


Les chatbots rendront les centres de données plus simples et plus efficaces
Les progrès du traitement du langage naturel (NLP) ont ouvert de nombreuses possibilités d'utilisation des chatbots dans les centres de données, notamment en réduisant les coûts d'exploitation des centres de données et en améliorant la rétention des talents.
Les investisseurs en capital-risque ne sont pas les seuls à compter sur l’intelligence artificielle (IA) générative pour devenir la prochaine grande nouveauté technologique. Les dirigeants des centres de données estiment également que les chatbots sont plus qu'un simple domaine hyper-niche de l'IA générative et peuvent simplifier les opérations tout en atteignant des indicateurs d'emploi et de durabilité.
Depuis la première vague en 2016, les chatbots ont fait d'énormes progrès en termes de stabilité et d'avancement. À l’époque, les interfaces utilisateur des chatbots étaient frustrantes. Microsoft a lancé un chatbot appelé Tay sur Twitter, et il a rapidement fait la une des journaux. Dans les 16 heures suivant son lancement, le chatbot a publié 95 000 tweets, dont une proportion importante contenait des insultes et des informations inappropriées.
Cependant, les chatbots d’aujourd’hui peuvent faire plus que simplement fournir un service client fixe et des réponses biaisées. Des investissements importants dans l’intelligence artificielle générative et l’apprentissage automatique signifient que les chatbots peuvent faire plus que simplement imiter les interactions humaines et les réponses artificielles. Beerud Sheth, fondateur et PDG de Gupshup, a déclaré qu'il existe des opportunités plus larges pour les centres de données. La société propose un service qui permet aux entreprises de créer et de déployer des chatbots pour une variété d'applications de messagerie
Elle a déclaré : « Désormais, elle peut répondre à des questions très spécifiques telles que « Qu'est-ce qui n'a pas fonctionné avec mon serveur ou mon service ? tu es de retour ?" Le chatbot GPT-3 possède certaines capacités linguistiques, mais il dispose également d'informations précises provenant du centre de données pour répondre à ces questions. «
Chatbot Gold Rush
Grâce à l'exploitation de la technologie de traitement du langage naturel (NLP), la plupart des chatbots modernes peuvent cartographier les entrées et les intentions des utilisateurs, classer les informations et fournir une réponse appropriée et humaine. Le traitement du langage naturel (NLP) ouvre une pléthore. de possibilités d'utilisation des chatbots dans les centres de données, surtout maintenant que les chatbots sont des logiciels polyvalents pilotés par l'IA qui permettent aux machines non seulement de réagir, mais aussi de comprendre
Dans un nouveau rapport d'étude de marché publié par GlobalmarketEstimates, le marché des chatbots est. devrait croître à un taux de croissance annuel composé de 25,2 % de 2023 à 2028, pour atteindre 10,5 milliards de dollars d'ici 2026. Le secteur devrait générer 26,4 milliards de dollars de revenus d'ici 2024. Et le succès des chatbots dans divers secteurs n'est plus une prédiction. , c'est devenu une réalité
Sheth a ajouté que l'intelligence artificielle conversationnelle peut réduire considérablement les coûts d'exploitation des centres de données, car les chatbots peuvent s'exprimer de manière claire et précise,
Sheth a déclaré : « Chaque fois qu'il y a une crise ou que quelque chose se produit, vous en avez besoin. pour avoir un tas de choses, comme une télécommande, et que les gens doivent réagir rapidement et être disponibles, je pense que beaucoup d'entre eux peuvent être entièrement ou entièrement automatisés et mis à l'échelle grâce à l'intelligence artificielle. «
Les centres de données n'ont même pas besoin de s'appuyer sur de grandes entreprises comme Amazon, Google, Accenture ou OpenAI pour créer leurs propres chatbots. Ils peuvent créer leurs propres chatbots, réduisant ainsi le recours à une main-d'œuvre spécialisée. Les chatbots peuvent également être créés à partir de zéro.
De plus, les chatbots dans les centres de données peuvent être utilisés pour simuler des scénarios réels, permettant aux opérateurs de centres de données d'identifier les problèmes potentiels et de les résoudre de manière proactive avant qu'ils ne surviennent. l'IA générative dans l'industrie des centres de données, et il pourrait y avoir davantage de recherche et de développement à l'avenir
Sheth a déclaré : « Les modèles d'IA peuvent très bien détecter ces problèmes, une fois qu'ils sont formés »
Mais les chatbots ne sont pas la fin. tout est parfait pour les centres de données, même si les équipes ont adopté les chatbots pour optimiser le travail et réduire le temps et les efforts nécessaires pour obtenir des commentaires. Bien que les chatbots puissent aider les centres de données avec une plus grande efficacité, ils sont tout simplement meilleurs que les humains pour synthétiser les informations. Sheth a déclaré que la technologie de l'intelligence artificielle peut être à la fois sous-estimée et surestimée.
Elle a déclaré : « L'intelligence artificielle accélérera considérablement la synthèse des connaissances humaines. Il est indéniable que cela arrive, et c'est utile. "Mais elle estime que les applications d'intelligence artificielle sont essentiellement des synthétiseurs de connaissances, pas des créateurs de connaissances.
Les investisseurs ont augmenté leurs investissements dans les chatbots, les assistants virtuels et les robots vocaux, et d'ici 2022, ces robots auront les performances les plus élevées en langage naturel 57,8 % des investissement en capital-risque dans le domaine des interfaces. La quantité de données générées à l’échelle mondiale devrait dépasser 180 ZB d’ici 2025, ce qui constitue une mesure clé pour comprendre le coût d’exploitation d’un cloud computing moderne ou d’un centre de données à grande échelle. 40 % Les centres de données auront besoin de plus de personnel pour gérer le travail technique
Les centres de données devront prendre en charge plus de personnes, mais les tendances de l'emploi montrent une pénurie de travailleurs compétents, pas un excédent
Leanness et personnel des centres de données
Sheth souligne les perspectives de chatbot pour les opérateurs de centres de données tirant parti des capacités de l'IA alors que le secteur continue de souffrir de problèmes de personnel informatique
En analysant la satisfaction des employés, Sheth a déclaré que des facteurs tels que le diplôme, les performances et les modèles de comportement, un Le centre de données dédié aux chatbots peut utiliser l’analyse prédictive pour identifier les risques potentiels de rétention des talents. Ces informations peuvent être utilisées pour développer des stratégies de fidélisation ciblées afin de garantir que les employés sont engagés, productifs et motivés.
L'IA générative peut également aider à trouver la bonne personne pour les employés en analysant leurs compétences et leur expérience, ainsi que les exigences de postes spécifiques. Cela permet de garantir que les employés sont placés dans des rôles qui correspondent à leurs points forts et à leurs intérêts, augmentant ainsi la satisfaction au travail et réduisant l'attrition.
Dans un environnement de data center, les chatbots sont indispensables. Selon un rapport de Gartner, d'ici 2025, la moitié des centres de données de cloud computing utiliseront des robots avancés dotés de capacités d'intelligence artificielle et d'apprentissage automatique, ce qui augmentera l'efficacité opérationnelle de 30 %
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.

Selon des informations publiées sur ce site Web le 18 juin, Samsung Semiconductor a récemment présenté sur son blog technologique son disque SSD de nouvelle génération de qualité centre de données BM1743, équipé de sa dernière mémoire flash QLC (v7). ▲Disque SSD de qualité centre de données Samsung QLC BM1743 Selon TrendForce en avril, dans le domaine des disques SSD de qualité centre de données QLC, seuls Samsung et Solidigm, une filiale de SK Hynix, avaient réussi la vérification du client d'entreprise à ce temps. Par rapport à la génération précédente v5QLCV-NAND (remarque sur ce site : Samsung v6V-NAND n'a pas de produits QLC), la mémoire flash Samsung v7QLCV-NAND a presque doublé le nombre de couches d'empilement et la densité de stockage a également été considérablement améliorée. Dans le même temps, la fluidité de v7QLCV-NAND

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
