


Capital Group : Plan d'action pour piloter l'avenir de l'IA générative
Capital Group a été fondé en 1931 pendant la Grande Dépression et a son siège social à Los Angeles, en Californie. Après des années de développement, Capital Group est aujourd'hui devenu l'une des plus grandes sociétés de gestion de placements au monde, gérant des actifs financiers d'une valeur de 2 300 milliards de dollars américains. En tant que société privée, Capital Group possède des bureaux dans le monde entier, compte plus de 9 000 employés et contrôle des fonds communs de placement bien connus tels que Americas Fund.
Comme des entreprises leaders dans divers secteurs à travers le monde, Capital Group a également connu ce cycle de génération L’explosion rapide de l’intelligence artificielle. Hemingway a dit un jour que le changement se produit sous deux formes : graduelle et soudaine. Au cours de la dernière année, nous avons été témoins du développement et de l’adoption rapides de cette nouvelle technologie potentiellement révolutionnaire. Depuis les débuts d'Internet et de la transformation numérique, il y a plus de deux décennies, nous n'avons pas connu le niveau d'attention, d'enthousiasme, de peur et d'anxiété provoqué par des technologies comme l'intelligence artificielle générative depuis longtemps
IDC et Teradata annoncés en août cette année Une enquête menée le 1er a montré que les entreprises éprouvent des émotions mêlées d'enthousiasme et de peur à l'égard de l'IA générative. Des enquêtes indiquent que les dirigeants des plus grandes entreprises mondiales sont confrontés à une pression sans précédent pour adopter l’IA générative. Bien que près de 80 % des 900 dirigeants mondiaux interrogés estiment que l'IA générative peut être utilisée dans une large mesure ou de manière significative dans les futurs produits et opérations de l'entreprise, ils ont également déclaré qu'il restait encore beaucoup de travail à faire avant qu'elle puisse enfin être utilisée. mis en œuvre. L'enquête a souligné que 86 % des personnes interrogées estiment que des pratiques de gouvernance solides sont nécessaires ; 66 % s'inquiètent des risques de biais et de désinformation induits par l'IA générative ; seulement 42 % estiment qu'ils ont actuellement la capacité de mettre en œuvre des compétences en matière d'IA générative ; la proportion de personnes qui pensent être pleinement préparées à l'application de l'IA générative n'est que de 30 %
L'enquête IDC/Teradata montre clairement que de nombreux dirigeants sont encore sceptiques quant à l'IA générative. Il faut vraiment donner à l’IA générative une chance de démontrer ses véritables capacités avant que sa valeur commerciale puisse être prouvée. De plus, alors que 89 % des dirigeants déclarent avoir une certaine compréhension des avantages et du potentiel de l’IA générative, 57 % déclarent que leur intérêt pour l’IA générative diminuerait avec le temps. Tout aussi paradoxal, malgré l'incertitude, la peur et le doute, la majorité des dirigeants interrogés (56 %) ont déclaré qu'ils seraient confrontés à de plus grands défis pour appliquer l'IA générative dans leur organisation au cours des six à 12 prochains mois. Une pression importante ou énorme
Dans cet environnement complexe. , Capital Group s'est lancé dans un programme interne ambitieux pour intégrer et appliquer la technologie d'intelligence artificielle générative afin de maximiser son potentiel. Cette initiative a été lancée avec une confluence d'opportunités, de défis, d'incertitudes et de facteurs qui changent la donne
À cette fin, nous avons discuté avec Marta Zarraga, CIO de Capital Group, de l'important voyage qui est sur le point de commencer. Zarraga est bien préparé pour relever ce défi, ayant mené d'importants efforts de transformation axés sur la technologie et apporté une valeur commerciale convaincante. Zarraga est née à Bilbao, en Espagne. Elle a commencé sa carrière dans le secteur des télécommunications, en tant que directrice de l'information de BT Retail, directrice de l'information de Vodafone UK et directrice mondiale de l'information de la société de services financiers Aviva, basée à Londres. En 2020, elle a officiellement assumé le poste de Global CIO de Capital Group
Lorsque Zarraga a parlé de ses responsabilités et de sa mission en matière d'IA générative au sein de Capital Group, il a soulevé une question : « Comment devrions-nous le faire de manière responsable ? technologie ? Compte tenu des capacités réelles et potentielles de l’IA générative à améliorer la productivité, sur quoi les entreprises devraient-elles se concentrer et comment peuvent-elles gérer les risques potentiels ? Pour les entreprises d'investissement, dont le travail quotidien consiste à gérer les risques et à produire des résultats, trouver des réponses intuitives à ces questions est indispensable
Zarraga explique comment équilibrer l'énorme engouement autour de l'IA générative avec une approche réfléchie de la mise en œuvre concrète
Zarraga a brièvement présenté le idées de gestion actuellement adoptées par Capital Group dans l'expansion et le développement de l'intelligence artificielle générative, qui comprennent :
- Expérimentation et apprentissage actifs
- Planification de cas d'utilisation commerciaux pertinents
- Publication de cas d'utilisation pour étendre l'impact, Mesure des résultats
- Faire progresser l'éducation au sein l'organisation
- Gérer les risques
Pour Capital Group, cela commence par identifier les opportunités qui créent de la valeur dans l'entreprise et par prioriser les cas d'utilisation commerciales et technologiques pour « une expérimentation et un apprentissage proactifs » tout en gérant activement les risques. Par exemple, les « améliorations potentielles de la productivité » doivent être combinées avec des mécanismes de contrôle de la précision, en particulier compte tenu du problème « d'hallucination » qui peut survenir lors des premières expériences d'intelligence artificielle générative
Capital Group s'efforce de libérer des capacités d'IA générative pour soutenir le domaine du marketing qui génère du nouveau contenu, l'un des domaines les plus potentiellement précieux. Cette capacité à synthétiser rapidement de grandes quantités de données promet d’ouvrir des perspectives commerciales considérables. Parallèlement, la traduction de contenu constitue également un autre domaine de recherche prometteur. En outre, cela implique également d'aider les développeurs à générer du code ou d'intégrer l'IA générative dans les logiciels d'entreprise, etc. Capital Group s'efforce de mesurer et d'évaluer l'impact commercial qui en résulte
Comme toute initiative technologique réussie, l'adoption et le soutien de l'IA générative doivent commencer au sommet de l'organisation. L'initiative d'IA générative de Capital Group est une initiative globale à l'échelle de l'entreprise qui bénéficie également du soutien et de la reconnaissance du conseil d'administration de l'entreprise.
Personnellement, Zarraga considère l'IA générative comme une nouvelle technologie extrêmement puissante et disruptive, pleine d'enthousiasme et de sens des responsabilités. . Elle a souligné la nécessité absolue de maintenir une « boucle homme-machine » dans tous les aspects de GenAI. Selon elle, même si les améliorations de productivité peuvent être significatives, il est important de garantir que les freins et contrepoids sont pleinement mis en œuvre lors de l'utilisation des résultats des modèles d'IA générative
Zarraga estime que l'intelligence artificielle (IA) générative a un impact révolutionnaire, qui considérablement augmente la vitesse et l’échelle de l’analyse des données sans nécessiter aucun codage technique. L’IA générative peut être utilisée non seulement pour résumer de grandes quantités de documents, mais également pour les hiérarchiser en fonction de leur importance relative. Par exemple, les opérateurs du service client peuvent obtenir une assistance informationnelle en temps opportun via l'interface de chat, améliorant ainsi considérablement la capacité et l'efficacité de l'assistance aux clients.
Plus important encore, Zarraga a souligné que les équipes de sécurité, juridiques et de gestion des risques de l'entreprise devraient être directement impliquées dans le processus d'intégration de la sécurité Chaque lien résout le problème fondamental du « les robots ne peuvent pas garder de secrets ». Zarraga a conclu : « Nous pensons que l'IA générative va progressivement changer notre façon de travailler. Cette technologie est à la fois puissante et en évolution rapide, et nous sommes ravis de réaliser tout son potentiel. Nous embrassons l'avenir qu'elle représente et y travaillons à chaque étape. Nous continuerons à apprendre."
Capital Group s'appuie sur les leçons apprises en matière de gestion des opportunités et des risques depuis sa création il y a 92 ans, en utilisant la nouvelle ampleur et la nouvelle puissance représentée par l'IA générative de manière réfléchie, systématique et déterminée pour continuer à développer son activité de gestion d'investissements et à fournir des services de gestion de haute qualité aux investisseurs mondiaux, avançant ainsi résolument vers un autre parcours centenaire du groupe.
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
