Jadual Kandungan
Apakah cara inovatif anda menggunakan data dan AI untuk membantu Jabatan Buruh (DOL)?
Dalam bidang apakah anda memulakan projek data dan teknologi kognitif anda?
Apakah peluang unik dalam sektor awam dalam hal data dan kecerdasan buatan?
Apakah kes penggunaan yang boleh anda kongsikan tentang aplikasi AI yang berjaya?
Bolehkah anda berkongsi beberapa cabaran yang dihadapi oleh sektor awam dengan AI dan ML?
Bagaimana anda menangani isu privasi, kepercayaan dan keselamatan yang mengelilingi kecerdasan buatan?
Bagaimana anda memupuk bakat teknikal kecerdasan buatan?
Apakah teknologi kecerdasan buatan yang paling anda nantikan dalam beberapa tahun akan datang?
Rumah Peranti teknologi AI Jabatan Buruh A.S.: Gunakan teknologi AI dan automasi untuk membuka kunci nilai data

Jabatan Buruh A.S.: Gunakan teknologi AI dan automasi untuk membuka kunci nilai data

Apr 08, 2023 pm 09:31 PM
AI robot automasi

Jabatan Buruh A.S.: Gunakan teknologi AI dan automasi untuk membuka kunci nilai data

Kerajaan dibanjiri dengan data. Untuk mendapatkan cerapan tentang data ini untuk memberi perkhidmatan yang lebih baik kepada rakyat, agensi menggunakan teknologi seperti automasi, RPA (automasi proses robotik), ML (pembelajaran mesin) dan AI (kecerdasan buatan) untuk mengurus data dengan lebih baik serta menambah baik kaedah serta aliran kerja . DOL (Jabatan Tenaga Kerja A.S.) ialah salah satu daripada agensi ini yang membangunkan cara unik untuk menggunakan teknologi baru muncul dalam persekitaran yang kaya dengan data mereka.

Sanjay Koyani, Ketua Pegawai Teknologi Jabatan Tenaga Kerja A.S. dan pasukannya bekerja keras untuk menyepadukan pelbagai teknologi inovatif seperti AI, RPA dan chatbot yang bertanggungjawab, serta merancang untuk mencipta platform data peringkat perusahaan di Jabatan Tenaga Kerja. Pada acara AI dalam Kerajaan yang akan datang pada 15 September 2022, Sanjay akan meneroka AI sektor itu, automasi dan perjalanan data, perkara yang perlu dilakukan untuk meneroka pertimbangan perubahan budaya, dan cara terbaik dalam mengenal pasti masalah dan keperluan pelanggan dan kemudian membangunkan penyelesaian untuk benar-benar mengenal pasti dan menyelesaikan masalah tersebut.

Dalam temu bual pratonton dengan Forbes, Sanjay berkongsi cara Jabatan Buruh menggunakan AI dan ML dalam persekitaran yang kaya dengan data, beberapa cabaran dalam menerima pakai teknologi transformatif dalam sektor awam, dan cara Jabatan A.S. Buruh melihat AI yang Boleh Dipercayai dan bertanggungjawab.

Apakah cara inovatif anda menggunakan data dan AI untuk membantu Jabatan Buruh (DOL)?

Sanjay Koyani: Semua inisiatif pemodenan IT berfungsi ke arah matlamat kami untuk menjadi yang terbaik dalam penyelesaian IT persekutuan, yang menyokong misi Jabatan Buruh kami untuk meningkatkan perkhidmatan kepada orang awam Amerika dan menyediakan perkhidmatan pelanggan yang lebih baik untuk menyokong lebih tempat kerja digital.

Lebih setahun yang lalu, kami mencipta cawangan baharu dalam jabatan Teknologi, Inovasi dan Kejuruteraan (TIE) yang mengkhusus dalam teknologi baru muncul dan mencipta pendekatan reka bentuk berpusatkan manusia untuk teknologi masa depan Jabatan Buruh. Keupayaan teknologi baru muncul pertama yang kami lancarkan dan sedang berusaha untuk berkembang ke seluruh perusahaan berkisar pada penggunaan automasi - Automasi Proses Robot (RPA). Sepanjang tahun lalu, kami telah melancarkan lima bot RPA—aplikasi perisian yang digunakan untuk mengautomasikan tugas pentadbiran berasaskan peraturan yang berulang—dan sedang merintis enam lagi. Kami sedang membangunkan beberapa RPA untuk kegunaan masa hadapan dan meneroka peluang tambahan di semua jabatan dalam Jabatan Tenaga Kerja. Matlamat keseluruhan adalah untuk membolehkan pekerja menumpukan keupayaan mereka pada kerja kritikal misi berbanding tugas berasaskan pentadbiran, dan untuk meletakkan asas bagi teknologi canggih lain seperti pembelajaran mesin dan kecerdasan buatan.

Dalam TIE, kami juga meneroka cara menggunakan AI sebagai perkhidmatan dengan lebih bertanggungjawab untuk meningkatkan prestasi dan menambah nilai. Kami mempunyai beberapa perintis AI yang sedang dijalankan dan kami sedang berinovasi dalam awan dengan menggunakan keupayaan sokongan AI asli untuk menilai keperluan program seperti pertuturan ke teks, teks ke pertuturan, perkhidmatan terjemahan dan pengekstrakan teks dan dokumen berstruktur untuk keputusan yang lebih pantas -membuat perkhidmatan pengecaman borang. Pada masa yang sama, kami juga mula meneroka amalan untuk mereka bentuk dan menilai AI secara beretika dan bertanggungjawab supaya kami dapat mengukurnya dengan lebih yakin.

Untuk memajukan usaha AI dan automasi kami, pasukan kami juga meningkatkan keupayaan analitik kami dengan mencipta Platform Data Perusahaan untuk menyokong pembuatan keputusan berasaskan data dengan cara yang inovatif. Data ialah asas AI dan pembelajaran mesin, jadi kami melabur dalam alat pengurusan dan analisis data. Menggunakan Pembiayaan Pemodenan Teknologi yang diperuntukkan kepada program ini, Jabatan Tenaga Kerja boleh meningkatkan pengurusan data dan keupayaan analisis lanjutan, meningkatkan perkongsian dan perkongsian data merentas jabatan, serta membuat keputusan yang lebih pantas dan lebih baik. Kami juga boleh memajukan elemen Perintah Eksekutif mengenai Pemerkasaan Pekerja untuk menyediakan penyiasat dan pasukan dasar dengan data kecerdasan yang lebih baik, berkualiti tinggi dan perlindungan pekerja yang tepat pada masanya untuk menjadikan pekerjaan lebih selamat.

Dalam bidang apakah anda memulakan projek data dan teknologi kognitif anda?

Sanjay Koyani: Kami telah mula mengenal pasti projek melalui inkubator inovasi kami, yang membantu menilai bukti konsep – menunjukkan risiko dan menilai mereka terhadap alatan sedia ada. Ini membolehkan kami mengembangkan program perintis semasa kami untuk melihat sama ada ia boleh menangani masalah tambahan dan meneroka penyelesaian inovatif.

Satu lagi taktik yang kami gunakan baru-baru ini ialah Bot-a-Thon seluruh organisasi, yang membantu memaklumkan pekerja tentang penggunaan bot dan memahami cara mereka boleh membantu pekerja dengan tugas pentadbiran seperti melaporkan, mengisi borang, atau penyelidikan. Hasilnya melibatkan sembilan proses robotik berbeza yang dibangunkan bermula pada FY21, dengan lima robot telah digunakan menjimatkan beribu-ribu jam kerja.

Apakah peluang unik dalam sektor awam dalam hal data dan kecerdasan buatan?

Sanjay Koyani: Kami mempunyai keterlihatan yang lebih besar dan lebih fokus pada kepentingan memodenkan IT dalam kerajaan dan cara IT memberi kesan kepada pelbagai perkhidmatan kerajaan. Pentadbiran presiden semasa telah menjadikan pemodenan IT, termasuk data dan AI, sebagai keutamaan. Kongres meneruskan tumpuannya pada IT dengan Akta Pembaharuan Pemerolehan IT Persekutuan (FITARA), yang meletakkan CIO agensi mengawal pelaburan IT dan agensi kadar dalam tujuh bidang IT utama. Pelanggaran keselamatan siber juga telah memfokuskan semula perhatian tentang cara AI boleh membantu sektor awam mengurangkan ancaman dan bertindak balas dengan lebih cepat kepada potensi risiko.

Apakah kes penggunaan yang boleh anda kongsikan tentang aplikasi AI yang berjaya?

Sanjay Koyani: Kami membangunkan tapak web terinspirasi pengguna baharu untuk Pentadbiran Pekerjaan dan Latihan (ETA) Jabatan Buruh berdasarkan reka bentuk berpusatkan pelanggan dan pengalaman pelanggan yang dipertingkatkan dengan menggabungkan AI. Hasilnya, AI membantu meningkatkan akses calon/pemadanan peluang di Apprenticeship.gov.

Contoh lain ialah penggunaan perkhidmatan pengecaman borang dikuasakan AI untuk mempercepatkan penentuan benefisiari. Pasukan kami menilai cara teknologi awan dikuasakan AI boleh membantu pemeriksa tuntutan dalam menilai borang manfaat untuk ketepatan dan penipuan untuk membuat keputusan dengan lebih cepat. Menggunakan teknologi awan sedia ada, kami melatih model AI untuk mengekstrak dan menyusun data daripada pelbagai borang tuntutan supaya pemeriksa mendapat maklumat yang komprehensif dengan lebih cepat. Sebelum ini, pengulas menghabiskan banyak masa untuk mengisih dan membandingkan borang secara manual dan bukannya menumpukan sepenuhnya pada sokongan benefisiari dan membuat keputusan yang lebih pantas.

Bolehkah anda berkongsi beberapa cabaran yang dihadapi oleh sektor awam dengan AI dan ML?

Sanjay Koyani: Saya akan bercakap tentang beberapa cabaran. Satu ialah pengurusan data, yang merupakan tumpuan besar untuk Jabatan Buruh. Walaupun mempunyai banyak data adalah perkara yang baik, anda perlu mengetahui maklumat yang tersedia dan mengetahui cara ia digunakan. Untuk menggunakan AI dan ML dengan betul, anda perlu memahami data yang wujud, mengklasifikasikannya dan menjajarkan pihak berkepentingan agensi tentang cara Jabatan Buruh menggunakan data untuk membuat keputusan yang lebih pantas dan lebih baik. Ini memerlukan pendidikan dan pelaburan berterusan dalam strategi data kami.

Reka bentuk berpusatkan manusia juga merupakan kunci kepada AI/ML. Oleh itu, anda mesti memastikan bahawa anda berkomunikasi dengan semua pihak berkepentingan yang berkaitan untuk memahami proses dan cara mereka akan menggunakan teknologi tersebut. Ini adalah detik penting untuk memutuskan sama ada AI/ML boleh menyelesaikan masalah. Tidak semua masalah boleh diselesaikan dengan teknologi.

Satu lagi cabaran utama ialah penerimaan budaya. Perubahan budaya boleh menjadi sukar, jadi pastikan anda menunjukkan faedah di tempat kerja, cara menggunakan teknologi baharu secara bertanggungjawab dan cara ia boleh digunakan di seluruh organisasi.

Akhirnya, untuk Jabatan Buruh, skalabiliti seluruh jabatan adalah matlamat jangka panjang. Oleh itu, kami melihat pertimbangan budaya dan teknikal, menilai keberkesanan, dan kemudian membina kejayaan kami.

Bagaimana anda menangani isu privasi, kepercayaan dan keselamatan yang mengelilingi kecerdasan buatan?

Sanjay Koyani: Kami menggunakan Rangka Kerja AI Bertanggungjawab untuk memastikan AI digunakan dengan cara yang boleh dipercayai. Jabatan Tenaga Kerja sedang bekerjasama dengan pengamal bukan untung dan pakar subjek kerajaan untuk menamatkan berat sebelah dalam pembangunan algoritma AI dan membantu kami menavigasi landskap kompleks untuk mencipta AI yang selamat.

Selain itu, pada masa ini kami mempunyai beberapa dasar dan prosedur untuk membantu menangani isu keselamatan. Ini termasuk dasar tadbir urus yang kukuh dan strategi keseluruhan yang mempertimbangkan keselamatan dari awal.

Dalam "Perintah Eksekutif mengenai AI Bertanggungjawab" (Perintah Eksekutif mengenai AI Bertanggungjawab), OSTP (Polisi Pejabat Sains dan Teknologi White House) menggariskan 10 prinsip untuk pelaksanaan sistem AI yang bertanggungjawab. Selain itu, privasi adalah pertimbangan penting apabila mempertimbangkan penggunaan sistem AI. Kami bukan sahaja mahu memastikan bahawa kami tidak memperkenalkan berat sebelah, tetapi kami juga mahu memastikan privasi mereka yang maklumatnya disertakan dalam data dilindungi. Kami mematuhi peraturan persekutuan dan menggunakan penilaian privasi khusus dalam hal ini.

Bagaimana anda memupuk bakat teknikal kecerdasan buatan?

Sanjay Koyani: Kami sedang membina seni bina perusahaan dan proses tadbir urus IT untuk menyokong penggunaan semua penyelesaian teknologi baru muncul. Ini akan membantu memastikan ketekalan alatan untuk menyokong keperluan perniagaan organisasi dan proses piawai. Satu lagi cara kami membangunkan bakat teknikal AI ialah melalui pendidikan, latihan dan pengambilan pakar subjek. Sebagai contoh, kami baru-baru ini mempunyai Felo Inovasi Presiden (PIF) menilai kes penggunaan perintis AI Dipercayai kami yang menyokong Perintah Eksekutif Pentadbiran tentang Menggalakkan Penggunaan AI Dipercayai dalam Kerajaan Persekutuan. PIF kami membolehkan kami bekerjasama dengan pakar agensi untuk mereka bentuk dan menguji model baharu untuk menilai cara kami boleh mereka bentuk, membangun dan menggunakan AI dengan cara yang lebih bertanggungjawab, yang membantu meningkatkan ketelusan dan memberi keyakinan kepada orang ramai terhadap penskalaan AI.

Apakah teknologi kecerdasan buatan yang paling anda nantikan dalam beberapa tahun akan datang?

Sanjay Koyani: Saya tidak sabar untuk melihat lebih banyak inisiatif ujian AI yang bertanggungjawab yang akan membantu mengisi jurang dalam usaha kami untuk memodenkan sistem IT lama dan menggunakan lebih banyak automasi untuk membolehkan transformasi. Setiap inisiatif akan membolehkan kami mematangkan seni bina perusahaan kami dan menggunakan teknologi baru muncul.

Satu lagi bidang yang saya teruja untuk melihat bantuan AI ialah keselamatan siber. Memandangkan persekitaran yang berubah-ubah dan tekanan berterusan terhadap sumber untuk melindungi sistem dan penyelesaian rangkaian, saya fikir akan ada lebih banyak penyelesaian yang membantu mengautomasikan tindak balas kepada ancaman siber dan mengurangkan risiko bagi organisasi.

Dalam ceramah yang akan datang pada September 2022, Sanjay akan menyelidiki beberapa topik yang dibincangkan di atas dan berkongsi kerja pasukannya dalam menyepadukan teknologi inovatif seperti AI yang bertanggungjawab, RPA dan Sorotan chatbots.

Atas ialah kandungan terperinci Jabatan Buruh A.S.: Gunakan teknologi AI dan automasi untuk membuka kunci nilai data. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Cara Membuka Segala -galanya Di Myrise
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Jun 28, 2024 am 03:51 AM

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

Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Jun 10, 2024 am 11:08 AM

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

Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Jun 11, 2024 pm 03:57 PM

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

Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Jun 07, 2024 am 10:06 AM

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

Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Jul 25, 2024 am 06:42 AM

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

Lima sekolah pembelajaran mesin yang anda tidak tahu Lima sekolah pembelajaran mesin yang anda tidak tahu Jun 05, 2024 pm 08:51 PM

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

Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Jul 17, 2024 pm 06:37 PM

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

Meletakkan pasaran seperti AI, GlobalFoundries memperoleh teknologi gallium nitrida Tagore Technology dan pasukan berkaitan Meletakkan pasaran seperti AI, GlobalFoundries memperoleh teknologi gallium nitrida Tagore Technology dan pasukan berkaitan Jul 15, 2024 pm 12:21 PM

Menurut berita dari laman web ini pada 5 Julai, GlobalFoundries mengeluarkan kenyataan akhbar pada 1 Julai tahun ini, mengumumkan pemerolehan teknologi power gallium nitride (GaN) Tagore Technology dan portfolio harta intelek, dengan harapan dapat mengembangkan bahagian pasarannya dalam kereta dan Internet of Things dan kawasan aplikasi pusat data kecerdasan buatan untuk meneroka kecekapan yang lebih tinggi dan prestasi yang lebih baik. Memandangkan teknologi seperti AI generatif terus berkembang dalam dunia digital, galium nitrida (GaN) telah menjadi penyelesaian utama untuk pengurusan kuasa yang mampan dan cekap, terutamanya dalam pusat data. Laman web ini memetik pengumuman rasmi bahawa semasa pengambilalihan ini, pasukan kejuruteraan Tagore Technology akan menyertai GLOBALFOUNDRIES untuk membangunkan lagi teknologi gallium nitride. G

See all articles