


He Zhongjiang, Pengurus Besar China Telecom Artificial Intelligence: Supernatural Voice 2.0 akan dikeluarkan pada 2024
Pada petang 10 November, Pengurus Besar Kecerdasan Buatan China Telecom He Zhongjiang menerangkan produk dan idea model besar am di Forum Kerjasama Pembangunan Industri Kecerdasan Buatan dan Data
He Zhongjiang mula-mula berkongsi pandangannya tentang kecerdasan buatan am Dia percaya bahawa kecerdasan buatan umum merujuk kepada keupayaan untuk melihat, mendengar dan berfikir seperti manusia Untuk dapat melihat memerlukan teknologi visual dan boleh mendengar memerlukan teknologi suara Selepas maklumat visual dan maklumat suara dikumpulkan ke dalam otak, otak memproses dan menilai mereka dan menyediakan idea-idea membuat keputusan. Data besar hari ini, algoritma lanjutan dan kuasa pengkomputeran yang kukuh juga akan menggalakkan pembangunan berskala besar model besar.
Selepas menjelaskan pandangan asas, He Zhongjiang memberikan penjelasan terperinci daripada Model Semantik Bintang Telekom China dan Model Multimodal Bintang Telekom China. Model Besar Semantik Bintang Telekom China ialah teras kepada kecerdasan buatan umum Ia mempunyai keupayaan yang lebih baik dan boleh mengurangkan pelbagai pusingan halusinasi, mengurangkan "kadar halusinasi" sebanyak 40%. Pada masa hadapan, model besar semantik bintang China Telecom boleh memperkasakan perkhidmatan 2B2G secara luaran, meningkatkan kualiti dan kecekapan, dan mengoptimumkan pengalaman ia boleh digunakan sepenuhnya secara dalaman, meningkatkan kecekapan kerjasama pengeluaran, dan mempunyai aplikasi yang lebih kaya; He Zhongjiang juga mendedahkan bahawa pasukan AI China Telecom juga akan mengambil bahagian dalam proses sumber terbuka dan sumber terbuka Ia akan membuka sumber model berpuluh bilion sebelum akhir tahun ini dan model ratusan bilion pada April tahun depan akan menjadi sumber terbuka.
Apabila He Zhongjiang memperkenalkan model besar multi-modal China Telecom Star, beliau berkata bahawa China Telecom telah melatih lebih daripada 1.2 bilion pasangan imej dan teks, menggunakan strategi ketepatan campuran untuk meningkatkan kecekapan GPU dengan ketara, dan kelajuan inferens adalah 4.5 kali lebih pantas Model besar berbilang modal Ia akan berfungsi sebagai asas keupayaan asas untuk generasi digital akan datang.
Dengan membandingkan suara perkhidmatan pelanggan pintar Wanhao dengan TTS1.0 ghaib, He Zhongjiang berkata bahawa Model Besar Suara Xingchen China Telecom 1.0 boleh mencapai keaslian yang setanding dengan orang sebenar, dan boleh mengalir ke suara yang sesuai dalam masa nyata; masa tindak balas paket pertama adalah kurang daripada 50 milisaat; Beliau juga mendedahkan bahawa Supernatural Speech Synthesis 2.0 akan dikeluarkan pada pertengahan 2024.
China Telecom HR adalah berdasarkan model besar berbilang modal China Telecom Star, dan menggunakan avatar digital asas untuk memaparkan fungsi seperti pemadanan arbitrari aksesori solek, penjanaan diperibadikan dan penyesuaian. He Zhongjiang berkata bahawa dengan peningkatan berterusan teknologi model berskala besar dan pengayaan berterusan pengetahuan, orang digital dalam ruang maya dan robot di dunia nyata akan mempunyai kesan yang semakin meningkat ke atas pengeluaran, operasi dan kehidupan manusia, dan era kecerdasan buatan hampir benar-benar datang!
Operator Finance (akaun awam WeChat rasmi yyscjrd) - tapak web kewangan arus perdana yang meliputi teknologi, kewangan, sekuriti, kereta, hartanah, makanan, perubatan, bahan kimia harian, wain dan barangan pengguna yang lain secara menyeluruh.
Atas ialah kandungan terperinci He Zhongjiang, Pengurus Besar China Telecom Artificial Intelligence: Supernatural Voice 2.0 akan dikeluarkan pada 2024. 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
