Jadual Kandungan
Evolusi ini sudah pasti menghasilkan beberapa trend menarik, daripada rakaman kertas transaksi kewangan harian kepada membina peranti pengkomputeran analog, daripada membangunkan komputer generasi pertama kepada menggabungkan kecerdasan buatan (AI) dan pembelajaran mesin (ML) ke dalam fintech produk digital, industri telah mengalami pertumbuhan yang tidak pernah berlaku sebelum ini.
Kecerdasan buatan (AI) ialah singkatan kecerdasan buatan Ia menggunakan kecerdasan manusia untuk mencipta sistem atau mekanisme yang mencukupi dengan melengkapkan komputer dengan maklumat yang berbeza. Ia juga boleh meniru tingkah laku manusia dalam dunia fizikal.
1. Pengurusan Risiko Kewangan
2. Ramalan Hasil
3. Pengesanan penipuan
PayPal ialah contoh tipikal penggunaan kecerdasan buatan untuk pengesanan penipuan. PayPal menggunakan algoritma pembelajaran mesin untuk menganalisis data daripada platformnya dan mengenal pasti transaksi yang berpotensi penipuan.
5. Pengurusan Aset
4. Faedah utama AI dan ML dalam teknologi kewangan SaaS
1. Tingkatkan ketepatan
2. Meningkatkan kecekapan
3. Meningkatkan keupayaan membuat keputusan
4. Keterjangkauan
5 Cabaran dan risiko kecerdasan buatan dan pembelajaran mesin dalam fintech SaaS
1 Pelaburan
2. Privasi Data
3. Bias dalam algoritma dan data
6. Kesimpulan
Rumah Peranti teknologi AI Bagaimanakah kecerdasan buatan dan pembelajaran mesin membentuk semula fintech SaaS?

Bagaimanakah kecerdasan buatan dan pembelajaran mesin membentuk semula fintech SaaS?

Apr 12, 2023 am 09:10 AM
AI pembelajaran mesin saas

Penterjemah |. Cui Hao

Penilai |. (FinTech) pasaran telah melalui evolusi yang panjang. Kerana banyak syarikat yang bergantung pada teknologi kewangan telah mengubah model operasi mereka untuk mengambil bahagian dalam perayaan perubahan teknologi ini.

Evolusi ini sudah pasti menghasilkan beberapa trend menarik, daripada rakaman kertas transaksi kewangan harian kepada membina peranti pengkomputeran analog, daripada membangunkan komputer generasi pertama kepada menggabungkan kecerdasan buatan (AI) dan pembelajaran mesin (ML) ke dalam fintech produk digital, industri telah mengalami pertumbuhan yang tidak pernah berlaku sebelum ini.

Terdapat lebih daripada 30,000 syarikat fintech SaaS di seluruh dunia, dan kebanyakan jenama ini kini bergantung sepenuhnya atau sebahagiannya pada teknologi AI dan ML.

Melalui artikel ini, marilah kita memahami secara mendalam tentang cara AI dan ML membentuk semula teknologi kewangan SaaS semasa, dan maksud perubahan ini kepada kita.

2. Apakah AI dan pembelajaran mesin?

Kecerdasan buatan dan pembelajaran mesin ialah kata kunci yang sentiasa menjadi tajuk utama sekarang. Mereka mungkin tidak dikenali kerana kebanyakan orang menggunakannya secara bergantian, jadi mari kita tentukan dahulu.

Kecerdasan buatan (AI) ialah singkatan kecerdasan buatan Ia menggunakan kecerdasan manusia untuk mencipta sistem atau mekanisme yang mencukupi dengan melengkapkan komputer dengan maklumat yang berbeza. Ia juga boleh meniru tingkah laku manusia dalam dunia fizikal.

Bot kecerdasan buatan yang ringkas ialah Siri pada iPhone atau Alexa dalam peranti rumah digital. Program kecerdasan buatan ini direka untuk menyelesaikan masalah yang dijana oleh manusia dan komputer fungsi utamanya adalah untuk menyelesaikan apa-apa tugas yang diberikan dan berjaya menyelesaikan matlamat dalam jangka masa tertentu.

Pembelajaran mesin ialah teknologi yang membolehkan komputer memahami senario baharu dan meningkatkan keupayaan membuat keputusan mereka apabila berhadapan dengan situasi yang lebih kompleks. Pembelajaran mesin menggunakan algoritma komputer dan kaedah analisis untuk membina model ramalan yang membantu menyelesaikan masalah yang berbeza, terutamanya dalam sektor kewangan.

3 Kesan AI dan pembelajaran mesin pada teknologi kewangan SaaS

Seperti yang dinyatakan sebelum ini, kecerdasan buatan dan pembelajaran mesin memainkan peranan penting dalam teknologi kewangan SaaS hari ini dengan membangunkan analisis ramalan yang membantu membuat keputusan memainkan peranan penting dalam alat tersebut. Nilai tambah kecerdasan buatan ini dapat dirasai dalam pelbagai bidang, daripada operasi profesional sehinggalah kepada pengguna biasa. Berikut ialah beberapa kesan kecerdasan buatan dan pembelajaran mesin pada teknologi kewangan SaaS.

1. Pengurusan Risiko Kewangan

Bank dan organisasi teknologi kewangan lain sentiasa mencari model untuk meminimumkan risiko. Pendekatan pepohon keputusan berasaskan AI berfungsi dengan membangunkan peraturan mudah dan boleh dikesan untuk situasi kewangan yang kompleks dan tidak linear, dengan itu menggunakan peraturan ini untuk memberi kesan kepada pengurusan risiko. Pada masa yang sama, teknik vektor sokongan membantu menentukan risiko kredit yang ketara bagi pinjaman.

2. Ramalan Hasil

Banyak sektor perkhidmatan kewangan menggunakan perunding pembelajaran mesin yang menggunakan teknik pembelajaran mendalam dan pembelajaran mesin untuk membangunkan model ramalan untuk organisasi mereka.

3. Pengesanan penipuan

Penipuan adalah masalah yang dihadapi oleh banyak bank kerana keselamatan pengguna dan kewangan tidak dapat dijamin sepenuhnya. Kepintaran buatan boleh membantu mengurangkan penipuan dengan menganalisis sejumlah besar data transaksi untuk mendedahkan corak penipuan tersembunyi. Ia boleh mengesan corak ini dalam masa nyata dan menghalangnya daripada berlaku. Selain itu, algoritma "regresi logistik" pembelajaran mesin boleh membantu memahami corak penipuan dan menghalangnya daripada berlaku.

PayPal ialah contoh tipikal penggunaan kecerdasan buatan untuk pengesanan penipuan. PayPal menggunakan algoritma pembelajaran mesin untuk menganalisis data daripada platformnya dan mengenal pasti transaksi yang berpotensi penipuan.

Sistem AI melihat pelbagai titik data seperti lokasi transaksi, peranti yang digunakan untuk menjalankan transaksi, jumlah transaksi dan sejarah pengguna pada platform.

Contohnya, jika urus niaga dibuat daripada peranti yang biasanya tidak dikaitkan dengan akaun pengguna, atau jika amaun urus niaga jauh lebih besar daripada biasa, sistem mungkin membenderakan transaksi untuk semakan. Sistem kecerdasan buatan PayPal telah terbukti sangat berkesan untuk mengesan penipuan. Menurut syarikat itu, sistemnya boleh mengesan transaksi penipuan dan kadar penipuan hanya menyumbang 0.32% daripada pendapatan syarikat. Ini membantu PayPal mengelakkan kerugian berjuta-juta dolar akibat penipuan setiap tahun.

4. Sokongan Pelanggan

Kecerdasan buatan boleh memastikan pelanggan mendapat maklumat kewangan yang tepat pada masa yang tepat. Dengan mengkaji data pelanggan dan analisis penting, AI boleh mencipta respons pelanggan berdasarkan keutamaan atau keperluan pelanggan. Contoh biasa jenama SaaS yang menggunakan AI dan ML ialah Zendesk dan Salesforce. Alat mereka, AnswerBot dan Einstein, memahami niat pelanggan dan memberikan respons yang berkaitan dalam masa nyata. Algoritma juga belajar daripada setiap interaksi dan menjadi lebih bijak dari semasa ke semasa.

5. Pengurusan Aset

Seperti sektor lain, kecerdasan buatan dan pembelajaran mesin telah memberi kesan kepada cara profesional mengendalikan atau mengurus aset kewangan. Dengan AI, pengurus aset boleh mengautomasikan pelaporan dan dokumentasi pelanggan, menyediakan penyata akaun terperinci dan melaksanakan banyak lagi fungsi dengan tepat.

4. Faedah utama AI dan ML dalam teknologi kewangan SaaS

Menggabungkan kecerdasan buatan dan pembelajaran mesin ke dalam teknologi kewangan SaaS telah membawa manfaat yang besar kepada seluruh industri. Berikut ialah beberapa perkara penting untuk menyepadukan kecerdasan buatan (AI) dan pembelajaran mesin (ML).

1. Tingkatkan ketepatan

Sebelum pengenalan teknologi pembelajaran mesin, sebilangan kecil transaksi kewangan direkodkan dalam lejar setiap hari. Jumlah dagangan yang tinggi dan pemahaman yang terhad mengakibatkan beberapa kesilapan dan akaun tidak seimbang. Kecerdasan buatan dan pembelajaran mesin menyediakan ruang untuk ketepatan untuk tugas pengiraan berulang termasuk pengimbangan akaun dan analisis akaun, dan memastikan ketepatan pengiraan ini. Kerana perkembangan baru ini, keputusan lebih tepat dan kerugian dapat dikurangkan.

2. Meningkatkan kecekapan

Faedah lain menggunakan AI dan ML dalam teknologi kewangan SaaS ialah meningkatkan kecekapan, meningkatkan produktiviti dan mengurangkan masa yang diperlukan untuk menyelesaikan tugas. Menggunakan chatbots AI untuk mengendalikan permintaan pelanggan boleh membantu meningkatkan kecekapan keseluruhan sokongan pelanggan.

3. Meningkatkan keupayaan membuat keputusan

Kecerdasan buatan dan pembelajaran mesin menyediakan bantuan dalam membuat keputusan mengenai teknologi SaaS. Penganalisis kewangan dengan mudah boleh menganalisis berbilion data, mengkaji corak dan arah aliran dalam saham serta menggunakan teknologi untuk membuat keputusan strategik dan berfaedah.

4. Keterjangkauan

Beberapa tahun lalu, hanya orang kaya yang mampu mendapatkan penasihat kewangan peribadi yang boleh membantu mereka menguruskan kekayaan dan mengawal perbelanjaan mereka. Walau bagaimanapun, dalam era semasa aplikasi berasaskan AI, penjejakan bil, ramalan harga saham, pasaran atau analisis mata wang kripto boleh dilakukan untuk sesiapa sahaja, semuanya dari keselesaan rumah mereka sendiri.

5 Cabaran dan risiko kecerdasan buatan dan pembelajaran mesin dalam fintech SaaS

Walaupun faedah menggabungkan kecerdasan buatan dan pembelajaran mesin ke dalam fintech SaaS adalah jelas, perlu diambil perhatian bahawa pada masa yang sama masa Ia juga datang dengan cabaran.

Merangkumi risiko berikut:

1 Pelaburan

Membangunkan aplikasi teknologi kewangan kecerdasan buatan memerlukan wang untuk memulihkan kos ini, aplikasi yang dibangunkan mesti digunakan oleh awam. Walau bagaimanapun, orang ramai lebih cenderung membelanjakan $50 untuk apl kecergasan atau penulisan resipi berbanding apl fintech.

2. Privasi Data

Agak sukar untuk mencari keseimbangan antara nilai aplikasi, maklumat peribadi dan privasi data. Pelanggan mengetahui tentang isu privasi data dan ingin memberikan maklumat peribadi sesedikit mungkin semasa mendaftar. Jika anda bertanya terlalu banyak soalan atau memerlukan akses kepada terlalu banyak peranti, pelanggan mungkin akan keluar. Bagaimanakah anda boleh melatih AI untuk membangunkan ciri yang lebih diperibadikan jika anda hampir tiada maklumat?

3. Bias dalam algoritma dan data

Kejayaan kecerdasan buatan dan pembelajaran mesin sering dicabar oleh bias data. Kebanyakan berat sebelah ini datang daripada kumpulan minoriti yang tidak mempunyai akses kepada teknologi kewangan, atau daripada manusia yang melatih kecerdasan buatan, dan pertimbangan mereka berat sebelah. Bias sering dihasilkan oleh manusia—dan merebak ke dalam algoritma setelah dimasukkan.

6. Kesimpulan

Insiden COVID-19 dan inisiatif kerajaan yang berkaitan telah membawa perubahan besar di tempat kerja, mempercepatkan penggunaan teknologi termaju di seluruh dunia. Semasa penutupan, perniagaan yang dipacu AI bukan sahaja menyaksikan peningkatan dalam produktiviti tetapi juga melancarkan banyak produk AI baharu, perisian merentas domain dan penggunaan gabungan kedua-duanya.

Ruang teknologi kewangan SaaS mungkin akan mengalami transformasi pada tahun-tahun akan datang disebabkan oleh pembangunan berterusan kecerdasan buatan dan pembelajaran mesin. Perubahan ini akan membolehkan lebih banyak syarikat memperoleh kelebihan daya saing, meningkatkan prestasi kewangan mereka, dan akhirnya mencapai matlamat perniagaan pengurusan kewangan mereka.

Pautan asal: ​​https://www.php.cn/link/63ceea56ae1563b4477506246829b386​

Atas ialah kandungan terperinci Bagaimanakah kecerdasan buatan dan pembelajaran mesin membentuk semula fintech SaaS?. 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
Repo: Cara menghidupkan semula rakan sepasukan
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Hello Kitty Island Adventure: Cara mendapatkan biji gergasi
1 bulan 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

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

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

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