Jadual Kandungan
1. "Momen kebangkitan" perkhidmatan pelanggan
AI bukan "kunci induk"
Bagaimana untuk melihat perkhidmatan pelanggan pintar dengan betul?
Rumah Peranti teknologi AI Mengapakah ChatGPT yang 'sangat popular' tidak boleh menjadi perkhidmatan pelanggan yang bijak?

Mengapakah ChatGPT yang 'sangat popular' tidak boleh menjadi perkhidmatan pelanggan yang bijak?

Apr 12, 2023 pm 07:31 PM
AI chatgpt Perkhidmatan pelanggan yang bijak

Mana-mana teknologi yang muncul adalah seperti satu ketunggalan, penuh dengan kemungkinan dan imaginasi yang tidak terhingga. Anda tidak boleh membayangkan bagaimana ia akan muncul di hadapan orang ramai.

Mengapakah ChatGPT yang 'sangat popular' tidak boleh menjadi perkhidmatan pelanggan yang bijak?

Sebelum abad ke-21, idea "Letupan Besar AI" nampaknya hanya andaian yang membimbangkan daripada novelis fiksyen sains.

Pada masa kini, semakin ramai orang mula serius memikirkan soalan: Apabila keistimewaan teknologi tiba, adakah kita bersedia?

1. "Momen kebangkitan" perkhidmatan pelanggan

Sejak dilancarkan pada 30 November 2022, pelbagai persembahan robot sembang kecerdasan buatan generasi baharu ChatGPT , Ia agak menakjubkan.

Daripada menjawab soalan secara berterusan, menjana ringkasan, menterjemah dokumen, kepada mengklasifikasikan maklumat, menulis kod, menulis skrip, membuat kerja rumah dan menulis kertas, ChatGPT boleh mengendalikan hampir semua perkara dengan mudah.

Selain itu, ChatGPT juga akan mempersoalkan premis soalan malah menolak permintaan yang tidak sesuai.

Sebagai peristiwa penting dalam sejarah pembangunan AI, ChatGPT akan mempunyai pengaruh yang tidak boleh dipandang remeh dalam industri tertentu, seperti perkhidmatan pelanggan.

Gartner menganggarkan terdapat kira-kira 17 juta pusat perkhidmatan pelanggan di dunia hari ini. "Naib Presiden Penganalisis Gartner Daniel O'Donnell percaya, "Banyak syarikat menghadapi cabaran seperti kekurangan kakitangan pelanggan dan kos buruh yang semakin meningkat pada masa yang sama Ia juga boleh meningkatkan pengalaman pelanggan. ”

Menurut ramalan Gartner, kecerdasan buatan perbualan akan membantu pusat khidmat pelanggan mengurangkan kos buruh sebanyak AS$80 bilion menjelang 2026, dan 10% daripada interaksi ejen akan diautomasikan, iaitu lebih daripada tahap automasi semasa yang dicapai oleh AI Anggaran peningkatan 1.6%

Malah, perkhidmatan pelanggan pintar bukanlah produk baharu

Pelanggan. sistem perkhidmatan telah wujud selama lebih daripada tiga puluh tahun Dengan perkembangan itu, sistem perkhidmatan pelanggan pintar hari ini telah beralih daripada satu produk modular kepada model bersepadu "perkhidmatan + pemasaran + kerjasama + pengurusan" dengan semua senario dan saluran >

Pada tahun 1990-an, Internet belum lagi popular, perkhidmatan pelanggan terutamanya bergantung pada komunikasi telefon, dan pusat panggilan terutamanya menggunakan teknologi pensuisan keras Pada tahun 2000, Internet mula tersebar, perkhidmatan pelanggan tradisional perisian memasuki perusahaan besar, dan pusat panggilan berasaskan teknologi softswitch muncul Sekitar tahun 2010, Internet mudah alih, pengkomputeran awan, data besar dan teknologi lain mula digunakan, pusat panggilan awan berasaskan SaaS dan perisian perkhidmatan pelanggan awan muncul Mengapakah ChatGPT yang 'sangat popular' tidak boleh menjadi perkhidmatan pelanggan yang bijak?

Diperkasakan oleh teknologi AI generasi baharu, sistem perkhidmatan pelanggan disepadukan dengan Internet, dan model perkhidmatan pintar yang inovatif diperkenalkan

Dalam beberapa tahun kebelakangan ini, pelanggan generasi baharu telah meningkatkan permintaan mereka untuk pengalaman perkhidmatan, membolehkan pelanggan menghubungi keseluruhan rangkaian daripada perkhidmatan selepas jualan tunggal kepada pembinaan jenama dan juga kitaran hayat pelanggan

Untuk perusahaan, mereka perlu memahami fikiran dan tingkah laku pelanggan dalam pelbagai pautan dan senario Strategi yang tepat meningkatkan interaksi dengan pelanggan pada setiap titik sentuhan .

Pemasaran pra-perkhidmatan dan tumpang tindih dalam fasa perkhidmatan, sempadan antara perkhidmatan dan tingkah laku pemasaran semakin kabur 🎜>Akibatnya, sebagai sempadan perkhidmatan pelanggan terus berkembang dan mendalam, ruang pertumbuhan baharu muncul

Mengapakah ChatGPT yang 'sangat popular' tidak boleh menjadi perkhidmatan pelanggan yang bijak?Perkhidmatan pelanggan pintar mula memasuki lebih banyak perniagaan berdasarkan perkhidmatan pelanggan yang disediakan oleh syarikat perkhidmatan

Dengan kata lain, semua aspek komunikasi antara perusahaan dan pelanggan, iaitu keseluruhan proses pra-jualan, jualan dan selepas jualan, telah menjadi skop susun atur pengeluar perkhidmatan pelanggan yang bijak.

Sebagai contoh, jika sistem CRM disepadukan ke dalam sistem perkhidmatan pelanggan pintar, syarikat boleh menjalankan analisis pelanggan dan perlombongan data berdasarkan sistem CRM untuk meningkatkan kebarangkalian untuk menutup perjanjian dan memendekkan kitaran pembangunan pemasaran.

Bagi pelanggan yang telah berkomunikasi dan berminat untuk membuat transaksi, anda boleh memberikan butiran peribadi mereka (industri, pekerjaan, tahap pendidikan, tahap pendapatan, dll.), maklumat penggunaan (penggunaan piawaian, tabiat penggunaan, Kecenderungan jenama, dsb.), ciri kalangan rakan (suka, masa aktif, dsb.), dan keperluan disediakan dan diurus dengan teliti, dan teg boleh ditetapkan secara bebas, supaya keperluan peribadi pelanggan jelas pada sepintas lalu.

AI bukan "kunci induk"

Walau bagaimanapun, pengalaman perkhidmatan pelanggan yang bijak bukanlah semua kenangan yang baik. Pada masa ini, banyak perkhidmatan pelanggan yang bijak masih mempunyai banyak masalah, yang paling jelas ialah "menjawab soalan yang tidak betul".

"Laporan Tinjauan Kepuasan Perkhidmatan Pelanggan Pintar China 2021" menunjukkan bahawa hanya 9.6% pengguna percaya bahawa keupayaan penyelesaian masalah perkhidmatan pelanggan pintar adalah lebih tinggi daripada perkhidmatan pelanggan manual.

Jawapan yang sama (59.1%), operasi kitaran berulang (50.6%) dan jawapan yang tidak menjawab soalan (47.3%) adalah masalah utama yang dihadapi oleh pengguna apabila menggunakan pelanggan yang bijak. perkhidmatan.

Berbanding dengan alat perbualan pengeluaran sebelumnya, ChatGPT telah dipertingkatkan dengan baik.

ChatGPT memperkenalkan "data berlabel buatan + pembelajaran pengukuhan" berdasarkan model bahasa berskala besar GPT3.5.

Iaitu, penalaan halus berterusan melalui maklum balas manual membolehkan model bahasa mencapai pemahaman yang lebih baik.

Contohnya, belajar menilai jenis jawapan yang berkualiti tinggi (kaya maklumat, kaya kandungan, membantu pengguna, tidak berbahaya, tidak mengandungi maklumat diskriminasi, dsb. ).

Dari sudut pandangan teknikal, ChatGPT telah menubuhkan korpus yang sangat besar melalui sejumlah besar maklumat di Internet, dan mempelajari pengetahuan daripada korpus ini melalui pembelajaran mendalam.

Sebab mengapa ia boleh memberikan jawapan yang sempurna adalah kerana korpus yang dipelajarinya mempunyai konteks yang betul-betul sedemikian, dan ia mencarinya dan memaparkannya kepada anda. Dari segi keupayaan carian ini sahaja, ChatGPT tidak sehebat Google kerana korpus Google jauh lebih besar dan ketepatan carian akan lebih baik.

Dalam analisis akhir, isu teras yang menentukan pengalaman perkhidmatan pelanggan pintar ialah kekangan teknologi AI yang mendasari.

Pertama ialah sekatan kebolehan memahami. Pada masa ini, keupayaan AI untuk menilai niat input pengguna masih sangat terhad.

Sebab kami dapat memahami pengguna ialah kami telah menyediakan korpus yang besar, yang mengandungi pelbagai soalan yang telah ditanyakan oleh pelanggan Koleksi ini sentiasa terhad, dan Soalan yang dibangkitkan oleh pengguna dan cara untuk bertanya adalah hampir tidak terhad, yang pasti akan membawa kepada penyelewengan dalam pemahaman.

Yang kedua ialah sekatan responsif. Ini melibatkan teknologi graf pengetahuan, iaitu rangkaian perhubungan yang menghubungkan semua jenis maklumat yang berbeza bersama-sama.

Untuk memberikan jawapan yang memuaskan kepada pelanggan, anda perlu membina graf pengetahuan yang sangat terperinci dan mendalam untuk soalan yang mungkin ditanya oleh pelanggan, yang jauh melebihi apa yang boleh disediakan oleh enjin carian .

Membina graf pengetahuan khusus sebegini masih merupakan cabaran besar.

Kerja khidmat pelanggan bukanlah perkara kecil dialog seperti ini mempunyai tujuan yang sangat jelas, dan tujuan ini tidak boleh dipenuhi dengan jawapan yang mudah.

Mungkin melibatkan banyak butiran khusus domain. Pesanan pra-jualan, produk, harga jualan, logistik, dll.

Tanpa menguasai pengetahuan domain khusus ini dan membina rangkaian dalam butiran pengetahuan ini melalui graf pengetahuan, adalah mustahil untuk memberikan respons berkualiti tinggi.

Pada masa yang sama, kandungan balasan perkhidmatan pelanggan adalah sensitif masa, seperti lelaran maklumat produk, kemas kini maklumat logistik, dsb.

Data korpus yang digunakan untuk latihan ChatGPT adalah pada 2021, dan ia tidak mempunyai keupayaan untuk mengemas kini pengetahuan perkhidmatan pelanggan dengan cepat.

Dari perspektif kos, satu sesi latihan untuk ChatGPT menelan belanja berjuta-juta dolar, dan satu sesi penalaan halus menelan kos ratusan ribu wang ini sudah cukup untuk mengupah ramai perkhidmatan pelanggan manusia kakitangan, yang bertentangan dengan peraturan perusahaan Niat asal menggunakan perkhidmatan pelanggan pintar untuk mengurangkan kos dan meningkatkan kecekapan.

Selain itu, terdapat satu lagi lapisan faktor emosi yang sentiasa menjadi jurang yang tidak dapat dilalui oleh AI pada masa ini. Berbanding dengan perkhidmatan pelanggan pintar yang dingin, dapat berkomunikasi secara langsung dengan kakitangan perkhidmatan pelanggan menjadikan orang ramai berasa lebih selesa.

Sebab ramai pelanggan meluat dengan perkhidmatan pelanggan pintar bukanlah kerana mereka menentang kemajuan teknologi atau menafikan rasionalnya, tetapi perkhidmatan pelanggan pintar itu kadangkala tidak dapat menyelesaikan masalah emosi orang ramai.

Berkomunikasi dengan orang ramai adalah pelepasan emosi, tetapi dalam menghadapi perkhidmatan pelanggan pintar yang rasional dan juga teliti, emosi pelanggan jelas ditindas.

Pihak berkenaan yang bertanggungjawab ke atas Yunzhisheng percaya jika ChatGPT mahu dipopularkan sepenuhnya, masih ada tiga masalah yang perlu diselesaikan.

Pertama sekali, ChatGPT perlu meningkatkan kebolehpercayaan pengetahuannya dan mengelakkan aplikasi utama untuk menyelesaikan masalah praktikal kedua, ia perlu meningkatkan keupayaannya untuk menyepadukan maklumat masa nyata dan meningkatkan ketepatan masa; ketiga Ketiga, adalah perlu untuk mengurangkan lagi kos perkhidmatan dan latihan serta menyelesaikan masalah praktikal dalam julat kos yang boleh diterima.

Selain itu, piawaian industri dan peraturan berkaitan juga perlu diwujudkan dan ditambah baik secara serentak untuk menggalakkan pembangunan sihat teknologi ChatGPT.

Pada masa ini, Yunzhisheng telah mewujudkan gelung tertutup teknologi lengkap "penjanaan persepsi-kognisi" dalam bidang teknologi pengecaman pertuturan dan pemahaman bahasa semula jadi.

Bahagian kognitif terutamanya terdiri daripada "BERT+GPT2+Graf Pengetahuan Industri", yang telah menjalankan amalan aplikasi yang mendalam dalam bidang interaksi IoT pintar dan keputusan perubatan pintar- membuat, dan telah memperoleh Hadiah Pertama Perbandaran Beijing untuk Kemajuan Saintifik dan Teknologi.

Jadi, walaupun ChatGPT mencapai kesan dialog buatan yang baik, dari perspektif teknikal, perspektif perniagaan dan perspektif pengalaman, pada masa ini tidak boleh digunakan untuk meningkatkan perkhidmatan pelanggan pintar , hanya boleh menambah keseronokan yang tidak dijangka dalam proses menyediakan perkhidmatan pelanggan yang bijak.

Bagaimana untuk melihat perkhidmatan pelanggan pintar dengan betul?

Walaupun teknologi membawa kemudahan kepada orang ramai, kita mesti mengakui batasan teknologi Sebelum terdapat kejayaan besar dalam teknologi asas, kita tidak boleh mengharapkan perubahan kualitatif dalam pengalaman perkhidmatan pelanggan yang bijak.

Kedua, perkhidmatan pelanggan pintar telah menjadi trend umum yang didorong oleh aplikasi pengeluar Walaupun mustahil untuk menyesuaikan diri dengan perubahan seperti perkhidmatan pelanggan manual, ia juga boleh menyediakan beberapa peringkat asas perkhidmatan yang tepat.

Akhir sekali, kuncinya ialah mewujudkan mekanisme kerjasama yang baik antara perkhidmatan pelanggan pintar dan perkhidmatan pelanggan manual supaya pengguna boleh mendapat pengalaman yang lebih lancar.

Ia seperti diagnosis dan rawatan peringkat ketiga, masalah kecil dilihat di hospital komuniti, dan jika masalah yang lebih besar dihadapi, ia akan dipindahkan secara automatik ke hospital peringkat tinggi.

Untuk pengalaman pengguna, apa yang penting bukanlah pengalaman perkhidmatan pelanggan pintar, tetapi pengalaman keseluruhan sistem perkhidmatan pelanggan pengeluar.

Sama seperti peningkatan bilangan perkhidmatan perbankan dalam talian, ia tidak boleh menggantikan cawangan bank luar talian. Pada masa hadapan, hubungan antara perkhidmatan pelanggan pintar dan perkhidmatan pelanggan manual bukanlah perkara mudah tentang siapa yang menggantikan siapa Sempadan antara kedua-dua pihak akan menjadi semakin kabur.

Masalah biasa pengguna boleh ditangani dengan perkhidmatan pelanggan yang bijak Apabila pengguna memerlukan komunikasi dan bimbingan secara bersemuka, perkhidmatan pelanggan manual juga harus muncul tepat pada masanya.

Prinsip utama ialah berpusatkan pengguna dan memilih kaedah perkhidmatan berdasarkan keperluan sebenar pengguna.

Ringkasnya, berdepan dengan spesies baharu ChatGPT yang tiba-tiba, kita seharusnya tidak mudah terjerumus ke dalam ilusi "dunia baharu yang berani", tetapi harus menggunakan kebijaksanaan unik manusia untuk bekerjasama dengannya Fungsi yang kaya memberikan kemudahan maksimum untuk kehidupan orang ramai.

Atas ialah kandungan terperinci Mengapakah ChatGPT yang 'sangat popular' tidak boleh menjadi perkhidmatan pelanggan yang bijak?. 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)
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
4 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
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Arahan sembang dan cara menggunakannya
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)

ChatGPT kini membenarkan pengguna percuma menjana imej dengan menggunakan DALL-E 3 dengan had harian ChatGPT kini membenarkan pengguna percuma menjana imej dengan menggunakan DALL-E 3 dengan had harian Aug 09, 2024 pm 09:37 PM

DALL-E 3 telah diperkenalkan secara rasmi pada September 2023 sebagai model yang jauh lebih baik daripada pendahulunya. Ia dianggap sebagai salah satu penjana imej AI terbaik setakat ini, mampu mencipta imej dengan perincian yang rumit. Walau bagaimanapun, semasa pelancaran, ia adalah tidak termasuk

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

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

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

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