AI时代,模型的大小并不是决定性因素
今年已经过去了三个季度,对于科技行业来说,除非“常温超导”的可行性被正式证实,否则今年最热门的科技词汇非“生成式人工智能”莫属
在当前的科技行业中,如果一家科技企业不涉足大型模型和生成式人工智能,就好像已经在科技竞争中落伍了
根据最近发布的IBM商业价值研究院的调研报告显示,四分之三的受访CEO认为,部署先进的生成式人工智能将为企业带来竞争优势,用户对此持积极态度
在人们对大型模型热衷不已的时候,IBM却选择了一条与众不同的新道路
“模型”不是越大越好
在过去的8个月里,各种大型模型迅速涌现,就像春天的新芽一样。无论是消费者端还是企业级,各行各业都在积极拥抱生成式人工智能,并享受着它所带来的红利和便利。然而,对于企业而言,是否越大越全的大型模型真的就是最好的选择吗?
重写后的内容:在近年来,各行业的企业都在寻求一种“降本增效”的方法。尽管大规模的模型在最初阶段可以显著提高效率,但从长远来看,大模型对算力的消耗以及后续扩展的成本和时间都是企业需要考虑的重要问题。因此,我认为企业级的大模型更需要“小而精”,只需提供与AI企业垂直领域相关的数据,让AI真正实现“术业有专攻”,以最低的成本实现最大的价值
IBM以及IBM大中华区首席技术官、研发中心总经理谢东在近日的IBM watsonx大中华区发布会上表达了相同的观点。谢东表示,对于企业来说,应用模型的目标是以较低的成本解决特定问题。他指出,对于企业级应用而言,模型越小越好,因为小模型更灵活且成本更低
为了满足企业级用户对生成式人工智能的迫切需求,IBM希望根据企业自身的业务需求和数据,为他们量身定制生成式人工智能解决方案和模型。最近,IBM正式在大中华区发布了IBM WatsonX平台
从“+AI”到“AI+”
AI早在上世纪50年代就诞生了,但直到今年以前,业内更多的应用是“+AI”,即利用AI技术赋能某项技术或某些领域。从今年开始,未来将迈入以AI为先的“AI+”时代。谢东表示,现在企业希望将AI技术应用到核心业务中,以增强实际生产力。整个行业也将从以数据为先的“+AI”时代,进入以AI为先的“AI+”时代
IBM是全球AI领域的重要参与者,在AI诞生初期就开始在该领域深耕。早在1956年,IBM就利用AI技术成功实现了跳棋人机大战。随后,在1996年至1997年期间,IBM的深蓝计算机成功击败了国际象棋的顶尖高手。而在2011年和2019年,IBM实现了从AI知识积累到AI辩手的质的飞跃
作为行业的先驱者,IBM在这个时刻推出了watsonx平台。尽管看起来在业界有些“落后”,但是仔细分析watsonx平台的能力后,我们会发现,它将生成式人工智能从C端用户引向了B端,重新定义了生成式人工智能在企业级应用中的作用
我认为,一项数字技术的真正核心价值不仅在于其在消费领域的应用,更在于其在企业级应用中的推广,只有这样才能实现该数字技术的真正价值。在当前的时间节点上,WatsonX平台的推出无疑为生成式人工智能在企业级应用方面开辟了新的道路。凭借着多年来在人工智能领域的深耕经验,并以混合云和人工智能作为未来发展的理念,在这场混合云的竞赛中,WatsonX平台作为核心,人工智能必将成为IBM未来的核心驱动力
不仅是一个“模型”
值得一提的是,与目前市面上常见的各类生成式AI的大模型相比,watsonx不仅仅是一个模型,而是一个部分开源开放的平台。IBM大中华区科技事业部总经理、中国区总经理缪可延表示,IBM watsonx系统是一个基于开放式混合云架构、基于基础模型和生成式AI的新一代AI和数据平台
缪可延强调,watsonx是IBM研究院创新技术的集合,融合了最先进的企业技术和开放技术-OpenShift,并得到了强大的开放生态社区-Hugging Face的支持。缪可延表示,“'x'代表着无限的可能性,也代表了IBM对watsonx的期望。”
IBM watsonx平台分为三个产品集——watsonx.ai, watsonx.data, watsonx.governance,目前,watsonx.ai与watsonx.data已经上市,watsonx.data的premise版本现在已经可以提供给中国客户,watsonx.governance计划于今年第四季度上市。
重写后的内容:在其中,watsonx.ai能够帮助AI构建者利用IBM和Hugging Face的模型来完成各种AI开发任务。这些模型经过预训练,可以支持各种自然语言处理(NLP)类型的任务,包括问答、内容生成和摘要、文本分类和提取。未来的版本将提供更多由IBM训练的专有基础模型的访问,以提升相关领域的效率和任务专业化
在当前“数据为王”的时代,IBM Watsonx产品系列中的Watsonx.data可以帮助企业应对AI工作负载扩展时普遍面临的大数据量、高复杂性和难以治理等数据挑战。值得一提的是,Watsonx.data还允许用户通过一个统一入口访问跨云和本地环境的数据
谢东表示,今年晚些时候,watsonx.data将会利用watsonx.ai的基础模型,来简化和加速用户与数据的交互方式。这样,用户就能够通过自然语言对话的方式,发现、增强、优化和可视化他们的数据与元数据
谢东介绍说,watsonx.governance将在今年晚些时候上线。这个产品是一个自动化的数据和模型生命周期解决方案,用于制定策略、分配决策权并确保组织对风险和投资决策负责
watsonx.ai、watsonx.data和watsonx.governance,可以被称为IBM watsonx的“三驾马车”。通过这三个方面,企业可以从人工智能的创造、数据管理和企业管理等多个角度出发,实现数字化转型。在我看来,IBM watsonx不仅仅是一个“模型”,作为一个生成式人工智能平台,它有可能成为未来企业级人工智能应用的蓝图和梦想
以上是AI时代,模型的大小并不是决定性因素的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

本站8月1日消息,SK海力士今天(8月1日)发布博文,宣布将出席8月6日至8日,在美国加利福尼亚州圣克拉拉举行的全球半导体存储器峰会FMS2024,展示诸多新一代产品。未来存储器和存储峰会(FutureMemoryandStorage)简介前身是主要面向NAND供应商的闪存峰会(FlashMemorySummit),在人工智能技术日益受到关注的背景下,今年重新命名为未来存储器和存储峰会(FutureMemoryandStorage),以邀请DRAM和存储供应商等更多参与者。新产品SK海力士去年在

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S
