


Perspectives 2023 : l'intelligence artificielle ouvrira la voie aux emplois de cols blancs
L'intelligence artificielle est généralement considérée comme capable d'effectuer des tâches simples et répétitives qui nécessitent plus de force physique, de patience et de risque, comme des postes de production manufacturière, de logistique ou de service client. Mais les experts en intelligence artificielle affirment que les progrès récents dans les grands modèles linguistiques (LLM) montrent que les emplois de col blanc et professionnels seront également affectés. Comprendre comment l’IA et les humains peuvent coexister sur le lieu de travail sera un sujet clé en 2023 et au-delà.
Peter Wang, PDG d'Anaconda, un fournisseur d'outils de science des données, a déclaré : « Certaines innovations dans les modèles de langage à grande échelle et la technologie de l'intelligence artificielle vont changer les entreprises traditionnelles et les professions de cols blancs. créer une société et une dynamique culturelle vraiment intéressantes, ces dynamiques se stabiliseront largement sur le reste de cette décennie et auront un impact sur les années 2030. "
Les modèles linguistiques à grande échelle, tels que GPT-3 et BERT, font déjà des progrès dans le domaine de l’intelligence artificielle conversationnelle. Les entreprises ont remplacé ou renforcé les employés des centres d'appels par une intelligence artificielle capable de comprendre les demandes tapées ou parlées et de fournir des informations utiles. Cette technologie a également la capacité de remplacer les travailleurs de l’information.
Pour ceux d'entre vous qui disent que c'est essentiellement un travail de bureau où ils font la même chose tous les jours, ils n'ont pas besoin de trop y penser – vous feriez mieux d'être prudent car il y a de fortes chances que le travail s'annule tout seul. . Dans les cinq prochaines années, il y aura tellement de données qu’elles seront directement connectées les unes aux autres, et vous n’aurez alors aucune raison de pointer chaque jour.
ChatGPT est le dernier outil d’intelligence artificielle qui a récemment attiré l’attention des gens. OpenAI a rendu publique cette nouvelle interface pour le modèle GPT-3 le 30 novembre, et elle a rapidement attiré plus d'un million d'utilisateurs. Ce service démontre une capacité exceptionnelle à fournir des réponses détaillées aux questions. En plus de produire du contenu écrit, il démontre également la capacité à coder.
Jonas Kubilius, chercheur en intelligence artificielle et PDG de la société d'IA Three Third, estime que les modèles d'intelligence artificielle tels que Stable Diffusion, GPT-3 et GitHub Copilot évoluent vers des modèles multimodaux capables de traiter du texte, des images, de l'audio et d'autres -entrées de tâches. À terme, le contenu généré par ces modèles sera transformé en un modèle économique qui rapportera des profits aux développeurs et aux créateurs de contenu.
Il a déclaré : « Nous commencerons à constater une transition de l’utilisation de l’IA pour des tâches statiques, telles que la classification, vers des flux de travail interactifs pilotés par des modèles de langage pour aider les gens à effectuer des tâches plus efficacement
Cependant, ces modèles ont également du potentiel. » des usages néfastes. Les chercheurs en sécurité préviennent que la capacité de ChatGPT à enchaîner des mots et du code de script peut également le rendre approprié pour une utilisation comme outil de piratage. Check Point Research a publié un rapport détaillant comment la dernière invention d’OpenAI peut être utilisée par les cybercriminels pour mener des attaques de spear phishing.
Check Point Research écrit : « Le rôle croissant du LLM et de l'IA dans le cybermonde est plein d'opportunités, mais comporte également des risques. Les processus d'attaque complexes peuvent également être automatisés, en utilisant l'API LLM pour générer des composants malveillants supplémentaires. »
Les développeurs d'IA utilisent souvent des API pour accéder à des modèles pré-entraînés, tels que GPT3. Cependant, une grande partie de la technologie derrière les grands modèles de langage est open source, ce qui permet aux développeurs de l'utiliser eux-mêmes. Sri Ambati, PDG et fondateur de H2O.AI, un fournisseur d'outils de science des données, a déclaré que la combinaison de davantage de données, d'outils d'IA ouverts et d'une meilleure éducation réduit les obstacles à l'exploitation de l'IA. Ambati a déclaré : "C'est vraiment le plus gros obstacle pour nos clients. Tous les clients n'ont pas les meilleurs data scientists qui apprennent constamment. Tout ce qui concerne la construction de ces modèles ne se limite plus à ce que de grands data scientists comprennent tout l'apprentissage profond qui en résulte. " Hayley Sutherland est responsable de recherche chez IDC, qui suit le marché des outils et technologies d'IA conversationnelle. . De nombreuses personnes sont surprises par les performances des systèmes humains conversationnels, a-t-elle déclaré. Au cours des dernières années, les entreprises ont réellement constaté un retour sur investissement grâce à l’IA conversationnelle… Remplacer tous les humains par l’IA n’est pas réalisable. Les entreprises tentent désormais de déterminer où l’IA fonctionne le mieux et où les humains travaillent le mieux. Elle a déclaré : « La meilleure façon de tirer parti de l'IA est probablement de comprendre comment elle peut être utilisée pour augmenter les capacités humaines au travail. C'est un équilibre que nous avons vraiment constaté, en particulier l'année dernière, lorsqu'ils ont eu du mal à le faire. -appelé Grande Démission"Avec l'imminence d'une récession en 2023, les taux d'activité qui continuent de baisser en raison des perturbations économiques liées au COVID-19 et la pression à la hausse sur les salaires due à l'inflation, les entreprises seront plus motivées que jamais à repousser les limites de l'IA dans l'entreprise. Les entreprises technologiques souhaitent que les sociétés d’applications explorent ces frontières et créent de nouvelles opportunités commerciales.
À partir de l'année prochaine, nous verrons un nombre impressionnant de cas d'utilisation imprécis qui n'étaient pas facilement automatisés dans le passé, devenant soudainement plus faciles à automatiser. Davantage de cas d'utilisation seront traités par ces systèmes d'IA.
Jusqu'à présent, la plupart des gens ne sont pas optimistes quant à la capacité de l'intelligence artificielle à remplacer les travailleurs créatifs, bien qu'ils voient le potentiel de l'intelligence artificielle pour libérer les travailleurs créatifs en automatisant les parties ennuyeuses et répétitives du travail. Cela peut contribuer à stimuler la production de contenus plus créatifs qui engagent le public de manière nouvelle et intéressante.
Dans le futur, nous allons entrer dans un monde étrange. De nombreux emplois pourraient être remplacés. Non seulement les emplois manuels et le travail sont remplacés par des robots intelligents, mais de nombreux cols blancs traditionnels sont également remplacés par des emplois artificiels. systèmes de renseignement.
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!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

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

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

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

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

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.

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

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.

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

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.

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

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
