目次
ビッグ データと人工知能について理解する
ビッグデータとは何ですか?
ビッグ データの 5 つの対
ボリューム
多様性
Value
速度
真実性
ビッグデータ分析
人工知能とは何ですか?
人工知能とビッグデータ分析
ビッグデータと人工知能
ビッグデータと人工知能は依然として不可欠な双子です
ビッグデータと人工知能の未来
ヘルスケアにおけるビッグデータと人工知能
によると、米国の医療システムに AI を導入すると、患者の転帰を改善しながら、2026 年までに年間 1,500 億ドルを節約できる可能性があります。ビッグデータと人工知能は、画像診断と術前医療データを組み合わせることによって可能になるロボット手術から、初期診断と患者の物流を支援する仮想ケアアシスタントに至るまで、医療のあらゆる側面を変革すると期待されています。
デジタル アシスタントは、音声認識、予測分析、自然言語処理の進歩により、より動的で便利になってきています。専門家によると、消費者がキーボードから離れ、ビッグデータや人工知能技術が発展するにつれ、2023年までに音声検索がインターネットの全クエリの50%を占めるようになるという。
産業オートメーションは、ロボットへの世界的な投資の急増によって、物理世界におけるビッグ データと人工知能アプリケーションの最前線にあります。 2020 年には 1,800 億ドル近くになります。これら 2 つの分野の進歩が組み合わさって、ロボットが機械の体として機能し、人工知能が機械の精神として機能する、以前よりもスマートでより高性能な機械が生み出されています。ロボットは工場や倉庫などの非構造化環境でもより自由に作業できるようになりました。組立ラインで人間とより緊密に連携できるため、単純な反復作業に限定されなくなります。
今日、コンピューター サイエンスの 2 つの主要な分野はビッグ データと人工知能であり、ビッグ データと人工知能の分野の研究は最近も止まっていません。人工知能とビッグデータは切っても切れない関係にあります。まず、ビッグデータ技術は人工知能の理論と技術を広く利用しているため、人工知能の進歩に依存します。第二に、この分野はデータに大きく依存しているため、ビッグデータ技術は人工知能の開発にとって不可欠です。ビッグデータと人工知能のイノベーションは始まったばかりであるため、私たちはまだ新しいテクノロジーを学ぶ必要があります。
ホームページ テクノロジー周辺機器 AI 人工知能とビッグデータはインダストリー 4.0 の原動力です

人工知能とビッグデータはインダストリー 4.0 の原動力です

Apr 16, 2023 pm 03:31 PM
AI ビッグデータ

人工知能とビッグデータはインダストリー 4.0 の原動力です

データ主導の世界におけるビッグデータと人工知能の役割を理解することは重要です。ビッグデータは、その存在が誰も気づかないうちに世界を席巻しました。この用語が作られるまでに、ビッグデータには膨大な量の保存情報が蓄積されていました。適切に利用すれば、特定のデータが属するドメインに関する深い知識が得られる可能性があります。

すべてのデータを分類し、解析し (コンピューターが理解しやすい形式に変換し)、ビジネス上の意思決定プロセスを強化するためにデータを分析するというタスクは、企業にとっては多すぎることがすぐにわかりました。人間の脳が扱えます。複雑なデータから知識を抽出するという困難なタスクを達成するには、人工知能を使用してアルゴリズムを作成する必要があります。

データ主導の世界におけるビッグデータと人工知能の役割を理解することは特に重要です。

企業が今後数年間でビッグデータと人工知能の機能を拡大するにつれて、データ専門家や、ビジネス分析またはデータ分析の修士号を取得した個人の人気が非常に高まることが予想されますいらっしゃいませ。私たちの目標は、すべてのコンピューター、モバイル スマートフォン、タブレット、モノのインターネット (IoT) デバイスによって生成されるデータ量を把握し、活用することです。

ビッグ データと人工知能について理解する

ビッグ データと人工知能は、現在のデジタル環境とインダストリー 4.0 を定義するいくつかの技術進歩によって推進されています。どちらの技術開発の目標も、現在生成されている膨大な量のデータの価値を最大化することです。

ビッグ データは、企業や組織にとって役立つ情報に整理および抽出される可能性のある、大量の構造化データ、半構造化データ、および非構造化データの処理と保存を表すために使用される用語です。

一方、人工知能はさまざまなアルゴリズムを使用して、学習、推論、意思決定などの人間の機能を模倣するマシンを構築します。次に、これらの最先端のテクノロジーを見てみましょう。

ビッグデータとは何ですか?

複数のソースからの大量のデータの管理は、「ビッグデータ」分野の焦点です。ビッグ データは、データ量が多すぎて従来のデータ管理手法を使用できない場合に使用されます。ずっと前から、企業は顧客、価格、取引、製品の安全性に関する膨大な量のデータを収集し始めました。しかし、最終的には、人間が手動で評価するにはデータ量が多すぎることが判明しました。

「ビッグデータには、情報資産の大規模かつ高い成長率と多様化するニーズに適応するため、より強力な意思決定、洞察力、プロセス最適化機能を備えた新しい処理モデルが必要です。」 —— ガーター

このアイデアは非常に重要な意味を伝えています。ビッグデータは現在、情報リソースとして見なされています。ビッグデータ時代には、これらの情報資産を処理するための新しい処理方法が必要です。これは、元の処理方法ではこれらのデータをタイムリーかつ正確に処理できないためです。

ビッグ データの 5 つの対

ビッグ データの特性は、別のアイデアを要約するために使用されます。マッキンゼーは、ビッグデータの 4 つの主要な特徴として、大規模なデータ規模、迅速なデータ フロー、多様なデータ タイプ、および低い値密度を挙げています。これは、通常、ビッグデータの 4V 特性と呼ばれるものです。ビッグデータの定義は、業界でよく使われているビッグデータの 5V 特性に、5 番目の特性を追加して IBM によって作成されました。

ボリューム

最初の V はボリュームです。これは、ビッグデータの時代には、大量のデータを処理する必要があることを意味します。現在、このスケールはテラバイトレベルのデータ分析とマイニングに頻繁に使用されています。

多様性

2 番目の機能は、複数形式のデータと呼ばれます。以前に処理できたデータのほとんどは構造化されており、2 次元のテーブルの形式で表示されていました。しかし、ビッグデータの時代には、構造化データ、非構造化データ、半構造化データなど、より広範囲のデータ タイプを処理する必要があります。ビッグ データ テクノロジは、このデータを個別に、または一緒に処理する必要があります。

Value

データ値の密度が低いことが 3 番目の属性です。データの量は多いですが、私たちにとって役立つものはあまりありません。これらのデータは膨大なデータの海に埋もれているため、その価値密度は非常に低くなります。したがって、数十億のデータをフィルタリングしてマイニングする必要がありますが、有用なデータは数十、数百しか見つからない可能性があります。

速度

処理速度の速さは 4 番目の品質です。データを処理して結果を生成するプロセスは、かつては数週間、数か月、あるいはそれ以上かかっていましたが、今では数分、さらには数秒といった短い時間で結果が必要になります。

真実性

5 番目の特徴は 3 番目の特徴と関連しています。信頼性は、ビジネス価値の価値が高いか、より本物であるかどうかを決定します。つまり、マイニングされたデータの価値が非常に高いかどうかは、それが私たちの意思決定に直接影響するか、新しい情報を提供するか、プロセスの改善に役立つかに関係ありません。したがって、より簡単です。

エンタープライズ プロセスは、ビッグ データと人工知能ソリューションを通じて自動化できます。

ビッグ データのこれらの 5V の特徴は、今日使用されている「ビッグ データ」という用語にはデータと多くの処理方法の両方が含まれることを示しています。意思決定をしたり、仕事を最適化するには、大量のデータから仕事に役立つデータの一部を迅速に見つけてマイニングする必要があります。このプロセス全体をビッグデータと呼びます。

ビッグデータ分析

企業が情報に基づいた意思決定を行うのに役立つ情報 (隠れたパターン、相関関係、市場動向、顧客の好みなど) を見つけるために大量のデータを分析する一般的な手法。この困難なプロセスはビッグ データ分析と呼ばれます。

組織は、データ分析手法とプロセスを使用してデータセットを分析し、新たな洞察を得ることができます。ビジネスのパフォーマンスと運用に関する基本的なクエリは、ビジネス インテリジェンス (BI) クエリによって処理されます。

予測モデル、統計アルゴリズム、分析システムによってサポートされる what-if 分析などの側面を含む高度な分析は、ビッグ データ分析のサブセットです。

人工知能とは何ですか?

論理、推論、意思決定が可能なコンピューター システムの作成と使用は、人工知能 (AI) として知られています。この自己学習テクノロジーは、視覚認識、感情検出、言語翻訳を使用してデータを分析し、人間による方法よりも速く情報を生成します。

ビッグデータと人工知能には無限の可能性があるように思えるかもしれませんが、このテクノロジーには限界もあります。

おそらく、あなたはすでに AI システムを毎日使用しているでしょう。人工知能は、Amazon、Google、Facebook などの世界最大規模の企業のユーザー インターフェイスで使用されています。 Siri、Alexa、Bixby などのパーソナル アシスタントはすべて AI を活用しており、Web サイトがユーザーに興味のある製品、映画、記事を推奨することもできます。これらの的を絞った推奨事項は、偶然ではなく人工知能の結果です。

人工知能とビッグデータ分析

データ収集は長い間ビジネスの重要な側面でしたが、最新のデジタル ツールによりこれまで以上に簡単になりました。データセットは急激に増大するため、個人や企業が収集したデータを効果的に使用することは実際には困難です。このため、ビッグデータと人工知能を理解することが重要です。

AI 対応アプリケーションは、データベースから取得したものでも、リアルタイムで収集したものでも、あらゆるデータ セットを迅速に処理できます。企業は AI ソリューションを使用して生産性を向上させ、パーソナライズされたエクスペリエンスを作成し、意思決定をサポートし、コストを削減しています。

データと人工知能は分析と自動化を強化することが多く、組織が業務を変革するのに役立ちます。

ビッグデータと人工知能は、言語の識別と翻訳にも使用できます。

Microsoft Azure Synapse のような分析テクノロジは、組織がトレンドを予測または特定して、ワークフロー、製品開発、その他の分野に関する意思決定を行うのに役立ちます。企業のデータは、読みやすいダッシュボードの視覚化、レポート、チャート、グラフにも整理されます。

同時に、ビッグ データおよび人工知能ソリューションを作成する際に、エンタープライズ プロセスを自動化できます。たとえば、AI は製造における安全検査、予知保全、在庫追跡を強化できます。どの企業でも AI を活用して文書の評価、文書検索の実行、顧客サービスへの問い合わせの処理を行うことができます。

人工知能は、視覚、テキスト、および聴覚表現を分析する方法のため、まだ人間の知能に達していない、またはそれを超えていませんが、このテクノロジーは多くのビジネス活動に導入および統合することが容易になりつつあります。

ビッグデータと人工知能システムは、応答を継続的に改善し、新しい情報に対する動作を調整します。

ビッグデータと人工知能には無限の可能性があるように思えるかもしれませんが、このテクノロジーには限界もあります。ビジネスで AI を使用する方法を包括的に理解するために、AI が優れている 5 つの分野を見てみましょう:

  • AI は、データを整理し、推奨事項を作成し、セマンティック検索を支援するようにトレーニングできます。これらのツールは、企業のニーズを満たす役立つ情報を提供することで、企業のデジタル製品のユーザー エクスペリエンスを向上させます。さらに、エンタープライズ アプリケーション AI は履歴データに基づいて継続的にスキルを向上させるため、現在および将来のデータの有用性を最適化できます。
  • AI は、画像やビデオを理解し、反応するように設計されたアルゴリズムであるコンピューター ビジョンを使用して、画像を分析、認識、検索するようにトレーニングできます。ビジョン トレーニングを備えた AI は、ドキュメントを保存して図示し、IoT センサー アレイをサポートできます。多くの部門は、生産性と効率を向上させるために視覚的な追跡を使用しています。
  • 顧客は現在の検索エンジンの精度と速度を求めていますが、これらの高い基準と企業独自のツールを一致させるのは困難な場合があります。 AI を使用すると、デジタル ツールの検索機能が強化され、Web ページ、写真、ビデオなどを分析して、消費者が探している正確な結果を提供できるようになります。
  • 人工知能テクノロジーは、音声をテキストに変換したり、テキストを音声に変換したりすることで、顧客を引き付けるためによく使用されます。企業は、記録された顧客の会話を注釈付きのレコードとともに表示するだけで、顧客の行動を調査したり、担当者を指導したりできます。企業は、アプリ内に Siri や Alexa などの音声ベースのアシスタントを作成することもできます。
  • 自然言語処理を使用すると、人間が自然に会話して意味のある応答を受け取るのと同じように、フレーズ全体にわたってテクノロジーを使用して会話することができます (NLP)。企業は NLP をアプリケーションやボットに統合して、ユーザーのニーズにさらに応えたり、音声またはテキストで会話できるカスタマー サポート ツールを作成したりできます。これらのビッグデータと人工知能の権限は、言語の認識と翻訳にも使用できます。

ビッグデータと人工知能

現時点では、ビッグデータが存続することに疑いの余地はありませんが、人工知能 (AI) に対する需要は今後も高いままです。 AIはデータがなければ意味がありませんが、AIがなければデータを使いこなすことはできません。その結果、データと人工知能は協力的な関係に収束しつつあります。

これら 2 つの分野を融合することで、ビジネス、テクノロジー、エンターテイメント、およびその間のあらゆる分野における将来のトレンドを特定し、予測できるようになるかもしれません。

ビッグデータは、使用前にクリーニング、整理、統合する必要がある初期の未処理の入力であり、人工知能はデータ処理の究極のインテリジェント製品です。したがって、この 2 つは本質的に異なります。

明らかな違いにもかかわらず、ビッグデータと人工知能は依然として効果的に相互補完します

人工知能は、ロボットが人間のような方法で行動や入力への応答などの認知タスクを実行できるようにするコンピューターの一種です。従来のコンピューティング アプリケーションもデータに応答しますが、これらのアクティビティはすべて手動のコーディングが必要です。何らかの変化球(予期せぬ結果など)が投げられた場合、プログラムは応答しません。その結果、ビッグデータと人工知能システムは応答を継続的に改善し、新しい情報にその動作を適応させます。

AI 機能を備えたマシンは、データの分析と解釈、問題の解決、またはそれらの解釈に基づいた問題の処理に使用されます。機械学習を使用すると、コンピューターはまず特定の結果に対してどのように行動または反応するかを学習し、次に同じように理解して前進します。

ビッグデータは結果に対してアクションを起こすのではなく、結果を検索するだけです。これには、驚くべき量のデータと、非常に多様なデータが含まれる可能性があります。リレーショナル データベースのトランザクション データなどの構造化データは大規模なデータ セットに含まれますが、写真、電子メール データ、センサー データなどの構造化されていないデータまたは非構造化データは大規模なデータ セットに含まれます。

使い方も異なります。洞察を得ることがビッグデータを使用する主な目的です。たとえば、Netflix はユーザーが視聴する内容に基づいて、どのように映画やテレビ番組を推奨するのでしょうか?なぜなら、他の消費者の購入パターンや好みを考慮し、あなたも同じように感じるかもしれないと推測するからです。

人工知能とは、意思決定を行い、その意思決定を改善することです。自動調整ソフトウェア、自動運転車、医療サンプルの分析など、これまで人間が行っていたタスクを人工知能がより速く、より少ないエラーで実行できるようになりました。これらは主に、ビッグデータと人工知能テクノロジーの違いです。

ビッグデータと人工知能は依然として不可欠な双子です

明らかな違いにもかかわらず、ビッグデータと人工知能は依然として効果的に相互補完します。これは、特に機械学習がその知能を開発するためにデータを必要とするためです。たとえば、機械学習画像認識プログラムは、将来飛行機を識別できるように、何千枚もの飛行機の画像を研究してその素材を特定します。

ビッグデータは出発点ですが、モデルをトレーニングするには、コンピューターがデータ内の有用なパターンを一貫して発見できるように、データが十分に構造化され統合されている必要があります。

ビッグデータは大量のデータを収集しますが、それを使って何か役立つことを行う前に、さまざまなデータを分離する必要があります。 AI と ML で使用される不必要、冗長、役に立たないデータは「クリーン」化され、削除されました。これは重要な最初のステップです。

その後、人工知能が繁栄する可能性があります。学習アルゴリズムのトレーニングに必要なデータはビッグデータによって提供できます。データ学習には 2 つのタイプがあります。1 つは定期的に収集されるデータ、もう 1 つは初期トレーニングです。これは準備を整えるための一種のポンプとして機能します。初期トレーニングを完了すると、AI プログラムは学習を止めることはありません。彼らは常に新しい情報を取得しており、データの進化に応じて行動方針を調整します。したがって、初期および継続的にデータが必要となります。

パターン認識は両方のコンピューター パラダイムで使用されますが、使用方法は異なります。ビッグ データ分析では、逐次分析を使用して、過去に時々収集されたデータ、つまり「コールド データ」のパターンを発見します。

機械学習は継続的にデータを収集し、そこから学習します。自動運転車は継続的にデータを収集し、新しいスキルを学習し、運用を改善します。新しいデータは常に受信され、使用されます。これは、ビッグデータと人工知能が相互に関連していることを示しています。

ビッグデータと人工知能の未来

モノのインターネットの急速な利用により、経済全体のデータがデジタル化され、人工知能システムがデータを処理または分析できるようになりました。その結果、AI は業界やビジネス全体でますます一般的になりつつあります。ビッグデータと人工知能を活用している業界の一部を以下に示します:

ヘルスケアにおけるビッグデータと人工知能

アクセンチュア によると、

アクセンチュア

によると、米国の医療システムに AI を導入すると、患者の転帰を改善しながら、2026 年までに年間 1,500 億ドルを節約できる可能性があります。ビッグデータと人工知能は、画像診断と術前医療データを組み合わせることによって可能になるロボット手術から、初期診断と患者の物流を支援する仮想ケアアシスタントに至るまで、医療のあらゆる側面を変革すると期待されています。

自動運転車開発におけるビッグデータと人工知能

人工知能によって制御される自動運転車 (AV) は、輸送業界に大きな混乱を引き起こす運命にあります。道路を適切に観察して車両を操作するために、自動運転車に搭載されている人工知能ソフトウェアは、高度なセンサー、GPS、カメラ、レーダー システムからの入力を使用して 1 秒あたり数十億のデータ ポイントを計算します。

###完全自動化にはまだ課題が残っていますが、ビッグデータと人工知能のおかげで、ハイエンド車両はほとんど人間の関与なしで基本的な運転タスクを処理できます。さらに、一定の状況下であらゆる走行エリアで自律走行できる自動運転車(AV)の試験も始まって​​いる。 ###

#ビッグデータと人工知能の助けを借りて、自動運転車は人間の介入をほとんど必要とせずに基本的な運転タスクを処理できます

# #大データと人工知能スマート アシスタントの開発

デジタル アシスタントは、音声認識、予測分析、自然言語処理の進歩により、より動的で便利になってきています。専門家によると、消費者がキーボードから離れ、ビッグデータや人工知能技術が発展するにつれ、2023年までに音声検索がインターネットの全クエリの50%を占めるようになるという。

産業オートメーション システムにおけるビッグ データと人工知能

産業オートメーションは、ロボットへの世界的な投資の急増によって、物理世界におけるビッグ データと人工知能アプリケーションの最前線にあります。 2020 年には 1,800 億ドル近くになります。これら 2 つの分野の進歩が組み合わさって、ロボットが機械の体として機能し、人工知能が機械の精神として機能する、以前よりもスマートでより高性能な機械が生み出されています。ロボットは工場や倉庫などの非構造化環境でもより自由に作業できるようになりました。組立ラインで人間とより緊密に連携できるため、単純な反復作業に限定されなくなります。

産業オートメーションは、物理世界におけるビッグデータと人工知能の応用の最前線です

結論

今日、コンピューター サイエンスの 2 つの主要な分野はビッグ データと人工知能であり、ビッグ データと人工知能の分野の研究は最近も止まっていません。人工知能とビッグデータは切っても切れない関係にあります。まず、ビッグデータ技術は人工知能の理論と技術を広く利用しているため、人工知能の進歩に依存します。第二に、この分野はデータに大きく依存しているため、ビッグデータ技術は人工知能の開発にとって不可欠です。ビッグデータと人工知能のイノベーションは始まったばかりであるため、私たちはまだ新しいテクノロジーを学ぶ必要があります。

以上が人工知能とビッグデータはインダストリー 4.0 の原動力ですの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

AI Hentai Generator

AI Hentai Generator

AIヘンタイを無料で生成します。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

Bytedance Cutting が SVIP スーパー メンバーシップを開始: 継続的な年間サブスクリプションは 499 元で、さまざまな AI 機能を提供 Bytedance Cutting が SVIP スーパー メンバーシップを開始: 継続的な年間サブスクリプションは 499 元で、さまざまな AI 機能を提供 Jun 28, 2024 am 03:51 AM

このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

Rag と Sem-Rag を使用したコンテキスト拡張 AI コーディング アシスタント Rag と Sem-Rag を使用したコンテキスト拡張 AI コーディング アシスタント Jun 10, 2024 am 11:08 AM

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

GenAI および LLM の技術面接に関する 7 つのクールな質問 GenAI および LLM の技術面接に関する 7 つのクールな質問 Jun 07, 2024 am 10:06 AM

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

微調整によって本当に LLM が新しいことを学習できるようになるのでしょうか: 新しい知識を導入すると、モデルがより多くの幻覚を生成する可能性があります 微調整によって本当に LLM が新しいことを学習できるようになるのでしょうか: 新しい知識を導入すると、モデルがより多くの幻覚を生成する可能性があります Jun 11, 2024 pm 03:57 PM

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

新しい科学的で複雑な質問応答ベンチマークと大規模モデルの評価システムを提供するために、UNSW、アルゴンヌ、シカゴ大学、およびその他の機関が共同で SciQAG フレームワークを立ち上げました。 新しい科学的で複雑な質問応答ベンチマークと大規模モデルの評価システムを提供するために、UNSW、アルゴンヌ、シカゴ大学、およびその他の機関が共同で SciQAG フレームワークを立ち上げました。 Jul 25, 2024 am 06:42 AM

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

あなたが知らない機械学習の 5 つの流派 あなたが知らない機械学習の 5 つの流派 Jun 05, 2024 pm 08:51 PM

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

SOTA パフォーマンス、厦門マルチモーダルタンパク質-リガンド親和性予測 AI 手法、初めて分子表面情報を結合 SOTA パフォーマンス、厦門マルチモーダルタンパク質-リガンド親和性予測 AI 手法、初めて分子表面情報を結合 Jul 17, 2024 pm 06:37 PM

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性​​を実証しています。 「S」で始まる関連研究

AIなどの市場を開拓するグローバルファウンドリーズがタゴール・テクノロジーの窒化ガリウム技術と関連チームを買収 AIなどの市場を開拓するグローバルファウンドリーズがタゴール・テクノロジーの窒化ガリウム技術と関連チームを買収 Jul 15, 2024 pm 12:21 PM

7月5日のこのウェブサイトのニュースによると、グローバルファウンドリーズは今年7月1日にプレスリリースを発行し、自動車とインターネットでの市場シェア拡大を目指してタゴール・テクノロジーのパワー窒化ガリウム(GaN)技術と知的財産ポートフォリオを買収したことを発表した。モノと人工知能データセンターのアプリケーション分野で、より高い効率とより優れたパフォーマンスを探求します。生成 AI などのテクノロジーがデジタル世界で発展を続ける中、窒化ガリウム (GaN) は、特にデータセンターにおいて、持続可能で効率的な電力管理のための重要なソリューションとなっています。このウェブサイトは、この買収中にタゴール・テクノロジーのエンジニアリングチームがGLOBALFOUNDRIESに加わり、窒化ガリウム技術をさらに開発するという公式発表を引用した。 G

See all articles