인공지능 검색 분야에서는 구글과 마이크로소프트가 경쟁한다.
지난해 말 출시 이후 ChatGPT는 전통적인 정보 검색 방식에 대한 주요 위협으로 여겨져 왔습니다. 다양하기 때문에 사람들의 질문에 답할 수도 있고, 에세이나 시를 쓸 수도 있고, 프로그램 코드를 작성할 수도 있습니다.
일관적인 답변을 제공하는 대화형 AI의 능력은 수십 년 동안 사람들이 인터넷에서 정보를 검색하는 벤치마크 플랫폼이었던 Google 검색 엔진에 대한 위협으로 간주됩니다.
OpenAI의 ChatGPT는 사용자가 묻는 특정 질문에 대한 답변을 맞춤화하여 웹사이트 탐색 시간을 절약할 수 있습니다.
12월에 발표된 New York Times 보고서에 따르면 ChatGPT의 하룻밤 성공으로 인해 Google은 이를 "코드 레드"라고 부르고 인공 지능 챗봇이 검색 엔진 비즈니스에 가하는 위협을 해결하기 시작했습니다.
YouTube 라이브 페이지의 이벤트 설명에 따르면 Google은 2월 8일에 이벤트를 개최할 예정입니다. 여기서 회사는 "사람들이 정보를 검색하고 탐색하고 상호 작용하는 방식을 이전보다 더 자연스럽게 만들기 위해" 재구성하고 무엇을 찾을지 약속합니다. 좀 더 직관적으로 필요해요."
Google은 "검색, 그래픽 및 기타 방법을 통해 전 세계 사람들이 정보에 더 쉽게 접근할 수 있도록" 약속합니다.
이는 Google이 검색 엔진을 개편하고 이를 주류 검색 엔진에 구현할 것임을 보여줍니다. LaMDa와 같은 인공지능 연구 프로젝트. LaMDa는 ChatGPT와 유사한 제품이자 가장 강력한 경쟁자입니다.
Microsoft가 ChatGPT를 Bing 검색 엔진에 통합함에 따라 Google은 검색 개혁을 가속화합니다. The Verge의 뉴스 보도에 따르면 ChatGPT가 제공하는 Bing 검색 엔진이 잠시 나타났다가 사라졌습니다.
Microsoft는 1월 말에 "점점 더 안전하고 유용하며 강력한 AI를 독립적으로 개발"하기 위해 OpenAI에 수십억 달러를 투자할 것이라고 밝혔습니다.
2021년에 출시된 Google LaMDa는 기본적으로 기밀이며 일반에 공개되지 않습니다. 여전히 연구 모드에 있는 ChatGPT는 사용하기 쉬운 인터페이스에 표시되자 빠르게 쇼를 훔쳐 Google이 따라잡기 위해 안간힘을 쓰게 만들었습니다.
LaMDA 외에도 Google에서는 연구 중인 일련의 인공지능 기술도 보유하고 있습니다. 획기적인 PaLM(Pathways Language Model)은 5,400억 개의 매개변수까지 확장 가능하며 ChatGPT를 지원하는 대규모 언어 모델인 GPT-3.5보다 훨씬 더 큽니다.
Alphabet(Google의 모회사) CEO인 Sundar Pichai는 다음과 같이 말했습니다. “앞으로 몇 주, 몇 달 안에 우리는 LaMDA를 시작으로 이러한 언어 모델을 제공하여 사람들이 직접 사용할 수 있도록 할 것입니다.”
Pichai는 LaMDa의 일부를 반복했습니다. 이익. 이 회사는 이전에 AI를 사용하여 이메일이나 서면 작업을 편집 또는 완료하거나 복잡한 보고서를 요약하는 방법에 대해 논의했습니다. "곧 사람들은 실험적이고 혁신적인 방식으로 검색할 수 있는 동반자로서 우리의 가장 강력한 최신 언어 모델과 직접 상호 작용할 수 있게 될 것입니다. 계속 지켜봐 주시기 바랍니다."
Pichai는 Google이 개발자, 제작자, 개발자 및 파트너에게 도구와 API를 제공할 것이라고 말했습니다. . "이를 통해 그들은 언어, 다중 모드 및 기타 AI 모델을 기반으로 자체 애플리케이션을 혁신 및 구축하고 AI의 새로운 가능성을 발견할 수 있습니다."
Alphabet은 모든 사업 부문에 걸쳐 구축되고 있습니다. 더 긴밀한 연결과 인공 지능 기술의 도입 핵심 사업으로.
Google 모회사인 Alphabet의 자회사인 DeepMind는 인간 지능이 작동하는 방식을 복제하는 것을 목표로 하는 '일반 인공지능(AGI)'을 만들려고 노력하고 있습니다. AGI의 개념은 Deepmind의 연구를 서비스에 통합하여 인간의 집안일을 완료하고, 정보를 찾고, 게임을 하고, 과학 연구를 수행하는 데 도움을 주는 것입니다. AGI 개념에는 컴퓨터 비전, 음성 및 자연어 처리가 포함됩니다.
Google은 이미 인공 지능을 사용하여 검색 결과와 Google Cloud와 같은 제품을 개선하고 있습니다. 그러나 LaMDa의 상업적 지연은 인공 지능의 책임감 있고 윤리적인 사용에 대한 Google의 약속 때문일 수 있으며, 이로 인해 제품 애플리케이션을 지나치게 신중하게 구현하게 되었습니다.
LaMDa의 웹페이지에는 “Google로서 우리는 사실(예: LaMDa가 사실을 고수하는지 여부, 이는 언어 모델의 일반적인 문제)에도 매우 관심이 있으며 LaMDa의 응답이 그렇지 않은지 확인하는 방법에 대해 노력하고 있습니다. 설득력 있지만 정확합니다.”
마이크로소프트와 구글의 전쟁은 이제 인공지능 중심 검색엔진을 두고 벌어지고 있지만, 구글과 오픈AI의 경쟁도 핵심 인공지능 기술을 두고 펼쳐지고 있다. Google과 OpenAI의 대규모 언어 모델에는 1조 개가 넘는 매개변수가 있어 인공지능 검색 엔진의 반응성과 정확성이 향상됩니다.
Google은 ChatGPT 구축의 기초이기도 한 Transformer 기술을 발명했다고 주장합니다. Transformer는 단락에 있는 단어와 기타 요소 사이의 관계를 더 잘 설정하여 더 정확하고 관련성이 높은 답변을 생성합니다. 예를 들어, 단어, 문장, 문단의 연관된 의미를 설정하고, 쓰여진 문단 내에서 맥락, 관계, 연결을 설정할 수 있습니다. 이는 정확성을 보장하기 위해 신뢰할 수 있는 관계와 맥락을 구축해야 하는 의료와 같은 분야에서 특히 중요합니다.
위 내용은 인공지능 검색 분야에서는 구글과 마이크로소프트가 경쟁한다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제









이 사이트는 6월 27일에 Jianying이 ByteDance의 자회사인 FaceMeng Technology에서 개발한 비디오 편집 소프트웨어라고 보도했습니다. 이 소프트웨어는 Douyin 플랫폼을 기반으로 하며 기본적으로 플랫폼 사용자를 위한 짧은 비디오 콘텐츠를 제작합니다. Windows, MacOS 및 기타 운영 체제. Jianying은 멤버십 시스템 업그레이드를 공식 발표하고 지능형 번역, 지능형 하이라이트, 지능형 패키징, 디지털 인간 합성 등 다양한 AI 블랙 기술을 포함하는 새로운 SVIP를 출시했습니다. 가격면에서 SVIP 클리핑 월 요금은 79위안, 연간 요금은 599위안(본 사이트 참고: 월 49.9위안에 해당), 월간 연속 구독료는 월 59위안, 연간 연속 구독료는 59위안입니다. 연간 499위안(월 41.6위안)입니다. 또한, 컷 관계자는 "사용자 경험 향상을 위해 기존 VIP에 가입하신 분들도

검색 강화 생성 및 의미론적 메모리를 AI 코딩 도우미에 통합하여 개발자 생산성, 효율성 및 정확성을 향상시킵니다. EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG에서 번역됨, 저자 JanakiramMSV. 기본 AI 프로그래밍 도우미는 자연스럽게 도움이 되지만, 소프트웨어 언어에 대한 일반적인 이해와 소프트웨어 작성의 가장 일반적인 패턴에 의존하기 때문에 가장 관련성이 높고 정확한 코드 제안을 제공하지 못하는 경우가 많습니다. 이러한 코딩 도우미가 생성한 코드는 자신이 해결해야 할 문제를 해결하는 데 적합하지만 개별 팀의 코딩 표준, 규칙 및 스타일을 따르지 않는 경우가 많습니다. 이로 인해 코드가 애플리케이션에 승인되기 위해 수정되거나 개선되어야 하는 제안이 나타나는 경우가 많습니다.

LLM(대형 언어 모델)은 대규모 텍스트 데이터베이스에서 훈련되어 대량의 실제 지식을 습득합니다. 이 지식은 매개변수에 내장되어 필요할 때 사용할 수 있습니다. 이러한 모델에 대한 지식은 훈련이 끝나면 "구체화"됩니다. 사전 훈련이 끝나면 모델은 실제로 학습을 중단합니다. 모델을 정렬하거나 미세 조정하여 이 지식을 활용하고 사용자 질문에 보다 자연스럽게 응답하는 방법을 알아보세요. 그러나 때로는 모델 지식만으로는 충분하지 않을 때도 있으며, 모델이 RAG를 통해 외부 콘텐츠에 접근할 수 있더라도 미세 조정을 통해 모델을 새로운 도메인에 적응시키는 것이 유익한 것으로 간주됩니다. 이러한 미세 조정은 인간 주석 작성자 또는 기타 LLM 생성자의 입력을 사용하여 수행됩니다. 여기서 모델은 추가적인 실제 지식을 접하고 이를 통합합니다.

AIGC에 대해 자세히 알아보려면 다음을 방문하세요. 51CTOAI.x 커뮤니티 https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou는 인터넷 어디에서나 볼 수 있는 전통적인 문제 은행과 다릅니다. 고정관념에서 벗어나 생각해야 합니다. LLM(대형 언어 모델)은 데이터 과학, 생성 인공 지능(GenAI) 및 인공 지능 분야에서 점점 더 중요해지고 있습니다. 이러한 복잡한 알고리즘은 인간의 기술을 향상시키고 많은 산업 분야에서 효율성과 혁신을 촉진하여 기업이 경쟁력을 유지하는 데 핵심이 됩니다. LLM은 자연어 처리, 텍스트 생성, 음성 인식 및 추천 시스템과 같은 분야에서 광범위하게 사용될 수 있습니다. LLM은 대량의 데이터로부터 학습하여 텍스트를 생성할 수 있습니다.

편집자 |ScienceAI 질문 응답(QA) 데이터 세트는 자연어 처리(NLP) 연구를 촉진하는 데 중요한 역할을 합니다. 고품질 QA 데이터 세트는 모델을 미세 조정하는 데 사용될 수 있을 뿐만 아니라 LLM(대형 언어 모델)의 기능, 특히 과학적 지식을 이해하고 추론하는 능력을 효과적으로 평가하는 데에도 사용할 수 있습니다. 현재 의학, 화학, 생물학 및 기타 분야를 포괄하는 과학적인 QA 데이터 세트가 많이 있지만 이러한 데이터 세트에는 여전히 몇 가지 단점이 있습니다. 첫째, 데이터 형식이 비교적 단순하고 대부분이 객관식 질문이므로 평가하기 쉽지만 모델의 답변 선택 범위가 제한되고 모델의 과학적 질문 답변 능력을 완전히 테스트할 수 없습니다. 이에 비해 개방형 Q&A는

머신 러닝은 명시적으로 프로그래밍하지 않고도 컴퓨터가 데이터로부터 학습하고 능력을 향상시킬 수 있는 능력을 제공하는 인공 지능의 중요한 분야입니다. 머신러닝은 이미지 인식, 자연어 처리, 추천 시스템, 사기 탐지 등 다양한 분야에서 폭넓게 활용되며 우리의 삶의 방식을 변화시키고 있습니다. 기계 학습 분야에는 다양한 방법과 이론이 있으며, 그 중 가장 영향력 있는 5가지 방법을 "기계 학습의 5개 학교"라고 합니다. 5개 주요 학파는 상징학파, 연결주의 학파, 진화학파, 베이지안 학파, 유추학파이다. 1. 상징주의라고도 알려진 상징주의는 논리적 추론과 지식 표현을 위해 상징을 사용하는 것을 강조합니다. 이 사고 학교는 학습이 기존을 통한 역연역 과정이라고 믿습니다.

Editor | KX 약물 연구 및 개발 분야에서 단백질과 리간드의 결합 친화도를 정확하고 효과적으로 예측하는 것은 약물 스크리닝 및 최적화에 매우 중요합니다. 그러나 현재 연구에서는 단백질-리간드 상호작용에서 분자 표면 정보의 중요한 역할을 고려하지 않습니다. 이를 기반으로 Xiamen University의 연구자들은 처음으로 단백질 표면, 3D 구조 및 서열에 대한 정보를 결합하고 교차 주의 메커니즘을 사용하여 다양한 양식 특징을 비교하는 새로운 다중 모드 특징 추출(MFE) 프레임워크를 제안했습니다. 조정. 실험 결과는 이 방법이 단백질-리간드 결합 친화도를 예측하는 데 있어 최첨단 성능을 달성한다는 것을 보여줍니다. 또한 절제 연구는 이 프레임워크 내에서 단백질 표면 정보와 다중 모드 기능 정렬의 효율성과 필요성을 보여줍니다. 관련 연구는 "S"로 시작된다

7월 5일 이 웹사이트의 소식에 따르면 글로벌파운드리는 올해 7월 1일 보도자료를 통해 타고르 테크놀로지(Tagore Technology)의 전력질화갈륨(GaN) 기술 및 지적재산권 포트폴리오 인수를 발표하고 자동차와 인터넷 시장 점유율 확대를 희망하고 있다고 밝혔다. 더 높은 효율성과 더 나은 성능을 탐구하기 위한 사물 및 인공 지능 데이터 센터 응용 분야입니다. 생성 AI와 같은 기술이 디지털 세계에서 계속 발전함에 따라 질화갈륨(GaN)은 특히 데이터 센터에서 지속 가능하고 효율적인 전력 관리를 위한 핵심 솔루션이 되었습니다. 이 웹사이트는 이번 인수 기간 동안 Tagore Technology의 엔지니어링 팀이 GLOBALFOUNDRIES에 합류하여 질화갈륨 기술을 더욱 개발할 것이라는 공식 발표를 인용했습니다. G
