AI時代,模型的大小並不是決定性因素
今年已經過了三個季度,對於科技業來說,除非「常溫超導」的可行性被正式證實,否則今年最熱門的科技詞彙非「生成式人工智慧」莫屬
在目前的科技產業中,如果一家科技企業不涉足大型模型和生成式人工智慧,就好像已經在科技競爭中落伍了
根據最近發布的IBM商業價值研究院的研究報告顯示,四分之三的受訪CEO認為,部署先進的生成式人工智慧將為企業帶來競爭優勢,用戶對此持積極態度
在人們對大型模型熱衷不已的時候,IBM選擇了一條與眾不同的新道路
「模型」不是越大越好
在過去的8個月裡,各種大型模型迅速湧現,就像春天的新芽一樣。無論是消費者端或企業級,各行各業都在積極擁抱生成式人工智慧,並享受著它所帶來的紅利和便利。然而,對於企業而言,是否越大越全的大型模型真的就是最好的選擇嗎?
重寫後的內容:在近年來,各行業的企業都在尋求一種「降本增效」的方法。儘管大規模的模型在最初階段可以顯著提高效率,但從長遠來看,大模型對算力的消耗以及後續擴展的成本和時間都是企業需要考慮的重要問題。因此,我認為企業級的大模型更需要“小而精”,只需提供與AI企業垂直領域相關的數據,讓AI真正實現“術業有專攻”,以最低的成本實現最大的價值
IBM以及IBM大中華區首席技術長、研發中心總經理謝東在近日的IBM watsonx大中華區發布會上表達了相同的觀點。謝東表示,對企業來說,應用模式的目標是以較低的成本解決特定問題。他指出,對於企業級應用而言,模型越小越好,因為小模型更靈活且成本更低
為了滿足企業級用戶對生成式人工智慧的迫切需求,IBM希望根據企業自身的業務需求和數據,為他們量身打造生成式人工智慧解決方案和模型。最近,IBM正式在大中華區發布了IBM WatsonX平台
從「 AI」到「AI 」
AI早在上世紀50年代就誕生了,但直到今年以前,業內更多的應用是“ AI”,即利用AI技術賦能某項技術或某些領域。從今年開始,未來將邁入以AI為先的「AI 」時代。謝東表示,現在企業希望將AI技術應用到核心業務中,以增強實際生產力。整個產業也將從以數據為先的「 AI」時代,進入以AI為先的「AI 」時代
IBM是全球AI領域的重要參與者,在AI誕生初期就開始在該領域深耕。早在1956年,IBM就利用AI技術成功實現了跳棋人機大戰。隨後,在1996年至1997年期間,IBM的深藍電腦成功擊敗了西洋棋的頂尖高手。而在2011年和2019年,IBM實現了從AI知識積累到AI辯手的質的飛躍
作為行業的先驅者,IBM在這個時刻推出了watsonx平台。儘管看起來在業界有些“落後”,但是仔細分析watsonx平台的能力後,我們會發現,它將生成式人工智慧從C端用戶引向了B端,重新定義了生成式人工智慧在企業級應用中的作用
我認為,一項數位科技的真正核心價值不僅在於其在消費領域的應用,更在於其在企業級應用中的推廣,只有這樣才能實現該數位技術的真正價值。在目前的時間節點上,WatsonX平台的推出無疑為生成式人工智慧在企業級應用方面開闢了新的道路。憑藉著多年來在人工智慧領域的深耕經驗,並以混合雲和人工智慧作為未來發展的概念,在這場混合雲的競賽中,WatsonX平台作為核心,人工智慧必將成為IBM未來的核心驅動力
不僅是一個「模型」
值得一提的是,與目前市面上常見的各類生成式AI的大模型相比,watsonx不僅僅是一個模型,而是一個部分開源開放的平台。 IBM大中華區科技事業部總經理、中國區總經理繆可延表示,IBM watsonx系統是一個基於開放式混合雲架構、基於基礎模型和生成式AI的新一代AI和數據平台
繆可延強調,watsonx是IBM研究院創新技術的集合,融合了最先進的企業技術和開放技術-OpenShift,並得到了強大的開放生態社區-Hugging Face的支持。繆可延表示,「'x'代表著無限的可能性,也代表了IBM對watsonx的期望。」
IBM watsonx平台分為三個產品集合-watsonx.ai, watsonx.data , watsonx.governance,目前,watsonx.ai與watsonx.data已經上市,watsonx.data的premise版本現在已經可以提供給中國客戶,watsonx.governance計劃於今年第四季度上市。
重寫後的內容:在其中,watsonx.ai能夠幫助AI建構者利用IBM和Hugging Face的模式來完成各種AI開發任務。這些模型經過預先訓練,可以支援各種自然語言處理(NLP)類型的任務,包括問答、內容生成和摘要、文字分類和提取。未來的版本將提供更多由IBM訓練的專有基礎模型的訪問,以提升相關領域的效率和任務專業化
在當前“數據為王”的時代,IBM Watsonx產品系列中的Watsonx.data可以幫助企業應對AI工作負載擴展時普遍面臨的大數據量、高複雜性和難以治理等資料挑戰。值得一提的是,Watsonx.data還允許用戶透過一個統一入口存取跨雲端和本地環境的資料
謝東表示,今年晚些時候,watsonx.data將會利用watsonx.ai的基礎模型,來簡化並加速使用者與資料的互動方式。這樣,用戶就能夠透過自然語言對話的方式,發現、增強、優化和可視化他們的數據與元數據
謝東介紹說,watsonx.governance將在今年晚些時候上線。這個產品是一個自動化的資料和模型生命週期解決方案,用於制定策略、分配決策權並確保組織對風險和投資決策負責
watsonx.ai、watsonx.data和watsonx.governance,可以被稱為IBM watsonx的「三駕馬車」。透過這三個方面,企業可以從人工智慧的創造、資料管理和企業管理等多個角度出發,實現數位轉型。在我看來,IBM watsonx不僅僅是一個“模型”,作為一個生成式人工智慧平台,它有可能成為未來企業級人工智慧應用的藍圖和夢想
以上是AI時代,模型的大小並不是決定性因素的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

本站6月27日訊息,剪映是由位元組跳動旗下臉萌科技開發的一款影片剪輯軟體,依託於抖音平台且基本面向該平台用戶製作短影片內容,並相容於iOS、安卓、Windows 、MacOS等作業系統。剪映官方宣布會員體系升級,推出全新SVIP,包含多種AI黑科技,例如智慧翻譯、智慧劃重點、智慧包裝、數位人合成等。價格方面,剪映SVIP月費79元,年費599元(本站註:折合每月49.9元),連續包月則為59元每月,連續包年為499元每年(折合每月41.6元) 。此外,剪映官方也表示,為提升用戶體驗,向已訂閱了原版VIP

透過將檢索增強生成和語意記憶納入AI編碼助手,提升開發人員的生產力、效率和準確性。譯自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。雖然基本AI程式設計助理自然有幫助,但由於依賴對軟體語言和編寫軟體最常見模式的整體理解,因此常常無法提供最相關和正確的程式碼建議。這些編碼助手產生的代碼適合解決他們負責解決的問題,但通常不符合各個團隊的編碼標準、慣例和風格。這通常會導致需要修改或完善其建議,以便將程式碼接受到應

想了解更多AIGC的內容,請造訪:51CTOAI.x社群https://www.51cto.com/aigc/譯者|晶顏審校|重樓不同於網路上隨處可見的傳統問題庫,這些問題需要跳脫常規思維。大語言模型(LLM)在數據科學、生成式人工智慧(GenAI)和人工智慧領域越來越重要。這些複雜的演算法提升了人類的技能,並在許多產業中推動了效率和創新性的提升,成為企業保持競爭力的關鍵。 LLM的應用範圍非常廣泛,它可以用於自然語言處理、文字生成、語音辨識和推薦系統等領域。透過學習大量的數據,LLM能夠產生文本

大型語言模型(LLM)是在龐大的文字資料庫上訓練的,在那裡它們獲得了大量的實際知識。這些知識嵌入到它們的參數中,然後可以在需要時使用。這些模型的知識在訓練結束時被「具體化」。在預訓練結束時,模型實際上停止學習。對模型進行對齊或進行指令調優,讓模型學習如何充分利用這些知識,以及如何更自然地回應使用者的問題。但是有時模型知識是不夠的,儘管模型可以透過RAG存取外部內容,但透過微調使用模型適應新的領域被認為是有益的。這種微調是使用人工標註者或其他llm創建的輸入進行的,模型會遇到額外的實際知識並將其整合

機器學習是人工智慧的重要分支,它賦予電腦從數據中學習的能力,並能夠在無需明確編程的情況下改進自身能力。機器學習在各個領域都有廣泛的應用,從影像辨識和自然語言處理到推薦系統和詐欺偵測,它正在改變我們的生活方式。機器學習領域存在著多種不同的方法和理論,其中最具影響力的五種方法被稱為「機器學習五大派」。這五大派分別為符號派、聯結派、進化派、貝葉斯派和類推學派。 1.符號學派符號學(Symbolism),又稱符號主義,強調利用符號進行邏輯推理和表達知識。該學派認為學習是一種逆向演繹的過程,透過現有的

編輯|ScienceAI問答(QA)資料集在推動自然語言處理(NLP)研究中發揮著至關重要的作用。高品質QA資料集不僅可以用於微調模型,也可以有效評估大語言模型(LLM)的能力,尤其是針對科學知識的理解和推理能力。儘管目前已有許多科學QA數據集,涵蓋了醫學、化學、生物等領域,但這些數據集仍有一些不足之處。其一,資料形式較為單一,大多數為多項選擇題(multiple-choicequestions),它們易於進行評估,但限制了模型的答案選擇範圍,無法充分測試模型的科學問題解答能力。相比之下,開放式問答

編輯|KX在藥物研發領域,準確有效地預測蛋白質與配體的結合親和力對於藥物篩選和優化至關重要。然而,目前的研究並沒有考慮到分子表面訊息在蛋白質-配體相互作用中的重要作用。基於此,來自廈門大學的研究人員提出了一種新穎的多模態特徵提取(MFE)框架,該框架首次結合了蛋白質表面、3D結構和序列的信息,並使用交叉注意機制進行不同模態之間的特徵對齊。實驗結果表明,該方法在預測蛋白質-配體結合親和力方面取得了最先進的性能。此外,消融研究證明了該框架內蛋白質表面資訊和多模態特徵對齊的有效性和必要性。相關研究以「S

本站8月1日消息,SK海力士今天(8月1日)發布博文,宣布將出席8月6日至8日,在美國加州聖克拉拉舉行的全球半導體記憶體峰會FMS2024,展示諸多新一代產品。未來記憶體和儲存高峰會(FutureMemoryandStorage)簡介前身是主要面向NAND供應商的快閃記憶體高峰會(FlashMemorySummit),在人工智慧技術日益受到關注的背景下,今年重新命名為未來記憶體和儲存高峰會(FutureMemoryandStorage),以邀請DRAM和儲存供應商等更多參與者。新產品SK海力士去年在
