Inhaltsverzeichnis
Was ist verantwortungsvolle KI?
Wo besteht der größte Bedarf an verantwortungsvoller KI?
Wie lässt sich verantwortungsvolle künstliche Intelligenz regulieren?
Eine neue Welt des Alltäglichen?
Heim Technologie-Peripheriegeräte KI Ist verantwortungsvolle KI ein technisches oder geschäftliches Problem?

Ist verantwortungsvolle KI ein technisches oder geschäftliches Problem?

Apr 10, 2023 am 08:11 AM
人工智能 商业问题 技术问题

Künstliche Intelligenz (insbesondere ChatGPT) wird bereits weltweit eingesetzt. Zudem besteht ein hohes Missbrauchs- oder Missbrauchspotenzial von KI, ein Risiko, das ernst genommen werden muss. Allerdings bringt KI auch eine Reihe potenzieller Vorteile für die Gesellschaft und den Einzelnen mit sich.

Dank ChatGPT ist künstliche Intelligenz zu einem heißen Thema geworden. Menschen und Organisationen haben begonnen, über die unzähligen Anwendungsfälle nachzudenken, es bestehen jedoch auch Bedenken hinsichtlich potenzieller Risiken und Einschränkungen. Mit der schnellen Implementierung künstlicher Intelligenz ist verantwortungsvolle künstliche Intelligenz (RAI) in den Vordergrund gerückt, und viele Unternehmen fragen sich, ob es sich dabei um eine Technologie oder ein Geschäftsproblem handelt.

Laut einem im September 2022 von der MIT Sloan School of Management veröffentlichten Whitepaper befindet sich die Welt in einer Phase, in der sich KI-Fehler zu vermehren beginnen und die ersten KI-bezogenen Vorschriften bald in Kraft treten. Der Bericht öffnet ein neues Fenster. Obwohl diese beiden Entwicklungen die Umsetzung verantwortungsvoller KI-Projekte dringlich machen, hat sich gezeigt, dass die Unternehmen, die im Bereich verantwortungsvoller KI führend sind, nicht in erster Linie durch Vorschriften oder andere Probleme gesteuert werden. Stattdessen empfehlen ihre Untersuchungen, dass Führungskräfte verantwortungsvolle KI aus einer strategischen Perspektive betrachten und dabei die externen Stakeholder ihrer Organisation, umfassendere langfristige Ziele und Werte, Führungsprioritäten und soziale Verantwortung hervorheben.

Dies steht im Einklang mit der Ansicht, dass verantwortungsvolle KI sowohl eine technische als auch eine geschäftliche Angelegenheit ist. Offensichtlich liegen die zugrunde liegenden Probleme in der KI-Technologie, also steht diese im Vordergrund. Die Realität ist jedoch, dass die Standards dafür, was für künstliche Intelligenz akzeptabel ist und was nicht, unklar sind.

Zum Beispiel sind sich die Leute einig, dass KI „fair“ sein muss, aber wessen Definition von „fair“ sollten wir verwenden? Es ist eine Business-to-Business-Entscheidung, und es ist schwierig, eine Entscheidung zu treffen, wenn man ins Detail geht.

Der Ansatz „Technische und geschäftliche Fragen“ ist wichtig, da die meisten Menschen nur die technischen Aspekte bewerten. Die Bewertung und vollständige Automatisierung verantwortungsvoller KI sowohl aus geschäftlicher als auch aus technischer Sicht kann dazu beitragen, die Lücke zwischen beiden zu schließen. Dies gilt insbesondere für stark regulierte Branchen. Das NIST Artificial Intelligence Framework, das erst letzte Woche veröffentlicht wurde, bietet hilfreiche Richtlinien, die Organisationen dabei helfen sollen, ihren Bedarf an verantwortungsvoller künstlicher Intelligenz einzuschätzen und darauf einzugehen.

Was ist verantwortungsvolle KI?

KI kann differenzieren und Vorurteile erzeugen. KI-Modelle können auf Daten trainiert werden, die inhärente Vorurteile enthalten und bestehende Vorurteile in der Gesellschaft aufrechterhalten können. Wenn ein Computer-Vision-System beispielsweise anhand von Bildern hauptsächlich von Weißen trainiert wird, kann es bei der Identifizierung von Menschen anderer Rassen möglicherweise weniger genau sein. Ebenso können die im Rekrutierungsprozess verwendeten KI-Algorithmen voreingenommen sein, da sie auf Lebenslaufdatensätzen früherer Einstellungen trainiert werden, die nach Geschlecht oder Rasse voreingenommen sein können.

Responsible AI ist ein Ansatz zur künstlichen Intelligenz (KI), der darauf abzielt, sicherzustellen, dass KI-Systeme ethisch und verantwortungsvoll eingesetzt werden. Dieser Ansatz basiert auf der Idee, dass KI zum Nutzen von Mensch und Gesellschaft eingesetzt werden soll und ethische, rechtliche und regulatorische Überlegungen berücksichtigt werden müssen. Verantwortungsvolle KI beinhaltet den Einsatz von Transparenz-, Rechenschaftspflicht-, Fairness- und Sicherheitsmaßnahmen, um einen verantwortungsvollen Einsatz von KI-Systemen sicherzustellen. Dazu könnten der Einsatz von KI-Prüfung und -Überwachung, die Entwicklung ethischer Verhaltenskodizes, der Einsatz von Datenschutz- und Sicherheitsmaßnahmen sowie Maßnahmen gehören, um sicherzustellen, dass KI in einer menschenrechtskonformen Weise eingesetzt wird.

Wo besteht der größte Bedarf an verantwortungsvoller KI?

Zu den ersten Anwendern von KI gehören Banken/Finanzen, Versicherungen, das Gesundheitswesen und andere stark regulierte Branchen, einschließlich Telekommunikation und stark verbraucherorientierte Branchen (Einzelhandel, Gastgewerbe/Reisen usw.). Es kann nach Branchen aufgeschlüsselt werden:

? Bankwesen/Finanzen: Künstliche Intelligenz kann verwendet werden, um große Mengen an Kundendaten zu verarbeiten, um Kundenbedürfnisse und -präferenzen besser zu verstehen, die dann zur Verbesserung des Kundenerlebnisses und zur Bereitstellung maßgeschneiderter Dienstleistungen genutzt werden können. KI kann auch verwendet werden, um Betrug und verdächtige Aktivitäten zu erkennen, Prozesse zu automatisieren und genauere und zeitnahere Finanzberatung bereitzustellen.

? Versicherungen: Mithilfe künstlicher Intelligenz können Kundendaten und -verhalten besser verstanden werden, um einen individuelleren Versicherungsschutz und eine individuellere Preisgestaltung zu ermöglichen. KI kann auch zur Automatisierung von Schadensbearbeitungsprozessen und zur Rationalisierung von Kundendienstabläufen eingesetzt werden.

?Gesundheitswesen: Künstliche Intelligenz kann zur Erkennung von Mustern in medizinischen Daten und zur Diagnose von Krankheiten, zur Vorhersage von Gesundheitsergebnissen und zur Bereitstellung personalisierter Behandlungspläne eingesetzt werden. KI kann auch zur Automatisierung administrativer und betrieblicher Aufgaben wie der Patientenplanung und der Versicherungsabwicklung eingesetzt werden.

?Telekommunikation: Künstliche Intelligenz kann einen besseren Kundenservice bieten, indem sie Kundendaten analysiert und Kundenbedürfnisse und -präferenzen versteht. KI kann auch zur Automatisierung von Kundendienstprozessen wie Fehlerbehebung und Abrechnung eingesetzt werden.

?Einzelhandel: Künstliche Intelligenz kann das Kundenerlebnis personalisieren, indem sie Kundendaten analysiert und Kundenbedürfnisse und -präferenzen versteht. KI kann auch zur Automatisierung der Bestandsverwaltung und des Kundendienstes eingesetzt werden.

?Hotel/Reisen: Künstliche Intelligenz kann zur Automatisierung von Kundenserviceprozessen wie Online-Buchung und Kundenservice eingesetzt werden. Mithilfe von KI können auch Kundendaten analysiert und personalisierte Empfehlungen gegeben werden.

Wie lässt sich verantwortungsvolle künstliche Intelligenz regulieren?

Bei der staatlichen Regulierung künstlicher Intelligenz handelt es sich um eine Reihe von Regeln und Vorschriften, die von der Regierung umgesetzt werden, um sicherzustellen, dass die Entwicklung und Nutzung künstlicher Intelligenz (KI) sicher, ethisch und legal ist. Die Vorschriften variieren von Land zu Land, umfassen jedoch im Allgemeinen die Festlegung ethischer, sicherheitstechnischer und rechtlicher Haftungsstandards für Schäden, die durch KI-Systeme verursacht werden. Staatliche Regulierungsbehörden verlangen möglicherweise auch, dass Entwickler in Sicherheitsprotokollen geschult werden und sicherstellen, dass ihre Produkte unter Berücksichtigung bewährter Verfahren entwickelt werden. Darüber hinaus können Regierungen Unternehmen Anreize bieten, KI-Systeme zu entwickeln, die der Gesellschaft zugute kommen, beispielsweise solche, die zur Bekämpfung des Klimawandels beitragen.

Durch die Einbeziehung eines sicherheitsrechtlichen Rahmens in ihre verantwortungsvollen KI-Pläne können Unternehmen sicherstellen, dass ihre KI-Systeme die erforderlichen Standards und Vorschriften erfüllen und gleichzeitig das Risiko von Datenschutzverletzungen und anderen Sicherheitsproblemen verringern. Dies ist ein wichtiger Schritt auf dem Weg zu verantwortungsvoller KI, da er dazu beiträgt, dass Unternehmen ihre KI-Systeme verantwortungsbewusst und sicher verwalten können. Darüber hinaus kann der sicherheitsrechtliche Rahmen als Leitfaden dienen, um Unternehmen dabei zu helfen, Best Practices für den Einsatz von Technologien der künstlichen Intelligenz wie maschinelles Lernen und Deep Learning zu identifizieren und umzusetzen. Zusammenfassend lässt sich sagen, dass verantwortungsvolle KI sowohl ein technisches als auch ein geschäftliches Problem ist.

Das Security Regulation Framework kann Organisationen dabei helfen, ihren Bedarf an verantwortungsvoller KI einzuschätzen und zu erfüllen, und stellt gleichzeitig eine Reihe von Standards, Richtlinien und Best Practices bereit, um sicherzustellen, dass ihre KI-Systeme sicher und konform sind. Zu den ersten Anwendern des Sicherheitsregulierungsrahmens zählen stark regulierte und stark verbraucherorientierte Branchen.

Eine neue Welt des Alltäglichen?

Künstliche Intelligenz ist noch eine relativ neue Technologie, und die meisten Anwendungsfälle konzentrieren sich derzeit auf praktischere Anwendungen wie Predictive Analytics, Natural Language Processing und maschinelles Lernen. Während ein Szenario einer „schönen neuen Welt“ sicherlich möglich ist, sind viele aktuelle KI-gesteuerte Anwendungen darauf ausgelegt, bestehende Systeme und Prozesse zu verbessern, anstatt sie zu stören.

Verantwortungsvolle KI ist sowohl ein technisches als auch ein geschäftliches Problem. Mit fortschreitender Technologie müssen Unternehmen die ethischen Auswirkungen des Einsatzes künstlicher Intelligenz und anderer automatisierter Systeme in ihren Betrieben berücksichtigen. Sie müssen überlegen, wie sich diese Technologien auf ihre Kunden und Mitarbeiter auswirken und wie sie sie verantwortungsvoll zum Schutz von Daten und Privatsphäre nutzen können. Darüber hinaus müssen Unternehmen beim Einsatz künstlicher Intelligenz und anderer automatisierter Systeme die Einhaltung geltender Gesetze und Vorschriften sicherstellen und sich der potenziellen Risiken des Einsatzes solcher Technologien bewusst sein.

Die Zukunft der verantwortungsvollen KI ist rosig. Während sich die Technologie weiterentwickelt, beginnen Unternehmen, die Bedeutung ethischer KI zu erkennen und sie in ihre Abläufe zu integrieren. Verantwortungsvolle KI wird für Unternehmen immer wichtiger, um sicherzustellen, dass ihre Entscheidungen ethisch und fair sind. Mit KI können Produkte geschaffen werden, die transparent und erklärbar sind und gleichzeitig die menschlichen und ethischen Auswirkungen von Entscheidungen berücksichtigen. Darüber hinaus kann verantwortungsvolle KI zur Automatisierung von Prozessen eingesetzt werden und Unternehmen dabei helfen, Entscheidungen schneller, mit weniger Risiko und mit größerer Genauigkeit zu treffen. Da die Technologie immer weiter voranschreitet, werden sich Unternehmen zunehmend auf verantwortungsvolle KI verlassen, um Entscheidungen zu treffen und Produkte zu entwickeln, die sicher, zuverlässig und gut für Kunden und die Welt sind.

Der potenzielle Missbrauch oder Missbrauch von Künstlicher Intelligenz (KI) birgt Risiken, die ernst genommen werden müssen. Allerdings bringt KI auch eine Reihe potenzieller Vorteile für die Gesellschaft und den Einzelnen mit sich, und es ist wichtig zu bedenken, dass der Grad der von KI ausgehenden Gefahr von den Absichten der Menschen abhängt, die sie nutzen.

Das obige ist der detaillierte Inhalt vonIst verantwortungsvolle KI ein technisches oder geschäftliches Problem?. 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)
2 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Beste grafische Einstellungen
2 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

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

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

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

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

SK Hynix wird am 6. August neue KI-bezogene Produkte vorstellen: 12-Layer-HBM3E, 321-High-NAND usw. SK Hynix wird am 6. August neue KI-bezogene Produkte vorstellen: 12-Layer-HBM3E, 321-High-NAND usw. Aug 01, 2024 pm 09:40 PM

Laut Nachrichten dieser Website vom 1. August hat SK Hynix heute (1. August) einen Blogbeitrag veröffentlicht, in dem es ankündigt, dass es am Global Semiconductor Memory Summit FMS2024 teilnehmen wird, der vom 6. bis 8. August in Santa Clara, Kalifornien, USA, stattfindet viele neue Technologien Generation Produkt. Einführung des Future Memory and Storage Summit (FutureMemoryandStorage), früher Flash Memory Summit (FlashMemorySummit), hauptsächlich für NAND-Anbieter, im Zusammenhang mit der zunehmenden Aufmerksamkeit für die Technologie der künstlichen Intelligenz wurde dieses Jahr in Future Memory and Storage Summit (FutureMemoryandStorage) umbenannt Laden Sie DRAM- und Speicheranbieter und viele weitere Akteure ein. Neues Produkt SK Hynix wurde letztes Jahr auf den Markt gebracht

See all articles