Table des matières
Qu’est-ce que l’intelligence artificielle
Une brève histoire de l'intelligence artificielle
Types d'intelligence artificielle
Cas d'utilisation de l'intelligence artificielle
L'avenir de l'intelligence artificielle
Maison Périphériques technologiques IA Qu'est-ce que l'intelligence artificielle ? Voici un guide de l'intelligence artificielle

Qu'est-ce que l'intelligence artificielle ? Voici un guide de l'intelligence artificielle

Apr 08, 2023 pm 06:01 PM
人工智能 aiops

Qu'est-ce que l'intelligence artificielle ? Voici un guide de l'intelligence artificielle

À tous égards, l’intelligence artificielle (IA) est devenue une grosse affaire.

Selon Gartner, les clients mondiaux dépenseront 62,5 milliards de dollars en logiciels d'intelligence artificielle d'ici 2022. Le rapport note également que 48 % des DSI ont déjà déployé un logiciel d'intelligence artificielle ou envisagent de le déployer au cours des 12 prochains mois.

Tous ces investissements ont attiré un grand nombre de startups axées sur les produits d'intelligence artificielle. CBInsights rapporte que le financement de l’IA a atteint 15,1 milliards de dollars au cours du seul premier trimestre 2022. Au cours du trimestre précédent, les investisseurs ont investi 17,1 milliards de dollars dans les startups d’intelligence artificielle. Étant donné que les données sont le moteur de l’IA, il n’est pas surprenant que des domaines connexes tels que l’analyse des données, l’apprentissage automatique et la business intelligence connaissent tous une croissance rapide.

Mais qu’est-ce que l’intelligence artificielle exactement ? Pourquoi est-elle devenue un élément si important et lucratif de l’industrie technologique ?

Qu’est-ce que l’intelligence artificielle

À certains égards, l’intelligence artificielle est à l’opposé de l’intelligence naturelle ? Si les êtres vivants naissent avec une intelligence, alors on peut dire que les machines artificielles possèdent une intelligence artificielle. Ainsi, d’un certain point de vue, toute « machine pensante » possède une intelligence artificielle.

En fait, l'un des premiers pionniers de l'intelligence artificielle, John McCarthy, a défini l'intelligence artificielle comme « la science et l'ingénierie permettant de fabriquer des machines intelligentes ».

En pratique, cependant, les informaticiens utilisent le terme d'intelligence artificielle pour désigner la façon de penser des machines, que les humains ont poussée à un niveau très élevé.

Les ordinateurs sont très doués en informatique : ils prennent les entrées, les manipulent et produisent le résultat. Mais dans le passé, il n'a pas été capable de faire d'autres choses pour lesquelles les humains sont doués, comme comprendre et générer un langage, reconnaître visuellement des objets, créer de l'art ou apprendre des expériences passées.

Mais tout cela est en train de changer.

De nos jours, de nombreux systèmes informatiques sont capables de communiquer avec les humains en utilisant un langage ordinaire. Il peut également reconnaître des visages et d’autres objets. Il utilise des techniques d’apprentissage automatique, notamment le deep learning, pour se permettre d’apprendre du passé et de prédire l’avenir.

Alors, comment l'intelligence artificielle en est-elle arrivée là ?

Une brève histoire de l'intelligence artificielle

De nombreuses personnes font remonter l'histoire de l'intelligence artificielle à 1950, lorsque Alan Turing a publié « Computing Machinery and Intelligence ». L'article de Turing commence par « Je propose de réfléchir à la question « Les machines peuvent-elles penser ? » » et propose également un scénario connu sous le nom de test de Turing. Turing a proposé qu'un ordinateur puisse être considéré comme intelligent si l'on ne peut pas faire la différence entre une machine et un humain.

En 1956, John McCarthy et Marvin Minsky ont organisé la première conférence sur l'intelligence artificielle, le Dartmouth Summer Research Project on Artificial Intelligence (DSRPAI). La conférence a convaincu les informaticiens que l’intelligence artificielle était un objectif réalisable, jetant ainsi les bases de recherches ultérieures dans les décennies à venir. Les premières tentatives de technologie d’intelligence artificielle ont développé des robots capables de jouer aux dames et aux échecs.

Les années 1960 ont vu le développement des robots et de certains programmes de résolution de problèmes. Un moment marquant a été la création d'ELIZA, un programme simulant la psychothérapie et fournissant un des premiers exemples de communication homme-machine.

Dans les années 1970 et 1980, le développement de l’intelligence artificielle se poursuit, mais à un rythme plus lent. Des progrès significatifs ont notamment été réalisés dans le domaine de la robotique, avec notamment des robots capables de voir et de marcher. Mercedes-Benz lance sa première voiture autonome (extrêmement limitée). Cependant, le financement gouvernemental de la recherche sur l’IA a été considérablement réduit, ce qui a conduit à une période connue sous le nom d’« hiver de l’IA ».

Dans les années 1990, l’intérêt pour l’intelligence artificielle connaît un nouvel essor. Le chatbot ALICE (Artificial Language Internet Computer Entity) prouve que le traitement du langage naturel peut conduire à une communication homme-machine plus naturelle qu'ELIZA. La décennie a également vu une prolifération de techniques d’analyse, qui ont jeté les bases des développements ultérieurs de l’intelligence artificielle, ainsi que du développement des premières architectures de réseaux neuronaux récurrents. C’est également la décennie où IBM a lancé son intelligence artificielle d’échecs DeepBlue, la première à vaincre l’actuel champion du monde.

La première décennie des années 2000 a été marquée par une innovation rapide dans le domaine de la technologie robotique. Les premiers Roombas commencent à aspirer les tapis et la NASA lance des robots pour explorer Mars. En Chine, Google développe des voitures autonomes.

Depuis 2010, la technologie de l’intelligence artificielle a connu une croissance sans précédent. Le matériel et les logiciels ont progressé au point où la reconnaissance d'objets, le traitement du langage naturel et les assistants vocaux sont possibles. Watson d'IBM remporte Jeopardy. Siri, Alexa et Cortana ont émergé et les chatbots sont devenus incontournables dans le commerce de détail moderne. AlphaGo de DeepMind a vaincu le champion humain de Go. Les entreprises de tous les secteurs commencent à déployer des outils d’intelligence artificielle pour les aider à analyser les données et à obtenir de plus grands succès.

Maintenant, l'IA commence vraiment à évoluer, au-delà de quelques types étroits et limités, et vers des implémentations plus avancées.

Types d'intelligence artificielle

Différents groupes d'informaticiens ont mis au point différentes façons de classer les types d'intelligence artificielle. Une classification populaire utilise trois catégories :

1. L'intelligence artificielle étroiteFait très bien une chose. Siri d'Apple, Watson d'IBM et AlphaGo de Google sont tous des exemples de NarrowAI. L’intelligence artificielle au sens étroit est assez courante dans le monde d’aujourd’hui.

2. L'intelligence artificielle générale est une forme théorique d'intelligence artificielle qui peut effectuer la plupart des tâches intelligentes comme les humains. Des exemples de films populaires pourraient inclure HAL de 2001 : L’Odyssée de l’espace ou J.A.R.V.I.S d’Iron Man. De nombreux chercheurs travaillent actuellement au développement de l’intelligence artificielle générale.

3. La super intelligence artificielle, encore au stade théorique, possède une intelligence qui dépasse de loin celle des humains. Ce type d’intelligence artificielle n’est même pas près de devenir une réalité.

Une autre classification populaire utilise quatre catégories différentes :

1. Les machines réactives reçoivent des entrées et fournissent des sorties, mais elles n'ont aucune mémoire ni aucun apprentissage de l'expérience passée. Les robots contre lesquels vous combattez dans de nombreux jeux vidéo sont d’excellents exemples de machines réactives.

2. Les machines avec une mémoire limitée peuvent remonter le temps. De nombreux véhicules en circulation aujourd’hui sont dotés de caractéristiques de sécurité avancées qui entrent dans cette catégorie. Par exemple, si une voiture émet un avertissement de secours lorsqu'un véhicule ou une personne est sur le point de la dépasser, elle utilise un ensemble limité de données historiques pour tirer des conclusions et fournir un résultat.

3. Mind Machine La théorie est consciente de l'existence des humains et d'autres entités et a leurs propres motivations indépendantes. La plupart des chercheurs s’accordent sur le fait qu’une telle intelligence artificielle n’a pas encore été développée, et certains estiment qu’elle ne devrait pas être tentée.

4. Les machines conscientes d'elles-mêmes connaissent leur propre existence et leur identité. Bien que certains chercheurs affirment que l’intelligence artificielle consciente d’elle-même existe déjà aujourd’hui, seuls quelques-uns sont d’accord. Développer une intelligence artificielle consciente d’elle-même est très controversé.

Bien que ces classifications soient intéressantes d'un point de vue théorique, la plupart des organisations s'intéressent davantage à ce qui peut être fait avec l'IA. Cela nous amène au côté IA qui génère beaucoup de revenus – les cas d’utilisation de l’IA.

Cas d'utilisation de l'intelligence artificielle

Intelligence artificielle Les cas d'utilisation et les applications possibles de l'IA sont infinis. Certains des cas d'utilisation de l'IA les plus courants aujourd'hui incluent :

Moteurs de recommandation – Qu'il s'agisse d'acheter un nouveau pull, de trouver un film à regarder, de naviguer sur les réseaux sociaux ou d'essayer de trouver l'amour, nous sommes tous susceptibles de tomber sur un Algorithme basé sur l'IA, qui fait des recommandations. La plupart des moteurs de recommandation utilisent des modèles d’apprentissage automatique pour comparer les caractéristiques et le comportement historique d’un utilisateur avec ceux de son entourage. Ces modèles sont efficaces pour identifier les préférences même si les utilisateurs eux-mêmes ne connaissent pas ces préférences.

Traitement du langage naturel - Le traitement du langage naturel (NLP) est une vaste catégorie d'intelligence artificielle qui comprend la synthèse vocale, la synthèse vocale, la reconnaissance de mots clés, l'extraction d'informations, la traduction et la génération de langage. Il permet aux humains et aux ordinateurs d'interagir via un langage humain ordinaire (audio ou saisie) plutôt que via des langages de programmation. Étant donné que de nombreux outils PNL intègrent des capacités d’apprentissage automatique, ils ont tendance à s’améliorer avec le temps.

Analyse des sentiments - L'intelligence artificielle peut non seulement comprendre le langage humain, mais également identifier les émotions qui sous-tendent les conversations humaines. Par exemple, l’IA peut analyser des milliers de conversations d’assistance technique ou d’interactions sur les réseaux sociaux et identifier les clients qui éprouvent de fortes émotions positives ou négatives. Ce type d'analyse permet aux équipes de support client de se concentrer sur les clients susceptibles de présenter un risque de défection et/ou qui sont des supporters extrêmement passionnés qui peuvent être encouragés à devenir des défenseurs de la marque.

Assistants vocaux – De nombreuses personnes interagissent chaque jour avec Siri, Alexa, Cortana ou Google. Bien que nous tenions souvent ces assistants pour acquis, ils intègrent des technologies avancées d’intelligence artificielle, notamment le traitement du langage naturel et l’apprentissage automatique.

Prévention de la fraude – Les sociétés de services financiers et les détaillants utilisent souvent une technologie d'apprentissage automatique très avancée pour identifier les transactions frauduleuses. Il recherche des modèles dans les données financières et émet des alertes lorsque les transactions semblent inhabituelles ou correspondent à des modèles de fraude connus afin de prévenir ou d'atténuer les activités criminelles.

Reconnaissance d'image – De nombreuses personnes utilisent la reconnaissance faciale basée sur l'IA pour déverrouiller leur téléphone. Cette intelligence artificielle prend également en charge les voitures autonomes et permet de traiter automatiquement de nombreux scans et tests liés à la santé.

Maintenance prédictive – De nombreuses industries telles que la fabrication, le pétrole et le gaz, les transports et l'énergie dépendent fortement des machines. Lorsque les machines sont en panne, les coûts peuvent être très élevés. Actuellement, les entreprises utilisent une combinaison de technologies de reconnaissance d'objets et d'apprentissage automatique pour identifier à l'avance le moment où l'équipement est susceptible de tomber en panne afin que les réparations puissent être planifiées à un moment où la panne est minimisée.

Analyse prédictive et analyse interdite – Les algorithmes prédictifs peuvent analyser tout type de données commerciales et les utiliser comme base pour prédire d'éventuels événements futurs. L’analyse prescriptive, encore à ses balbutiements, va encore plus loin et peut non seulement faire des prédictions, mais également fournir des recommandations sur la manière dont les organisations devraient se préparer à d’éventuels événements futurs.

Voitures autonomes – La plupart des voitures produites aujourd’hui disposent de fonctionnalités de conduite autonome telles que l’aide au stationnement, le centrage de voie et la croisière adaptative. Même si les voitures entièrement autonomes restent chères et relativement rares, elles sont déjà en route et la technologie d’intelligence artificielle qui les alimente s’améliore et devient moins chère.

Robotique - Les robots industriels sont l'une des premières applications de l'intelligence artificielle et restent une partie importante du marché de l'intelligence artificielle. Les robots grand public, tels que les robots aspirateurs, les barmans et les tondeuses à gazon, sont de plus en plus courants.

Bien sûr, ce ne sont là que quelques-uns des cas d’utilisation bien connus de l’intelligence artificielle. La technologie imprègne notre vie quotidienne de tellement de façons que nous n’en sommes souvent pas pleinement conscients.

L'avenir de l'intelligence artificielle

Alors, où est l'avenir de l'intelligence artificielle ? De toute évidence, elle remodèle les marchés de consommation et d'affaires ?

La technologie à l’origine de l’intelligence artificielle continue de se développer à un rythme soutenu. Les avancées futures telles que l’informatique quantique pourraient éventuellement conduire à des innovations majeures, mais à court terme, la technologie elle-même semble susceptible de poursuivre sur la voie prévisible d’une amélioration continue.

Ce qui reste flou, c'est comment les humains s'adapteront à l'IA. Ce problème aura un impact majeur sur la vie humaine dans les décennies à venir.

De nombreuses premières mises en œuvre de l’IA ont rencontré des défis importants. Dans certains cas, les données utilisées pour entraîner le modèle peuvent infecter le système d’IA de manière biaisée, le rendant inutilisable.

Dans de nombreux autres cas, les entreprises ne voient pas les résultats financiers qu’elles espéraient après le déploiement de l’IA. La technologie est peut-être mature, mais les processus métiers qui l’entourent ne le sont pas.

Alys Woodward, directrice de recherche senior chez Gartner, a déclaré : « Le marché des logiciels d'IA s'accélère, mais sa trajectoire à long terme dépendra de la capacité des entreprises à accroître leur maturité en matière d'IA.

Woodware a ajouté : « Une IA réussie. » les résultats commerciaux dépendront d'une sélection minutieuse des cas d'utilisation. Les cas d'utilisation qui apportent une valeur commerciale significative tout en étant évolutifs pour réduire les risques sont essentiels pour démontrer l'impact des investissements en IA sur les parties prenantes de l'entreprise. "

Les organisations se tournent vers des approches telles que l'AIOps. pour aider. mieux gérer les déploiements d’IA. Ils se tournent de plus en plus vers une IA centrée sur l’humain, en utilisant l’IA pour augmenter plutôt que remplacer les travailleurs humains.

Dans un sens très concret, l’avenir de l’intelligence artificielle concerne peut-être davantage les personnes que les machines.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn

Outils d'IA chauds

Undresser.AI Undress

Undresser.AI Undress

Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover

AI Clothes Remover

Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool

Undress AI Tool

Images de déshabillage gratuites

Clothoff.io

Clothoff.io

Dissolvant de vêtements AI

AI Hentai Generator

AI Hentai Generator

Générez AI Hentai gratuitement.

Article chaud

R.E.P.O. Crystals d'énergie expliqués et ce qu'ils font (cristal jaune)
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Meilleurs paramètres graphiques
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Comment réparer l'audio si vous n'entendez personne
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
Où trouver la courte de la grue à atomide atomique
1 Il y a quelques semaines By DDD

Outils chauds

Bloc-notes++7.3.1

Bloc-notes++7.3.1

Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise

SublimeText3 version chinoise

Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1

Envoyer Studio 13.0.1

Puissant environnement de développement intégré PHP

Dreamweaver CS6

Dreamweaver CS6

Outils de développement Web visuel

SublimeText3 version Mac

SublimeText3 version Mac

Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA Jun 28, 2024 am 03:51 AM

Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine

Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag Jun 10, 2024 am 11:08 AM

Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.

Sept questions d'entretien technique Cool GenAI et LLM Sept questions d'entretien technique Cool GenAI et LLM Jun 07, 2024 am 10:06 AM

Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte

Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations Jun 11, 2024 pm 03:57 PM

Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.

Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG. Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG. Jul 25, 2024 am 06:42 AM

L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes

Cinq écoles d'apprentissage automatique que vous ne connaissez pas Cinq écoles d'apprentissage automatique que vous ne connaissez pas Jun 05, 2024 pm 08:51 PM

L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.

Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire Jul 17, 2024 pm 06:37 PM

Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S

Préparant des marchés tels que l'IA, GlobalFoundries acquiert la technologie du nitrure de gallium de Tagore Technology et les équipes associées Préparant des marchés tels que l'IA, GlobalFoundries acquiert la technologie du nitrure de gallium de Tagore Technology et les équipes associées Jul 15, 2024 pm 12:21 PM

Selon les informations de ce site Web du 5 juillet, GlobalFoundries a publié un communiqué de presse le 1er juillet de cette année, annonçant l'acquisition de la technologie de nitrure de gallium (GaN) et du portefeuille de propriété intellectuelle de Tagore Technology, dans l'espoir d'élargir sa part de marché dans l'automobile et Internet. des objets et des domaines d'application des centres de données d'intelligence artificielle pour explorer une efficacité plus élevée et de meilleures performances. Alors que des technologies telles que l’intelligence artificielle générative (GenerativeAI) continuent de se développer dans le monde numérique, le nitrure de gallium (GaN) est devenu une solution clé pour une gestion durable et efficace de l’énergie, notamment dans les centres de données. Ce site Web citait l'annonce officielle selon laquelle, lors de cette acquisition, l'équipe d'ingénierie de Tagore Technology rejoindrait GF pour développer davantage la technologie du nitrure de gallium. g

See all articles