Périphériques technologiques
IA
Tendance imparable : le secteur des télécommunications est confronté à des opportunités et à des défis en matière d'IA
Tendance imparable : le secteur des télécommunications est confronté à des opportunités et à des défis en matière d'IA
L’intelligence artificielle (IA) est largement reconnue comme un élément clé de la transformation numérique, et son déploiement dépend en grande partie de la complexité de la 5G et des services associés. L’omniprésence du cloud et ses ressources informatiques plus abordables ont stimulé l’adoption de l’IA par les entreprises de télécommunications et autres.
Récemment, NVIDIA a interrogé plus de 400 professionnels du secteur des télécommunications à travers le monde, y compris en Chine, sur leurs points de vue sur les opportunités et les défis liés à la mise en œuvre de pratiques basées sur l'IA au sein de leurs entreprises et secteurs.
Bien que les résultats de l'enquête montrent que l'IA est une grande préoccupation, le secteur des télécommunications en est encore aux premiers stades de son adoption et a besoin de soutien pour obtenir un retour sur investissement clair.
Selon l'enquête, l'industrie des télécommunications attache une grande importance à l'IA et à l'industrie parties prenantes démontrant clairement un fort intérêt pour l’IA. Cependant, dans l'enquête, seulement 34 % des personnes interrogées ont déclaré qu'elles utilisaient l'IA depuis plus de six mois, 23 % ont déclaré qu'elles étaient encore en train d'en apprendre davantage sur différents scénarios d'application de l'IA et 18 % des rapports indiquent ils travaillent sur un projet pilote d’IA.
Pour les personnes interrogées qui sont en phase d'essai ou de mise en œuvre, la grande majorité estime que l'IA a déjà eu un impact positif sur les revenus et les coûts. Quelque 73 % des personnes interrogées ont déclaré que la mise en œuvre de l'IA avait entraîné une croissance des revenus au cours de l'année écoulée, et 17 % citent une croissance des revenus de plus de 10 % dans des secteurs spécifiques de l'entreprise.
De même, 80 % des personnes interrogées ont déclaré avoir réalisé des réductions annuelles de coûts au cours de l'année écoulée après la mise en œuvre de l'IA, et 15 % citant des parties spécifiques de l'entreprise, le coût a été réduit de plus de 10 %.
Facteurs d'influence affectant les investissements en IA des entreprises de télécommunicationsMalgré les rapports continus sur l'impact positif de l'IA sur les revenus et les coûts, de nombreux visiteurs concernés restent ont du mal à quantifier le retour sur investissement de leurs investissements en IA. Quelque 44 % des personnes interrogées estiment que le retour sur investissement ne peut pas être quantifié de manière adéquate, illustrant l’écart entre le désir des entreprises d’introduire des solutions basées sur l’IA et la réalité. Dans une industrie avec des milliards de dépenses annuelles en capital, le niveau d'investissement dans l'IA semble faible. En règle générale, les entreprises de télécommunications de taille moyenne à grande dépensent au moins 1 milliard de dollars par an en dépenses d'investissement. Cependant, 60 % des personnes interrogées (2021) et 50 % (2022) dépenseront moins d’un million de dollars en IA. Dans le haut de gamme, 2 % des personnes interrogées dépenseront plus de 50 millions de dollars en 2021, pour atteindre 3 % en 2022.
De tous les facteurs qui motivent les investissements dans l'IA, le passage des phases de validation de principe et pilotes à la mise en œuvre est la réponse la plus notable. L’incertitude économique et la nécessité de donner la priorité aux dépenses ailleurs ont également motivé les décisions.
Conformément aux attentes concernant l'utilisation de l'IA pour optimiser les opérations, les personnes interrogées ont noté que leurs entreprises donnent désormais la priorité aux investissements en IA dans les opérations réseau, l'optimisation de l'expérience client et la planification du réseau.
Meilleures pratiques permettant aux entreprises de télécommunications de déployer l'IAL'enquête montre que 54 % des entreprises de télécommunications déploient des solutions d'IA dans des environnements hybrides parce qu'elles souhaitent profiter de l’efficacité du cloud tout en conservant une isolation et un contrôle améliorés de leur environnement local. Les personnes préoccupées par la sécurité des informations sont plus susceptibles de choisir un environnement local. Au lieu de cela, ceux qui cherchent à bénéficier de l’étendue, de la disponibilité et des performances des solutions cloud sont plus susceptibles de choisir un environnement cloud. En fait, le choix de l’environnement de déploiement est un compromis entre sécurité et performances.
Comme le dit le proverbe, « les professionnels font des choses professionnelles », lorsqu'il s'agit d'IA, les entreprises de télécommunications s'appuient sur leurs partenaires pour fournir des fournitures, un soutien et une expertise pour construire des infrastructures, exploiter ou développer des services pour les clients. .
47 % des personnes interrogées ont déclaré que leurs solutions d'IA sont co-développées avec des partenaires, et 61 % ont déclaré que leur principale priorité en matière de dépenses en IA est de "travailler avec des partenaires tiers pour accélérer l'adoption de l'IA".
Les partenariats créent également des opportunités pour les opérateurs de télécommunications de créer de nouveaux services pour leurs clients à des coûts d'investissement inférieurs et avec la possibilité d'évoluer rapidement. 51 % des personnes interrogées ont déclaré développer des solutions d'IA pour les utilisateurs internes et externes.
ConclusionLe rôle de l'IA dans l'industrie des télécommunications ne fait que commencer. L'IA pénétrera tous les aspects de la chaîne de valeur, contribuant à conduire des transformations créatives dans la planification et le déploiement du réseau, les opérations du réseau, les interactions avec les clients et les nouveaux produits et services.
L'IA débloquera des opportunités et résoudra les défis qui peuvent avoir un impact sur les revenus nets (en améliorant le TCO grâce à l'optimisation des dépenses d'investissement et d'exploitation) et des revenus bruts (en créant de nouveaux revenus).
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)
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
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.
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.
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
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
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
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
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
