Dalam bidang pencarian kecerdasan buatan, Google dan Microsoft bersaing
Sejak dilancarkan pada penghujung tahun lepas, ChatGPT telah dianggap sebagai ancaman utama kepada cara tradisional mencari maklumat. Kerana ia adalah pelbagai, anda boleh menjawab soalan orang, menulis esei atau puisi, atau menulis kod program.
Keupayaan AI perbualan untuk memberikan jawapan yang koheren dianggap sebagai ancaman kepada enjin carian Google, yang selama beberapa dekad telah menjadi platform penanda aras untuk orang ramai mencari maklumat di Internet .
OpenAI's ChatGPT boleh menyesuaikan jawapan kepada soalan khusus yang ditanya oleh pengguna, yang boleh menjimatkan masa melayari tapak web.
Laporan New York Times yang diterbitkan pada bulan Disember mendedahkan bahawa kejayaan semalaman ChatGPT memaksa Google memanggilnya "Kod Merah" dan mula menangani ancaman yang ditimbulkan oleh bot sembang kecerdasan buatan kepada perniagaan enjin cariannya.
Menurut penerangan acara di halaman langsung YouTube, Google akan menganjurkan acara pada 8 Februari di mana syarikat berjanji untuk membayangkan semula "cara orang mencari, meneroka dan berinteraksi dengan maklumat untuk menjadikannya lebih berkuasa daripada Mencari perkara yang anda perlukan adalah lebih semula jadi dan intuitif berbanding sebelum ini."
Google berjanji untuk "menjadikan maklumat lebih mudah diakses oleh orang di seluruh dunia melalui carian, grafik dan cara lain"
Ini menunjukkan , Google telah mengubah enjin cariannya dan akan melaksanakan projek penyelidikan kecerdasan buatan seperti LaMDa dalam enjin carian arus perdananya. LaMDa ialah produk yang serupa dengan ChatGPT dan pesaingnya yang paling berkuasa.
Apabila Microsoft menggabungkan ChatGPT ke dalam enjin carian Bingnya, Google mempercepatkan pembaharuan carian. Menurut laporan berita dari The Verge, enjin carian Bing yang dikuasakan oleh ChatGPT kelihatan muncul untuk masa yang singkat dan kemudian hilang.
Microsoft berkata pada akhir Januari bahawa ia akan melabur berbilion dolar dalam OpenAI untuk secara bebas "membangunkan AI yang semakin selamat, berguna dan berkuasa" (Bacaan lanjutan: Microsoft menolak OpenAI, pelaburan berbilang tahun sehingga berbilion-bilion).
Google LaMDa yang dikeluarkan pada 2021 pada asasnya adalah sulit dan tidak terbuka kepada orang ramai. Masih dalam mod penyelidikan, ChatGPT dengan pantas mencuri perhatian apabila ia muncul pada antara muka yang mudah digunakan, memaksa Google bergegas untuk mengejar ketinggalan.
Selain LaMDA, Google juga mempunyai satu siri teknologi kecerdasan buatan dalam penyelidikan. PaLM (Model Bahasa Laluan) terobosannya boleh berskala kepada 540 bilion parameter dan jauh lebih besar daripada GPT-3.5, model bahasa besar yang menguasai ChatGPT.
Sundar Pichai, Ketua Pegawai Eksekutif Alphabet (syarikat induk Google) berkata: "Dalam minggu dan bulan akan datang, kami akan menyediakan model bahasa ini, bermula dengan LaMDA, supaya orang ramai boleh menggunakannya secara langsung."
Pichai mengulangi beberapa faedah LaMDa. Syarikat itu sebelum ini telah membincangkan bagaimana ia boleh menggunakan AI untuk mengedit atau menyelesaikan e-mel atau kerja bertulis, atau meringkaskan laporan yang kompleks. "Tidak lama lagi, orang akan dapat berinteraksi secara langsung dengan model bahasa kami yang terbaharu dan paling berkuasa sebagai rakan untuk mencari dalam cara yang eksperimen dan inovatif. Nantikan
Pichai berkata bahawa Google akan Pembangun, pencipta dan rakan kongsi menyediakan alat." dan API. "Ini akan membolehkan mereka membuat inovasi dan membina aplikasi mereka sendiri dan menemui kemungkinan baharu dalam AI di samping model linguistik, multimodal dan AI kami yang lain
Alphabet Mewujudkan hubungan yang lebih rapat antara semua unit perniagaan dan." memperkenalkan teknologi AI ke dalam operasi teras.
DeepMind, anak syarikat induk Google Alphabet, sedang cuba mencipta "kecerdasan am buatan," atau AGI, yang bertujuan untuk meniru cara kecerdasan manusia berfungsi. Konsep AGI adalah untuk menyepadukan penyelidikan Deepmind ke dalam perkhidmatan untuk membantu menyelesaikan tugas manusia, mencari maklumat, bermain permainan dan menjalankan penyelidikan saintifik. Konsep AGI akan merangkumi penglihatan komputer, pertuturan dan pemprosesan bahasa semula jadi.
Google sudah menggunakan kecerdasan buatan untuk meningkatkan hasil carian dan produk seperti Google Cloud. Tetapi kelewatan komersial LaMDa mungkin disebabkan oleh komitmen Google terhadap penggunaan kecerdasan buatan yang bertanggungjawab dan beretika, yang telah menyebabkan pelaksanaan aplikasi produknya yang terlalu berhati-hati.
Halaman web LaMDa menyatakan, “Sebagai Google, kami juga amat mengambil berat tentang fakta (iaitu, sama ada LaMDa mematuhi fakta, yang merupakan masalah yang sering dihadapi oleh model bahasa), dan sedang berusaha untuk memastikan bahawa LaMDa respons bukan sahaja menarik Yakin, dan betul.”
Pertempuran antara Microsoft dan Google kini adalah mengenai enjin carian yang dipacu kecerdasan buatan, tetapi persaingan antara Google dan OpenAI juga adalah pada teknologi kecerdasan buatan teras. Model bahasa berskala besar daripada Google dan OpenAI akan mempunyai lebih daripada 1 trilion parameter, yang akan menjadikan enjin carian kecerdasan buatan lebih responsif dan lebih tepat.
Google mendakwa bahawa ia mencipta teknologi Transformer, yang juga merupakan asas untuk membina ChatGPT. Transformer melakukan tugas yang lebih baik dalam mewujudkan hubungan antara perkataan dan unsur lain dalam perenggan, menghasilkan jawapan yang lebih tepat dan relevan. Contohnya, ia boleh mewujudkan makna perkataan, ayat dan perenggan yang berkaitan serta mewujudkan konteks, hubungan dan perkaitan dalam perenggan bertulis. Ini amat penting dalam bidang seperti penjagaan kesihatan, di mana hubungan dan konteks yang boleh dipercayai perlu diwujudkan untuk memastikan ketepatan.
Atas ialah kandungan terperinci Dalam bidang pencarian kecerdasan buatan, Google dan Microsoft bersaing. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Dalam dunia pembangunan bahagian hadapan, VSCode telah menjadi alat pilihan untuk banyak pembangun dengan fungsi yang berkuasa dan ekosistem pemalam yang kaya. Dalam beberapa tahun kebelakangan ini, dengan perkembangan pesat teknologi kecerdasan buatan, pembantu kod AI pada VSCode telah muncul, meningkatkan kecekapan pengekodan pembangun. Pembantu kod AI pada VSCode telah muncul seperti cendawan selepas hujan, meningkatkan kecekapan pengekodan pembangun. Ia menggunakan teknologi kecerdasan buatan untuk menganalisis kod secara bijak dan menyediakan penyiapan kod yang tepat, pembetulan ralat automatik, semakan tatabahasa dan fungsi lain, yang mengurangkan kesilapan pembangun dan kerja manual yang membosankan semasa proses pengekodan. Hari ini, saya akan mengesyorkan 12 pembantu kod AI pembangunan bahagian hadapan VSCode untuk membantu anda dalam perjalanan pengaturcaraan anda.
