A Go programozási nyelv jövője

Idén november 10-én ünnepelte 15. születésnapját a Go programozási nyelv, amely megjelenése óta számos fejlesztésen ment keresztül. Az évforduló alkalmából a fejlesztők bejelentették, hogy a jövőben tovább fejlesztik a Go nyelvet, hogy jobban támogassa a nagy multicore rendszereket, az új vektor és mátrix hardverutasításokat, valamint az egyre nagyobb jelentőséggel bíró mesterséges intelligencia által támasztott terhelési igényeket.


Austin Clements, a Go csapatának tagja november 11-i blogbejegyzésében arról írt, hogy a jövőben a Go nyelvet úgy fejlesztik tovább, hogy az jobban kihasználja a jelenlegi és a jövőbeli hardverek képességeit. Clements kiemelte, hogy a cél az, hogy a Go továbbra is támogassa a nagy teljesítmény igényű szoftvereket. Ennek érdekében a nyelvnek támogatnia kell a multicore rendszereket, a fejlettebb utasításkészleteket, valamint a nem egységes memóriahierarchiák kezelését. A Go 1.24-es verziója új map implementációval érkezik, amely hatékonyabban működik a modern CPU-kon. Emellett a csapat új szemétgyűjtési algoritmusokon dolgozik, amelyek kifejezetten a modern hardverekhez lettek tervezve. Az új fejlesztések API-k és eszközök formájában jelennek meg, lehetővé téve, hogy a Go fejlesztők jobban kihasználják a legújabb hardvereket.


Folyamatban vannak azok az erőfeszítések is amelyek még inkább lehetővé teszik majd, hogy a Go nyelv alkalmas legyen a mesterséges intelligencia rendszerekkel való szorosabb együttműködésre. A cél, hogy a Go egy kiváló választás legyen az AI rendszerek és alkalmazások építésére. A Go nyelv megbízhatósága a nyelvet népszerűvé teszi a felhő alapú alkalmazásokban valamint a nagy nyelvi modellek (LLM) támogatásában. Clements elmondta: „Az AI alkalmazások számára továbbra is első osztályú támogatást nyújtunk a népszerű AI SDK-kon keresztül, mint például a LangChainGo és a Genkit.” A Go-t már most is sok fejlesztő választja, amikor mesterséges intelligencia alkalmazást szeretne fejleszteni.


A Go nyelv jövőjével kapcsolatos terveik között szerepel, hogy a nyelv standard könyvtára továbbra is biztonságos maradjon. „Ez magában foglalja a beépített, natív támogatást a FIPS-tanúsított kriptográfia számára, így a FIPS kriptográfia egy egyszerű beállításváltoztatással elérhető lesz azon alkalmazások számára, amelyeknek szükségük van rá” – mondta Clements.


A Go nyílt forráskódú kiadásának 15. évfordulója alkalmából Clements arra is felhívta a figyelmet, hogy a nyelv felhasználói bázisa az elmúlt öt évben megháromszorozódott. A Go a 2024. novemberi Tiobe indexben a hetedik helyen állt, ami a nyelv történetének legjobb eredménye a népszerűségi rangsorban. A legújabb verzió, a Go 1.23, augusztusban jelent meg, amely gyorsabb PGO (profil-vezérelt optimalizáció) építési időkkel és a Go telemetriai adatainak bevezetésével érkezett.


A Go tehát továbbra is dinamikusan fejlődik, hogy lépést tartson a legújabb technológiai trendekkel, és a jövőben még inkább a modern hardverek és mesterséges intelligencia igényeihez igazodjon.

Osszd meg ezt a cikket
 Fázisátmenet figyelhető meg a nyelvi modellek tanulásában
Mi történik a mesterséges intelligencia „elméjében”, amikor megtanulja megérteni a nyelvet? Hogyan jut el oda, hogy nem csupán a szavak sorrendjét, hanem azok jelentését is képes követni? Egy nemrég megjelent kutatás a mesterséges intelligencia e belső folyamataiba enged elméleti betekintést, és olyan átváltozást azonosít, amely a fizikából ismert fázisátmenetekhez hasonlítható.
 Hogyan segít az MI a cementipar szén-dioxid-kibocsátásának csökkentésében
A globális szén-dioxid-kibocsátás mintegy nyolc százalékáért egyetlen iparág felelős: a cementgyártás. Ez több, mint amennyit az egész légi közlekedési szektor kibocsát világszerte. Miközben a világ egyre több betont használ — lakóházakhoz, infrastruktúrához, ipari létesítményekhez —, a cement előállítása továbbra is rendkívül energiaigényes és szennyező marad. Ezen a helyzeten kíván változtatni a svájci Paul Scherrer Intézet (PSI) kutatócsoportja, amely mesterséges intelligencia segítségével dolgozik ki új, környezetbarát cementrecepteket.
Hol tart ma valójában a mesterséges intelligencia?
A mesterséges intelligencia fejlesztése az elmúlt években látványos és gyakran lenyűgöző eredményeket produkált. Az olyan rendszerek, mint a ChatGPT, képesek természetes nyelvű szövegeket generálni, problémákat megoldani és sokszor az emberi teljesítményt is meghaladni különféle feladatokban. Ugyanakkor egyre több neves kutató és technológiai vezető – köztük John Carmack és François Chollet – hívja fel a figyelmet arra, hogy ezek az eredmények nem feltétlenül jelentik az általános mesterséges intelligencia (AGI) közeledtét. A színfalak mögött most új típusú problémák és kérdések kerültek a figyelem középpontjába, amelyek messze túlmutatnak a puszta teljesítményen.
SEAL az önmagát tanító mesterséges intelligencia előhírnöke
Hosszú évek óta tartja magát az elképzelés, hogy a mesterséges intelligencia fejlesztésének kulcsa az emberi tanítás: adatok, címkék, finomhangolás, gondosan megtervezett beavatkozások. Most azonban egy új megközelítés látott napvilágot. Az MIT kutatóinak legújabb munkája, a SEAL (Self-Adapting Language Models) névre keresztelt rendszer olyan nyelvi modelleket mutat be, amelyek képessé válnak saját maguk tanítására. Az eredmények nemcsak technológiai újdonságot jelentenek, hanem felvetik a kérdést: vajon milyen szerepet szánunk a jövőben az embernek az intelligens rendszerek képzésében?
Elég egy fotó és egy hang – az Alibaba új mesterséges intelligenciája teljes testű avatárt készít belőle
Egyetlen hangfelvétel és egy fotó is elegendő ahhoz, hogy élethű, teljes testtel mozgó, arcjátékkal és érzelmekkel teli virtuális karaktereket hozzunk létre – stúdió, színész vagy zöld háttér nélkül. Az Alibaba legújabb fejlesztése, az OmniAvatar nevű nyílt forráskódú mesterséges intelligencia-modell legalábbis éppen ezt ígéri. Bár a technológia még formálódik, már most is érdemes figyelmet szentelni annak, amit lehetővé tesz – és annak is, hogy mindez milyen új kérdéseket vet fel.
A térbeli intelligencia a következő leküzdendő akadály az AGI előtt
Az LLM megszületésével a gépek lenyűgöző képességekre tettek szert. Ráadásul fejlődési sebességük is nagyobb tempóra kapcsolt, nap mint nap jelennek meg újabb modellek, amelyek még hatékonyabbak még jobb képességekkel ruházzák fel a gépeket. Ha azonban közelebbről megvizsgáljuk, ezzel a technológiával még csak most értük el, hogy a gépek képesek egy dimenzióban gondolkodni. A világ amelyben élünk azonban az emberi érzékelés alapján három dimenziós. Egy ember számára nem okoz gondot, hogy megállapítsa, hogy valami egy szék alatt van, vagy mögött, vagy egy felénk repülő labda körülbelül hová fog érkezni. Számos mesterséges intelligencia kutató szerint az AGI azaz a mesterséges általános intelligencia megszületéséhez el kell érni, hogy a gépek három dimenzióban gondolkodjanak, ehhez pedig ki kell fejleszteni a térbeli intelligenciát.

Az elmúlt néhány napban megjelent Linux disztribúció frissítések