cari
RumahPeranti teknologiAIBagaimana kesan rangkaian boleh menjadikan kecerdasan buatan lebih pintar


Bagaimana kesan rangkaian boleh menjadikan kecerdasan buatan lebih pintar

Kesan rangkaian menentukan kejayaan teknologi daripada telefon ke platform beli-belah dalam talian dan alatan AI seperti ChatGPT tidak terkecuali . Perbezaannya, bagaimanapun, adalah bagaimana kesan rangkaian ini berfungsi. Kesan rangkaian data ialah bentuk baharu, seperti kesan rangkaian langsung dan tidak langsung yang lebih biasa, di mana nilai sesuatu teknologi meningkat apabila bilangan pengguna yang diperolehinya meningkat.

Walau bagaimanapun, nilai yang kita bincangkan hari ini bukanlah bilangan panggilan telefon atau kehadiran ramai pembeli dan penjual pada platform e-dagang, sebaliknya maklum balas yang membantunya membuat ramalan yang lebih baik. Lebih ramai pengguna bermakna lebih banyak respons, yang meningkatkan lagi ketepatan ramalan, mewujudkan kitaran yang mulia. Terdapat tiga pengajaran untuk perniagaan untuk dipertimbangkan: 1) Maklum balas adalah kritikal, 2) Kumpul maklumat dengan kerap dan teliti, dan 3) Pertimbangkan data yang dikongsi, secara sengaja atau tidak sengaja.

Apabila OpenAI melancarkan ChatGPT lewat tahun lepas, reaksi daripada pemerhati industri adalah campuran pujian dan kebimbangan. Kita semua telah mendengar bagaimana teknologi menyebabkan pengaturcara komputer, guru, peniaga dan penganalisis kewangan, pereka grafik dan artis sama-sama kehilangan kerja secara beramai-ramai. Banyak universiti tergesa-gesa untuk menyemak semula rancangan kursus dan keperluan berkaitan kerana bimbang AI akan menyekat kebolehan kreatif pelajar kolej. Orang lain mengatakan bahawa mungkin kesan paling langsung ialah ChatGPT boleh membentuk semula atau bahkan menggantikan enjin carian Internet tradisional. Pengiklanan carian dan berkaitan menjana sebahagian besar hasil Google, jadi adakah chatbots akan menjadi penghujung Google?

ChatGPT ialah demonstrasi teknologi pembelajaran mesin yang sangat baik, tetapi hampir tidak boleh dilaksanakan sebagai perkhidmatan kendiri. Untuk memanfaatkan kekuatan teknikalnya, OpenAI memerlukan rakan kongsi. Jadi kami tidak terkejut apabila syarikat itu dengan cepat mengumumkan perjanjian dengan Microsoft. Gabungan permulaan AI dan syarikat teknologi yang mantap akhirnya boleh menimbulkan ancaman yang boleh dipercayai kepada dominasi Google, meningkatkan kepentingan dalam "perlumbaan senjata AI." Ia juga memberikan pengajaran tentang kuasa yang akan menentukan syarikat mana yang akan berkembang maju dan yang akan goyah apabila menggunakan teknologi ini.

Untuk memahami perkara yang memaksa OpenAI menyelaraskan dengan Bing (dan sebab Google mungkin masih menang), kami mempertimbangkan cara teknologi itu berbeza daripada perkembangan masa lalu, seperti panggilan telefon atau platform pasaran seperti Uber atau Airbnb. Dalam contoh ini, kesan rangkaian—di mana nilai produk meningkat apabila lebih ramai pengguna—memainkan peranan penting dalam menentukan cara produk ini berkembang dan syarikat mana yang berjaya. Perkhidmatan AI Generatif seperti ChatGPT tertakluk kepada jenis kesan rangkaian yang serupa tetapi berbeza. Untuk memilih strategi mesra AI, pengurus dan usahawan mesti memahami cara kesan rangkaian AI baharu ini berfungsi.

Kesan rangkaian berfungsi secara berbeza untuk AI

Nilai AI terletak pada ramalan dan pengesyoran yang tepat. Tetapi tidak seperti produk dan perkhidmatan tradisional yang bergantung pada menukar bekalan (seperti elektrik atau modal insan) kepada output (seperti pencahayaan atau nasihat cukai), AI memerlukan set data besar-besaran yang mesti sentiasa dikemas kini melalui interaksi pelanggan berulang-alik. . Untuk kekal berdaya saing, pengendali AI mesti mengumpul data, menganalisis data, menyediakan ramalan, dan kemudian mendapatkan maklum balas untuk memperhalusi pengesyoran. Nilai sistem bergantung kepada data daripada pengguna dan meningkat dengan data.

Prestasi teknologi ini—keupayaan untuk meramal dan membuat pengesyoran dengan tepat—bergantung pada prinsip ekonomi yang dipanggil kesan rangkaian data (sesetengahnya lebih suka memanggilnya pembelajaran dipacu data). Ini berbeza daripada kesan rangkaian langsung yang biasa, seperti panggilan telefon menjadi lebih berharga apabila pangkalan pengguna anda berkembang kerana anda boleh menghubungi lebih ramai orang. Ia juga berbeza daripada kesan rangkaian tidak langsung, yang menerangkan cara lebih ramai pembeli menjemput lebih ramai penjual untuk menyertai platform, dan begitu juga sebaliknya—apabila lebih ramai penjual hadir, membeli-belah di platform e-dagang atau di Airbnb Tempahan bilik menjadi lebih menarik.

Kesan rangkaian data ialah bentuk baharu: seperti kesan yang lebih biasa, semakin ramai pengguna, semakin bernilai teknologi itu. Tetapi di sini, nilai tidak datang daripada bilangan rakan sebaya, mahupun daripada kehadiran ramai pembeli dan penjual. Sebaliknya, kesan ini berpunca daripada sifat teknologi: AI bertambah baik melalui pembelajaran pengukuhan, ramalan dan maklum balas. Apabila kecerdasan meningkat, sistem boleh membuat ramalan yang lebih baik, meningkatkan kegunaannya, menarik pengguna baharu dan mengekalkan yang sedia ada. Lebih ramai pengguna bermakna lebih banyak respons, yang meningkatkan lagi ketepatan ramalan, mewujudkan kitaran yang mulia.

Ambil Peta Google, sebagai contoh, yang menggunakan AI untuk mengesyorkan laluan terpantas ke destinasi anda. Keupayaan ini bergantung pada meramalkan corak trafik sebenar dalam laluan alternatif, yang dicapai dengan memanfaatkan data daripada ramai pengguna. Di sini, pengguna data juga merupakan pembekal, dan semakin ramai orang menggunakan Peta Google, semakin banyak data sejarah dan serentak yang terkumpul. Dengan banyak data, Google boleh membandingkan ramalan yang tidak terkira banyaknya dengan hasil sebenar: Adakah anda tiba pada masa yang diramalkan oleh apl untuk memperhalusi ramalan, apl itu juga memerlukan tera anda: Sejauh manakah perihalan itu? Apabila fakta objektif dan komen subjektif terkumpul, kesan rangkaian mula dimainkan. Kesan ini meningkatkan ramalan dan meningkatkan nilai aplikasi kepada pengguna dan kepada Google.

Setelah kami memahami cara kesan rangkaian memacu kecerdasan buatan, kami boleh membayangkan strategi baharu yang diperlukan oleh teknologi ini.

OpenAI dan Microsoft

Mari mulakan dengan perkahwinan antara OpenAI dan Microsoft. Apabila kami ChatGPT diuji beta, kami kagum dengan responsnya yang kreatif dan seperti manusia, tetapi juga menyedari bahawa ia mempunyai kesesakan: Ia bergantung pada sejumlah besar data yang terakhir dikumpul pada 2021, jadi jangan tanya tentang peristiwa terbaharu atau cuaca. . Lebih buruk lagi, ia tidak mempunyai mekanisme gelung maklum balas yang mantap.

Walau bagaimanapun, melalui pautan dengan Microsoft, OpenAI menemui cara untuk menguji ramalannya. Soalan pengguna Bing - dan cara mereka menilai jawapan - adalah penting untuk mengemas kini dan menambah baik ChatGPT. Langkah seterusnya, kami bayangkan, adalah untuk Microsoft menyuapkan awan besar data pengguna yang diselenggarakannya ke dalam algoritma. Walaupun ChatGPT boleh mencerna helaian Excel yang tidak terkira banyaknya, persembahan PowerPoint, dokumen Word dan resume LinkedIn, ia akan melakukan kerja yang lebih baik untuk mencipta semula fail tersebut untuk menggembirakan atau ngeri mereka yang berada di pejabat.

Terdapat sekurang-kurangnya tiga pelajaran luas di sini.

Pertama, maklum balas adalah penting. Nilai AI meningkat dengan tindak balas pengguna yang berterusan. Untuk kekal pintar, algoritma memerlukan aliran data pilihan pengguna semasa dan penilaian pengesyoran yang lalu. Tanpa maklum balas, algoritma kejuruteraan yang terbaik pun tidak akan kekal pintar untuk masa yang lama. Seperti yang OpenAI sedar, walaupun model yang paling kompleks perlu dikaitkan dengan sumber data yang sentiasa mengalir. Usahawan AI harus sedar akan perkara ini.

Kedua, eksekutif harus mengumpul maklumat dengan kerap dan teliti untuk memaksimumkan kesan ini. Mereka harus melalui rekod kewangan dan operasi biasa. Data berguna ada di mana-mana, di dalam dan di luar perusahaan. Mereka mungkin datang daripada interaksi dengan pembeli, pembekal dan rakan sekerja. Contohnya, peruncit boleh menjejaki pandangan pengguna, perkara yang mereka masukkan ke dalam troli beli-belah mereka dan perkara yang akhirnya mereka bayar. Secara kumulatif, butiran kecil ini boleh meningkatkan ramalan sistem AI secara mendadak. Malah data yang tidak biasa, termasuk data yang perniagaan tidak mempunyai kawalan, mungkin berbaloi untuk dikumpulkan. Data cuaca membantu Peta Google meramalkan keadaan trafik. Penjejakan kata kunci yang digunakan oleh perekrut untuk mencari resume boleh membantu LinkedIn menyediakan calon dengan petua untuk berjaya.

Akhir sekali, semua orang harus mempertimbangkan data yang mereka kongsi, secara sengaja atau tidak sengaja. Fakta dan maklum balas adalah penting untuk membina ramalan yang lebih baik, tetapi nilai data anda mungkin ditangkap oleh orang lain, dan eksekutif harus mempertimbangkan AI yang boleh mendapat manfaat daripada data yang mereka kongsi (atau membenarkan akses kepada). Kadang-kadang, mereka harus mengehadkan perkongsian. Sebagai contoh, apabila pemandu Uber menggunakan apl Waze untuk menavigasi, mereka membantu Google menganggarkan kekerapan dan tempoh perjalanan menaiki telefon. Data sedemikian mungkin tidak ternilai kerana Google mempertimbangkan untuk mengendalikan teksi memandu sendiri.

Selain itu, apabila jenama seperti Adidas menjual produk di Amazon, gergasi runcit itu boleh menganggarkan permintaan untuk jenama yang berbeza (cth. berbanding Nike) dan kategori, serta sensitiviti pembeli terhadap harga . Hasilnya boleh memberi makan kepada pesaing atau memberi manfaat kepada produk label peribadi Amazon. Untuk memerangi ini, eksekutif boleh mengelakkan platform atau perantara pihak ketiga. Mereka boleh merundingkan akses data, dan mereka boleh berusaha untuk mengekalkan hubungan langsung dengan pelanggan mereka. Kadangkala, penyelesaian terbaik mungkin adalah meminta pemilik data mengikat dan berkongsi dalam pertukaran data, sama seperti yang dilakukan oleh bank semasa mewujudkan cara untuk berkongsi data kredit.

Apabila anda mempertimbangkan kesan rangkaian AI, kami dapat memahami dengan lebih baik masa depan teknologi tersebut. Anda juga boleh melihat bagaimana kesan ini, seperti kesan rangkaian lain, menjadikan orang kaya lebih kaya. Dinamik di sebalik AI bermakna penggerak pertama mungkin mendapat ganjaran yang banyak, manakala pengikut, tidak kira berapa cepat, mungkin ketinggalan. Ini juga bermakna apabila seseorang mempunyai akses kepada algoritma AI dan strim data, kelebihannya akan bertambah dari semasa ke semasa dan tidak boleh diatasi dengan mudah. Bagi eksekutif, usahawan, penggubal dasar, dan orang lain, kecerdasan buatan yang terbaik dan paling teruk masih akan datang.

Atas ialah kandungan terperinci Bagaimana kesan rangkaian boleh menjadikan kecerdasan buatan lebih pintar. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan
Artikel ini dikembalikan pada:51CTO.COM. Jika ada pelanggaran, sila hubungi admin@php.cn Padam
Apakah graf pemikiran dalam kejuruteraan segeraApakah graf pemikiran dalam kejuruteraan segeraApr 13, 2025 am 11:53 AM

Pengenalan Dalam kejuruteraan segera, "Grafik Pemikiran" merujuk kepada pendekatan baru yang menggunakan teori graf untuk struktur dan membimbing proses penalaran AI. Tidak seperti kaedah tradisional, yang sering melibatkan linear

Mengoptimumkan pemasaran e -mel organisasi anda dengan agen genaiMengoptimumkan pemasaran e -mel organisasi anda dengan agen genaiApr 13, 2025 am 11:44 AM

Pengenalan Tahniah! Anda menjalankan perniagaan yang berjaya. Melalui laman web anda, kempen media sosial, webinar, persidangan, sumber percuma, dan sumber lain, anda mengumpul 5000 ID e -mel setiap hari. Langkah jelas seterusnya adalah

Pemantauan Prestasi Aplikasi Masa Nyata dengan Apache PinotPemantauan Prestasi Aplikasi Masa Nyata dengan Apache PinotApr 13, 2025 am 11:40 AM

Pengenalan Dalam persekitaran pembangunan perisian pantas hari ini, memastikan prestasi aplikasi yang optimum adalah penting. Memantau metrik masa nyata seperti masa tindak balas, kadar ralat, dan penggunaan sumber dapat membantu utama

Chatgpt mencecah 1 bilion pengguna? 'Dua kali ganda dalam beberapa minggu' kata Ketua Pegawai Eksekutif OpenaiChatgpt mencecah 1 bilion pengguna? 'Dua kali ganda dalam beberapa minggu' kata Ketua Pegawai Eksekutif OpenaiApr 13, 2025 am 11:23 AM

"Berapa banyak pengguna yang anda ada?" Dia ditakdirkan. "Saya fikir kali terakhir yang kami katakan ialah 500 juta aktif mingguan, dan ia berkembang dengan pesat," jawab Altman. "Anda memberitahu saya bahawa ia seperti dua kali ganda dalam beberapa minggu sahaja," kata Anderson. "Saya mengatakan bahawa priv

Pixtral -12b: Model Multimodal Pertama Mistral Ai 'Pixtral -12b: Model Multimodal Pertama Mistral Ai 'Apr 13, 2025 am 11:20 AM

Pengenalan Mistral telah mengeluarkan model multimodal yang pertama, iaitu Pixtral-12B-2409. Model ini dibina atas parameter 12 bilion Mistral, NEMO 12B. Apa yang membezakan model ini? Ia kini boleh mengambil kedua -dua gambar dan Tex

Rangka Kerja Agentik untuk Aplikasi AI Generatif - Analytics VidhyaRangka Kerja Agentik untuk Aplikasi AI Generatif - Analytics VidhyaApr 13, 2025 am 11:13 AM

Bayangkan mempunyai pembantu berkuasa AI yang bukan sahaja memberi respons kepada pertanyaan anda tetapi juga mengumpulkan maklumat, melaksanakan tugas, dan juga mengendalikan pelbagai jenis teks, imej, dan kod. Bunyi futuristik? Dalam ini a

Aplikasi AI Generatif di Sektor KewanganAplikasi AI Generatif di Sektor KewanganApr 13, 2025 am 11:12 AM

Pengenalan Industri kewangan adalah asas kepada mana -mana pembangunan negara, kerana ia memacu pertumbuhan ekonomi dengan memudahkan urus niaga yang cekap dan ketersediaan kredit. The ease with which transactions occur and credit

Panduan untuk pembelajaran dalam talian dan algoritma pasif-agresifPanduan untuk pembelajaran dalam talian dan algoritma pasif-agresifApr 13, 2025 am 11:09 AM

Pengenalan Data dijana pada kadar yang belum pernah terjadi sebelumnya dari sumber seperti media sosial, urus niaga kewangan, dan platform e-dagang. Mengendalikan aliran maklumat yang berterusan ini adalah satu cabaran, tetapi ia menawarkan

See all articles

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
3 minggu yang laluBy尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
3 minggu yang laluBy尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
3 minggu yang laluBy尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Cara Membuka Segala -galanya Di Myrise
4 minggu yang laluBy尊渡假赌尊渡假赌尊渡假赌

Alat panas

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

MantisBT

MantisBT

Mantis ialah alat pengesan kecacatan berasaskan web yang mudah digunakan yang direka untuk membantu dalam pengesanan kecacatan produk. Ia memerlukan PHP, MySQL dan pelayan web. Lihat perkhidmatan demo dan pengehosan kami.

DVWA

DVWA

Damn Vulnerable Web App (DVWA) ialah aplikasi web PHP/MySQL yang sangat terdedah. Matlamat utamanya adalah untuk menjadi bantuan bagi profesional keselamatan untuk menguji kemahiran dan alatan mereka dalam persekitaran undang-undang, untuk membantu pembangun web lebih memahami proses mengamankan aplikasi web, dan untuk membantu guru/pelajar mengajar/belajar dalam persekitaran bilik darjah Aplikasi web keselamatan. Matlamat DVWA adalah untuk mempraktikkan beberapa kelemahan web yang paling biasa melalui antara muka yang mudah dan mudah, dengan pelbagai tahap kesukaran. Sila ambil perhatian bahawa perisian ini

MinGW - GNU Minimalis untuk Windows

MinGW - GNU Minimalis untuk Windows

Projek ini dalam proses untuk dipindahkan ke osdn.net/projects/mingw, anda boleh terus mengikuti kami di sana. MinGW: Port Windows asli bagi GNU Compiler Collection (GCC), perpustakaan import yang boleh diedarkan secara bebas dan fail pengepala untuk membina aplikasi Windows asli termasuk sambungan kepada masa jalan MSVC untuk menyokong fungsi C99. Semua perisian MinGW boleh dijalankan pada platform Windows 64-bit.

SecLists

SecLists

SecLists ialah rakan penguji keselamatan muktamad. Ia ialah koleksi pelbagai jenis senarai yang kerap digunakan semasa penilaian keselamatan, semuanya di satu tempat. SecLists membantu menjadikan ujian keselamatan lebih cekap dan produktif dengan menyediakan semua senarai yang mungkin diperlukan oleh penguji keselamatan dengan mudah. Jenis senarai termasuk nama pengguna, kata laluan, URL, muatan kabur, corak data sensitif, cangkerang web dan banyak lagi. Penguji hanya boleh menarik repositori ini ke mesin ujian baharu dan dia akan mempunyai akses kepada setiap jenis senarai yang dia perlukan.