Kokenut ohjelmoija tekee tilastojen mukaan 15-50 virhettä tuhatta koodiriviä kohti. Tekoälyä käytetään koodaamisessa jo yleisesti, mutta sen tuottama koodi ei ole vielä ammattikoodarin tasolla. Tähän halutaan muutos ja OpenAI on esitellyt kokonaan uuden mallin, joka tarkistaa tarkistaa ja korjaa tekoälyn tuottaman koodin bugeja.
OpenAI kertoo kouluttaneet GPT-4:ään perustuvan CriticGPT-mallin havaitsemaan ChatGPT:n tuottamassa koodissa olevat virheet. Yhtiön omien testien mukaan CriticGPT:n avulla koodaajat onnistuivat paremmin ilman apua 60 prosenttia ajasta.
Kun tekoälypäättelyssä edistytään ja mallin käyttäytymistä sadaaan paremmaksi, ChatGPT tarkentuu ja sen virheet muuttuvat hienovaraisemmiksi. Tämä voi vaikeuttaa tekoälykouluttajien havaitsemaan epätarkkuuksia. Tämän takia tarvitaan erillinen GPT-4-malilin perustuva työkalu havaitsemaan GPT-4:n generoimat koodivirheet.
CriticGPT:n ehdotukset eivät OpenAI:n mukaan aina ole oikeita, mutta ne voivat auttaa kouluttajia havaitsemaan paljon enemmän ongelmia mallin kirjoittamien vastausten avulla kuin ilman tekoälyn apua. Lisäksi kun koodarit käyttävät CriticGPT:tä, tekoäly lisää heidän taitojaan, mikä johtaa kattavampiin bugien löytämiseen.
CriticGPT on koulutettu pitkälti samalla tavoin kuin suosittu ChatGPT. Erona on se, että malliin on syötetty suuri määrä syötteitä, jotka sisälsivät virheitä, jotka mallin sitten piti löytää. Tekoälykouluttajat lisäsivät virheet manuaalisesti ChatGPT:n kirjoittamaan koodiin ja sen jälkeen malli opetettiin kirjoittamaan palautetta ikään kuin he olisivat löytäneet bugin.
OpenAI:n kokeissa havaittiin, että kouluttajat pitävät CriticGPT-bugianalyysiä parempana kuin ChatGPT:llä tehtyä virheentarkistusta 63 prosentissa tapauksista. Lisäksi CriticGPT auttaa vähentämään tekoälyn hallusinoimalla tuottamien bugien määrää.
Autoteollisuus on siirtymässä yhä monimutkaisempiin ohjelmistopohjaisiin järjestelmiin, joissa virheetön ohjelmisto on elintärkeää turvallisuuden ja suorituskyvyn varmistamiseksi. Ohjelmiston laatu ja luotettavuus eivät ole enää vain valinnaisia ominaisuuksia, vaan kriittisiä vaatimuksia erityisesti autonomisessa ajamisessa, kehittyneissä kuljettajaa avustavissa järjestelmissä (ADAS) ja yhdistetyissä ajoneuvojärjestelmissä.
Kestävä digitaalinen infrastruktuuri on kriittinen, jotta tietoliikenneverkot voidaan tehokkaasti valjastaa tekoälyinnovaatioiden ja pilvipohjaisten palveluiden tarpeisiin. Tekoälyyn liittyvien datarikkaiden sovellusten lisääntyvä kysyntä edellyttää tietoliikenneverkkoa, joka kykenee käsittelemään suuria tietomääriä alhaisella viiveellä, kirjoittaa Orange Businessin kumppaniratkaisuista vastaava Carl Hansson.
Euroopan unioni ottaa merkittävän askeleen avaruusteknologian kehittämisessä allekirjoittamalla sopimuksen uuden IRIS²-satelliittijärjestelmän toteuttamisesta. Tämä 290 satelliitin verkko on suunniteltu vahvistamaan Euroopan itsenäisyyttä ja turvallista yhteydenpitoa.
Jotta voidaan vastata uuden teknologian vaatimuksiin ja pitää järjestelmät toimimassa ”kellon tavoin”, on aika harkita ajoitusratkaisuja uudelleen. Tässä kaksiosaisessa "Precision Timing" -artikkelissa opit, miksi mikroelektromekaanisiin järjestelmiin eli MEMS-komponentteihin perustuvat piiajoituslaitteet päihittävät kvartsin elektroniikkasuunnittelun uudella aikakaudella. 
Matalatehoisten langattomien ratkaisujen asiantuntija Nordic Semiconductor ja eSIM-ratkaisuja kehittävä Kigen ovat julkistaneet yhteistyön, joka sujuvoittaa massiivisten IoT-verkkojen käyttöönottoa. Yhdessä he esittelevät CES 2025 -messuilla ratkaisun, joka yhdistää Nordic Semiconductorin nRF9151-moduulin ja Kigenin SGP.32 IoT eSIM-teknologian sekä laitteiden hallinta-alustan.
