Jadual Kandungan
Apakah AI yang bertanggungjawab
Di manakah keperluan AI yang paling bertanggungjawab
Bagaimana untuk mengawal selia kecerdasan buatan yang bertanggungjawab?
Dunia duniawi baharu?
Rumah Peranti teknologi AI Adakah AI yang bertanggungjawab adalah isu teknikal atau perniagaan?

Adakah AI yang bertanggungjawab adalah isu teknikal atau perniagaan?

Apr 10, 2023 am 08:11 AM
AI isu perniagaan isu teknikal

Kecerdasan buatan (terutamanya ChatGPT) telah digunakan di seluruh dunia. Terdapat juga potensi tinggi untuk AI disalahgunakan atau disalahgunakan, risiko yang mesti diambil serius. Walau bagaimanapun, AI juga membawa pelbagai potensi manfaat kepada masyarakat dan individu.

Terima kasih kepada ChatGPT, kecerdasan buatan telah menjadi topik hangat. Orang dan organisasi telah mula mempertimbangkan pelbagai kes penggunaannya, tetapi terdapat juga kebimbangan tentang potensi risiko dan pengehadan. Dengan pelaksanaan pantas kecerdasan buatan, kecerdasan buatan yang bertanggungjawab (RAI) telah menjadi tumpuan utama, dan banyak syarikat mempersoalkan sama ada ia adalah isu teknologi atau perniagaan.

Menurut kertas putih yang dikeluarkan oleh Sekolah Pengurusan MIT Sloan pada September 2022, dunia berada dalam tempoh kegagalan kecerdasan buatan mula berlipat ganda, dan kumpulan pertama peraturan berkaitan kecerdasan buatan akan datang dalam talian. Laporan itu membuka tetingkap baharu Walaupun kedua-dua perkembangan ini memberikan keperluan mendesak untuk pelaksanaan projek AI yang bertanggungjawab, telah dilihat bahawa syarikat yang menerajui AI yang bertanggungjawab tidak dikendalikan terutamanya oleh peraturan atau didorong oleh Masalah lain. Sebaliknya, penyelidikan mereka mengesyorkan agar pemimpin melihat AI yang bertanggungjawab daripada perspektif strategik, menekankan pihak berkepentingan luaran organisasi mereka, matlamat dan nilai jangka panjang yang lebih luas, keutamaan kepimpinan dan tanggungjawab sosial.

Ini selaras dengan pandangan bahawa AI yang bertanggungjawab ialah isu teknikal dan perniagaan. Jelas sekali, isu asas terletak dalam teknologi AI, jadi itu di hadapan dan di tengah. Tetapi realitinya adalah bahawa piawaian untuk apa yang boleh dan tidak boleh diterima untuk kecerdasan buatan tidak jelas.

Sebagai contoh, orang bersetuju bahawa AI perlu "adil", tetapi takrifan "adil" siapakah yang harus kita gunakan Ini adalah keputusan perniagaan ke perniagaan, dan sukar untuk membuat keputusan apabila anda mendapatnya ke dalam butiran.

Pendekatan "Isu Teknikal dan Perniagaan" adalah satu pendekatan yang penting kerana kebanyakan orang hanya menilai aspek teknikal. Menilai dan mengautomasikan sepenuhnya AI yang bertanggungjawab dari kedua-dua perspektif perniagaan dan teknikal boleh membantu merapatkan jurang antara keduanya. Ini adalah benar terutamanya untuk industri yang sangat dikawal selia. Rangka Kerja Kecerdasan Buatan NIST, yang dikeluarkan minggu lepas, menyediakan garis panduan yang berguna untuk membantu organisasi menilai dan menangani keperluan mereka untuk kecerdasan buatan yang bertanggungjawab.

Apakah AI yang bertanggungjawab

AI boleh membezakan dan mewujudkan berat sebelah. Model AI boleh dilatih mengenai data yang mengandungi bias yang wujud dan boleh mengekalkan berat sebelah sedia ada dalam masyarakat. Sebagai contoh, jika sistem penglihatan komputer dilatih menggunakan imej kebanyakan orang kulit putih, ia mungkin kurang tepat untuk mengenal pasti orang dari kaum lain. Begitu juga, algoritma AI yang digunakan dalam proses pengambilan juga mungkin berat sebelah kerana mereka dilatih mengenai set data resume daripada pekerja lepas, yang mungkin berat sebelah mengikut jantina atau kaum.

AI yang bertanggungjawab ialah pendekatan kepada kecerdasan buatan (AI) yang bertujuan untuk memastikan sistem AI digunakan secara beretika dan bertanggungjawab. Pendekatan ini berdasarkan idea bahawa AI harus digunakan untuk memberi manfaat kepada orang ramai dan masyarakat, dan pertimbangan etika, undang-undang dan peraturan mesti diambil kira. AI yang bertanggungjawab melibatkan penggunaan langkah-langkah ketelusan, akauntabiliti, keadilan dan keselamatan untuk memastikan penggunaan sistem AI yang bertanggungjawab. Ini boleh termasuk penggunaan pengauditan dan pemantauan AI, membangunkan kod etika kelakuan, menggunakan privasi data dan langkah keselamatan, dan mengambil langkah untuk memastikan AI digunakan dengan cara yang mematuhi hak asasi manusia.

Di manakah keperluan AI yang paling bertanggungjawab

Pengguna awal AI ialah perbankan/kewangan, insurans, penjagaan kesihatan dan industri lain yang dikawal ketat termasuk telekomunikasi dan pengguna yang menghadapi industri berat (peruncitan, hotel/ pelancongan, dsb.). Boleh dipecahkan mengikut industri:

? Perbankan/Kewangan: Kepintaran buatan boleh digunakan untuk memproses sejumlah besar data pelanggan untuk lebih memahami keperluan dan pilihan pelanggan, yang kemudiannya boleh digunakan untuk meningkatkan pengalaman pelanggan dan menyediakan lebih banyak Hidang yang disesuaikan. AI juga boleh digunakan untuk mengenal pasti penipuan dan aktiviti yang mencurigakan, mengautomasikan proses dan memberikan nasihat kewangan yang lebih tepat dan tepat pada masanya.

Insurans: Kepintaran buatan boleh digunakan untuk lebih memahami data dan tingkah laku pelanggan untuk menyediakan perlindungan dan harga insurans yang lebih diperibadikan. AI juga boleh digunakan untuk mengautomasikan proses tuntutan dan menyelaraskan operasi perkhidmatan pelanggan.

Penjagaan kesihatan: Kecerdasan buatan boleh digunakan untuk mengenal pasti corak dalam data perubatan dan boleh digunakan untuk mendiagnosis penyakit, meramalkan hasil kesihatan dan menyediakan pelan rawatan yang diperibadikan. AI juga boleh digunakan untuk mengautomasikan tugas pentadbiran dan operasi seperti penjadualan pesakit dan pemprosesan insurans.

Telekomunikasi: Kepintaran buatan boleh menyediakan perkhidmatan pelanggan yang lebih baik dengan menganalisis data pelanggan dan memahami keperluan dan pilihan pelanggan. AI juga boleh digunakan untuk mengautomasikan proses perkhidmatan pelanggan, seperti penyelesaian masalah dan pengebilan.

?Runcit: Kepintaran buatan boleh memperibadikan pengalaman pelanggan dengan menganalisis data pelanggan dan memahami keperluan dan pilihan pelanggan. AI juga boleh digunakan untuk mengautomasikan pengurusan inventori dan operasi perkhidmatan pelanggan.

Hotel/Perjalanan: Kepintaran buatan boleh digunakan untuk mengautomasikan proses perkhidmatan pelanggan seperti tempahan dalam talian dan perkhidmatan pelanggan. AI juga boleh digunakan untuk menganalisis data pelanggan dan memberikan cadangan yang diperibadikan.

Bagaimana untuk mengawal selia kecerdasan buatan yang bertanggungjawab?

Peraturan kerajaan tentang kecerdasan buatan ialah satu set peraturan dan peraturan yang dilaksanakan oleh kerajaan untuk memastikan pembangunan dan penggunaan kecerdasan buatan (AI) adalah selamat, beretika dan sah . Peraturan berbeza dari negara ke negara, tetapi ia biasanya melibatkan penetapan piawaian etika, keselamatan, keselamatan dan liabiliti undang-undang untuk sebarang bahaya yang disebabkan oleh sistem AI. Pengawal selia kerajaan juga mungkin memerlukan pembangun menerima latihan tentang protokol keselamatan dan keselamatan serta memastikan produk mereka direka bentuk dengan mengambil kira amalan terbaik. Selain itu, kerajaan mungkin memberikan insentif kepada syarikat untuk mencipta sistem AI yang memberi manfaat kepada masyarakat, seperti yang membantu memerangi perubahan iklim.

Dengan menggabungkan rangka kerja pengawalseliaan keselamatan ke dalam rancangan AI yang bertanggungjawab, syarikat boleh memastikan sistem AI mereka memenuhi piawaian dan peraturan yang diperlukan sambil mengurangkan risiko pelanggaran data dan isu keselamatan lain. Ini merupakan langkah penting dalam perjalanan ke AI yang bertanggungjawab, kerana ia membantu memastikan organisasi boleh mengurus sistem AI mereka dengan cara yang bertanggungjawab dan selamat. Selain itu, rangka kerja kawal selia keselamatan boleh berfungsi sebagai panduan untuk membantu organisasi mengenal pasti dan melaksanakan amalan terbaik untuk menggunakan teknologi kecerdasan buatan seperti pembelajaran mesin dan pembelajaran mendalam. Ringkasnya, AI yang bertanggungjawab adalah sama seperti isu teknikal dan juga isu perniagaan.

Rangka kerja kawal selia keselamatan boleh membantu organisasi menilai dan menangani keperluan mereka untuk AI yang bertanggungjawab, sambil menyediakan satu set piawaian, garis panduan dan amalan terbaik untuk membantu memastikan sistem AI mereka selamat dan bertanggungjawab Tetap. Penerima awal rangka kerja pengawalseliaan keselamatan termasuk industri yang dikawal selia dan industri yang sangat berorientasikan pengguna.

Dunia duniawi baharu?

Kecerdasan buatan masih merupakan teknologi yang agak baharu, dan kebanyakan kes penggunaan kini menumpukan pada aplikasi yang lebih praktikal, seperti analisis ramalan, pemprosesan bahasa semula jadi dan pembelajaran mesin. Walaupun senario "dunia baharu yang berani" sudah pasti mungkin, banyak aplikasi dipacu AI semasa direka untuk menambah baik sistem dan proses sedia ada dan bukannya mengganggunya.

AI yang bertanggungjawab ialah isu teknikal dan perniagaan. Apabila teknologi semakin maju, perniagaan mesti mempertimbangkan implikasi etika menggunakan kecerdasan buatan dan sistem automatik lain dalam operasi mereka. Mereka mesti mempertimbangkan cara teknologi ini akan memberi kesan kepada pelanggan dan pekerja mereka, dan cara mereka boleh menggunakannya secara bertanggungjawab untuk melindungi data dan privasi. Selain itu, apabila menggunakan kecerdasan buatan dan sistem automatik yang lain, perniagaan mesti memastikan pematuhan terhadap undang-undang dan peraturan yang terpakai dan menyedari potensi risiko menggunakan teknologi tersebut.

Masa depan AI yang bertanggungjawab adalah cerah. Apabila teknologi terus berkembang, perniagaan mula menyedari kepentingan AI beretika dan memasukkannya ke dalam operasi mereka. AI yang bertanggungjawab menjadi semakin penting bagi perniagaan untuk memastikan keputusan yang mereka buat adalah beretika dan adil. AI boleh digunakan untuk mencipta produk yang telus dan boleh dijelaskan, sambil mengambil kira kesan manusia dan etika keputusan. Selain itu, AI yang bertanggungjawab boleh digunakan untuk mengautomasikan proses, membantu perniagaan membuat keputusan dengan lebih pantas, dengan risiko yang kurang dan dengan ketepatan yang lebih tinggi. Apabila teknologi terus berkembang, perniagaan akan semakin bergantung pada AI yang bertanggungjawab untuk membuat keputusan dan mencipta produk yang selamat, boleh dipercayai dan baik untuk pelanggan dan dunia.

Potensi penyalahgunaan atau penyalahgunaan kecerdasan buatan (AI) menimbulkan risiko yang mesti diambil serius. Walau bagaimanapun, AI juga membawa pelbagai potensi manfaat kepada masyarakat dan individu, dan adalah penting untuk diingat bahawa tahap bahaya daripada AI bergantung pada niat orang yang menggunakannya.

Atas ialah kandungan terperinci Adakah AI yang bertanggungjawab adalah isu teknikal atau perniagaan?. 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)
2 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
2 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

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

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

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

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

SK Hynix akan memaparkan produk berkaitan AI baharu pada 6 Ogos: HBM3E 12 lapisan, NAND 321 tinggi, dsb. SK Hynix akan memaparkan produk berkaitan AI baharu pada 6 Ogos: HBM3E 12 lapisan, NAND 321 tinggi, dsb. Aug 01, 2024 pm 09:40 PM

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas

See all articles