Inhaltsverzeichnis
Chatbot Gold Rush
Schlankheit und Personalausstattung von Rechenzentren
Heim Technologie-Peripheriegeräte KI Chatbots werden Rechenzentren schlanker und effizienter machen

Chatbots werden Rechenzentren schlanker und effizienter machen

Dec 14, 2023 pm 10:01 PM
人工智能 数据中心 聊天机器人

Fortschritte in der Verarbeitung natürlicher Sprache (NLP) haben viele Möglichkeiten für den Einsatz von Chatbots in Rechenzentren eröffnet, einschließlich der Reduzierung der Betriebskosten von Rechenzentren und der Verbesserung der Talentbindung.

Chatbots werden Rechenzentren schlanker und effizienter machen

Risikokapitalgeber sind nicht die einzigen, die darauf vertrauen, dass generative künstliche Intelligenz (KI) das nächste große Ding in der Technologiebranche sein wird. Leiter von Rechenzentren sind außerdem davon überzeugt, dass Chatbots mehr als nur ein Hyper-Nischenbereich der generativen KI sind und den Betrieb schlanker machen und gleichzeitig Beschäftigungs- und Nachhaltigkeitskennzahlen erreichen können.

Seit der ersten Welle im Jahr 2016 haben Chatbots große Durchbrüche in Bezug auf Stabilität und Weiterentwicklung erzielt. Damals waren die Benutzeroberflächen von Chatbots frustrierend. Microsoft hat auf Twitter einen Chatbot namens Tay gestartet, der schnell Schlagzeilen machte. Innerhalb von 16 Stunden nach seiner Einführung veröffentlichte der Chatbot 95.000 Tweets, von denen ein erheblicher Teil Beleidigungen und unangemessene Informationen enthielt.

Heutige Chatbots können jedoch mehr als nur einen festen Kundenservice und voreingenommene Antworten bieten. Durch erhebliche Investitionen in generative künstliche Intelligenz und maschinelles Lernen können Chatbots mehr als nur menschliche Interaktionen und künstliche Reaktionen nachahmen. Beerud Sheth, Gründer und CEO von Gupshup, sagte, es gebe umfassendere Möglichkeiten für Rechenzentren. Das Unternehmen bietet einen Dienst an, der es Unternehmen ermöglicht, Chatbots für eine Vielzahl von Messaging-Anwendungen zu erstellen und bereitzustellen

Sie sagte: „Jetzt kann es sehr spezifische Fragen beantworten wie ‚Was ist mit meinem Server oder Dienst schiefgelaufen?‘ oder ‚Wann ist es schiefgegangen?‘ Bist du zurück?“ Der GPT-3-Chatbot verfügt über einige Sprachfunktionen, verfügt aber auch über genaue Informationen aus dem Rechenzentrum, um diese Fragen zu beantworten. „

Chatbot Gold Rush

Dank der Nutzung der Natural Language Processing (NLP)-Technologie können die meisten modernen Chatbots Benutzereingaben und -absichten abbilden, Informationen klassifizieren und eine angemessene und humane Antwort liefern Möglichkeiten für den Einsatz von Chatbots in Rechenzentren, insbesondere jetzt, da Chatbots KI-gesteuerte Mehrzwecksoftware sind, die es Maschinen ermöglicht, nicht nur zu reagieren, sondern auch zu verstehen

In einem neuen Marktforschungsbericht, der von GlobalmarketEstimates veröffentlicht wurde, ist der Chatbot-Markt Es wird erwartet, dass die Branche von 2023 bis 2028 mit einer durchschnittlichen jährlichen Wachstumsrate von 25,2 % wachsen und bis 2026 10,5 Milliarden US-Dollar erreichen wird. Bis 2024 soll die Branche einen Umsatz von 26,4 Milliarden US-Dollar erwirtschaften. Und die Erfolgsgeschichte von Chatbots in verschiedenen Branchen ist keine Prognose mehr , es ist Realität geworden

Sheth fügte hinzu, dass künstliche Intelligenz im Gespräch die Betriebskosten von Rechenzentren erheblich senken kann, weil Chatbots sich klar und präzise ausdrücken können,

Sheth sagte: „Wann immer es eine Krise gibt oder etwas passiert, brauchen Sie Man muss viele Dinge haben, wie zum Beispiel eine Fernbedienung, und man muss dafür sorgen, dass die Leute schnell reagieren und auf Abruf sind. Vieles davon kann meiner Meinung nach vollständig oder vollständig automatisiert und mit künstlicher Intelligenz skaliert werden. „

Rechenzentren müssen sich nicht einmal auf große Unternehmen wie Amazon, Google, Accenture oder OpenAI verlassen, um ihre eigenen Chatbots zu erstellen, wodurch die Abhängigkeit von spezialisierten Arbeitskräften weiter reduziert wird Chatbots können auch von Grund auf neu erstellt werden.

Darüber hinaus können Chatbots in Rechenzentren verwendet werden, um reale Szenarien zu simulieren, sodass Rechenzentrumsbetreiber potenzielle Probleme erkennen und proaktiv lösen können, bevor sie auftreten Generative künstliche Intelligenz in der Rechenzentrumsbranche, und es könnte in Zukunft mehr Forschung und Entwicklung geben

Sheth sagte: „KI-Modelle können diese Probleme sehr gut erkennen, sobald sie trainiert sind.“

Aber Chatbots sind nicht das Ende. Alles in allem für Rechenzentren, auch wenn Teams Chatbots eingeführt haben, um die Arbeit zu optimieren und den Zeit- und Arbeitsaufwand für die Einholung von Feedback zu verkürzen. Chatbots können Rechenzentren zwar effizienter helfen, aber sie sind einfach besser als Menschen bei der Synthese von Informationen Sheth sagte, dass die Technologie der künstlichen Intelligenz gleichzeitig unterschätzt und überschätzt werden könnte

Sie sagte: „Künstliche Intelligenz wird die Synthese menschlichen Wissens erheblich beschleunigen.“ Es lässt sich nicht leugnen, dass dies kommt, und es ist nützlich. „Aber sie glaubt, dass Anwendungen der künstlichen Intelligenz im Grunde genommen Wissenssynthesizer und keine Wissenserzeuger sind.

Investoren haben ihre Investitionen in Chatbots, virtuelle Assistenten und Sprachroboter erhöht, und bis 2022 werden diese Roboter in Bezug auf die Datenmenge in natürlicher Sprache leistungsfähiger sein Es wird erwartet, dass die weltweit generierten Daten bis 2025 180 ZB übersteigen werden, was eine Schlüsselkennzahl für das Verständnis der Kosten für den Betrieb eines modernen Cloud-Computing- oder Hyperscale-Rechenzentrums ist. Dies entspricht einem jährlichen Wachstum von 40 %. Rechenzentren benötigen mehr Personal, um technische Arbeiten zu bewältigen

Rechenzentren müssen mehr Menschen unterstützen, aber die Beschäftigungstrends zeigen einen Mangel an fähigen Arbeitskräften und keinen Überschuss

Schlankheit und Personalausstattung von Rechenzentren

Sheth weist auf Chatbot-Aussichten für Rechenzentrumsbetreiber hin, die KI-Funktionen nutzen, da die Branche weiterhin unter IT-Personalproblemen leidet.

Durch die Analyse der Mitarbeiterzufriedenheit sagte Sheth, dass Faktoren wie Abschluss, Leistung und Verhaltensmuster eine Rolle spielen Ein spezielles Chatbot-Rechenzentrum kann prädiktive Analysen nutzen, um potenzielle Risiken bei der Talentbindung zu identifizieren. Diese Informationen können genutzt werden, um gezielte Bindungsstrategien zu entwickeln, um sicherzustellen, dass Mitarbeiter engagiert, produktiv und motiviert sind.

Generative KI kann auch dabei helfen, die richtige Lösung für Mitarbeiter zu finden, indem sie ihre Fähigkeiten und Erfahrungen sowie die Anforderungen bestimmter Arbeitsrollen analysiert. Dies trägt dazu bei, sicherzustellen, dass die Mitarbeiter in Rollen eingesetzt werden, die ihren Stärken und Interessen entsprechen, wodurch die Arbeitszufriedenheit erhöht und die Fluktuation verringert wird.

In einer Rechenzentrumsumgebung sind Chatbots unverzichtbar. Laut einem Gartner-Bericht werden bis 2025 die Hälfte der Cloud-Computing-Rechenzentren fortschrittliche Roboter mit künstlicher Intelligenz und maschinellen Lernfähigkeiten einsetzen, was die betriebliche Effizienz um 30 % steigern wird

Das obige ist der detaillierte Inhalt vonChatbots werden Rechenzentren schlanker und effizienter machen. 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)
1 Monate vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Beste grafische Einstellungen
1 Monate vor By 尊渡假赌尊渡假赌尊渡假赌
Will R.E.P.O. Crossplay haben?
1 Monate 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

Samsung stellt die BM1743 SSD für Rechenzentren vor: ausgestattet mit v7 QLC V-NAND und unterstützt PCIe 5.0 Samsung stellt die BM1743 SSD für Rechenzentren vor: ausgestattet mit v7 QLC V-NAND und unterstützt PCIe 5.0 Jun 18, 2024 pm 04:15 PM

Laut Nachrichten dieser Website vom 18. Juni stellte Samsung Semiconductor kürzlich in seinem Technologieblog sein Solid-State-Laufwerk BM1743 der nächsten Generation für Rechenzentren vor, das mit dem neuesten QLC-Flash-Speicher (v7) ausgestattet ist. ▲Samsung QLC Solid-State-Laufwerk für Rechenzentren BM1743 Laut TrendForce im April hatten im Bereich der QLC-Solid-State-Laufwerke für Rechenzentren nur Samsung und Solidigm, eine Tochtergesellschaft von SK Hynix, die Unternehmenskundenüberprüfung bestanden diese Zeit. Im Vergleich zum v5QLCV-NAND der vorherigen Generation (Hinweis auf dieser Website: Samsung v6V-NAND verfügt nicht über QLC-Produkte) hat der Samsung v7QLCV-NAND-Flash-Speicher die Anzahl der Stapelschichten fast verdoppelt und auch die Speicherdichte wurde erheblich verbessert. Gleichzeitig ist die Glätte von v7QLCV-NAND gewährleistet

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

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

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

See all articles