Inhaltsverzeichnis
Auf welche innovativen Arten nutzen Sie Daten und KI, um das Arbeitsministerium (DOL) zu unterstützen?
In welchen Bereichen haben Sie Ihre Daten- und kognitiven Technologieprojekte gestartet?
Was sind die einzigartigen Möglichkeiten im öffentlichen Sektor, wenn es um Daten und künstliche Intelligenz geht?
Welche Anwendungsfälle können Sie nennen, bei denen KI erfolgreich eingesetzt wurde?
Können Sie einige der Herausforderungen nennen, mit denen der öffentliche Sektor im Zusammenhang mit KI und ML konfrontiert ist?
Wie gehen Sie mit den Datenschutz-, Vertrauens- und Sicherheitsproblemen im Zusammenhang mit künstlicher Intelligenz um?
Wie bildet man technische Talente im Bereich der künstlichen Intelligenz aus?
Auf welche Technologien der künstlichen Intelligenz freuen Sie sich in den nächsten Jahren am meisten?
Heim Technologie-Peripheriegeräte KI US-Arbeitsministerium: Setzen Sie KI- und Automatisierungstechnologien ein, um den Wert von Daten zu erschließen

US-Arbeitsministerium: Setzen Sie KI- und Automatisierungstechnologien ein, um den Wert von Daten zu erschließen

Apr 08, 2023 pm 09:31 PM
人工智能 机器人 自动化

US-Arbeitsministerium: Setzen Sie KI- und Automatisierungstechnologien ein, um den Wert von Daten zu erschließen

Die Regierung ist voller Daten. Um Einblicke in diese Daten zu gewinnen und den Bürgern besser dienen zu können, wenden Behörden Technologien wie Automatisierung, RPA (Robotic Process Automation), ML (maschinelles Lernen) und KI (künstliche Intelligenz) an, um Daten besser zu verwalten und Methoden und Arbeitsabläufe zu verbessern. Das DOL (US-Arbeitsministerium) ist eine dieser Behörden, die einzigartige Möglichkeiten zur Nutzung neuer Technologien in ihren datenreichen Umgebungen entwickeln.

Sanjay Koyani, Chief Technology Officer des US-Arbeitsministeriums, und sein Team arbeiten hart daran, verschiedene innovative Technologien wie verantwortungsvolle KI, RPA und Chatbots zu integrieren, und planen die Schaffung einer Datenplattform auf Unternehmensebene im Arbeitsministerium Arbeit. Bei einer bevorstehenden Veranstaltung „KI in der Regierung“ am 15. September 2022 wird Sanjay die KI-, Automatisierungs- und Datenreise des Sektors erläutern, was getan werden muss, um Überlegungen zum Kulturwandel zu untersuchen, und wie man am besten Probleme und Kundenbedürfnisse erkennt und sie dann weiter entwickelt Lösungen, um diese Probleme wirklich zu erkennen und zu lösen.

In einem Vorschauinterview mit Forbes erzählt Sanjay, wie das Arbeitsministerium KI und ML in datenreichen Umgebungen einsetzt, welche Herausforderungen die Einführung transformativer Technologien im öffentlichen Sektor mit sich bringt und wie das US-Arbeitsministerium vertrauenswürdige und vertrauenswürdige Technologien ansieht Verantwortliche Verantwortungsvolle KI.

Auf welche innovativen Arten nutzen Sie Daten und KI, um das Arbeitsministerium (DOL) zu unterstützen?

Sanjay Koyani: Alle IT-Modernisierungsinitiativen zielen auf unser Ziel ab, die besten IT-Lösungen des Bundes zu sein, was unsere Mission des Arbeitsministeriums unterstützt, den Service für die amerikanische Öffentlichkeit zu verbessern und einen besseren Kundenservice zu bieten, um einen digitaleren Arbeitsplatz zu unterstützen.

Vor etwas mehr als einem Jahr haben wir innerhalb der Abteilung Technologie, Innovation und Ingenieurwesen (TIE) eine neue Abteilung gegründet, die sich auf neue Technologien und die Entwicklung menschenzentrierter Designansätze für die Zukunftstechnologien des Arbeitsministeriums spezialisiert. Die erste neue Technologiefunktion, die wir eingeführt haben und an deren Ausweitung im gesamten Unternehmen wir arbeiten, dreht sich um den Einsatz von Automatisierung – Robotic Process Automation (RPA). Im vergangenen Jahr haben wir fünf RPA-Bots eingeführt – Softwareanwendungen zur Automatisierung sich wiederholender, regelbasierter Verwaltungsaufgaben – und führen derzeit sechs weitere Pilotprojekte durch. Wir entwickeln derzeit mehrere RPAs für den zukünftigen Einsatz und prüfen zusätzliche Möglichkeiten in allen Abteilungen des Arbeitsministeriums. Das übergeordnete Ziel besteht darin, es den Mitarbeitern zu ermöglichen, ihre Fähigkeiten auf geschäftskritische Aufgaben statt auf administrative Aufgaben zu konzentrieren und den Grundstein für andere fortschrittliche Technologien wie maschinelles Lernen und künstliche Intelligenz zu legen.

In TIE erforschen wir außerdem, wie wir KI als Service verantwortungsvoller nutzen können, um die Leistung zu verbessern und einen Mehrwert zu schaffen. Wir haben mehrere KI-Pilotprojekte im Gange und entwickeln Innovationen in der Cloud, indem wir native KI-Unterstützungsfunktionen nutzen, um Programmanforderungen wie Sprache-zu-Text, Text-zu-Sprache, Übersetzungsdienste sowie die Extraktion von Text und strukturierten Dokumenten für eine schnellere Entscheidungsfindung zu bewerten -Erstellung eines Formularerkennungsdienstes. Gleichzeitig beginnen wir auch damit, Praktiken für die ethische und verantwortungsvolle Gestaltung und Bewertung von KI zu erforschen, damit wir sie mit größerer Sicherheit skalieren können.

Um unsere KI- und Automatisierungsbemühungen voranzutreiben, verbessert unser Team auch unsere Analysefähigkeiten, indem es die Enterprise Data Platform erstellt, um datenbasierte Entscheidungsfindung auf innovative Weise zu unterstützen. Daten sind die Grundlage von KI und maschinellem Lernen, daher investieren wir in Datenmanagement- und Analysetools. Mithilfe der für dieses Programm bereitgestellten Mittel zur Modernisierung der Technologie kann das Arbeitsministerium das Datenmanagement und die erweiterten Analysefunktionen verbessern, den Datenaustausch und die gemeinsame Nutzung zwischen Abteilungen verbessern und schnellere und bessere Entscheidungen treffen. Wir können auch Elemente der Executive Order on Worker Empowerment weiterentwickeln, um Ermittlern und politischen Teams bessere Erkenntnisse sowie qualitativ hochwertige und aktuelle Daten zum Arbeitnehmerschutz zur Verfügung zu stellen und so Arbeitsplätze sicherer zu machen.

In welchen Bereichen haben Sie Ihre Daten- und kognitiven Technologieprojekte gestartet?

Sanjay Koyani: Wir haben begonnen, Projekte über unseren Innovationsinkubator zu identifizieren, der bei der Bewertung von Proofs of Concept hilft – Risiken aufzeigt und sie anhand bestehender Tools bewertet. Dies ermöglicht es uns, unsere aktuellen Pilotprogramme zu erweitern, um zu sehen, ob sie zusätzliche Probleme angehen und innovative Lösungen erkunden können.

Eine weitere Taktik, die wir in letzter Zeit angewendet haben, ist ein unternehmensweiter Bot-a-Thon, der dabei hilft, Mitarbeiter über den Einsatz von Bots zu informieren und darüber, wie sie Mitarbeitern bei Verwaltungsaufgaben wie Berichten, Ausfüllen von Formularen oder Recherchen helfen können. Die Ergebnisse umfassen die Entwicklung von neun verschiedenen Roboterprozessen ab dem Geschäftsjahr 21, wobei bereits fünf Roboter im Einsatz sind und Tausende von Arbeitsstunden einsparen.

Was sind die einzigartigen Möglichkeiten im öffentlichen Sektor, wenn es um Daten und künstliche Intelligenz geht?

Sanjay Koyani: Wir haben eine größere Sichtbarkeit und konzentrieren uns stärker auf die Bedeutung der Modernisierung der IT in der Regierung und darauf, wie sich die IT auf mehrere Regierungsdienste auswirkt. Die aktuelle Präsidialverwaltung hat die IT-Modernisierung, einschließlich Daten und KI, zu einer Priorität gemacht. Der Kongress setzt seinen Fokus auf IT mit dem Federal IT Acquisition Reform Act (FITARA) fort, der den CIOs von Agenturen die Kontrolle über IT-Investitionen gibt und Agenturen in sieben wichtigen IT-Bereichen bewertet. Verstöße gegen die Cybersicherheit haben die Aufmerksamkeit auch wieder auf die Frage gelenkt, wie KI dem öffentlichen Sektor dabei helfen kann, Bedrohungen einzudämmen und schneller auf potenzielle Risiken zu reagieren.

Welche Anwendungsfälle können Sie nennen, bei denen KI erfolgreich eingesetzt wurde?

Sanjay Koyani: Wir haben eine neue, von Benutzern inspirierte Website für die Employment and Training Administration (ETA) des Arbeitsministeriums entwickelt, die auf kundenorientiertem Design und einem verbesserten Kundenerlebnis durch die Integration von KI basiert. Dadurch trägt KI dazu bei, den Kandidatenzugang/die Zuordnung von Chancen auf Apprenticeship.gov zu verbessern.

Ein weiteres Beispiel ist unser Einsatz von KI-gestützten Formularerkennungsdiensten, um die Ermittlung des Begünstigten zu beschleunigen. Unser Team untersuchte, wie KI-gestützte Cloud-Technologie Schadensprüfern dabei helfen könnte, Leistungsformulare auf Genauigkeit und Betrug zu prüfen, um Entscheidungen schneller treffen zu können. Mithilfe bestehender Cloud-Technologie trainieren wir KI-Modelle, um Daten aus mehreren Anspruchsformularen zu extrahieren und zu organisieren, damit Prüfer schneller umfassende Informationen erhalten. Zuvor verbrachten Prüfer viel Zeit damit, Formulare manuell zu sortieren und zu vergleichen, anstatt sich ausschließlich auf die Unterstützung der Begünstigten und eine schnellere Entscheidungsfindung zu konzentrieren.

Können Sie einige der Herausforderungen nennen, mit denen der öffentliche Sektor im Zusammenhang mit KI und ML konfrontiert ist?

Sanjay Koyani: Ich werde auf einige der Herausforderungen eingehen. Einer davon ist das Datenmanagement, das einen großen Schwerpunkt für das Arbeitsministerium darstellt. Obwohl es eine gute Sache ist, über viele Daten zu verfügen, müssen Sie wissen, welche Informationen verfügbar sind und wie sie verwendet werden. Um KI und ML richtig zu nutzen, müssen Sie verstehen, welche Daten vorhanden sind, sie klassifizieren und die Interessenvertreter der Behörden darüber informieren, wie das Arbeitsministerium die Daten nutzt, um schnellere und bessere Entscheidungen zu treffen. Dies erfordert kontinuierliche Weiterbildung und Investitionen in unsere Datenstrategie.

Menschenzentriertes Design ist auch der Schlüssel zu KI/ML. Daher müssen Sie sicherstellen, dass Sie mit allen relevanten Stakeholdern kommunizieren, um den Prozess und die Art und Weise, wie sie die Technologie nutzen werden, zu verstehen. Dies ist ein wichtiger Moment, um zu entscheiden, ob KI/ML das Problem lösen kann. Nicht alle Probleme können mit Technologie gelöst werden.

Eine weitere zentrale Herausforderung ist die kulturelle Akzeptanz. Ein Kulturwandel kann schwierig sein. Stellen Sie daher sicher, dass Sie die Vorteile am Arbeitsplatz demonstrieren, wie Sie neue Technologien verantwortungsvoll nutzen und wie sie im gesamten Unternehmen eingesetzt werden können.

Letztendlich ist für das Arbeitsministerium die abteilungsweite Skalierbarkeit das langfristige Ziel. Wir berücksichtigen also kulturelle und technische Aspekte, bewerten die Wirksamkeit und bauen dann auf unseren Erfolgen auf.

Wie gehen Sie mit den Datenschutz-, Vertrauens- und Sicherheitsproblemen im Zusammenhang mit künstlicher Intelligenz um?

Sanjay Koyani: Wir nutzen das Responsible AI Framework, um sicherzustellen, dass KI vertrauenswürdig eingesetzt wird. Das Arbeitsministerium arbeitet mit Praktikern gemeinnütziger Organisationen und Fachexperten der Regierung zusammen, um Voreingenommenheit bei der Entwicklung von KI-Algorithmen zu beseitigen und uns bei der Bewältigung der komplexen Landschaft der Schaffung sicherer KI zu helfen.

Darüber hinaus verfügen wir derzeit über eine Reihe von Richtlinien und Verfahren, die bei der Lösung von Sicherheitsproblemen helfen. Dazu gehören solide Governance-Richtlinien und eine Gesamtstrategie, die die Sicherheit von Anfang an berücksichtigt.

In der „Executive Order on Responsible AI“ (Executive Order on Responsible AI) hat OSTP (White House Office of Science and Technology Policy) 10 Prinzipien für die verantwortungsvolle Umsetzung von KI-Systemen dargelegt. Darüber hinaus ist der Datenschutz ein wichtiger Gesichtspunkt, wenn der Einsatz von KI-Systemen in Betracht gezogen wird. Wir möchten nicht nur sicherstellen, dass wir keine Voreingenommenheit hervorrufen, sondern auch sicherstellen, dass die Privatsphäre derjenigen geschützt wird, deren Informationen in den Daten enthalten sind. Wir halten uns an die Bundesvorschriften und führen diesbezüglich spezielle Datenschutzbewertungen durch.

Wie bildet man technische Talente im Bereich der künstlichen Intelligenz aus?

Sanjay Koyani: Wir bauen Unternehmensarchitekturen und IT-Governance-Prozesse auf, um den Einsatz aller neuen Technologielösungen zu unterstützen. Dies wird dazu beitragen, die Konsistenz der Tools zur Unterstützung der Geschäftsanforderungen und standardisierten Prozesse des Unternehmens sicherzustellen. Eine weitere Möglichkeit, KI-technische Talente zu fördern, ist die Bildung, Schulung und Einstellung von Fachexperten. Beispielsweise haben wir vor Kurzem einen Presidential Innovation Fellow (PIF) beauftragt, unsere Pilotanwendungsfälle für vertrauenswürdige KI zu evaluieren, die die Executive Order der Regierung zur Förderung des Einsatzes vertrauenswürdiger KI in der Bundesregierung unterstützen. Unser PIF ermöglicht es uns, mit Agenturexperten zusammenzuarbeiten, um neue Modelle zu entwerfen und zu testen, um zu bewerten, wie wir KI verantwortungsvoller entwerfen, entwickeln und einsetzen können, was dazu beiträgt, die Transparenz zu erhöhen und den Menschen Vertrauen in die KI-Skalierung zu geben.

Auf welche Technologien der künstlichen Intelligenz freuen Sie sich in den nächsten Jahren am meisten?

Sanjay Koyani: Ich freue mich auf verantwortungsvollere KI-Testinitiativen, die dazu beitragen werden, die Lücken zu schließen, während wir veraltete IT-Systeme modernisieren und mehr Automatisierung nutzen, um die Transformation zu ermöglichen. Jede Initiative wird es uns ermöglichen, unsere Unternehmensarchitektur weiterzuentwickeln und neue Technologien zu nutzen.

Ein weiterer Bereich, in dem ich mich freue, die Unterstützung von KI zu sehen, ist die Cybersicherheit. Angesichts des sich verändernden Umfelds und des anhaltenden Drucks auf Ressourcen zum Schutz von Systemen und Netzwerklösungen denke ich, dass es mehr Lösungen geben wird, die dabei helfen, Reaktionen auf Cyber-Bedrohungen zu automatisieren und das Risiko für Unternehmen zu reduzieren.

In seinem kommenden Vortrag im September 2022 wird Sanjay einige der oben besprochenen Themen vertiefen und Höhepunkte der Arbeit seines Teams bei der Integration innovativer Technologien wie verantwortungsvolle KI, RPA und Chatbots vorstellen.

Das obige ist der detaillierte Inhalt vonUS-Arbeitsministerium: Setzen Sie KI- und Automatisierungstechnologien ein, um den Wert von Daten zu erschließen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

AI Hentai Generator

AI Hentai Generator

Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

R.E.P.O. Energiekristalle erklärten und was sie tun (gelber Kristall)
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Beste grafische Einstellungen
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. So reparieren Sie Audio, wenn Sie niemanden hören können
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Wie man alles in Myrise freischaltet
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Jun 28, 2024 am 03:51 AM

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

Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Jun 10, 2024 am 11:08 AM

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

Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Jun 11, 2024 pm 03:57 PM

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

Sieben coole technische Interviewfragen für GenAI und LLM Sieben coole technische Interviewfragen für GenAI und LLM Jun 07, 2024 am 10:06 AM

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

Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Jul 25, 2024 am 06:42 AM

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

Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Jun 05, 2024 pm 08:51 PM

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

SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen Jul 17, 2024 pm 06:37 PM

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

GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams Jul 15, 2024 pm 12:21 PM

Laut Nachrichten dieser Website vom 5. Juli veröffentlichte GlobalFoundries am 1. Juli dieses Jahres eine Pressemitteilung, in der die Übernahme der Power-Galliumnitrid (GaN)-Technologie und des Portfolios an geistigem Eigentum von Tagore Technology angekündigt wurde, in der Hoffnung, seinen Marktanteil in den Bereichen Automobile und Internet auszubauen Anwendungsbereiche für Rechenzentren mit künstlicher Intelligenz, um höhere Effizienz und bessere Leistung zu erforschen. Da sich Technologien wie generative künstliche Intelligenz (GenerativeAI) in der digitalen Welt weiterentwickeln, ist Galliumnitrid (GaN) zu einer Schlüssellösung für nachhaltiges und effizientes Energiemanagement, insbesondere in Rechenzentren, geworden. Auf dieser Website wurde die offizielle Ankündigung zitiert, dass sich das Ingenieurteam von Tagore Technology im Rahmen dieser Übernahme mit GF zusammenschließen wird, um die Galliumnitrid-Technologie weiterzuentwickeln. G

See all articles