


Im Bereich der Suche mit künstlicher Intelligenz konkurrieren Google und Microsoft
Seit seiner Einführung Ende letzten Jahres gilt ChatGPT als große Bedrohung für traditionelle Methoden der Informationssuche. Da es vielfältig ist, können Sie Fragen anderer beantworten, Aufsätze oder Gedichte schreiben oder sogar Programmcode schreiben.
Die Fähigkeit der Konversations-KI, kohärente Antworten zu liefern, gilt als Bedrohung für die Google-Suchmaschine, die seit Jahrzehnten die Benchmark-Plattform für Menschen bei der Suche nach Informationen im Internet ist.
ChatGPT von OpenAI kann Antworten auf bestimmte von Benutzern gestellte Fragen anpassen, was beim Surfen auf Websites Zeit sparen kann.
Ein im Dezember veröffentlichter Bericht der New York Times enthüllte, dass der über Nacht große Erfolg von ChatGPT Google dazu zwang, es „Code Red“ zu nennen und damit zu beginnen, die Bedrohung durch Chatbots mit künstlicher Intelligenz für sein Suchmaschinengeschäft anzugehen.
Laut der Veranstaltungsbeschreibung auf der YouTube-Live-Seite wird Google am 8. Februar eine Veranstaltung veranstalten, bei der das Unternehmen verspricht, „die Art und Weise, wie Menschen Informationen suchen, erkunden und mit ihnen interagieren, neu zu überdenken, um sie natürlicher als je zuvor zu gestalten“. Sie brauchen mehr Intuition.
Google verspricht, „Informationen durch Suche, Grafiken und andere Wege für Menschen auf der ganzen Welt zugänglicher zu machen“
Dies zeigt, dass Google seine Suchmaschine überarbeitet hat und an der Implementierung in seine Mainstream-Suchmaschine mitgewirkt hat Forschungsprojekte zur künstlichen Intelligenz wie LaMDa. LaMDa ist ein ähnliches Produkt wie ChatGPT und sein leistungsstärkster Konkurrent.
Während Microsoft ChatGPT in seine Bing-Suchmaschine integriert, beschleunigt Google seine Suchreformen. Laut einem Nachrichtenbericht von The Verge schien eine von ChatGPT betriebene Bing-Suchmaschine für kurze Zeit aufzutauchen und verschwand dann.
Microsoft sagte Ende Januar, dass es Milliarden von Dollar in OpenAI investieren werde, um unabhängig „immer sicherere, nützlichere und leistungsfähigere KI zu entwickeln“ (Erweiterte Lektüre: Microsoft fördert OpenAI stark, mit mehrjährigen Investitionen in Milliardenhöhe).
Das im Jahr 2021 veröffentlichte Google LaMDa ist grundsätzlich vertraulich und nicht für die Öffentlichkeit zugänglich. Noch im Forschungsmodus stahl ChatGPT schnell die Show, als es auf einer benutzerfreundlichen Oberfläche erschien, und zwang Google, sich zu bemühen, aufzuholen.
Neben LaMDA untersucht Google auch eine Reihe von Technologien für künstliche Intelligenz. Sein bahnbrechendes PaLM (Pathways Language Model) ist auf 540 Milliarden Parameter skalierbar und deutlich größer als GPT-3.5, das große Sprachmodell, das ChatGPT antreibt.
Sundar Pichai, CEO von Alphabet (Googles Muttergesellschaft) sagte: „In den kommenden Wochen und Monaten werden wir diese Sprachmodelle verfügbar machen, beginnend mit LaMDA, damit die Leute sie direkt nutzen können.“
Pichai wiederholte einige von LaMDa Vorteile. Das Unternehmen hat zuvor darüber gesprochen, wie es KI nutzen könnte, um E-Mails oder schriftliche Arbeiten zu bearbeiten oder zu vervollständigen oder einen komplexen Bericht zusammenzufassen. „Bald werden die Menschen in der Lage sein, direkt mit unseren neuesten und leistungsstärksten Sprachmodellen als Begleiter zu interagieren, um auf experimentelle und innovative Weise zu suchen. Bleiben Sie dran.“
Pichai sagte, dass Google Entwicklern, Entwicklern und Partnern Tools und APIs bereitstellen wird . „Dies wird es ihnen ermöglichen, Innovationen zu entwickeln und ihre eigenen Anwendungen zu entwickeln und neue Möglichkeiten in der KI zusätzlich zu unseren linguistischen, multimodalen und anderen KI-Modellen zu entdecken.“
Alphabet baut in allen Geschäftsbereichen engere Verbindungen und die Einführung der Technologie der künstlichen Intelligenz auf ins Kerngeschäft.
DeepMind, eine Tochtergesellschaft der Google-Muttergesellschaft Alphabet, versucht, „künstliche allgemeine Intelligenz“ oder AGI zu schaffen, die darauf abzielt, die Funktionsweise menschlicher Intelligenz nachzubilden. Das Konzept von AGI besteht darin, die Forschung von Deepmind in einen Dienst zu integrieren, der dabei hilft, menschliche Aufgaben zu erledigen, Informationen zu finden, Spiele zu spielen und wissenschaftliche Forschung durchzuführen. AGI-Konzepte umfassen Computer Vision, Sprache und Verarbeitung natürlicher Sprache.
Google nutzt bereits künstliche Intelligenz, um Suchergebnisse und Produkte wie Google Cloud zu verbessern. Die kommerzielle Verzögerung von LaMDa könnte jedoch auf Googles Engagement für einen verantwortungsvollen und ethischen Umgang mit künstlicher Intelligenz zurückzuführen sein, was zu einer übermäßig vorsichtigen Umsetzung seiner Produktanwendungen geführt hat.
Auf der Webseite von LaMDa heißt es: „Als Google sind wir auch sehr an Fakten interessiert (d. h. ob LaMDa sich an die Fakten hält, was ein häufiges Problem bei Sprachmodellen ist) und arbeiten daran, sicherzustellen, dass die Antworten von LaMDa nicht nur Fakten sind Überzeugend, aber richtig.“ Groß angelegte Sprachmodelle von Google und OpenAI werden über mehr als eine Billion Parameter verfügen, wodurch Suchmaschinen mit künstlicher Intelligenz reaktionsschneller und genauer werden.
Google behauptet, die Transformer-Technologie erfunden zu haben, die auch die Grundlage für die Entwicklung von ChatGPT bildet. Transformer kann Beziehungen zwischen Wörtern und anderen Elementen in einem Absatz besser herstellen und liefert so genauere und relevantere Antworten. Es kann beispielsweise die zugehörige Bedeutung von Wörtern, Sätzen und Absätzen ermitteln und Kontext, Beziehungen und Verbindungen innerhalb geschriebener Absätze herstellen. Dies ist besonders wichtig in Bereichen wie dem Gesundheitswesen, wo zuverlässige Beziehungen und Kontexte hergestellt werden müssen, um Genauigkeit zu gewährleisten.
Das obige ist der detaillierte Inhalt vonIm Bereich der Suche mit künstlicher Intelligenz konkurrieren Google und Microsoft. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen

Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

In der Welt der Front-End-Entwicklung ist VSCode mit seinen leistungsstarken Funktionen und seinem umfangreichen Plug-in-Ökosystem für unzählige Entwickler zum Werkzeug der Wahl geworden. In den letzten Jahren sind mit der rasanten Entwicklung der Technologie der künstlichen Intelligenz KI-Code-Assistenten auf VSCode entstanden, die die Codierungseffizienz der Entwickler erheblich verbessert haben. KI-Code-Assistenten auf VSCode sind wie Pilze nach einem Regen aus dem Boden geschossen und haben die Codierungseffizienz der Entwickler erheblich verbessert. Es nutzt Technologie der künstlichen Intelligenz, um Code intelligent zu analysieren und eine präzise Code-Vervollständigung, automatische Fehlerkorrektur, Grammatikprüfung und andere Funktionen bereitzustellen, wodurch Entwicklerfehler und mühsame manuelle Arbeit während des Codierungsprozesses erheblich reduziert werden. Heute werde ich 12 KI-Code-Assistenten für die Frontend-Entwicklung von VSCode empfehlen, die Sie bei Ihrer Programmierreise unterstützen.
