


Masalah baharu untuk 'Modal Kecerdasan Buatan Dunia”: Kegilaan AI tidak dapat mencipta sejumlah besar pekerjaan
Memandangkan kecerdasan buatan menjadi topik hangat di seluruh dunia, San Francisco di Amerika Syarikat, yang mempunyai kepadatan bakat AI tertinggi di dunia, telah membawa gelombang pelaburan dan keusahawanan yang bersemangat - sama seperti ledakan Internet dua puluh tahun yang lalu .
Namun, apabila San Francisco menjangkakan sepenuhnya "revolusi kecerdasan buatan" untuk mengisi semula hartanah komersial di pusat bandar dan membantu bandar mendapatkan semula kecergasan ekonomi pra-wabaknya, keadaan telah berubah sekali lagi: Menurut laporan, ledakan teknologi yang menyentuh San Francisco pada masa lalu Secara berbeza, ledakan AI telah mencipta lebih sedikit peluang pekerjaan kerana syarikat dalam industri AI pandai untuk kekal ramping dan mengautomasikan kerja.
Orang ramai. . . Kain bulu?
Sebagai "Global AI Capital", San Francisco mempunyai kepadatan bakat kecerdasan buatan tertinggi di dunia 11 daripada 20 syarikat AI teratas di Amerika Syarikat terletak di sini, menarik sejumlah AS$15.7 bilion dalam pelaburan dari 2008 hingga. 2023.
Tetapi menurut pejabat Datuk Bandar San Francisco London Breed, berdasarkan data daripada firma modal teroka NFX, syarikat ini menggaji sejumlah 3,400 orang di San Francisco. Pusat bandar San Francisco dijangka kehilangan hampir 150,000 pekerjaan pejabat sepanjang pandemik dan telah bertindak balas sewajarnya. Sebelum wabak, pekerja pejabat menyumbang hampir tiga perempat daripada KDNK San Francisco.
AI Generatif telah mengubah sepenuhnya kerja harian jurutera perisian, tenaga kerja utama dalam industri teknologi San Francisco. Menurut tinjauan oleh GitHub, platform kod terbesar di dunia, 92% pembangun perisian menggunakan AI, dan pengaturcara yang menggunakan pembantu AI generatif GitHub menyelesaikan tugas 55% lebih cepat.
Mengenai situasi ini, Erin Price-Wright, rakan kongsi di Index Ventures, sebuah institusi pelaburan San Francisco, secara terus terang menyatakan bahawa syarikat AI ini hampir pasti tidak akan mempunyai ribuan pekerja dan kantin syarikat seperti Airbnb atau Dropbox. Kedua-dua syarikat awam ini sahaja menggaji sejumlah hampir 10,000 pekerja di San Francisco.
Sebagai perbandingan, OpenAI, disokong oleh Microsoft, beribu pejabat di Daerah Misi artistik San Francisco Ia telah menerima pelaburan berjumlah AS$11 bilion dalam tempoh lapan tahun yang lalu, tetapi hanya mempunyai 500 pekerja. Menurut orang yang biasa dengan perkara itu, OpenAI akan melatih AInya sendiri untuk membantu pekerja bertindak balas dengan lebih cekap apabila menghadapi masalah.
Sebagai tindak balas, jurucakap OpenAI menjawab bahawa syarikat itu akan menggunakan produknya sendiri untuk membantu bekerja, tetapi juga secara aktif merekrut untuk jawatan termasuk sokongan pelanggan.
Matt Schlicht, Ketua Pegawai Eksekutif pemula kecerdasan buatan Octane AI, teruja berkata: "Kami mencapai tahap di mana AI boleh bekerja seperti pekerja sebenar. Dalam hidup anda, terdapat peluang yang baik untuk anda menyaksikan pasukan membina syarikat bernilai berbilion dolar perniagaan.”
panas↔sejuk
Pada awal Jun, Mike Grabowski, yang mengasaskan penjana blog influencer AI di Timur Tengah, mengeluh di media sosial bahawa di San Francisco, terdapat 44 acara berkaitan AI dalam masa dua minggu sahaja, purata 3 acara sehari. Kekerapan berterusan sepanjang bulan Jun, dan acara Grabowski sendiri menerima 560 permohonan.
(Sumber: Media Sosial)
Sumber: Financial Associated Press
Atas ialah kandungan terperinci Masalah baharu untuk 'Modal Kecerdasan Buatan Dunia”: Kegilaan AI tidak dapat mencipta sejumlah besar pekerjaan. 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
