Tag: 利用

OpenAI 利用 GPT-4o 推出更快、更便宜的人工智能模型 – 《爱尔兰时报》

OpenAI 正在推出更快、更便宜的人工智能模型版本，以支持其聊天机器人 ChatGPT，这家初创公司致力于在日益拥挤的市场中保持领先地位。 在周一的直播活动中，OpenAI 首次推出了 GPT-4o。 它是 GPT-4 模型的更新版本，该模型已经推出一年多了。 新的大型语言模型经过来自互联网的大量数据的训练，将更好地实时处理文本、音频和图像。 这些更新将在未来几周内提供。 该公司表示，当口头提出问题时，系统可以在几毫秒内回复音频响应，从而使对话更加流畅。 在模型演示中，OpenAI 研究人员和首席技术 Mira Murati 仅用他们的声音与新的 ChatGPT 进行了对话，表明该工具可以进行回复。 在演示过程中，聊天机器人似乎几乎可以立即将语音从一种语言翻译成另一种语言，并一度根据要求演唱了故事的一部分。 “这是我们第一次在交互性和易用性方面实现巨大飞跃，”穆拉蒂告诉彭博新闻社。 “我们确实让您能够与 ChatGPT 等工具进行协作。” GPT-4o 的发布有望撼动快速发展的人工智能领域，而 GPT-4 仍然是该领域的黄金标准。 越来越多的初创企业和大型科技公司，包括 Anthropic、Cohere 和 Alphabet 旗下的谷歌，最近推出了人工智能模型，他们称这些模型在某些基准测试中的性能匹配或超过了 GPT-4。 OpenAI 首席执行官 Sam Altman 在周一罕见的博客文章中表示，虽然 ChatGPT 的原始版本暗示了人们如何使用语言与计算机交互，但使用 GPT-4o 感觉“本质上不同”。 “感觉就像电影中的人工智能； 对我来说，它是真实的仍然有点令人惊讶，”他说。 “事实证明，达到人类水平的响应时间和表达能力是一个巨大的变化。” GPT-4o（“o”代表全向）不是依靠不同的人工智能模型来处理不同的输入，而是将语音、文本和视觉结合到一个模型中，使其比其前身更快。 例如，如果您向系统提供图像提示，它可以用图像进行响应。 该公司表示，新模型的速度提高了两倍，效率也显着提高。 “当三种不同的模型协同工作时，就会在体验中引入大量延迟，从而破坏体验的沉浸感，”穆拉蒂说。 “但是，当您拥有一种可以跨音频、文本和视觉进行本地推理的模型时，您就可以消除所有延迟，并且可以与 ChatGPT 进行交互，就像我们现在进行交互一样。” 但新模型遇到了一些障碍。 当研究人员在演示过程中讲话时，音频经常被中断。 […]

利用 ML Firepower 扑灭 AI 火灾

加州大学圣地亚哥分校计算机科学博士毕业生孔志峰是该故事的第一作者。 “现代深度生成模型经常产生不良输出，例如冒犯性文本、恶意图像或捏造的言论，并且没有可靠的方法来控制它们。 这篇论文是关于如何从技术上防止这种情况发生。”计算机科学与工程系博士毕业生、论文第一作者孔志峰说。 计算机科学教授 Kamalika Chaudhuri 说：“这项工作的主要贡献是正式确定如何思考这个问题以及如何正确地构建它以便解决它。” 消除有害内容的新方法 传统的缓解方法采用两种方法之一。 第一种方法是使用排除所有不需要的样本的训练集从头开始重新训练模型； 另一种方法是应用分类器来过滤不需要的输出或在内容生成后编辑输出。 这些解决方案对于大多数现代大型模型都有一定的局限性。 除了成本高昂（需要数百万美元从头开始重新训练行业规模模型）之外，这些缓解方法的计算量很大，而且无法控制第三方在获得源代码后是否会实施可用的过滤器或编辑工具。 此外，它们甚至可能无法解决问题：有时，即使训练数据中不存在，也会出现不需要的输出，例如带有伪影的图像。 1714683452 2024-05-02 20:42:58 #利用 #Firepower #扑灭 #火灾

利用 AI 彻底改变时尚界的需求预测 作者：Korinna Kis :: Kicktraq

现在您可以分享了！ 帮助您的支持者实现您的每日目标，并帮助其他人了解您的表现。 使用 Kicktraq Mini，一切都很简单。 这里有一些快速的代码片段，您可以使用它们将个性化小部件嵌入到您的网站、博客甚至您最喜欢的论坛中。 网站和博客的 HTML 复制 HTML 论坛的 BBCode [url=https://www.kicktraq.com/projects/1876618939/aidf-revolutionize-demand-forecasting-in-fashion-with-ai/][img]https://www.kicktraq.com/projects/1876618939/aidf-revolutionize-demand-forecasting-in-fashion-with-ai/minichart.png[/img][/url] 复制BB代码 Reddit 代码…好吧，Reddit [View the latest stats for AIDF: Revolutionize Demand Forecasting in Fashion with AI on Kicktraq]（ 复制 Reddit 代码 特别提示： Kickstarter 最近禁用了项目页面上图像的远程嵌入，因此嵌入代码在项目页面上（还）不起作用——在其他地方都不起作用。 你可以 在这里阅读更多相关信息。 1713675753 #利用 #彻底改变时尚界的需求预测 #作者Korinna #Kis #Kicktraq 2024-04-20 06:48:41

利用 Dynamics 365 Customer Service 中的预测服务提高成本效益。

通过 Dynamics 365 Customer Service 中的预测来预测和管理支持需求 预测报告提供了一种结构化的方法，以历史数据为基础来预测组织的支持需求。 它们将帮助您简化运营、提高效率并降低成本，同时保持积极的客户体验。 您可以使用预测报告根据预测的案例和对话量以及预测的座席对话需求来规划人员配备水平和其他资源分配。 了解更多： 通过 Dynamics 365 Customer Service 中的预测最大限度地提高效率 – Microsoft Dynamics 365 博客 关键特性功能  合并服务级别指标 该功能在预测座席需求时会考虑服务级别、收缩率和并发性等运营指标。 通过考虑这些因素，组织可以确保座席能力预测符合服务水平协议和运营约束，从而最大限度地提高效率和客户满意度。 自动检测假期 我们的预测模型使用历史流量模式来自动查找假期，从而实现更准确的预测。 此功能可帮助组织根据各地区与假期相关的服务需求变化调整运营，即使假期期间客户活动出现波动，也能保证最佳的服务水平。 将您的服务量和代理需求预测与实际绩效数据进行比较。 这可以帮助您评估预测的准确性并显示需要改进的地方。 怎么运行的 打开客户服务管理中心并选择 见解 > 报告设置。 要启用病例预测报告，请找到 病例预测 行，选择 管理，然后切换 启用病例预测。 要启用对话报告的座席预测，请找到 座席预测对话 行，选择 管理, 然后切换 启用座席能力预测。 通过设置刷新计划、更改时区、指定历史数据的开始日期或选择季节性选项来自定义报告。 技巧和窍门 较大的历史数据集，尤其是包含数据集中每天数据的历史数据集，可以产生更正确的预测。 扩展数据集的历史范围还可以提高预测准确性，因为它允许预测模型随着时间的推移捕获更多模式和变化。 近期的预测准确度往往高于远期的预测准确度。 要求: 您需要 Dynamics 中的客户服务许可证 […]

eBay 利用 AI 打造个性化服装

随着 eBay 不断想方设法为客户提供海量商品选择，我们正在创建一些功能来激励和帮助购物者找到他们喜欢的商品。 这就是为什么我们对“购买外观”如此兴奋，这是我们最新的人工智能驱动的生成增强功能。 Shop the Look 是一个沉浸式的外观轮播，根据客户的购物历史量身定制，并配有互动热点，可揭示类似的商品和服装灵感。 想象一下，迎接您的是一系列由全新和二手服装以及奢侈品制成的服装，这些服装符合您的风格偏好。 我们根据顾客的购物习惯来设计商店的外观，以适应顾客的品味。 他们的风格推荐由个性化的图像和单品组成，确保量身定制的时尚体验。 通过这种方法，我们提供的购物体验不仅了解客户的偏好，而且随着时间的推移而不断发展。 eBay 的独特之处在于创造这种体验，因为我们拥有数十年的数据和客户洞察以及数十亿张图像，我们可以使用它们来丰富我们的人工智能技术并为客户创造个性化的神奇体验。 除了个性化之外，购买外观对于我们的客户来说也是进入时尚世界的门户，让他们与最新趋势保持联系，并让他们能够从我们广泛的库存和选择中购买永恒的单品。 这是购物者探索与现有衣柜自然融合的时尚单品的机会。 我们也认识到自信购物的重要性。 购买外观是我们改善爱好者用户体验的众多方法之一。 它使用户能够直观地看到潜在的添加将如何补充他们当前的衣柜。 与其他时尚产品（包括正品保证、品牌认证和 eBay 寄售）类似，Shop the Look 旨在促进循环时尚经济，减​​少障碍并增强用户购买和销售的能力！ – 他们喜欢的东西。 启动时间表和扩展 Shop 外观现已在 iOS 版中为我们的美国和英国客户提供，Android 版将于今年晚些时候推出。 在过去 180 天内浏览过至少 10 件时尚单品的购物者将在 eBay 主页和时尚登陆页面上发现此功能。 除了时尚之外，我们还在探索向其他类别的潜在扩张。 我们的目标是在明年通过新的个性化元素不断增强该功能。 利用人工智能打造沉浸式购物体验 Shop the Look 不仅代表了在线购物的进步，也代表了我们对创新、个性化和负责任的人工智能使用的承诺更进一步。 与我们所有人工智能驱动的创新一样，商店外观是与我们负责任的人工智能团队和 RAI 原则密切合作开发的。 此次合作强调了我们的承诺，即确保我们的技术以公平、安全的方式实施，并旨在防止任何意外后果。 我们很高兴我们的客户能够体验购物的外观并发现一种与他们一样独特的新浏览方式。 1712759387 #eBay #利用 […]

他们试图利用所得税申报表欺骗您的短信

网络犯罪分子总是利用一年中的指定日期发起更有针对性的诈骗。 正如我们已经解释过的，所得税申报表也不例外。 近日，国家网络安全研究所（Incibe） 已发出警报 关于发现犯罪分子冒充新恶意活动的信息 税务代理 欺骗互联网用户。 在这种情况下，诈骗是通过短信进行的，受害者被告知他们将收到 2023 年收入展示付款。该消息包含一个链接，可将用户重定向到 欺诈网站您必须通过表格在其中输入您的个人信息和银行信息。 Incibe 警告称，到目前为止，它已检测到多种类型的具有相同目的的消息，其中包括一些拼写错误和来自税务局的非官方 URL。 在附有信息的短信中，犯罪分子表示受害者将收到411.00欧元的付款作为已缴税款的退款。 又一个骗局 对不起 如果互联网用户点击该消息附带的链接，他或她就会被重定向到一个冒充税务局官方网站的欺诈网站。 这会要求您输入您的全名、信用卡号、有效期、CVV 和 PIN 码。 足够的数据来冒充受害者，犯罪分子可以利用这些数据发起其他诈骗。 别啄 尽管存在拼写错误，但税务机构实际上通过短信直接通知用户退款的事实可能会导致某些人感到困惑，并认为这是一个真正的通知。 但怎么了？ 在该机构实际发送的短信中，仅注明“已责令您办理当年个人所得税退税”。 在这种情况下，是 2023 年。消息中没有添加具体的金钱数字，当然也没有任何链接供用户提供更多数据。 “税务局坚称，它绝不会通过电子邮件、短信或 Bizum 要求纳税人提供机密、经济或个人信息、帐号或卡号，也不会附上包含发票信息或其他类型数据的附件。” 机构通知。 1712633499 #他们试图利用所得税申报表欺骗您的短信 2024-04-08 14:32:23

西班牙学会关灯省钱后趁物价暴跌之机

就在两年前的夏天，家庭学会了提高空调温度（记住，每升高一度，光消耗就会下降8%）； 酒吧负责不断地关门。 购物中心同意在晚上关掉窗户。 所有这些做法导致了政府和反对派之间的无数笔墨和摩擦，现在却导致了 光消耗 即使价格像最近几周那样处于历史低点，而且一天中的某些时段（比如本周）处于“负”状态，也不会起飞。 去年，电力需求（从家庭到大型工业的整个经济体进行的轻消费）下降了 2.3%，与 2022 年乌克兰入侵后能源危机期间下降的比例相同。 如今，这一消费量仍低于西班牙 2019 年疫情爆发前的消费量。 作为一个始终与经济增长挂钩的变量，为何GDP却没有大放光彩？ Aleasoft 首席执行官安东尼奥·德尔加多 (Antonio Delgado) 认为，需求下降的原因是“能源效率的提高，部分是由于技术进步自愿造成的，部分是由于电价高企”； 也是由于“自我消费增加”； 由于工业活动较低。 他表示，尽管存在这种现实，但由于利率更加正常化，已经出现了“可能逐步复苏的初步迹象”。 谨慎的消费者 在价格最差的时候坚持节省电力，西班牙人不仅吸取了教训。 Aelec（电力能源公司协会）指出，效率的提高是消耗降低的原因。 该组织表示：“消费者对危机做出了反应，并对何时以及如何使用能源变得更加谨慎。” 电力市场 60% 是今年迄今为止来自可再生能源工厂的光消耗百分比 一切都很重要：调节设备的温度； 在电器上使用“环保”模式； 在便宜的时段大量使用灯光……并且在签订适当的费率时要更加谨慎。 2022 年夏季，当每千瓦/小时 (kwh) 的价格达到 0.40 欧元以上的峰值，并且平均每月电费远远超过 100 或 120 欧元时，许多消费者决定从受监管的市场转向其中一个选择。 电力公司免费提供它们。 就在那时，Iberdrola 总裁 Ignacio Galán 提醒他们，价格稳定的模式比当时的高 PVPC 更好。 在过去两年中，近 200 万户家庭放弃了这种受监管的价格模式，其成本每天、每小时都在变化。 因此，他们支付的费用是任何最好的自由市场模式的两倍。 现在和未来最优惠的价格 […]

西班牙学会关灯省钱后趁物价暴跌之机

就在两年前的夏天，家庭学会了提高空调温度（记住，每升高一度，光消耗就会下降8%）； 酒吧负责不断地关门。 购物中心同意在晚上关掉窗户。 所有这些做法导致了政府和反对派之间的无数笔墨和摩擦，现在却导致了 光消耗 即使价格像最近几周那样处于历史低点，而且一天中的某些时段（比如本周）处于“负”状态，也不会起飞。 去年，电力需求（从家庭到大型工业的整个经济体进行的轻消费）下降了 2.3%，与 2022 年乌克兰入侵后能源危机期间下降的比例相同。 如今，这一消费量仍低于西班牙 2019 年疫情爆发前的消费量。 作为一个始终与经济增长挂钩的变量，为何GDP却没有大放光彩？ Aleasoft 首席执行官安东尼奥·德尔加多 (Antonio Delgado) 认为，需求下降的原因是“能源效率的提高，部分是由于技术进步自愿造成的，部分是由于电价高企”； 也是由于“自我消费增加”； 由于工业活动较低。 他表示，尽管存在这种现实，但由于利率更加正常化，已经出现了“可能逐步复苏的初步迹象”。 谨慎的消费者 在价格最差的时候坚持节省电力，西班牙人不仅吸取了教训。 Aelec（电力能源公司协会）指出，效率的提高是消耗降低的原因。 该组织表示：“消费者对危机做出了反应，并对何时以及如何使用能源变得更加谨慎。” 电力市场 60% 是今年迄今为止来自可再生能源工厂的光消耗百分比 一切都很重要：调节设备的温度； 在电器上使用“环保”模式； 在便宜的时段大量使用灯光……并且在签订适当的费率时要更加谨慎。 2022 年夏季，当每千瓦/小时 (kwh) 的价格达到 0.40 欧元以上的峰值，并且平均每月电费远远超过 100 或 120 欧元时，许多消费者决定从受监管的市场转向其中一个选择。 电力公司免费提供它们。 就在那时，Iberdrola 总裁 Ignacio Galán 提醒他们，价格稳定的模式比当时的高 PVPC 更好。 在过去两年中，近 200 万户家庭放弃了这种受监管的价格模式，其成本每天、每小时都在变化。 因此，他们支付的费用是任何最好的自由市场模式的两倍。 现在和未来最优惠的价格 […]

卫生部启动挨家挨户疫苗接种活动

华雷斯城 – 国家卫生秘书处于本周六（4 月 6 日）开始疫苗接种活动，直至 5 月 31 日，旨在完成华雷斯人口的计划。 第二卫生管辖区儿童和青少年疫苗接种和保健项目协调员维克多·亚历杭德罗·卢戈（Victor Alejandro Lugo）报告说，这些课程将在该市各个社区挨家挨户进行，以预防疾病。 麻疹、风疹、破伤风、腮腺炎、肝炎、流感、新冠病毒、HPV 等。 他强调，疫情发生后，疫苗的使用大大减少，特别是婴儿，因此，所有儿童都有完整的疫苗接种计划，以避免将来感染疾病。 同样，疫苗接种护士卢尔德·科尔特斯（Lourdes Cortés）报告说，这一天将在周一至周六实施，他们将为从新生儿到老年人的所有需要​​疫苗的人群免费接种疫苗。查普尔特佩克格兰哈斯 (Granjas de Chapultepec) 社区的居民 Mayra Saenz Lares 接种了麻疹疫苗，她六岁的女儿也接种了疫苗。 这位25岁的女孩评价说，开展这些活动非常好，因为除了必须走很远的距离之外，还要花很长时间去保险或健康中心。 此外，Georgiana González 女士评论说，接种麻疹和风疹疫苗是因为他们去医疗服务机构接种疫苗比较复杂。 该活动将通过在社区、学校、政府办公室、保健中心和城市各个医疗单位进行巡演的方式进行。 将进行干预的殖民地包括查普尔特佩克格兰哈斯、夸特莫克、美洲、普鲁塔科埃利亚斯卡列斯、阿纳普拉牧场、起义者、新加利纳、墨西哥 68、宪法、电工、路易斯·奥拉格、洛斯奥吉托斯、圣何塞帕拉赫斯、圣巴勃罗花园、 Centenario 和 Porvenir 部门等。 从这个意义上说，他们敦促家长利用这几天的机会，或者邀请他们去卫生中心完成疫苗接种计划。 1712440983 #卫生部启动挨家挨户疫苗接种活动 2024-04-06 17:50:00

利用 AI 推进药物发现：引入 KEDD 框架

科学合作期刊《健康数据科学》上发表的一项变革性研究引入了一种突破性的端到端深度学习框架，称为知识赋能药物发现 (KEDD)，旨在彻底改变药物发现领域。 这一创新框架巧妙地整合了结构化和非结构化知识，增强了人工智能驱动的分子动力学和相互作用的探索。 传统上，人工智能在药物发现中的应用一直受到其对单一任务的关注的限制，而忽视了丰富的结构化和非结构化数据，而这些数据可以提高其预测准确性。 在处理新化合物或蛋白质时，这些限制尤其明显，因为现有知识很少或不存在，并且常常受到手动数据注释成本高昂的阻碍。 清华大学人工智能产业研究院聂再清教授强调，通过KEDD，人工智能在药物发现方面的增强潜力。 该框架整合了来自分子结构、知识图和生物医学文献的数据，提供了超越传统模型局限性的综合方法。 KEDD 的核心是采用强大的表示学习模型从各种数据模态中提取密集特征。 随后，它通过融合过程整合这些功能，并利用预测网络来确定结果，从而促进其在一系列人工智能促进的药物发现工作中的应用。 该研究证实了 KEDD 的有效性，展示了其在关键药物发现任务中超越现有人工智能模型的能力。 值得注意的是，KEDD 在面对“缺失模式问题”时表现出了弹性，即缺乏新药或蛋白质的记录数据可能会破坏分析过程。 这种弹性源于其对稀疏注意力和模态屏蔽技术的创新使用，这些技术利用现有知识库的力量来为预测和分析提供信息。 展望未来，KEDD 项目的主要贡献者 Yizhen Luo 概述了增强框架功能的雄心勃勃的计划，包括探索多模式预训练策略。 总体目标是培育一个多功能、知识驱动的人工智能生态系统，加速生物医学研究，提供及时的见解和建议，以推进治疗发现和开发。 Luo Y, Liu XY, Yang K, Huang K, Hong M, Zhang J, Wu Y, Nie Z. 利用多模态知识实现统一的人工智能药物发现。 健康数据科学。 2024 年 2 月 23 日；4:0113。 土井： 10.34133/hds.0113