


ChatGPT Zhihu-Themenaufrufe überstiegen 200 Millionen, OpenAI-Mitarbeiter beteiligten sich an der Diskussion
Vor Kurzem hat die Gesamtzahl der Diskussionen unter dem Thema „ChatGPT“ auf Zhihu innerhalb von drei Monaten 103.000 erreicht und die Gesamtzahl der Aufrufe hat 210 Millionen überschritten. Annäherung an die Zahl seit 2015. Die Gesamtzahl der Diskussionsaufrufe unter dem Thema „AlphaGo“.
Darunter Andrew Ng, der weltweit führende Anbieter von Bildung für künstliche Intelligenz und Gründer von DeepLearning.AI, Kai-fu Lee, Vorsitzender von Sinovation Ventures, OpenAI-Mitarbeiter und viele andere Branchenvertreter, Experten und Wissenschaftler nahmen an der Diskussion teil .
Im Jahr 2015 löste AlphaGo die letzte Runde hitziger Diskussionen über KI aus, mit insgesamt 210.000 Diskussionen und 220 Millionen Aufrufen auf Zhihu. Der frühere CEO von Sogou, Wang Xiaochuan, der Vorsitzende von Sinovation Ventures, Kai-fu Li, der Forscher des Meta FAIR Research Institute, Tian Yuandong, und andere Befragte beantworteten Fragen zu „Was halten Sie davon, dass Googles Go AI AlphaGo den Go-Europameister besiegt?“ „Kann AlphaGo Lee Sedol schlagen?“ „Was halten Sie von Ke Jies bevorstehendem Sieg?“ Welche Auswirkungen wird dies auf Go, Menschen und künstliche Intelligenz haben?
Das Thema „ChatGPT“ hat in kurzer Zeit 103.000 Diskussionen angesammelt. Obwohl die Anzahl der Diskussionen weniger als die Hälfte von AlphaGo beträgt, hat die Anzahl der Aufrufe 210 Millionen erreicht, was der Anzahl der Diskussionen nahekommt und Ansichten zum Thema AlphaGo seit 2015. Gesamtmenge.
Es gibt eine Interpretation aus öffentlicher Sicht. Unter der Frage „Welche Berufe können nicht durch ChatGPT ersetzt werden?“ fasste Kai-fu Lee, Vorsitzender von Sinovation Ventures, 10 Arten von „Zurücklehnen und entspannen“-Jobs, 10 Arten von „Beinahe-Miss“-Jobs zusammen und schlug Wege dazu vor Speichern Sie sie in der Post-ChatGPT-Ära. Allgemeine Regeln für Ihren Beruf.
Zhang Junlin, Leiter der Forschung und Entwicklung neuer Technologien bei Sina Weibo, stellte die Frage: „ChatGPT hat die Machbarkeit der Modellvereinheitlichung bestätigt. Welche Auswirkungen wird dies in den nächsten fünf Jahren auf NLP-Praktiker haben?“ Sagte: „Für NLP-Forscher sind die Aussichten sehr pessimistisch.“
Unter der Frage „Es gibt so viele KI-Studiengänge in China, warum gibt es in China kein ChatGPT?“ stellte Lan Zhenzhong, ein ehemaliger Wissenschaftler am Google Artificial Intelligence Research Institute und jetzt ein angesehener Forscher bei Die West Lake University brachte seine Vorhersage: „Teams mit Erfahrung in der Forschung an großen Modellen sollten mit der Trainingsmethode von ChatGPT wissen, wie es geht, aber das Training erfordert mehr Maschinen und mehr Zeit, und die Vorteile, die sich aus dem Training großer Modelle ergeben, werden immer geringer.“ Er sagte, dass OpenAI zwar mehr Geld in die Entwicklung nachfolgender Versionen investieren werde, wir aber mithalten können, solange wir in Zukunft durchhalten, da das anschließende Training immer schwieriger werde , ein chinesischer Angestellter Zhihu-Antworter, enthüllte, dass ChatGPT nicht mit externen Gerüchten übereinstimmt, mit Dutzenden von Ärzten, die „nur ein Dutzend Kernschulungspersonal“ ausbilden. Seine Hauptaufgabe besteht darin, „das System während des gesamten Reinforcement-Learning-Trainings zu optimieren, um es schneller laufen zu lassen und das Reinforcement-Learning-Training so schnell wie möglich mit der geringsten GPU abzuschließen.“
Das obige ist der detaillierte Inhalt vonChatGPT Zhihu-Themenaufrufe überstiegen 200 Millionen, OpenAI-Mitarbeiter beteiligten sich an der Diskussion. 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



DALL-E 3 wurde im September 2023 offiziell als deutlich verbessertes Modell gegenüber seinem Vorgänger eingeführt. Er gilt als einer der bisher besten KI-Bildgeneratoren und ist in der Lage, Bilder mit komplexen Details zu erstellen. Zum Start war es jedoch exklusiv

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

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

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

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
