Pada zaman AI, saiz model bukanlah faktor penentu
Tiga suku telah berlalu tahun ini, melainkan kebolehlaksanaan "superkonduktiviti suhu normal" disahkan secara rasmi, perkataan teknologi yang paling popular tahun ini ialah "kepintaran buatan generatif"
Dalam industri teknologi semasa, jika syarikat teknologi tidak terlibat dalam model berskala besar dan kecerdasan buatan generatif, ia nampaknya telah ketinggalan dalam persaingan teknologi
Menurut laporan tinjauan IBM Institute for Business Value yang dikeluarkan baru-baru ini, tiga perempat daripada CEO yang ditemu bual percaya bahawa menggunakan kecerdasan buatan generatif termaju akan membawa kelebihan daya saing kepada perusahaan, dan pengguna mempunyai sikap positif terhadapnya
Walaupun orang ramai teruja dengan model berskala besar, IBM telah memilih laluan baharu dan berbeza
Lebih besar tidak lebih baik apabila ia datang kepada “model”
Dalam 8 bulan lalu, pelbagai model berskala besar telah muncul dengan pantas, seperti tunas baharu pada musim bunga. Sama ada di peringkat pengguna atau perusahaan, semua lapisan masyarakat secara aktif menerima kecerdasan buatan generatif dan menikmati dividen serta kemudahan yang dibawanya. Walau bagaimanapun, untuk perusahaan, adakah model besar yang lebih besar dan lebih lengkap benar-benar pilihan terbaik?
Kandungan yang ditulis semula: Dalam beberapa tahun kebelakangan ini, syarikat dalam pelbagai industri telah mencari cara untuk "mengurangkan kos dan meningkatkan kecekapan". Walaupun model berskala besar boleh meningkatkan kecekapan dengan ketara pada peringkat awal, dalam jangka panjang, penggunaan kuasa pengkomputeran oleh model besar dan kos serta masa pengembangan berikutnya adalah isu penting yang perlu dipertimbangkan oleh perusahaan. Oleh itu, saya berpendapat bahawa model peringkat perusahaan yang besar perlu "kecil dan diperhalusi". Hanya data yang berkaitan dengan bidang menegak perusahaan AI mesti disediakan, supaya AI benar-benar dapat mencapai "pengkhususan dalam industri" dan mencapai nilai terbesar pada kos terendah
IBM dan Xie Dong, Ketua Pegawai Teknologi dan Pengurus Besar Pusat R&D IBM Greater China, menyatakan pandangan yang sama pada sidang akhbar IBM Watsonx Greater China baru-baru ini. Xie Dong berkata bahawa untuk perusahaan, matlamat model aplikasi adalah untuk menyelesaikan masalah tertentu pada kos yang lebih rendah. Beliau menegaskan bahawa untuk aplikasi peringkat perusahaan, lebih kecil model, lebih baik, kerana model kecil lebih fleksibel dan kos lebih rendah
Untuk memenuhi keperluan mendesak pengguna peringkat perusahaan untuk kecerdasan buatan generatif, IBM berharap untuk menyesuaikan diri dengan keperluan perniagaan dan data perusahaan sendiri untuk menyesuaikan penyelesaian dan model AI generatif untuk mereka. Baru-baru ini, IBM secara rasmi mengeluarkan IBM Watson "AI" merujuk kepada penggunaan teknologi AI untuk memperkasakan teknologi tertentu atau bidang tertentu. Mulai tahun ini, masa depan akan memasuki era "AI+" dengan AI terlebih dahulu. Xie Dong berkata bahawa syarikat kini berharap untuk menggunakan teknologi AI kepada perniagaan teras untuk meningkatkan produktiviti sebenar. Seluruh industri juga akan beralih daripada era "+AI" yang mengutamakan data kepada era "AI+" yang mengutamakan AI IBM ialah pemain penting dalam bidang AI global dan telah terlibat secara mendalam dalam bidang ini sejak zaman awal AI . Seawal 1956, IBM menggunakan teknologi AI untuk berjaya merealisasikan pertempuran manusia-mesin dalam dam. Kemudian, antara 1996 dan 1997, komputer Deep Blue IBM berjaya mengalahkan pemain catur terkemuka. Pada 2011 dan 2019, IBM mencapai lonjakan kualitatif daripada pengumpulan pengetahuan AI kepada pendebat AI
Sebagai perintis dalam industri, IBM melancarkan platform Watsonx pada masa ini. Walaupun nampaknya agak "terbelakang" dalam industri, selepas menganalisis dengan teliti keupayaan platform Watsonx, kami akan mendapati ia membawa kecerdasan buatan generatif daripada pengguna C-side ke B-side, mentakrifkan semula aplikasi kecerdasan buatan generatif di peringkat perusahaan. Peranan dalam
Saya percaya bahawa nilai teras sebenar teknologi digital bukan sahaja terletak pada aplikasinya dalam bidang pengguna, tetapi juga pada promosinya dalam aplikasi peringkat perusahaan Hanya dengan cara ini nilai sebenar teknologi digital dapat direalisasikan. Pada titik masa semasa, pelancaran platform WatsonX sudah pasti membuka laluan baharu untuk kecerdasan buatan generatif dalam aplikasi peringkat perusahaan. Dengan pengalaman mendalam selama bertahun-tahun dalam bidang kecerdasan buatan, dan mengambil awan hibrid dan kecerdasan buatan sebagai konsep pembangunan masa depan, dalam persaingan awan hibrid ini, platform WatsonX adalah teras, dan kecerdasan buatan akan menjadi daya penggerak teras IBM pada masa akan datang. Miao Keyan, pengurus besar Bahagian Teknologi Greater China IBM dan pengurus besar China, berkata bahawa sistem IBM watsonx ialah AI generasi baharu dan platform data berdasarkan seni bina awan hibrid terbuka, berdasarkan model asas dan AI generatif
Miao Keyan Adalah ditekankan bahawa Watsonx ialah koleksi teknologi inovatif daripada Institut Penyelidikan IBM, menyepadukan teknologi perusahaan paling maju dan teknologi terbuka - OpenShift, dan disokong oleh komuniti ekologi terbuka yang berkuasa - Wajah Memeluk. Miao Keyan berkata, "'x' mewakili kemungkinan tanpa had dan juga mewakili jangkaan IBM untuk watsonx
Platform IBM watsonx dibahagikan kepada tiga set produk - watsonx.ai, watsonx.data, watsonx.governance , pada masa ini, watsonx.ai dan watsonx.data telah dilancarkan, versi premis watsonx.data kini tersedia untuk pelanggan China, dan watsonx.governance dirancang untuk dilancarkan pada suku keempat tahun ini.
Kandungan ditulis semula: Di dalamnya, watsonx.ai boleh membantu pembina AI menggunakan model daripada IBM dan Hugging Face untuk menyelesaikan pelbagai tugas pembangunan AI. Model ini telah dilatih terlebih dahulu untuk menyokong pelbagai tugas jenis pemprosesan bahasa semula jadi (NLP), termasuk menjawab soalan, penjanaan kandungan dan ringkasan, klasifikasi dan pengekstrakan teks. Keluaran masa hadapan akan menyediakan akses kepada lebih banyak model asas proprietari yang dilatih oleh IBM untuk meningkatkan kecekapan dan pengkhususan tugas dalam bidang berkaitan
Dalam era semasa "data is king", keluarga produk IBM Watsonx Watsonx.data dalam boleh membantu perusahaan menghadapi cabaran data seperti volum data yang besar, kerumitan yang tinggi dan kesukaran dalam tadbir urus yang biasa dihadapi semasa mengembangkan beban kerja AI. Perlu dinyatakan bahawa Watsonx.data juga membenarkan pengguna mengakses data merentasi awan dan persekitaran tempatan melalui portal bersatu
Xie Dong berkata pada akhir tahun ini, watsonx.data akan memanfaatkan watsonx.ai Model asas untuk memudahkan dan mempercepatkan cara pengguna berinteraksi dengan data. Dengan cara ini, pengguna boleh menemui, meningkatkan, mengoptimumkan dan memvisualisasikan data dan metadata mereka melalui perbualan bahasa semula jadi
Xie Dong berkata bahawa watsonx.governance akan dilancarkan lewat tahun ini. Produk ini ialah penyelesaian kitaran hayat model dan data automatik untuk membangunkan strategi, memberikan hak keputusan dan memastikan organisasi bertanggungjawab terhadap risiko dan keputusan pelaburan
watsonx.ai, watsonx.data dan watsonx.governance , boleh dipanggil "troika" IBM Watsonx. Melalui ketiga-tiga aspek ini, perusahaan boleh mencapai transformasi digital daripada pelbagai perspektif seperti penciptaan kecerdasan buatan, pengurusan data dan pengurusan perusahaan. Pada pendapat saya, IBM watsonx lebih daripada sekadar "model". Sebagai platform kecerdasan buatan generatif, ia berpotensi untuk menjadi pelan tindakan dan impian untuk aplikasi kecerdasan buatan peringkat perusahaan pada masa hadapan
Atas ialah kandungan terperinci Pada zaman AI, saiz model bukanlah faktor penentu. 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

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

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

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

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

Dalam dunia pembangunan bahagian hadapan, VSCode telah menjadi alat pilihan untuk banyak pembangun dengan fungsi yang berkuasa dan ekosistem pemalam yang kaya. Dalam beberapa tahun kebelakangan ini, dengan perkembangan pesat teknologi kecerdasan buatan, pembantu kod AI pada VSCode telah muncul, meningkatkan kecekapan pengekodan pembangun. Pembantu kod AI pada VSCode telah muncul seperti cendawan selepas hujan, meningkatkan kecekapan pengekodan pembangun. Ia menggunakan teknologi kecerdasan buatan untuk menganalisis kod secara bijak dan menyediakan penyiapan kod yang tepat, pembetulan ralat automatik, semakan tatabahasa dan fungsi lain, yang mengurangkan kesilapan pembangun dan kerja manual yang membosankan semasa proses pengekodan. Hari ini, saya akan mengesyorkan 12 pembantu kod AI pembangunan bahagian hadapan VSCode untuk membantu anda dalam perjalanan pengaturcaraan anda.
