


Microsoft membunuh projek metaverse industri Project Airsim dan mengalihkan strategi kecerdasan buatan kepada OpenAI
Menurut berita pada 25 Oktober, media asing memetik orang yang mengetahui perkara itu sebagai berkata bahawa pada hari Isnin, ahli pasukan Microsoft yang bertanggungjawab membangunkan Projek "Industrial Metaverse" Airsim menerima notis "kemas kini pasukan" dan dimaklumkan mengenai seluruh pasukan akan dipecat dan projek ditamatkan. Microsoft juga mengesahkan bahawa ia akan menamatkan projek itu pada 15 Disember tahun ini.
Microsoft berkata dalam satu kenyataan: “Kami berbangga dengan impak projek inkubasi ini kepada pelanggan, dan kami akan terus melabur dalam Azure untuk menyediakan platform pengkomputeran untuk dunia maya dalam industri dan pelbagai projek kecerdasan buatan dalam syarikat. "Kami bekerjasama rapat dengan pelanggan untuk melaksanakan peralihan ini
Ini berlaku selepas Microsoft secara rasmi berhenti menyokong Projek Bonsai pada 19 Oktober. Projek Bonsai ialah platform pembangunan kecerdasan buatan untuk membina sistem automatik untuk kegunaan industri. Kedua-dua projek itu dianggap sebahagian daripada "Industrial Metaverse" Microsoft.
Sumber termaklum mengatakan bahawa Microsoft memperoleh Bonsai permulaan kecerdasan buatan pada 2018, yang dianggap dalam syarikat sebagai tindak balas Microsoft terhadap pengambilalihan Deepmind oleh Google. Project Airsim pada asalnya dilancarkan sebagai projek sumber terbuka pada 2017 dan sejak itu telah mengalihkan tumpuannya kepada produk untuk pelanggan industri.
Kedua-dua projek, Project Airsim dan Project Bonsai, dinaikkan pangkat oleh Ketua Pegawai Teknologi Microsoft Kevin Scott. Beliau telah menjadi broker perkongsian antara Microsoft dan OpenAI, dan tujuan mengeram kedua-dua projek ini adalah untuk membolehkan pelanggan industri menggunakan produk baharu daripada perniagaan awan Microsoft.
Menurut orang yang biasa dengan projek itu, Nadella menyebut Projek Bonsai sebagai sebahagian daripada masa depan kecerdasan buatan Microsoft dalam mesyuarat pekerja dan temu bual awam dengan cara yang sama dia bercakap tentang OpenAI hari ini.
Walaupun Microsoft pada mulanya melihat projek ini sebagai cara untuk menarik pembangun aplikasi dalam bidang perindustrian untuk membantu awan Azure Microsoft bersaing dengan Perkhidmatan Web Amazon, kata orang itu. Tetapi apabila perkongsian Microsoft dengan OpenAI berkembang, Scott semakin kurang berminat dalam projek ini.
Pada awal 2023, sekitar masa Microsoft mengumumkan perkongsiannya yang diperluas dengan OpenAI, syarikat itu juga mula mempromosikan visinya tentang metaverse industri. Tetapi masa yang baik tidak bertahan lama untuk projek berkaitan Musim bunga ini, Microsoft menamatkan Projek Bonsai dan memberhentikan pasukan 100 orang yang bertanggungjawab untuk projek itu.
Orang yang biasa dengan perkara itu berkata bahawa sebab mengapa Microsoft mengekalkan Project Airsim pada masa itu adalah kerana percaya produk inkubasi ini mempunyai sejumlah besar pelanggan berpotensi.
Gurdeep Pall, bekas naib presiden Microsoft Corporation, berkhidmat sebagai pengarah inkubasi produk dan kecerdasan buatan komersial, bertanggungjawab untuk Projek Bonsai dan terbaru Project Airsim. Bulan lalu, dia meninggalkan Microsoft selepas 33 tahun.
Penamatan Project Airsim ialah satu lagi contoh Microsoft mengalihkan sumber kepada OpenAI. Bulan lalu dilaporkan bahawa Microsoft telah meninggalkan produk eksperimen seperti fon kepala Surface untuk memberi tumpuan kepada pelaburan dalam kecerdasan buatan.
Atas ialah kandungan terperinci Microsoft membunuh projek metaverse industri Project Airsim dan mengalihkan strategi kecerdasan buatan kepada OpenAI. 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

Jika jawapan yang diberikan oleh model AI tidak dapat difahami sama sekali, adakah anda berani menggunakannya? Memandangkan sistem pembelajaran mesin digunakan dalam bidang yang lebih penting, menjadi semakin penting untuk menunjukkan sebab kita boleh mempercayai output mereka, dan bila tidak mempercayainya. Satu cara yang mungkin untuk mendapatkan kepercayaan dalam output sistem yang kompleks adalah dengan menghendaki sistem menghasilkan tafsiran outputnya yang boleh dibaca oleh manusia atau sistem lain yang dipercayai, iaitu, difahami sepenuhnya sehingga apa-apa ralat yang mungkin boleh dilakukan. dijumpai. Contohnya, untuk membina kepercayaan dalam sistem kehakiman, kami memerlukan mahkamah memberikan pendapat bertulis yang jelas dan boleh dibaca yang menjelaskan dan menyokong keputusan mereka. Untuk model bahasa yang besar, kita juga boleh menggunakan pendekatan yang sama. Walau bagaimanapun, apabila mengambil pendekatan ini, pastikan model bahasa menjana

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 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

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
