


Microsoft beendet das industrielle Metaverse-Projekt Project Airsim und verlagert die Strategie der künstlichen Intelligenz auf OpenAI
Nachrichten vom 25. Oktober zufolge zitierten ausländische Medien mit der Angelegenheit vertraute Personen mit den Worten, dass Mitglieder des Microsoft-Teams, das für die Entwicklung des „Industrial Metaverse“-Projekts Airsim verantwortlich ist, am Montag eine „Team-Update“-Mitteilung erhalten und darüber informiert wurden Das gesamte Team des Unternehmens wird entlassen und das Projekt beendet. Microsoft bestätigte außerdem, dass das Projekt am 15. Dezember dieses Jahres beendet wird.
Microsoft sagte in einer Erklärung: „Wir sind stolz auf die Wirkung, die dieses Inkubationsprojekt auf die Kunden gebracht hat, und wir werden weiterhin in Azure investieren, um eine Computerplattform für virtuelle Welten in der Industrie und verschiedene Projekte im Bereich der künstlichen Intelligenz innerhalb des Unternehmens bereitzustellen.“ „Wir arbeiten eng mit Kunden zusammen, um diesen Übergang umzusetzen.“
Dies geschieht, nachdem Microsoft am 19. Oktober offiziell die Unterstützung von Project Bonsai eingestellt hat. Project Bonsai ist eine Entwicklungsplattform für künstliche Intelligenz zum Aufbau automatisierter Systeme für den industriellen Einsatz. Beide Projekte gelten als Teil von Microsofts „Industrial Metaverse“.
Informierte Quellen sagten, dass Microsoft im Jahr 2018 das Startup für künstliche Intelligenz Bonsai übernommen hat, was unternehmensintern als Reaktion von Microsoft auf die Übernahme von Deepmind durch Google angesehen wurde. Project Airsim wurde ursprünglich 2017 als Open-Source-Projekt gestartet und hat seitdem seinen Fokus auf Produkte für Industriekunden verlagert.
Beide Projekte, Project Airsim und Project Bonsai, wurden von Microsoft Chief Technology Officer Kevin Scott gefördert. Er hat eine Partnerschaft zwischen Microsoft und OpenAI vermittelt. Ziel der Inkubation dieser beiden Projekte ist es, Industriekunden die Nutzung neuer Produkte aus dem Cloud-Geschäft von Microsoft zu ermöglichen.
Nach Angaben von Personen, die mit dem Projekt vertraut sind, erwähnte Nadella in Mitarbeiterbesprechungen und öffentlichen Interviews das Projekt Bonsai als Teil der Zukunft der künstlichen Intelligenz von Microsoft, genauso wie er heute über OpenAI spricht.
Obwohl Microsoft diese Projekte zunächst als Mittel sieht, Anwendungsentwickler im industriellen Bereich anzuziehen, um Microsofts Azure-Cloud dabei zu helfen, mit Amazon Web Services zu konkurrieren, sagte die Person. Doch als die Partnerschaft von Microsoft mit OpenAI wuchs, verlor Scott immer weniger Interesse an diesen Projekten.
Anfang 2023, etwa zu der Zeit, als Microsoft seine erweiterte Partnerschaft mit OpenAI ankündigte, begann das Unternehmen auch, seine Vision des industriellen Metaversums zu fördern. Doch die guten Zeiten für verwandte Projekte hielten nicht lange an. In diesem Frühjahr beendete Microsoft das Projekt Bonsai und entließ das 100-köpfige Team, das für das Projekt verantwortlich war. Dies geschah nur wenige Monate, nachdem Microsoft das Team gegründet hatte.
Diese mit der Angelegenheit vertraute Person sagte, dass der Grund, warum Microsoft damals Project Airsim behielt, darin bestand, dass man glaubte, dass dieses Inkubationsprodukt eine große Anzahl potenzieller Kunden habe.
Gurdeep Pall, ehemaliger Vizepräsident der Microsoft Corporation, war als Direktor für Produktinkubation und kommerzielle künstliche Intelligenz verantwortlich für Project Bonsai und zuletzt für Project Airsim. Letzten Monat verließ er Microsoft nach 33 Jahren.
Die Beendigung von Project Airsim ist ein weiteres Beispiel dafür, dass Microsoft Ressourcen auf OpenAI verlagert. Letzten Monat wurde berichtet, dass Microsoft experimentelle Produkte wie Surface-Kopfhörer aufgibt, um sich auf Investitionen in künstliche Intelligenz zu konzentrieren.
Das obige ist der detaillierte Inhalt vonMicrosoft beendet das industrielle Metaverse-Projekt Project Airsim und verlagert die Strategie der künstlichen Intelligenz auf OpenAI. 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

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

Wenn die Antwort des KI-Modells überhaupt unverständlich ist, würden Sie es wagen, sie zu verwenden? Da maschinelle Lernsysteme in immer wichtigeren Bereichen eingesetzt werden, wird es immer wichtiger zu zeigen, warum wir ihren Ergebnissen vertrauen können und wann wir ihnen nicht vertrauen sollten. Eine Möglichkeit, Vertrauen in die Ausgabe eines komplexen Systems zu gewinnen, besteht darin, vom System zu verlangen, dass es eine Interpretation seiner Ausgabe erstellt, die für einen Menschen oder ein anderes vertrauenswürdiges System lesbar ist, d. h. so vollständig verständlich, dass mögliche Fehler erkannt werden können gefunden. Um beispielsweise Vertrauen in das Justizsystem aufzubauen, verlangen wir von den Gerichten, dass sie klare und lesbare schriftliche Stellungnahmen abgeben, die ihre Entscheidungen erläutern und stützen. Für große Sprachmodelle können wir auch einen ähnlichen Ansatz verfolgen. Stellen Sie bei diesem Ansatz jedoch sicher, dass das Sprachmodell generiert wird

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 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

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
