Inhaltsverzeichnis
Was ist künstliche Intelligenz?
Was ist Automatisierung?
Wie passt künstliche Intelligenz in die Automatisierung?
Rick Wagner, Senior Director für Produktmanagement bei SailPoint, sagte: „Künstliche Intelligenz kann Unternehmen dabei helfen, Zugriffsmodelle (welche Identität auf was zugreifen kann) aufzubauen, zu verwalten und aufrechtzuerhalten, Lebenszyklusprozesse zu automatisieren und den Bedarf an traditioneller Authentifizierung zu reduzieren/eliminieren.“ „
Pahk sagte: „Bei Anwendungen für künstliche Intelligenz wie Siri und Alexa handelt es sich um eine Maschine, die etwas Ähnliches wie das, was wir den menschlichen Geist nennen, demonstriert und übt. Diese Systeme haben keinen Bezug zur Automatisierung
Drei Viertel der Befragten aller Alters-, Geschlechter-, Rassen- und Einkommensgruppen gaben an, dass es keine gute Idee sei, diese Jobs durch KI ersetzen zu lassen. Ein Viertel hielt es für definitiv oder wahrscheinlich eine gute Idee.
Heim Technologie-Peripheriegeräte KI Was sind die Zusammenhänge und Unterschiede zwischen künstlicher Intelligenz und Automatisierung?

Was sind die Zusammenhänge und Unterschiede zwischen künstlicher Intelligenz und Automatisierung?

Mar 07, 2024 am 08:16 AM
人工智能

Was sind die Zusammenhänge und Unterschiede zwischen künstlicher Intelligenz und Automatisierung?

Künstliche Intelligenz kann die Automatisierung verbessern, indem sie Prozesse optimiert, granulare Datenanalysen durchführt, die Datengenauigkeit erhöht und das Kundenerlebnis verbessert.

Künstliche Intelligenz (KI) und Automatisierung haben zwei Aspekte. Sie haben das Potenzial, der Menschheit enorme Vorteile zu bringen, aber sie haben auch das Potenzial, zu zukünftigen Dystopien zu führen. In dieser möglichen Zukunft könnten Maschinen und Roboter viele Rollen und Verantwortlichkeiten des Menschen ersetzen.

Diese Idee führte jedoch nicht zu den erwarteten Ergebnissen. Einerseits wird in der Science-Fiction häufig die Entwicklung künstlicher Intelligenz und Automatisierungstechnologien überzeichnet. Die Vision, dass Menschen in Raumschiffen von einem Planeten zum anderen reisen, liegt noch in weiter Ferne. Bei der Raumfahrt gehen wir noch immer nur kleine Schritte.

Daher bewegt sich die künstliche Intelligenz schrittweise auf dieses Ziel zu. Die Automatisierung hängt eng damit zusammen. Wir werden uns ihre Definitionen, Zusammenhänge und Unterschiede genauer ansehen.

Was ist künstliche Intelligenz?

Nach der Definition der Encyclopedia Britannica wird künstliche Intelligenz als die Fähigkeit eines digitalen Computers oder computergesteuerten Roboters beschrieben, ähnliche Aufgaben wie intelligente Lebewesen auszuführen. Der Begriff wird häufig für die Entwicklung von Systemen mit ähnlichen Merkmalen wie die menschliche Intelligenz verwendet, beispielsweise die Fähigkeit zu schlussfolgern, Bedeutungen zu entdecken, zu verallgemeinern und aus früheren Erfahrungen zu lernen.

Obwohl die KI enorme Fortschritte bei der Verarbeitungsgeschwindigkeit und dem Gedächtnis gemacht hat, kann ihre Flexibilität in einem breiteren Spektrum von Aktivitäten nicht mit der des Menschen mithalten. Wenn man die KI jedoch auf bestimmte Bereiche eingrenzt, hat sie in Bereichen wie Suchmaschinen, Handschrifterkennung, E-Commerce, Computer Vision, Cybersicherheit und sogar einigen fortgeschrittenen medizinischen Diagnostika erhebliche Fortschritte gemacht.

Was ist Automatisierung?

Die Definition von Automatisierung in der Encyclopedia Britannica lautet: die Anwendung von Maschinen auf Aufgaben, die ursprünglich von Menschen ausgeführt wurden, oder zunehmend auf Aufgaben, die sonst unmöglich wären. Während der Begriff Mechanisierung oft verwendet wird, um zu verstehen, dass Maschinen einfach menschliche Arbeitskraft ersetzen, bedeutet Automatisierung normalerweise, dass Maschinen in ein autonomes System integriert werden. Die Automatisierung hat die Bereiche, in denen sie eingeführt wurde, revolutioniert und fast alle Aspekte des modernen Lebens sind davon betroffen.

Mit dem weit verbreiteten Einsatz von Automatisierungsgeräten und Steuerungssystemen in mechanisierten Produktionslinien hat die Automobilindustrie einen großen Technologiesprung geschafft. Diese Geräte verbessern nicht nur die Produktionseffizienz, sondern haben auch das Potenzial, herkömmliche manuelle Montagelinien zu ersetzen. Die Automatisierungstechnik ersetzt im Wesentlichen menschliche Arbeit durch den Einsatz von Maschinen, einschließlich mechanischer, elektrischer und computergesteuerter Steuerungen. Voreingestellte Anweisungen werden verwendet, um die Ausführung bestimmter Aufgaben ohne menschliches Eingreifen zu steuern.

Automatisierungstechnologie ist in jeden Aspekt unseres täglichen Lebens eingedrungen. Ob Verkehrsampeln, Lagerverwaltung (einschließlich Kommissionierung, Transport und Inventur) oder autonomes Fahren von Autos und Flugzeugen, sie sind zu einem unverzichtbaren und wichtigen Bestandteil des Lebens geworden.

Wie passt künstliche Intelligenz in die Automatisierung?

Edwin Pahk, Vizepräsident für Geschäftswachstum bei Aquant, glaubt, dass künstliche Intelligenz die natürlichste Entwicklung der traditionellen Automatisierung ist, die die Menschen in den letzten Jahrzehnten gesehen haben. Automatisierung, fügte er hinzu, liegt vor, wenn eine Maschine eine vollständig von einem Menschen programmierte Folge von Anweisungen ausführt, um eine Aufgabe schneller und effizienter zu erledigen. Wenn eine Aktion in der Anleitung nicht explizit beschrieben ist, kann die Maschine sie nicht ausführen. Mit künstlicher Intelligenz können Maschinen jedoch die vom Menschen vorgegebenen allgemeinen Regeln übernehmen und ihren eigenen Weg zum Erfolg bestimmen.

Pahk sagte: „Automatisierung kann in Verbindung mit künstlicher Intelligenz wie maschinellem Lernen und Deep Learning verwendet werden, um schnellere und genauere Ergebnisse zu erzielen.“

Elaine Lee, Chefdatenwissenschaftlerin bei Mimecast, sagte sogar, dass künstliche Intelligenz eine Technologie sei Das deckt alle Aspekte der Automatisierung von Aufgaben ab, vom maschinellen Lernen bis zum Deep Learning.

Sie sagte: „Die Anwendungsintegration dieser KI-gestützten Tools ermöglicht es Unternehmen, Arbeitsabläufe zu rationalisieren, menschliche Fehler zu reduzieren und die betriebliche Effizienz zu verbessern. Durch die Nachahmung der menschlichen Intuition trägt KI dazu bei, Cyber-Bedrohungen effektiver zu verhindern und abzuschwächen und gleichzeitig zu entlasten Belastung für unterbesetzte Cybersicherheitsteams.“ KI kann die Automatisierung verbessern, indem sie schnellere, personalisiertere Prozesse generiert, die Datennutzung und -genauigkeit verbessert und das Kundenerlebnis insgesamt verbessert.

Rick Wagner, Senior Director für Produktmanagement bei SailPoint, sagte: „Künstliche Intelligenz kann Unternehmen dabei helfen, Zugriffsmodelle (welche Identität auf was zugreifen kann) aufzubauen, zu verwalten und aufrechtzuerhalten, Lebenszyklusprozesse zu automatisieren und den Bedarf an traditioneller Authentifizierung zu reduzieren/eliminieren.“ „

Wagner listete mehrere Möglichkeiten auf, wie künstliche Intelligenz zur Verbesserung der Automatisierung eingesetzt werden kann. Lernen ist ein wichtiger Aspekt. Mithilfe von KI können automatisierte Systeme Folgendes lernen:

• Onboarding-Muster für Anwendungen.

• Gemeinsamkeiten zwischen Identitäten und Anwendungen/Berechtigungen zur Automatisierung der Erstellung geschäftlicher und technischer Rollen.

• Reaktion auf Stakeholder-Entscheidungen wie die Genehmigung von Zugriffsanfragen, um Richtlinienänderungen zur Verbesserung der Effizienz zu empfehlen.

Verwenden Sie den Kontomodus, um Konfigurationsstrategien vorzuschlagen.

Während die Automatisierung vor der Entwicklung von KI-Tools, insbesondere im Computerbereich, existierte, werden beide heute oft zusammen verwendet, um den Schutz in komplexen Bedrohungsumgebungen zu maximieren.

Es ist wichtig, sich daran zu erinnern, dass Automatisierungssoftware darauf ausgelegt ist, vorprogrammierten Regeln zu folgen und den Menschen von der Notwendigkeit zu befreien, routinemäßige, fehleranfällige Aufgaben zu erledigen. Im Gegenzug können sie sich auf andere, komplexere Aufgaben ihrer Rolle konzentrieren, die eine größere Liebe zum Detail erfordern und einen direkteren Einfluss auf die Sicherheitslage ihres Unternehmens haben.

Lee sagte: „KI kann automatisierte Aufgaben auf die nächste Stufe heben, indem sie für diese Aufgabe relevante Daten analysiert und praktisch in Echtzeit umsetzbare Erkenntnisse zu spezifischen Anomalien liefert. Im Kontext der kollaborativen Sicherheit kann KI eingesetzt werden.“ um Aufgaben zu automatisieren, Sprachhinweise zu analysieren, Bedrohungen in E-Mails zu kennzeichnen und Benutzer vor potenziellen Netzwerkverstößen zu warnen.“ Es gibt eine Vielzahl von KI-Anwendungen, die wenig mit Automatisierung zu tun haben.

Pahk sagte: „Bei Anwendungen für künstliche Intelligenz wie Siri und Alexa handelt es sich um eine Maschine, die etwas Ähnliches wie das, was wir den menschlichen Geist nennen, demonstriert und übt. Diese Systeme haben keinen Bezug zur Automatisierung

Andererseits gibt es viele davon.“ automatisierte Funktionen, die nichts mit KI zu tun haben und keinerlei KI-Eingabe erfordern. Beispielsweise gibt es viele Automatisierungsmuster, die nur auf sich wiederholende, geführte Aufgaben festgelegt sind. Nach der Ausführung eines Jobs hört das System auf zu denken.

Ein Beispiel für ein automatisiertes System, das keine künstliche Intelligenz nutzt, ist eine Ampel, die automatisiert ist, offensichtlich ohne Eingaben künstlicher Intelligenz.

Aber Wagner glaubt, dass sich diese Situation ändert. Mit zunehmender Reife der künstlichen Intelligenz und sinkenden Systempreisen dringt sie in verschiedene Bereiche vor, sogar in alltägliche Bereiche wie Ampeln. Erwarten Sie, dass KI-basierte Ampeln irgendwann in den nächsten Jahren weit verbreitet eingeführt werden. In den meisten Computerbeispielen ist künstliche Intelligenz eng mit der Automatisierung verbunden.

Wagner sagte: „Ein direkter Ansatz besteht darin, verschiedene Arten von Rollen und Zugriffsprofilen durch die Analyse von Identitäten, Konten und Berechtigungen zu empfehlen. Ein indirekter Ansatz besteht darin, die Antwortmuster von Zugriffsanfragen zu lernen, um Änderungen an Richtlinien zu empfehlen, die darauf hinweisen könnten.“ Genehmigungen erfolgen immer und können daher geändert werden, um den Zugriff zu automatisieren. Letztendlich machen Innovationen jedoch häufig bestimmte Arten von Arbeitsplätzen überflüssig und eröffnen gleichzeitig neue Perspektiven für Beschäftigungsmöglichkeiten.

Das Communication Research Center (CRC) der Boston University School of Communication hat in Zusammenarbeit mit dem Marktforschungsunternehmen Ipsos eine Medien- und Technologieumfrage zu den Bedrohungen durch künstliche Intelligenz durchgeführt. Die Teilnehmer wurden direkt zu ihrer Meinung dazu befragt, dass KI menschliche Arbeitsplätze wie Journalisten, psychologische Berater, Personalmanager usw. ersetzt.

Fakten zeigen, dass mehr junge Menschen als ältere Menschen und mehr Männer als Frauen (ca. 10 %) offen dafür sind, dass Maschinen mit künstlicher Intelligenz den Menschen in verschiedenen Berufen ersetzen. Wenn man darüber nachdenkt, dass KI alle aufgeführten Jobtypen ersetzen soll, sind die 18- bis 34-Jährigen mehr als 30 % eher bereit, KI zu akzeptieren, als die 55-Jährigen oder älter.

Drei Viertel der Befragten aller Alters-, Geschlechter-, Rassen- und Einkommensgruppen gaben an, dass es keine gute Idee sei, diese Jobs durch KI ersetzen zu lassen. Ein Viertel hielt es für definitiv oder wahrscheinlich eine gute Idee.

Das obige ist der detaillierte Inhalt vonWas sind die Zusammenhänge und Unterschiede zwischen künstlicher Intelligenz und Automatisierung?. 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
WWE 2K25: Wie man alles in Myrise freischaltet
4 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

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

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

GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams Jul 15, 2024 pm 12:21 PM

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

See all articles