


Generasi kecerdasan buatan akan membentuk semula landskap teknologi masa depan
Sepanjang 10 tahun yang lalu, inovasi baharu telah muncul dalam bidang teknologi, daripada sistem tradisional kepada perkhidmatan pengkomputeran awan kepada perlindungan perisian tebusan. Pasukan teknologi di seluruh dunia mengalihkan tumpuan mereka kepada menyelaraskan operasi berbilang awan dengan matlamat untuk berinovasi tanpa meningkatkan kos. Penggunaan pantas alatan kecerdasan buatan (GenAI) adalah penting untuk mengekalkan daya saing.
Namun, siapa yang bertanggungjawab terhadap tingkah laku kecerdasan buatan? Bagaimana untuk memastikan pembangunan AI yang bertanggungjawab dan inovasi beretika? Bagaimanakah kita memaksimumkan keupayaan penuh teknologi tanpa menjejaskan keselamatan, pematuhan, kedaulatan data atau kewajipan etika kita untuk menghormati privasi orang lain? Apa yang dilakukan oleh perniagaan besar?
Pada persidangan VMware Explore tahun ini, Presiden VMware Sumit Dhawan dan Aon CTO Rajeev Khanna membincangkan satu daripada tiga topik utama: GenAI yang bertanggungjawab. Syarikat perkhidmatan profesional global itu mempunyai kira-kira 50,000 pekerja di 120 negara dan merupakan pengguna setia penyelesaian VMware. Menurut Khanna, GenAI "membuka satu set peluang baharu yang keseluruhannya berada dalam perniagaan penasihat risiko, yang bermakna adalah bijak untuk mengimbangi keterujaan tentang masa depan dengan pendekatan yang stabil dan berhati-hati," katanya. Itu benar. Sangat mudah untuk menjadi bersemangat tentang perkara berkilat seterusnya dalam teknologi, tetapi terdapat banyak halangan yang perlu diatasi untuk mencapai inovasi dan memperoleh pembelian seluruh perusahaan. Khanna menekankan membina dan mengekalkan budaya penggunaan dan tadbir urus AI yang bertanggungjawab, dan tidak pernah melupakan peranan asas pengawasan manusia untuk penggunaan AI yang beretika dan bertanggungjawab.
Memohon GenAI kepada semua perusahaanPada persidangan VMware Explore 2023, kemajuan ketara telah diumumkan. Perkongsian dengan Nvidia menghasilkan VMware Private AI Foundation, menyepadukan AI perusahaan Nvidia ke dalam platform yang serba boleh. Ini membolehkan IT mengurus model bahasa besar dengan berkesan dengan privasi, keselamatan dan prestasi merentas pelbagai beban kerja AI/ML.
Portfolio VMware Tanzu memudahkan pengurusan aplikasi berasaskan kontena dan meningkatkan keselamatan, manakala Edge Cloud Orchestrator membolehkan penyediaan lokasi tepi yang pantas. Penambahbaikan tambahan termasuk satah kawalan awan, perlindungan perisian tebusan yang lebih kukuh dan peningkatan prestasi kepada VMware Cloud Foundation, menghasilkan platform yang berkuasa untuk beban kerja tradisional, moden dan AI/ML merentas awan dan edge
Kami berada dalam fasa transformatif, membolehkan organisasi mengoptimumkan mereka. perniagaan, mengurangkan pembaziran dan memacu inovasi. Di VMware Explore, perniagaan sekali lagi muncul sebagai pemain utama, melengkapkan jabatan teknologi untuk meningkatkan produktiviti, mempercepatkan inovasi dan memacu kejayaan yang mampan.
Apa yang boleh kita lakukan apabila ia berkaitan dengan GenAI?Tema perbincangan panel VMware Explore ialah "AI yang Bertanggungjawab: Apakah peranan yang harus dimainkan oleh manusia?" yang menekankan bahawa kita juga tidak mempunyai jawapan yang jelas tentang peranan yang akan dimainkan oleh manusia dalam penumpuan dinamik GenAI dan teknologi berbilang awan . Panel itu dikendalikan oleh Richard Munro, ketua Pejabat Ketua Pegawai Teknologi, yang telah melakukan kerja yang hebat dalam menerokai prinsip etika yang membimbing pembangunan sistem AI dan penglibatan manusia
Pertama, wartawan data, Arthur L. Meredith Broussard, profesor bersekutu di Institut Kewartawanan Carter, mentakrifkan AI sebagai "matematik yang rumit dan cantik." Beliau berkata, apabila bercakap tentang kecerdasan buatan, ramai orang akan memikirkan "Terminator", "Star Trek" atau "Star Wars", tetapi kita perlu membezakan antara realiti dan imaginasi. Kecerdasan buatan ialah sejenis "replikasi corak" di mana data dimasukkan ke dalam komputer dan komputer membina model yang memaparkan corak matematik untuk membuat keputusan, menjana teks, imej atau audio baharu dan meramalkan hasil. Apa yang bergema, bagaimanapun, adalah perbincangan tentang bagaimana kecerdasan buatan akan mengubah budaya. Broussard juga bersetuju tentang kepentingan memerangi berat sebelah dan salah faham dalam sistem kecerdasan buatan, dan juga membuat hipotesis bahawa akan ada masalah sosial yang dimanifestasikan oleh bias kecerdasan buatan
Panel pakar membincangkan lebih lanjut isu kecerdasan buatan persendirian. AI persendirian merujuk kepada penggunaan model kecil yang mudah dilatih. Sumber yang lebih sedikit bermakna jejak karbon yang lebih rendah dan ketepatan yang lebih tinggi. AI persendirian membolehkan organisasi bergerak lebih pantas tanpa mempunyai kesan yang besar terhadap alam sekitar. Ia melibatkan bukan sahaja kecerdasan buatan, tetapi juga aspek seperti pengkomputeran awan, pelanggan, kandungan dan persekitaran
Kecerdasan buatan adalah permainan yang panjang, dalam satu perkataan. Kita harus mengelakkan godaan untuk tergesa-gesa untuk menang dalam mengejar kejayaan awal. Apatah lagi, dengan mengambil kira keupayaan untuk memilih sebagai sebahagian daripada AI
membuka jalan untuk masa depan kecerdasan etikaPanel menekankan bahawa orang ramai harus berasa selesa bertanya soalan untuk membimbing AI untuk menghasilkan hasil yang diinginkan. Tanggungjawab kami adalah untuk mentakrifkan apa yang AI patut dan tidak patut lakukan, dan untuk meningkatkan kesedaran tentang AI supaya orang ramai memahami cara ia boleh menguatkan bias dan maklumat salah sedia ada
- Dipercayai: Kebolehpercayaan kecerdasan buatan bergantung pada data berkualiti tinggi dan pengurangan berat sebelah dalam model. Ingat apl Kesihatan Apple pada tahun 2014? Ia tidak termasuk penjejakan haid. Mengurangkan berat sebelah dan membina perwakilan yang mencukupi dalam model boleh meningkatkan kebolehpercayaan dan akauntabiliti.
- Etika: Tujuan penggunaan kecerdasan buatan mestilah konsisten dengan peningkatan masyarakat dan mematuhi peraturan. Membenamkan prinsip etika dalam model AI memastikan penggunaan yang bertanggungjawab.
- Keselamatan: Adalah penting untuk melindungi model pembelajaran kecerdasan buatan kerana ia boleh jatuh ke tangan yang tidak dijangka. Melindungi data sensitif, maklumat pekerja dan data pelanggan adalah perlu, dan mengetahui sama ada model AI adalah sumber terbuka atau proprietari adalah penting untuk keselamatan.
- Privasi: Sifat data menentukan keperluan privasinya. Menentukan sama ada data itu sangat sensitif, kritikal misi atau dikawal adalah penting untuk menentukan perkara yang patut atau tidak boleh dimasukkan dalam model AI.
- Ketelusan: Berkomunikasi secara terbuka dan telus dengan pekerja, pelanggan dan rakan kongsi rantaian bekalan tentang peranan AI untuk memupuk kepercayaan dan memastikan semua orang memahami tujuan AI dan potensi kesan.
- Tidak berpura-pura: Selesaikan cabaran kelegapan dalam kecerdasan buatan dan fahami kerja dalaman algoritma, cara ia memacu hasil dan kesan melata perubahan pembolehubah dalam model untuk meningkatkan ketelusan adalah penting.
- Standard:Melaksanakan pagar adalah aspek kritikal untuk memastikan pembangunan AI yang bertanggungjawab dan beretika. Pengawal membantu menetapkan sempadan dan garis panduan untuk menghalang sistem AI daripada menyebabkan bahaya atau membuat keputusan yang tidak beretika.
Namun, perkara yang paling penting ialah mengutamakan orang. Potensi sebenar GenAI terletak pada kebolehaksesannya kepada semua peringkat umur dan profesion, menjadikannya alat yang boleh digunakan oleh semua orang untuk bertanya soalan. Teknologi berkhidmat kepada manusia
Apakah maksud kecerdasan buatan yang bertanggungjawab? Pendek kata, semua orang. Chris Wolf menegaskan bahawa masih banyak yang kita tidak tahu mengenainya, dan tiada piawaian industri
Organisasi, pakar dan penggubal dasar berkongsi tanggungjawab kolektif untuk membentuk trajektori kecerdasan buatan. Semasa kami melihat kepada GenAI untuk membuat keputusan dan memberikan pandangan, penyelesaian seperti platform VMWare membolehkan kami berputar dan menyesuaikan diri dengan yakin. Kita hidup dalam senario yang pesat berubah dan ekonomi yang sentiasa berubah, dan model yang digunakan mestilah anjal dan dinamik. GenAI dalam awan pintar membolehkan fleksibiliti. Mengambil bahagian dalam perbincangan yang menggalakkan pembangunan dan penggunaan AI beretika. Bina infrastruktur untuk AI dahulu, kemudian skala. Paling penting, seperti yang Wolf nasihatkan, teruskan bertanya dan terus ingin tahu.
Bayangkan kemungkinan GenAI dalam perniagaan... jika dilakukan dengan bertimbang rasa dan bertanggungjawab.
Atas ialah kandungan terperinci Generasi kecerdasan buatan akan membentuk semula landskap teknologi masa depan. 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

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

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 |. 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
