


Les vues du sujet ChatGPT Zhihu ont dépassé les 200 millions, les employés d'OpenAI ont rejoint la discussion
Récemment, au cours des trois derniers mois, le nombre cumulé de discussions sous le sujet « ChatGPT » sur Zhihu a atteint 103 000, et le nombre total de vues a dépassé 210 millions, se rapprochant du nombre total de vues de discussion sous le « Thème AlphaGo" depuis 2015.
Y compris Andrew Ng, leader mondial de l'enseignement de l'intelligence artificielle et fondateur de DeepLearning.AI, Kai-fu Lee, président de Sinovation Ventures, des employés d'OpenAI et de nombreuses autres personnalités du secteur, experts et universitaires se sont joints à la discussion.
En 2015, AlphaGo a déclenché la dernière série de discussions animées sur l'IA, avec un total de 210 000 discussions et 220 millions de vues sur Zhihu. L'ancien PDG de Sogou, Wang Xiaochuan, le président de Sinovation Ventures, Kai-fu Li, le chercheur du Meta FAIR Research Institute, Tian Yuandong, et d'autres personnes interrogées ont répondu aux questions suivantes : « Que pensez-vous de la victoire de Go AI AlphaGo de Google sur le champion européen de Go ? " " Que pensez-vous de la victoire prochaine de Ke Jie ? " La bataille homme-machine avec AlphaGo fin mai ? Quel impact cela aura-t-il sur Go, les humains et l'intelligence artificielle ? " Les discussions sur ces questions ont attiré une grande attention.
Le sujet "ChatGPT" a accumulé 103 000 discussions en peu de temps. Bien que le nombre de discussions soit inférieur à la moitié de celui d'AlphaGo, le nombre de vues a atteint 210 millions, se rapprochant du nombre total de vues de discussion sur le sujet AlphaGo. depuis 2015.
Il existe une interprétation du point de vue du public. Sous la question « Quelles professions ne peuvent pas être remplacées par ChatGPT ? », Kai-fu Lee, président de Sinovation Ventures, a résumé 10 types d'emplois « s'asseoir et se détendre », 10 types d'emplois « presque manqués », et a proposé des moyens de sauvegardez-les dans l’ère post-ChatGPT. Règles générales pour votre profession.
Zhang Junlin, responsable de la R&D en nouvelles technologies chez Sina Weibo, a déclaré à la question "ChatGPT a confirmé la faisabilité de l'unification des modèles. Quel impact cela aura-t-il sur les praticiens de la PNL dans les cinq prochaines années ?", "Pour les chercheurs en PNL, , les perspectives sont très sombres.
À la question « Il y a tant de spécialistes de l'IA en Chine, pourquoi n'y a-t-il pas de ChatGPT en Chine ? », Lan Zhenzhong, ancien scientifique de l'Institut de recherche sur l'intelligence artificielle de Google et maintenant chercheur distingué à l'Université de West Lake, a apporté sa prédiction. : "La méthode de formation de ChatGPT a actuellement un grand modèle. Les équipes ayant une expérience en recherche devraient savoir comment le faire, mais cela nécessite plus de machines et plus de temps pour s'entraîner, et les avantages de la formation de grands modèles seront de moins en moins, ce qui signifie que bien qu'OpenAI investira davantage. Il y aura plus d'argent pour développer les versions ultérieures, mais comme la formation ultérieure deviendra de plus en plus difficile, nous pouvons suivre tant que nous continuons à la suivre. " Trinkle, le répondeur de Zhihu, employé d'OpenAI Chine, a révélé que ChatGPT ne l'est pas. Selon des rumeurs extérieures, il y a des dizaines de médecins en formation, et "il n'y a qu'une douzaine de personnel de formation de base". Son travail principal est "d'optimiser le système pendant toute la formation d'apprentissage par renforcement pour le faire fonctionner plus rapidement et terminer la formation d'apprentissage par renforcement le plus rapidement possible avec le moins de GPU".
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)

Le DALL-E 3 a été officiellement introduit en septembre 2023 en tant que modèle considérablement amélioré par rapport à son prédécesseur. Il est considéré comme l’un des meilleurs générateurs d’images IA à ce jour, capable de créer des images avec des détails complexes. Cependant, au lancement, c'était exclu

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.

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

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 le 1er août, SK Hynix a publié un article de blog aujourd'hui (1er août), annonçant sa participation au Global Semiconductor Memory Summit FMS2024 qui se tiendra à Santa Clara, Californie, États-Unis, du 6 au 8 août, présentant de nombreuses nouvelles technologies de produit. Introduction au Future Memory and Storage Summit (FutureMemoryandStorage), anciennement Flash Memory Summit (FlashMemorySummit) principalement destiné aux fournisseurs de NAND, dans le contexte de l'attention croissante portée à la technologie de l'intelligence artificielle, cette année a été rebaptisée Future Memory and Storage Summit (FutureMemoryandStorage) pour invitez les fournisseurs de DRAM et de stockage et bien d’autres joueurs. Nouveau produit SK hynix lancé l'année dernière

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
