Inhaltsverzeichnis
KI- und Datenschutzprobleme
Urheber- und IP-Gesetze werden selten respektiert
Unerlaubte Zusammenführung von Benutzerdaten
Eingeschränkte Regulierungsbehörden und Schutzmaßnahmen
Obwohl diese neuen biometrischen Sicherheitstools sehr praktisch sind, gibt es immer noch viele Fragen dazu, wie Unternehmen mit künstlicher Intelligenz diese Daten nachträglich nutzen Die Aufsicht ist begrenzt. In vielen Fällen sind sich Einzelpersonen nicht einmal bewusst, dass ihre biometrischen Daten erfasst wurden, geschweige denn, dass sie gespeichert und für andere Zwecke verwendet werden.
Diese Methode der Metadatenerfassung gibt es schon seit Jahren, aber mit Hilfe künstlicher Intelligenz können mehr Daten in großem Maßstab gesammelt und interpretiert werden, was es Technologieunternehmen ermöglicht, Benutzer gezielter anzusprechen, ohne dass diese wissen, wie die Informationen funktionieren. Während die meisten Benutzerseiten Richtlinien haben, in denen diese Datenerfassungspraktiken erwähnt werden, werden sie in anderen Richtlinientexten nur kurz erwähnt, sodass die meisten Benutzer nicht erkennen, womit sie einverstanden sind, und alle Inhalte auf sich selbst und ihre mobilen Geräte stellen, die überprüft werden.
Verlängerte Datenspeicherungsdauer
Zum Beispiel besagt die Richtlinie von OpenAI, dass es die Eingabe- und Ausgabedaten der Benutzer bis zu 30 Tage lang speichern kann, um Missbrauch zu erkennen. Es ist jedoch unklar, wann oder wie das Unternehmen ohne deren Wissen einen detaillierteren Blick auf die personenbezogenen Daten der Benutzer wirft Trainingsdatensätze, da sie keine besonderen Berechtigungen erfordern und es Anbietern auch ermöglichen, große Mengen unterschiedlicher Daten zu sammeln
Benutzerabfragen in KI-Modellen
Biometrie
IoT-Sensoren und -Geräte
Mit einigen Best Practices, Tools und anderen Ressourcen können Unternehmen KI effektiv zur Lösung von Lösungen einsetzen, ohne die Privatsphäre der Benutzer zu beeinträchtigen. Um Ihre sensibelsten Daten in allen Phasen der KI-Nutzung zu schützen, befolgen Sie diese Tipps:
Heim Technologie-Peripheriegeräte KI Wie schützt man die Privatsphäre künstlicher Intelligenz?

Wie schützt man die Privatsphäre künstlicher Intelligenz?

Sep 22, 2023 pm 03:25 PM
人工智能

Während Unternehmen und Verbraucher gleichermaßen vom Potenzial der KI, das tägliche Leben zu verändern, begeistert sind, bleiben Datenschutzbedenken, die sich aus ihrer weit verbreiteten Nutzung ergeben, ein großes Problem. Da immer mehr personenbezogene Daten in KI-Modelle eingespeist werden, machen sich viele Verbraucher zu Recht Sorgen um ihre Privatsphäre und die Art und Weise, wie ihre Daten verwendet werden.

Wie schützt man die Privatsphäre künstlicher Intelligenz?

Dieser Artikel soll diesen Verbrauchern helfen, eine tiefere Wissensbasis über KI-Datenschutzfunktionen aufzubauen. Darüber hinaus bietet es Anleitungen für Geschäftsinhaber und Führungskräfte, wie sie Kundenanliegen besser verstehen und KI so einsetzen können, dass die Privatsphäre geschützt wird, ohne dass die Funktionalität darunter leidet.

KI- und Datenschutzprobleme

Urheber- und IP-Gesetze werden selten respektiert

KI-Modelle ziehen Trainingsdaten aus allen Ecken des Webs. Leider sind sich viele KI-Anbieter nicht bewusst oder kümmern sich nicht darum, wenn sie urheberrechtlich geschützte Kunstwerke, Inhalte oder anderes geistiges Eigentum anderer ohne deren Zustimmung verwenden.

Dieses Problem wird immer schlimmer, wenn Modelle mithilfe dieser Daten trainiert, umgeschult und verfeinert werden. Viele der heutigen KI-Modelle sind so komplex, dass selbst ihre Erbauer nicht sicher sagen können, welche Daten verwendet werden und wer Zugriff hat dazu.

Unerlaubte Zusammenführung von Benutzerdaten

Wenn Benutzer von Modellen der künstlichen Intelligenz ihre eigenen Daten in Form von Abfragen eingeben, haben diese Daten das Potenzial, Teil des zukünftigen Trainingsdatensatzes des Modells zu werden. In diesem Fall werden diese Daten möglicherweise als Ausgabe für die Abfragen anderer Benutzer angezeigt, was ein besonders großes Problem darstellt, wenn Benutzer vertrauliche Daten in das System eingegeben haben.

Eingeschränkte Regulierungsbehörden und Schutzmaßnahmen

Derzeit entwickeln einige Länder und Regulierungsbehörden KI-Vorschriften und Richtlinien zur sicheren Verwendung, aber es gibt keinen einheitlichen Standard, der KI-Anbieter für die Art und Weise, wie sie KI-Tools entwickeln und verwenden, zur Verantwortung zieht

In der Vergangenheit Viele KI-Anbieter wurden wegen Verstößen gegen geistiges Eigentum und undurchsichtigen Schulungs- und Datenerfassungsprozessen kritisiert. Nach derzeitigem Stand haben die meisten KI-Anbieter jedoch das Recht, ihre Datenspeicherung, Cybersicherheit und Benutzerregeln ohne Eingriffe selbst zu bestimmen Wird verwendet, um herkömmliche Authentifizierungsmethoden zu ersetzen. Gleichzeitig nutzen öffentliche Überwachungsgeräte häufig auch künstliche Intelligenz, um biometrische Daten zu scannen und so Personen schneller zu identifizieren.

Obwohl diese neuen biometrischen Sicherheitstools sehr praktisch sind, gibt es immer noch viele Fragen dazu, wie Unternehmen mit künstlicher Intelligenz diese Daten nachträglich nutzen Die Aufsicht ist begrenzt. In vielen Fällen sind sich Einzelpersonen nicht einmal bewusst, dass ihre biometrischen Daten erfasst wurden, geschweige denn, dass sie gespeichert und für andere Zwecke verwendet werden.

Verdeckte Metadatenerfassungspraktiken

Wenn ein Benutzer mit einer Anzeige, einem Social-Media-Video oder praktisch jeder Web-Property interagiert, können Metadaten aus dieser Interaktion zusammen mit dem Suchverlauf und den Interessen des Benutzers gespeichert werden, um in Zukunft eine präzisere Inhaltsausrichtung zu ermöglichen

Diese Methode der Metadatenerfassung gibt es schon seit Jahren, aber mit Hilfe künstlicher Intelligenz können mehr Daten in großem Maßstab gesammelt und interpretiert werden, was es Technologieunternehmen ermöglicht, Benutzer gezielter anzusprechen, ohne dass diese wissen, wie die Informationen funktionieren. Während die meisten Benutzerseiten Richtlinien haben, in denen diese Datenerfassungspraktiken erwähnt werden, werden sie in anderen Richtlinientexten nur kurz erwähnt, sodass die meisten Benutzer nicht erkennen, womit sie einverstanden sind, und alle Inhalte auf sich selbst und ihre mobilen Geräte stellen, die überprüft werden.

KI-Modelle verfügen über begrenzte integrierte Sicherheitsfunktionen

Während sich einige KI-Anbieter dafür entscheiden, grundlegende Cybersicherheitsfunktionen und -schutzmaßnahmen einzubauen, verfügen viele KI-Modelle nicht über native Cybersicherheitsmaßnahmen. Dies macht es für unbefugte Benutzer und böswillige Akteure sehr einfach, auf die Daten anderer Benutzer zuzugreifen und diese zu verwenden, einschließlich persönlich identifizierbarer Informationen (PII).

Verlängerte Datenspeicherungsdauer

Nur wenige KI-Anbieter können offenlegen, wie sie Benutzerdaten wann und wo speichern und warum, und transparente Anbieter speichern Daten oft über lange Zeiträume.

Zum Beispiel besagt die Richtlinie von OpenAI, dass es die Eingabe- und Ausgabedaten der Benutzer bis zu 30 Tage lang speichern kann, um Missbrauch zu erkennen. Es ist jedoch unklar, wann oder wie das Unternehmen ohne deren Wissen einen detaillierteren Blick auf die personenbezogenen Daten der Benutzer wirft Trainingsdatensätze, da sie keine besonderen Berechtigungen erfordern und es Anbietern auch ermöglichen, große Mengen unterschiedlicher Daten zu sammeln

Inhalte stammen aus öffentlichen Quellen im Internet, einschließlich Websites Dritter, Wikipedia, digitalen Bibliotheken usw. In den letzten Jahren sind Benutzermetadaten auch zum Großteil der durch Web Scraping und Crawling gesammelten Inhalte geworden. Diese Metadaten stammen häufig aus Marketing- und Werbedatensätzen sowie aus Websites, die Ihre Zielgruppe und die Inhalte enthalten, die ihnen am wichtigsten sind.

Benutzerabfragen in KI-Modellen

Wenn Benutzer Fragen oder andere Daten in ein KI-Modell eingeben, speichern die meisten KI-Modelle diese Daten mindestens einige Tage lang. Obwohl diese Daten möglicherweise niemals für andere Zwecke verwendet werden, zeigen Untersuchungen, dass viele KI-Tools diese Daten nicht nur sammeln, sondern auch für zukünftige Schulungen speichern.

Biometrie

Überwachungsgeräte wie Sicherheitskameras, Gesichts- und Fingerabdruckscanner B. Mikrofone, die menschliche Stimmen erkennen können, können dazu verwendet werden, biometrische Daten zu sammeln und Menschen ohne deren Wissen oder Zustimmung zu identifizieren.

Wie viel Kontrolle müssen viele Unternehmen beim Einsatz dieser Art von Technologie aufrechterhalten? Die Transparenzvorschriften werden immer strenger. In den meisten Fällen können sie diese Daten jedoch sammeln, speichern und nutzen, ohne den Kunden um Erlaubnis zu fragen.

IoT-Sensoren und -Geräte

Internet of Things (IoT)-Sensoren und Edge-Computing-Systeme sammeln große Mengen an Echtzeitdaten und verarbeiten sie in der Nähe, um größere, schnellere Rechenaufgaben zu erledigen. Software für künstliche Intelligenz nutzt normalerweise die Datenbank des IoT-Systems und sammelt relevante Daten durch Methoden wie Datenlernen, Datenaufnahme, sichere IoT-Protokolle und Gateways sowie APIs zur Möglichkeit, verschiedene Daten für die Analyse und Schulung künstlicher Intelligenz einfach zu sammeln und zu integrieren. Mit den richtigen APIs und der richtigen Einrichtung können Benutzer Daten aus CRMs, Datenbanken, Data Warehouses sowie cloudbasierten und lokalen Systemen sammeln waren die Digitalisierung. Informationen über börsennotierte Unternehmen, aktuelle und historische Ereignisse, Straf- und Einwanderungsregister sowie andere öffentliche Informationen können ohne vorherige Genehmigung gesammelt werden Methode für KI-Anbieter, Daten von Benutzern zu sammeln

Benutzer können Fragen dazu beantworten, woran sie am meisten interessiert sind, wofür sie Hilfe benötigen, wie ihre jüngsten Erfahrungen mit einem Produkt oder einer Dienstleistung waren oder welche anderen Fragen sie stellen können KI liefert eine bessere Vorstellung davon, wie die Interaktionen mit dieser Person in Zukunft personalisiert werden können. Nach dem Umschreiben: Benutzer können Fragen dazu beantworten, was sie am meisten interessiert, wozu sie Hilfe benötigen, wie ihre jüngsten Erfahrungen mit dem Produkt oder der Dienstleistung waren oder andere Fragen. Diese Fragen können der KI helfen, in Zukunft besser zu verstehen, wie Interaktionen mit Benutzern personalisiert werden können

Lösungen für KI- und Datenschutzprobleme

Mit einigen Best Practices, Tools und anderen Ressourcen können Unternehmen KI effektiv zur Lösung von Lösungen einsetzen, ohne die Privatsphäre der Benutzer zu beeinträchtigen. Um Ihre sensibelsten Daten in allen Phasen der KI-Nutzung zu schützen, befolgen Sie diese Tipps:

Erstellen Sie eine geeignete Nutzungsrichtlinie für KI: Interne Benutzer sollten wissen, welche Daten sie verwenden können und wann sie KI-Tools verwenden, wie und wann diese Daten verwendet werden ist besonders wichtig für Unternehmen, die mit sensiblen Kundendaten umgehen.

In Data Governance und Sicherheitstools investieren: Zu den besten Lösungen zum Schutz von KI-Tools und anderen Angriffsflächen gehören Extended Detection and Response (XDR), Data Loss Prevention sowie Threat Intelligence- und Überwachungssoftware. Darüber hinaus gibt es eine Reihe von Data-Governance-spezifischen Tools, die dabei helfen können, Daten zu schützen und sicherzustellen, dass alle Daten in Übereinstimmung mit den einschlägigen Vorschriften verwendet werden.

Lesen Sie das Kleingedruckte: KI-Anbieter stellen in der Regel eine Art Dokumentation zur Verfügung, die die Funktionsweise ihrer Produkte und die Grundlagen der Schulung erläutert. Lesen Sie diese Dokumente sorgfältig durch, um nach Warnsignalen zu suchen. Wenn Sie sich bei irgendetwas nicht sicher sind oder etwas in den Versicherungsdokumenten unklar ist, wenden Sie sich zur Klärung an den Vertreter des Unternehmens.

Nur nicht sensible Daten verwenden: Als allgemeine Regel gilt: Geben Sie die sensibelsten Daten Ihres Unternehmens oder Ihrer Kunden nicht in ein KI-Tool ein, auch wenn es sich um eine benutzerdefinierte oder fein abgestimmte Lösung handelt, die sich vertraulich anfühlt. Wenn Sie einen bestimmten Anwendungsfall mit sensiblen Daten verfolgen möchten, prüfen Sie, ob es eine Möglichkeit gibt, dies sicher mithilfe digitaler Zwillinge, Datenanonymisierung oder synthetischer Daten zu tun.

Zusammenfassung

    Tools für künstliche Intelligenz bieten Unternehmen und alltäglichen Verbrauchern viele neue Annehmlichkeiten, darunter Aufgabenautomatisierung, geführte Fragen und Antworten sowie Produktdesign und -programmierung. Obwohl diese Tools unser Leben vereinfachen können, besteht jedoch auch das Risiko, dass sie in die Privatsphäre eindringen, was den Ruf der Anbieter und das Vertrauen der Verbraucher schädigen kann und gleichzeitig eine Bedrohung für die Cybersicherheit und die Einhaltung gesetzlicher Vorschriften darstellt
  • Der verantwortungsvolle Einsatz von KI zum Schutz der Privatsphäre der Benutzer erfordert zusätzlichen Aufwand, aber es lohnt sich, wenn man bedenkt, wie sich Datenschutzverletzungen auf das öffentliche Image eines Unternehmens auswirken können. Vor allem mit zunehmender Reife dieser Technologie und zunehmender Verbreitung in unserem täglichen Leben, nach der Verabschiedung von KI-Gesetzen und der Entwicklung spezifischerer KI, die mit der Unternehmenskultur und den Erwartungen an die Privatsphäre der Kunden im Einklang steht, wird der Einsatz von Best Practices von entscheidender Bedeutung sein.

Das obige ist der detaillierte Inhalt vonWie schützt man die Privatsphäre künstlicher Intelligenz?. 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

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