Périphériques technologiques
IA
Une génération d'intelligence artificielle remodèlera le futur paysage technologique
Une génération d'intelligence artificielle remodèlera le futur paysage technologique
Au cours des 10 dernières années, de nouvelles innovations ont émergé dans le domaine technologique, des systèmes traditionnels aux services de cloud computing en passant par la protection contre les ransomwares. Les équipes technologiques du monde entier se concentrent sur la rationalisation des opérations multi-cloud dans le but d’innover sans augmenter les coûts. L’adoption rapide des outils d’intelligence artificielle générative (GenAI) est essentielle pour rester compétitif.
Mais qui est responsable du comportement de l’intelligence artificielle ? Comment garantir un développement responsable de l’IA et une innovation éthique ? Comment maximiser toutes les capacités de la technologie sans compromettre la sécurité, la conformité, la souveraineté des données ou nos obligations éthiques de respecter la vie privée d’autrui ?
Que font les grandes entreprises ?
GenAI est un catalyseur évident de l'innovation, et la responsabilité est au premier plan chez les plus grands pionniers technologiques de notre génération.
Lors de la conférence VMware Explore de cette année, Sumit Dhawan, président de VMware, et Rajeev Khanna, directeur technique d'Aon, ont exploré l'un des trois sujets clés : la GenAI responsable. La société mondiale de services professionnels compte environ 50 000 employés dans 120 pays et est un utilisateur fidèle des solutions VMware. Selon Khanna, GenAI "ouvre un tout nouvel ensemble d'opportunités". Aon est actif dans le secteur du conseil en matière de risques, ce qui signifie qu'il est prudent d'équilibrer l'enthousiasme suscité par l'avenir avec une approche stable et prudente.
En effet. Il est facile de s'enthousiasmer pour la prochaine nouveauté technologique, mais de nombreux obstacles doivent être surmontés pour parvenir à l'innovation et obtenir l'adhésion de l'ensemble de l'entreprise. Khanna met l’accent sur la construction et le maintien d’une culture d’utilisation et de gouvernance responsables de l’IA, et ne perd jamais de vue le rôle fondamental de la surveillance humaine pour une utilisation éthique et responsable de l’IA.
Appliquer GenAI à toutes les entreprisesLors de la conférence VMware Explore 2023, des progrès significatifs ont été annoncés. Le partenariat avec Nvidia a abouti à la VMware Private AI Foundation, intégrant l'IA d'entreprise de Nvidia dans une plate-forme polyvalente. Cela permet au service informatique de gérer efficacement de grands modèles de langage avec confidentialité, sécurité et performances sur une variété de charges de travail IA/ML.
Le portefeuille VMware Tanzu simplifie la gestion des applications basées sur des conteneurs et améliore la sécurité, tandis qu'Edge Cloud Orchestrator permet un provisionnement rapide des emplacements périphériques. Les améliorations supplémentaires incluent un plan de contrôle cloud, une protection renforcée contre les ransomwares et des améliorations des performances de VMware Cloud Foundation, résultant en une plate-forme puissante pour les charges de travail traditionnelles, modernes et IA/ML dans le cloud et en périphérie.
Nous sommes dans une phase de transformation, permettant aux organisations d'optimiser leur affaires, réduire les déchets et stimuler l’innovation. Chez VMware Explore, l'entreprise s'est une fois de plus imposée comme un acteur clé, équipant les départements technologiques pour accroître la productivité, accélérer l'innovation et favoriser un succès durable.
Que pouvons-nous faire en matière de GenAI ?
Le thème de la table ronde VMware Explore était « IA responsable : quel rôle les humains devraient-ils jouer ? », soulignant que nous n'avons pas non plus de réponses claires sur le rôle que les humains joueront dans la convergence dynamique de la GenAI et des technologies multi-cloud. Le panel était modéré par Richard Munro, chef du Bureau du directeur de la technologie, qui a fait un excellent travail en explorant les principes éthiques guidant le développement des systèmes d'IA et l'implication humaine
Tout d'abord, le journaliste de données Arthur L. Meredith Broussard, professeur agrégé à l'Institut Carter pour le journalisme, définit l'IA comme « des mathématiques complexes et belles ». Il a déclaré que lorsqu'on parle d'intelligence artificielle, beaucoup de gens penseront à "Terminator", "Star Trek" ou "Star Wars", mais nous devons faire la distinction entre réalité et imagination. L'intelligence artificielle est une sorte de « copie de modèles » dans laquelle les données sont introduites dans un ordinateur, l'ordinateur construit un modèle et le modèle affiche des modèles mathématiques pour prendre des décisions, générer de nouveaux textes, images ou audio et prédire les résultats.
Ce qui résonne, cependant, c'est la discussion sur la manière dont l'intelligence artificielle va changer la culture. Broussard a également convenu de l'importance de lutter contre les préjugés et les malentendus dans les systèmes d'intelligence artificielle, et a également émis l'hypothèse qu'il y aurait des problèmes sociaux se manifestant par les préjugés de l'intelligence artificielle
Le groupe d'experts a discuté plus en détail de la question de l'intelligence artificielle privée. L’IA privée fait référence à l’utilisation de petits modèles faciles à entraîner. Moins de ressources signifie une empreinte carbone plus faible et une plus grande précision. L'IA privée permet aux organisations d'itérer plus rapidement sans avoir un impact énorme sur l'environnement. Cela implique non seulement l'intelligence artificielle, mais aussi des aspects tels que le cloud computing, les clients, le contenu et l'environnement
L'intelligence artificielle est un long jeu, en un mot. Nous devons éviter la tentation de nous précipiter pour gagner en recherchant un succès rapide. Plus important encore, considérer la capacité de choisir comme faisant partie de l'IA
ouvre la voie à un avenir d'intelligence éthique
Le panel a souligné que les gens devraient se sentir à l'aise pour poser des questions pour guider l'IA afin qu'elle produise les résultats souhaités. Notre responsabilité est de définir ce que l’IA devrait et ne devrait pas faire, et de sensibiliser l’opinion publique à l’IA afin que les gens comprennent comment elle peut amplifier les préjugés et la désinformation existants
- Fiable :La fiabilité de l'intelligence artificielle dépend de données de haute qualité et de la réduction des biais dans le modèle. Vous vous souvenez de l’application Santé d’Apple en 2014 ? Elle n’incluait pas le suivi menstruel. Réduire les préjugés et créer une représentation adéquate dans les modèles peuvent améliorer la fiabilité et la responsabilité.
- Éthique :La finalité du déploiement de l'IA doit être cohérente avec l'amélioration de la société et conforme à la réglementation. L’intégration de principes éthiques dans les modèles d’IA garantit une utilisation responsable.
- Sécurité :La protection du modèle d'apprentissage de l'intelligence artificielle est cruciale car elle peut tomber entre des mains inattendues. La protection des données sensibles, des informations sur les employés et les données des clients est nécessaire, et savoir si un modèle d'IA est open source ou propriétaire est essentiel pour la sécurité.
- Confidentialité :La nature des données détermine leurs exigences en matière de confidentialité. Déterminer si les données sont très sensibles, critiques pour la mission ou réglementées est essentiel pour déterminer ce qui doit ou ne doit pas être inclus dans un modèle d'IA.
- Transparence : Communiquez ouvertement et de manière transparente avec les employés, les clients et les partenaires de la chaîne d'approvisionnement sur le rôle de l'IA pour favoriser la confiance et garantir que chacun comprend le but et l'impact potentiel de l'IA.
- Sans prétention :Pour relever le défi de l'opacité de l'IA, il est essentiel de comprendre le fonctionnement interne de l'algorithme, la manière dont il génère les résultats et les effets en cascade de la modification des variables au sein du modèle pour augmenter la transparence.
- Normes :La mise en œuvre de garde-fous est un aspect essentiel pour garantir un développement responsable et éthique de l'IA. Les garde-fous aident à fixer des limites et des lignes directrices pour empêcher les systèmes d’IA de causer des dommages ou de prendre des décisions contraires à l’éthique.
Cependant, le plus important est de donner la priorité aux gens. Le véritable potentiel de GenAI réside dans son accessibilité aux personnes de tous âges et de toutes professions, ce qui en fait un outil que chacun peut utiliser pour poser des questions. La technologie est au service de l'humanité
Que signifie l'intelligence artificielle responsable ?
À qui appartient la responsabilité de l'intelligence artificielle ? Bref, tout le monde. Chris Wolf souligne qu'il y a encore beaucoup de choses que nous ignorons à ce sujet et qu'il n'existe pas de normes industrielles.
Les organisations, les experts et les décideurs politiques partagent la responsabilité collective de façonner la trajectoire de l'intelligence artificielle. Alors que nous nous tournons vers GenAI pour prendre des décisions et fournir des informations, des solutions telles que la plateforme VMWare nous permettent de pivoter et de nous adapter en toute confiance. Nous vivons dans des scénarios en évolution rapide et dans une économie en constante évolution, et les modèles utilisés doivent être élastiques et dynamiques. GenAI dans le cloud intelligent permet une certaine flexibilité. Participez à des discussions qui favorisent le développement et le déploiement éthiques de l’IA. Construisez d’abord l’infrastructure pour l’IA, puis évoluez. Plus important encore, comme le conseille Wolf, continuez à poser des questions et restez curieux.
Imaginez les possibilités de GenAI en entreprise... si cela est fait de manière réfléchie et responsable.
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
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.
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
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
SK Hynix présentera de nouveaux produits liés à l'IA le 6 août : HBM3E à 12 couches, NAND à 321 hauteurs, etc.
Aug 01, 2024 pm 09:40 PM
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
