesorovému serveru by ale odpověď v soutěži trvala hodiny; snadné škálování pak umožnilo snížit potřebný čas na sekundy.
Tato architektura najde využití v oblastech jako určování diagnóz u pacientů nebo například na telefonní podpoře – pokud Watson dokázal porazit nejschopnější hráče v Jeopardy!, není obtížné si představit, že předčí průměrného pracovníka helpdesku. Ve firmách může DeepQA být použito i v rámci Business intelligence.
Abychom si to shrnuli, mezi hlavní zásady architektury DeepQA patří:
Více o DeepQA naleznete na webových stránkách IBM US.
Nástroje: Tisk bez diskuse
Tiskni
Sdílej: