


Ketua Pegawai Teknologi Baidu Wang Haifeng: Matlamat kecerdasan buatan bukanlah untuk menyamai kecerdasan manusia
Robot sembang kecerdasan buatan ChatGPT popular di seluruh dunia; alat data besar "Tong" yang dibangunkan secara bebas oleh Alibaba Cloud "Yiqianwen" mula menjemput pengguna untuk mencubanya; platform data besar kecerdasan buatan "Pangu" pada Huawei Cloud melancarkan satu siri arahan cadangan aplikasi.
Baru-baru ini, Wang Haifeng, ketua pegawai teknologi Baidu dan pengarah Pusat Penyelidikan Kejuruteraan Kebangsaan untuk Teknologi dan Aplikasi Pembelajaran Dalam, menunjukkan sedikit rasa bangga apabila bercakap tentang "Wen Xin Yi Yu", yang masih dalam tempoh ujian : " Sejak pelancaran versi pertama pada 2019, "Wenxin" telah membentuk satu set lengkap sistem model peningkatan pengetahuan industri, meliputi pemprosesan bahasa semula jadi, penglihatan, mod silang, pengkomputeran biologi, industri dan bidang lain. Pada masa yang sama , Ia juga mengandungi banyak teknologi kami sendiri dan telah digunakan secara meluas dalam industri ”
Walaupun sebagai ahli syarikat "Wenxin", dia telah menguasai trilion pengetahuan melalui teknologi kecerdasan buatan, Wang Haifeng tetap menekankan: "Syarikat ini baru sebulan berada di syarikat ini, dan saya telah belajar bersungguh-sungguh. Penambahbaikan berterusan dan maklum balas pengguna sebenar adalah produk yang sangat berharga untuk kami dan membolehkan kami berkembang dengan lebih pantas
Teknologi kecerdasan buatan telah disepadukan ke dalam pengeluaran sosial dan kehidupan orang ramai dengan lebih pantas dan mendalam Prestasi cemerlang model bahasa besar dengan kecerdasan buatan generatif sebagai ciri utama dalam menyelesaikan masalah kehidupan sebenar telah menjadikan Ia telah menarik perhatian seluruh dunia. tetapi juga telah meningkatkan kebimbangan dan kebimbangan.Berkenaan sama ada pekerjaan yang dibimbangkan orang ramai akan digantikan dengan kecerdasan buatan, Wang Haifeng percaya bahawa dengan mempopularkan teknologi kecerdasan buatan, sesetengah pekerjaan mungkin digantikan dengan kecerdasan buatan, tetapi ia tidak akan mewujudkan terlalu banyak pekerjaan. Tekanan, kerana dalam setiap revolusi teknologi dan perubahan industri dalam dua ratus tahun yang lalu, beberapa pekerjaan akan diganti, tetapi pekerjaan baru juga akan dicipta.
Dengan peningkatan kecerdasan yang berterusan, apabila ia digunakan oleh sesetengah orang dengan motif tersembunyi, ia akan menyebabkan kerosakan yang besar.
Semua produk akan menghadapi masalah sedemikian Apabila bilangan pengguna mencapai tahap tertentu, ini adalah pandangan Wang Haifeng. Kami telah merumuskan langkah pengawalseliaan yang ketat mengikut peraturan negara untuk memastikan keselamatan setiap langkah. ”
Wang Haifeng meneruskan: "Walaupun kemajuan saintifik dan teknologi membawa manfaat kepada masyarakat, ia juga membawa bahaya tersembunyi kepada masyarakat. Ini memerlukan kita mempunyai langkah berjaga-jaga teknikal yang mencukupi, adalah perlu untuk merumuskan sistem yang berkaitan, dan ia adalah perlu untuk keseluruhan industri kepada Malah seluruh masyarakat terlibat untuk memastikan teknologi kita mempunyai nilai dan tidak disalahgunakan
Apakah kesan pembangunan kecerdasan buatan kepada manusia? Adakah anda mempunyai kesedaran diri? Adakah dia akan menjadi tuan manusia pada masa hadapan?
"Teknologi pintar seperti Wen Xin Yiyu, dalam analisis akhir, hanyalah alat yang dicipta oleh manusia. Ia hanya untuk orang mempunyai nilai yang lebih. Tidak ada perbezaan antara baik dan buruk, dan tidak ada. perkara yang baik atau buruk," Wang Haifeng menyambung, "Dalam beberapa aspek, kecerdasan buatan telah mengatasi manusia, tetapi ia tidak mewakili kecerdasan manusia, sama seperti satelit manusia tidak mewakili kecerdasan manusia, saya fikir ia adalah mustahil kecerdasan buatan untuk mempunyai pemikiran manusia.”
Atas ialah kandungan terperinci Ketua Pegawai Teknologi Baidu Wang Haifeng: Matlamat kecerdasan buatan bukanlah untuk menyamai kecerdasan manusia. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

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

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

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



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

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

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 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

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

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

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

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
