Inhaltsverzeichnis
1. Große Modelle stärken digitale Menschen
2. Machen Sie digitale Menschen mehr zu „Menschen“
3. Fazit
Heim Technologie-Peripheriegeräte KI Sind digitale Menschen nach dem Segen großer Modelle „menschlicher'?

Sind digitale Menschen nach dem Segen großer Modelle „menschlicher'?

Apr 12, 2024 pm 07:04 PM
人工智能 数字人

Anker der virtuellen künstlichen Gebärdensprache der Olympischen Winterspiele in Peking, digitale menschliche Zündung der Asienspiele in Hangzhou, digitaler Reporter der Nachrichtenagentur Xinhua, digitaler Astronaut Xiaowei ... Da immer mehr digitale Menschen im Leben der Menschen auftauchen, ist auch die gesamte digitale menschliche Industrie betroffen Entwicklung in Richtung diversifizierter und umfangreicher Anwendungen, schnelle Expansion in verschiedene Branchen und Szenarien.

Sind digitale Menschen nach dem Segen großer Modelle „menschlicher?

Für die C-Seite helfen digitale Menschen den Benutzern bei der Erstellung von Inhalten und helfen bei der Arbeit, wie zum Beispiel: Digitale Menschen üben gesprochene Sprache, spielen Spiele mit digitalen Menschen usw.; für die B-Seite sind digitale Menschen die „Werkzeugleute“ des Unternehmens und werden in den Bereichen Finanzen, Film und Fernsehen, E-Commerce, Live-Übertragung und anderen Branchen eingesetzt, um die Produktions- und Betriebseffizienz der Branche zu verbessern.

Digital People ist ein gutes Geschäft, aber seine groß angelegte Umsetzung stößt immer noch auf Schwierigkeiten in Bezug auf Talent, Kosten, Szenarien, Technologie usw. Der kritischste davon ist der technische Engpass. Es ist ein großes Problem, digitale Menschen dazu zu bringen, die Markteinschätzung „eine gute Haut für nichts zu haben“ loszuwerden.

Mit dem Aufkommen großer Modelle scheint die Entwicklung digitaler Menschen jedoch neue Möglichkeiten zu eröffnen.

1. Große Modelle stärken digitale Menschen

Für die Branche sind digitale Menschen selbst nichts Neues. Lange Zeit lagen die Produktionskosten nicht unter denen für die Produktion eines Films auf professionellem Niveau, um eine möglichst originalgetreue Darstellung im Hinblick auf das digitale menschliche Erscheinungsbild anzustreben.

Ein von UBS veröffentlichter digitaler Forschungsbericht wies darauf hin, dass die durchschnittlichen Vorabinvestitionskosten für fortgeschrittene virtuelle Charaktere 30 Millionen Yuan betragen und später ein echtes Team für die Aufnahme, Synchronisierung und Bearbeitung erforderlich ist. Am Beispiel der virtuellen Girlgroup A-SOUL von Lehua Entertainment beliefen sich die Produktionskosten einer Single auf 2 Millionen Yuan und die Kosten eines Offline-Konzerts auf 20 Millionen Yuan.

Dieses hohe Kostenproblem löst jedoch nicht das Problem digitaler menschlicher Interaktionseffekte. Aufgrund seiner mangelnden Intelligenz ähnelt es eher einer seelenlosen digitalen Ledertasche als einem digitalen Menschen.

Hohe Kosten gepaart mit schlechten Interaktionseffekten haben den Einsatz digitaler Menschen auf experimentelle Projekte bei Herstellern oder großen Unternehmenskunden beschränkt.

Da daher generative große Modelle mit Lernfähigkeiten das Paradigma der Inhaltsproduktion anführen, sind billige digitale Menschen, die auf ein breiteres Spektrum kleiner und mittlerer Unternehmensbenutzer abzielen und der Implementierung in großem Maßstab Vorrang einräumen, zu einer praktikablen Lösung geworden.

Laut einem Forscher für künstliche Intelligenz spiegelt sich die Umgestaltung und Stärkung digitaler Menschen durch große Modelle hauptsächlich in Kostensenkungen und Effizienzsteigerungen wider.

Aus technischer Sicht ist der Aufbau eines digitalen Menschen hauptsächlich in Modellierung, Steuerung und Rendering unterteilt. Herkömmliche digitale Menschen verlassen sich hauptsächlich auf Computergrafiktechnologie + Bewegungserfassung realer Personen, was die Erfassung einer großen Menge realer Daten und eine detaillierte Modellierung erfordert, was zeitaufwändig, wenig effizient und teuer ist.

Mit der Unterstützung großer Modelle, durch KI-Algorithmen und basierend auf Deep-Learning-Modellen, Aktionssimulation, Emotionssimulation und anderen Technologien sind jetzt nur noch wenige Minuten realer Videos und mehrere Stunden Training mit großen Modellen erforderlich Durch die Generierung realistischer digitaler Menschen werden die Produktionskosten erheblich gesenkt.

Während die Kosten für digitale Menschen sinken, wird auch die Effizienz erheblich verbessert.

Vor dem Aufkommen großer Modelle hatten digitale Menschen kleine Unterschiede im Aussehen und konnten Fragen nur „skriptgesteuert“ beantworten, basierend auf vereinheitlichten Eingabeskripten.

Mit der Ermächtigung großer Modelle haben digitale Menschen nicht nur eine „Seele“, sondern können nicht nur ihr Aussehen und ihre Funktionen anpassen, sondern auch ihre Intelligenz und Interaktivität erheblich verbessern. Beispielsweise können digitale Personen in einigen Live-Übertragungsszenarien bereits grundlegende Interaktionen mit dem Publikum durchführen.

Zum Beispiel kann der von Baidu Smart Cloud veröffentlichte digitale Mensch Xilin mit Unterstützung großer Modelle den Bau eines Live-Übertragungsraums in 15 Minuten schnell abschließen, automatisch Reden generieren, die zu Produktmerkmalen passen, und intelligente interaktive Fragen und Antworten ermöglichen.

Im Live-Übertragungsraum einer bestimmten Catering-Marke generieren die digitalen menschlichen Moderatoren von Xilin automatisch Live-Übertragungs-Sprachfähigkeiten, einschließlich Eröffnungs-Eisbrecher, Wohlfahrtsübertragungen, Aufwärmreden, Fähigkeiten zum Auffordern von Bestellungen usw. Bei dieser Live-Übertragung zwischen realen Menschen und digitalen Menschen von Xi Ling bemerkten die Benutzer überhaupt nichts.

Was noch überraschender ist, ist, dass digitale Moderatoren bei einem echten 6-Stunden-Live-Übertragungsvergleich 85 % des GMV echter Moderatoren zu nur 15 % der Kosten echter Moderatoren erzielen können.

Neben dem Live-Streaming von Waren kann Baidu Intelligent Cloud Xiling als erste digitale Menschenplattform in China, die große Modelle vollständig rekonstruiert, Unternehmen auch 2D-echte Menschen, 3D-realistische und 3D-hyperrealistische Porträts zur Verfügung stellen und so die Videoproduktion ermöglichen , digitale Mitarbeiter, digitaler menschlicher Sprecher und andere Anwendungen.

Auf der XiLing-Plattform sind beispielsweise nur 5 Minuten Live-Video erforderlich, um Porträts in einer halben Stunde zu trainieren, 100 Sätze aufzuzeichnen und 24 Stunden am Tag eine exklusive Soundbibliothek zu erstellen 30 % der Vergangenheit und die Aufnahmeeffizienz wird um das 20-fache verbessert.

Es ist nicht schwer festzustellen, dass digitale Menschen, die von großen Modellen umgestaltet und gestärkt wurden, Probleme wie hohe Preise und schlechte Interaktivität bis zu einem gewissen Grad beseitigt haben und zunehmend in Kurzvideos und Live-Übertragungsräumen auftauchen.

Gleichzeitig beginnen digitale Menschen, sich mehr „Identitäten“ zuzuwenden – Finanzplaner von Banken, Anwälte, Lehrer, verstorbene Prominente … Digitale Menschen werden zu dem, was sie sein wollen, und auch dies ist ein zunehmend überfüllter Weg . Brachte neue Möglichkeiten.

2. Machen Sie digitale Menschen mehr zu „Menschen“

Das Aufkommen großer Modelle hat digitale Menschen „wiedergeboren“ gemacht und ist heute zu einem der angesagtesten unternehmerischen Wege geworden.

Es gibt derzeit zwei Hauptkategorien von Herstellern digitaler Menschen auf dem Markt: Die eine sind Technologiegiganten, vertreten durch Baidu, Tencent, Huawei usw., die digitale Menschenprodukte basierend auf ihren eigenen Vorteilen in großen Modellen entwickeln und auf den Markt bringen; die andere ist Silizium -basierte kleine und mittlere Hersteller, vertreten durch Smart, Mobvoi und Xiangxin Technology.

Viele Investoren im Bereich der künstlichen Intelligenz sagten, dass sich AIGC (generative künstliche Intelligenz) noch in einem frühen Stadium befinde und nicht viele zur Erzielung von Gewinnen eingesetzt werden könnten. Dies sei einer der wenigen profitablen Kommerzialisierungswege.

Aber mit dem Zustrom einer großen Zahl von Unternehmern ist der Branchenwettbewerb hart und homogen geworden, und die Strecke ist nach und nach überfüllt und verwickelt geworden.

Eine Manifestation der Involution ist, dass die Preise immer tiefer fallen. Derzeit ist der Preis für die meisten digitalen 2D-Modelle auf das Niveau von tausend Yuan gesunken, und einige kosten sogar nur ein paar hundert Yuan.

Der digitale Human-Marketing-Service der 360 Group zeigt auch, dass er bei Kunden über den unterstützenden SaaS-Service der intelligenten Marketing-Cloud-Plattform beworben wird. Gemäß dem monatlichen Zahlungsstandard der Mitgliedsbenutzer ist der Preis für einen digitalen Menschen so niedrig wie Dutzende Yuan und so hoch wie ein oder mehr, etwa zweihundert Yuan.

Mit dem Zustrom einer großen Zahl kostengünstiger digitaler Menschen auf den Markt werden Hunderte von digitalen Klonen auf Yuan-Ebene schnell zu einem äußerst profitablen „Vermögensbuch“ hochgejubelt.

Jede späte Nacht, wenn Mainstream-Plattformen geöffnet sind, bleiben viele digitale Menschen im Live-Übertragungsraum. In der Folge kamen nach und nach Zweifel an digitalen Menschen auf, etwa weil die Effekte zu falsch seien, der Markt chaotisch sei usw., was zu einer schlechten Benutzererfahrung führe.

Einige Leute in der Branche glauben, dass einige Unternehmer aufgrund des Zustroms von immer mehr Spielern über begrenzte technische Fähigkeiten verfügen und die Qualität der von ihnen hergestellten digitalen menschlichen Produkte schwankt, was leicht dazu führen kann, dass schlechte Münzen gute Münzen verdrängen.

Einerseits werden digitale Menschen meist in einfacheren Umgebungen eingesetzt, um grundlegendere Probleme zu lösen. Beim Szenenwechsel oder bei mehreren Dialogrunden kann es sein, dass sie nicht die richtigen Fragen beantworten oder in eine Endlosschleife geraten, was das Benutzererlebnis einschränkt .

Andererseits unterscheidet sich das interaktive Erlebnis digitaler Menschen unter großen Vorbildern immer deutlich von dem realer Menschen. Beispielsweise weisen die von Sora generierten Inhalte Probleme wie die Missachtung physikalischer Prinzipien und das Fehlen menschlicher Finger auf wurde vielfach kritisiert, was den psychologischen „Uncanny-Valley-Effekt“ weiter auslösen könnte.

In diesem Zusammenhang sind einige Experten der Ansicht, dass es notwendig ist, die technologischen Innovationsfähigkeiten und das Benutzererlebnis weiter zu verbessern und gleichzeitig den externen anthropomorphen Effekt digitaler Menschen sicherzustellen und gleichzeitig das Benutzerinteraktionserlebnis zu optimieren, wobei der Schwerpunkt auf Echtzeit-Rendering und optischer Erfassung liegt. dreidimensionale Rekonstruktion und intelligente Mensch-Computer-Interaktion. Erforschung und Anwendung neuer Technologien wie Verarbeitung natürlicher Sprache, Spracherkennung, Computer Vision, generative KI und andere Technologien.

„Das aktuelle technische Ziel, das die Branche gemeinsam durchbricht, besteht darin, digitale Menschen dazu zu bringen, mehr wie ein Mensch zu werden und wie ein Mensch zu denken“, sagte ein Brancheninsider und beschleunigte die technologische Zusammenarbeit zwischen Unternehmen, um das Problem zu lösen Der nächste Schwerpunkt liegt auf technischen Problemen der emotionalen Wahrnehmung, des semantischen Verständnisses usw.

Diese Reihe von Herausforderungen weist alle auf die technische Seite hin.

Der „China Virtual Digital Human Influence Index Report“ 2024 wies darauf hin, dass die „Patent Search“-Daten des staatlichen Amtes für geistiges Eigentum Ende Februar 2024 zeigten, dass die Zahl der Patentanmeldungen im Bereich Digital Human im Jahr 2023 gestiegen sei lag bei 544, was die starke Dynamik und tiefgreifende Innovation der Branche in der Kerntechnologieforschung und -entwicklung widerspiegelt.

Gemessen an den Institutionen, die im Jahr 2023 digitale, menschenbezogene Patente beantragen, sind dies die alten Internetgiganten, vertreten durch Baidu und Tencent, führende Kommunikations- und Finanzinstitute, vertreten durch China Mobile and Industrial and Commercial Bank of China, Xiaobing Company, Shiyou Technology, Leading Die von Black Mirror Technology vertretenen digitalen Unternehmen haben auf der Technologieseite eine Multi-Mächte-Struktur gebildet.

Obwohl die führenden Hersteller der Branche Vorreitervorteile in der KI-Technologie haben, gibt es im Prozess der schnellen Branchenentwicklung kein absolutes Hindernis für die Technologie selbst. Im Wesentlichen stehen Menschen hinter der Technologie. Für alle Hersteller digitaler Menschen bietet AIGC zwar Chancen, wird aber auch zum Ausgangspunkt für die Bewältigung von Herausforderungen.

3. Fazit

Digitale Menschen stehen im Vordergrund und ziehen einen großen Zustrom von Unternehmern an, die ein Stück vom Kuchen wollen. Es ist jedoch unbestreitbar, dass sich der digitale Mensch als junge Technologie noch in einem frühen Stadium befindet und der Markt noch bearbeitet wird.

Für Digital-Human-Unternehmen, die sich ebenfalls im selben roten Ozean befinden, müssen sie möglicherweise nicht darüber nachdenken, wie sie „niedrige Preise erzielen“ können, sondern wie sie digitale Menschen durch kontinuierliche Weiterentwicklung und Verbesserung der Technologie „menschenähnlicher“ machen können das Gesamtniveau der Branche. Lassen Sie digitale Menschen „leben“ und schaffen Sie mehr Wert.

Das obige ist der detaillierte Inhalt vonSind digitale Menschen nach dem Segen großer Modelle „menschlicher'?. 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
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

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