展望 2023: デジタルの未来は人工知能の束縛を取り除くことにあります
人工知能は、何十年にもわたってそれを取り巻いてきた誇大宣伝が正しかったことをついに証明しつつあります。人工知能はまだ人類の救世主ではありませんが、概念から現実へと進歩し、その実用化により世界はより良い場所になりつつあります。
しかし、人工知能の奇跡的な偉業の多くは隠されており、その影響はありふれた装いを超えて目を向けたときにのみ観察できます。たとえば、30 か国以上で事業を展開している大手保険会社を考えてみましょう。同社は毎年 2,000 万件以上の顧客からの電話に対応しています。音声テキスト変換テクノロジーと自然言語処理を活用することで、通話の内容を分析して、販売品質の管理、顧客の表情やニーズの理解、感情的なフィードバックの取得とデータの分析など、特定のビジネス ニーズを満たすことができます。
世界トップの再生可能エネルギー生産会社である AES を見てみましょう。再生可能エネルギーには、従来のエネルギーよりも多くの設備を管理および監視する必要があります。データ サイエンスと AI は、自動化を通じて AES の運用効率を向上させ、パフォーマンス エンジニアの行動と意思決定を強化するデータ主導の洞察を提供します。これにより、稼働時間の要件が満たされ、クリーン エネルギーが可能な限り迅速、効率的、かつコスト効率よく顧客に提供されることが保証されます。 AES は世界を救うためにもその役割を果たしています。
これらは、運用されている無数の人工知能アプリケーションと同様に、ますます注目を集めています。しかし、これまでのところ、人工知能の可能性は 3 つの重要な制限によって制限されてきました:
- 不十分なコンピューティング能力;
- バインドの必要性特定の (集中した) 場所へのデータ;
- トレーニング データの欠如。
いくつかの重要な技術革新のおかげで、大きな変化が起こり、AI はこれらの制約から解放されており、企業はこの強力なテクノロジーを活用する準備ができている必要があります。
これらの制約、つまり人工知能の開発を妨げる足かせについて、そして将来どのように打破できるかを見てみましょう。
AI の足かせ 1: コンピューティング能力
従来、企業には AI モデルを駆動し、適切に実行し続けるための十分な処理能力がありませんでした。企業は、必要なリソースを完全にクラウド環境に依存すべきか、それともクラウドとオンプレミスのリソースにコンピューティング投資を配分する方が良いかを検討してきました。
社内のオンプレミス GPU クラスターが企業に選択肢を提供するようになりました。現在、いくつかのより大規模で先進的な組織が実稼働ユースケースに焦点を当て、独自の GPU クラスター (NVIDIA DGX SuperPOD など) に投資しています。 GPU クラスターは、企業の実行に必要な専用の馬力を提供します。
多数のトレーニング モデル - ソフトウェア ベースの分散コンピューティング フレームワークを利用する場合。このようなフレームワークは、さまざまな GPU ノード上のトレーニング ワークロードを手動で解析する難しさを抽象化できます。
AI の制約 2: データの一元化
データは通常、企業の仕事作成のために、データ ウェアハウスと呼ばれる集中的な場所に収集、処理、保存されます。唯一の真実の情報源。
単一のデータ リポジトリを維持すると、管理、監視、反復が容易になります。企業がオンラインまたはクラウド コンピューティング機能に投資する選択肢を持っているのと同じように、近年、データを分散化することでデータ ウェアハウスの柔軟性を実現する動きがあります。
データ ローカリゼーション ルールにより、分散した企業からのデータが集約されない場合があります。また、データ モデルのエッジ ユース ケースが急速に出現しているため、単一のデータ ウェアハウスの概念はもはや絶対的なものではなくなりました。
現在、ほとんどの組織がハイブリッド クラウドを実行しているため、データを特定の場所に結び付ける必要があった時代は終わりました。企業がハイブリッド クラウドを活用し続けるにつれ、エッジでモデルを展開する柔軟性など、ハイブリッド クラウドのあらゆるメリットを享受できるようになりました。
AI の束縛 3: トレーニング データ
有用なデータの欠如は、常に人工知能の普及に対する大きな障害となってきました。私たちは技術的にはデータに囲まれていますが、データの収集と保存には時間と手間がかかり、費用がかかる場合があります。偏見の問題もあります。 AI モデルを開発およびデプロイするときは、生成される洞察が価値があり、害を及ぼさないようにするために、バランスが取れており、偏見がない必要があります。しかし、現実世界に偏りがあるのと同じように、データにも偏りがあります。モデルの使用を拡張するには、大量のデータとデータの偏りを修正するための努力が必要です。
これらの課題を克服するために、企業は合成データに目を向けています。実際、合成データは増加しています。 Gartner は、2024 年までに AI アプリケーションのデータの 60% が合成データになると予測しています。データ サイエンティストにとって、データの性質 (本物か合成か) は無関係です。重要なのはデータの品質です。合成データは潜在的なバイアスを排除します。また、拡張も簡単で、購入コストも安くなります。合成データにより、企業は事前にラベル付けされたデータのオプションも得られ、モデルのトレーニングに使用される原料の生成に必要な時間とリソースが大幅に削減されます。
人工知能の台頭
人工知能がデータの品質、計算、場所の制約から解放されると、私たちの日常生活に関わるユースケースが増え、精度が向上します。モデルが登場します。すでに主要な組織が AI を使用してビジネス プロセスを最適化しているのを目にしていますが、それに対応するために行動を起こさない組織は、競争上明らかに不利な立場に置かれることになります。
AI のメリットを最大限に享受するには、実装をトップダウンで開始する必要があります。データ サイエンティストがモデルの開発と展開という大変な作業を行う一方で、経営幹部も AI をビジネス戦略に最適に統合するための概念について教育する必要があります。 AI テクノロジーとその可能性を理解している経営幹部は、AI、ひいては自社のビジネスに対してより適切な戦略的投資を行うことができます。
逆に、AI がビジネス目標をどれだけ効果的にサポートできるかわからない場合は、特定のアプリケーションに資金を投じて、AI を活用した新しい研究プロジェクトや AI が実を結ぶことを期待するかもしれません。これは最適とは言えないボトムアップ アプローチです。代わりに、経営幹部はデータ サイエンスの専門家や従業員のリーダーと協力して、これらのテクノロジーを通常のビジネス プランに最適に統合する方法を学ぶ必要があります。
2023 年には、人工知能の束縛が (完全に打破されないにしても) 徐々に緩和されることが予想されるため、企業はソリューションに投資することで人工知能の可能性を最大限に引き出すことができる時期が来ています。 、これらのソリューションは世界をより良い場所にし、今日のデジタル経済においてこれらの企業が競争力を維持できるように支援します。
以上が展望 2023: デジタルの未来は人工知能の束縛を取り除くことにありますの詳細内容です。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。

ホットAIツール

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
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

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
中国語版、とても使いやすい

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
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











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、

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。

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。

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。

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

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

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。

フロントエンド開発の世界では、VSCode はその強力な機能と豊富なプラグイン エコシステムにより、数多くの開発者に選ばれるツールとなっています。近年、人工知能技術の急速な発展に伴い、VSCode 上の AI コード アシスタントが登場し、開発者のコーディング効率が大幅に向上しました。 VSCode 上の AI コード アシスタントは雨後のキノコのように出現し、開発者のコーディング効率を大幅に向上させました。人工知能テクノロジーを使用してコードをインテリジェントに分析し、正確なコード補完、自動エラー修正、文法チェックなどの機能を提供することで、コーディング プロセス中の開発者のエラーや退屈な手作業を大幅に削減します。今日は、プログラミングの旅に役立つ 12 個の VSCode フロントエンド開発 AI コード アシスタントをお勧めします。
