Keamanan Percakapan AI: Menjelajahi Serangan Berlawanan pada Model Pembelajaran Mesin

Pendahuluan Model bahasa besar (LLM) semakin banyak digunakan, namun rentan terhadap serangan berlawanan. Serangan ini dirancang untuk mengeksploitasi kerentanan dalam model, berpotensi mengekstrak data sensitif, mengarahkan yang salah, mengendalikan model, menolak layanan, atau bahkan menyebarkan informasi yang salah. Kerentanan LLM Tindakan keamanan siber tradisional berfokus pada ancaman eksternal seperti peretasan atau upaya phishing. Namun, lanskap ancaman untuk LLM lebih bernuansa. Dengan memanipulasi data masukan atau mengeksploitasi kelemahan bawaan dalam proses pelatihan model, musuh dapat menyebabkan model berperilaku tidak sesuai keinginan. Ini membahayakan integritas dan keandalan model serta menimbulkan kekhawatiran etika dan keamanan yang signifikan. Kerangka Kerja Metodologis Para peneliti dari University of Maryland dan Max Planck Institute for Intelligent Systems telah memperkenalkan kerangka kerja metodologis baru untuk lebih memahami dan mengurangi serangan berlawanan ini. Kerangka kerja in

Metode AI Baru Hasilkan Data Klasifikasi Bahasa Bersumber Daya Rendah dalam Skala Besar

Pengantar Kekurangan data dalam bahasa bersumber daya rendah dapat diatasi menggunakan terjemahan kata-ke-kata dari bahasa bersumber daya tinggi. Namun, leksikon dwibahasa biasanya membutuhkan lebih banyak tumpang tindih dengan data tugas, yang menyebabkan cakupan terjemahan tidak memadai. Bahasa bersumber daya sangat rendah membutuhkan lebih banyak data berlabel, yang memperlebar kesenjangan kemajuan NLP dibandingkan dengan bahasa bersumber daya tinggi. Peningkatan Data Lintas Bahasa Berbasis Leksikon Peningkatan data lintas bahasa berbasis leksikon melibatkan penggantian kata-kata dalam data bahasa bersumber daya tinggi dengan terjemahannya dari leksikon dwibahasa untuk menghasilkan data bagi bahasa bersumber daya rendah. Meskipun efektif untuk berbagai tugas NLP, termasuk terjemahan mesin, klasifikasi sentimen, dan klasifikasi topik, metode yang ada sering kali bergantung pada leksikon khusus domain dan membutuhkan kualitas data pelatihan emas yang lebih tinggi dalam bahasa bersumber daya rendah target. Pe

AnyGPT: Menjembatani Modalitas dalam AI dengan Model Bahasa Multimodal Terpadu

Pendahuluan Kecerdasan buatan telah mengalami pergeseran luar biasa menuju integrasi multimodalitas dalam model bahasa besar (LLM), sebuah perkembangan yang siap merevolusi cara mesin memahami dan berinteraksi dengan dunia. Pergeseran ini didorong oleh pemahaman bahwa pengalaman manusia secara inheren multimodal, yang tidak hanya mencakup teks tetapi juga ucapan, gambar, dan musik. Dengan demikian, meningkatkan LLM dengan kemampuan untuk memproses dan menghasilkan berbagai modalitas data dapat secara signifikan meningkatkan kegunaan dan penerapannya dalam skenario dunia nyata. Tantangan dan Solusi Salah satu tantangan mendesak dalam bidang yang sedang berkembang ini adalah menciptakan model yang mampu mengintegrasikan dan memproses berbagai modalitas data dengan mulus. Metode tradisional telah membuat kemajuan dengan berfokus pada model dual-modalitas, terutama menggabungkan teks dengan satu bentuk data lain, seperti gambar atau audio. Namun, model ini sering kali perlu mengejar ketinggalan ketika menangani i

BioBRIDGE: Menjembatani Model Dasar Unimodal untuk Perilaku Multimodal dalam Penelitian Biomedis

Pengantar Model dasar (FM) telah merevolusi penelitian biomedis, memungkinkan pemrosesan dan analisis data besar yang tidak berlabel. Namun, FM dalam domain biomedis sebagian besar terbatas pada aplikasi unimodal, berfokus pada urutan protein, struktur molekul kecil, atau data klinis secara terpisah. Cakupan yang sempit ini membatasi potensi mereka, terutama jika mempertimbangkan sifat pengetahuan biomedis yang saling terkait. BioBRIDGE: Menjembatani Kesenjangan Peneliti dari University of Illinois Urbana-Champaign dan Amazon AWS AI telah mengembangkan BioBRIDGE, kerangka kerja pembelajaran yang efisien parameter untuk menyatukan FM unimodal yang dilatih secara independen dan membangun perilaku multimodal. Inovasi ini dicapai dengan menggunakan Grafik Pengetahuan (KG) untuk mempelajari transformasi antara FM unimodal tanpa menyempurnakan model yang mendasarinya. Penelitian menunjukkan bahwa BioBRIDGE dapat secara signifikan mengungguli metode penanaman KG dasar dalam tugas pengambilan lintas modal sekitar 76,

Superkomputer NVIDIA: 10 Superkomputer Teratas

Eos: Pusat Data Skala Superkomputer NVIDIA merilis video yang memberikan tampilan pertama kepada publik tentang Eos, superkomputer skala pusat data terbarunya, yang memberikan gambaran sekilas tentang arsitektur yang menggerakkan pabrik AI canggih. Di Eos, NVIDIA DGX SuperPOD berskala sangat besar yang luar biasa, pengembang NVIDIA menggunakan infrastruktur pemrosesan yang dipercepat dan perangkat lunak yang dioptimalkan sepenuhnya untuk menghasilkan terobosan AI. Eos menawarkan kinerja AI FP8 yang sangat besar yaitu 18,4 exaflops, berkat 576 workstation NVIDIA DGX H100, jaringan NVIDIA Quantum-2 InfiniBand, dan perangkat lunak. Eos DGX SuperPOD yang berbeda dengan 10.752 GPU NVIDIA H100 digunakan untuk pelatihan MLPerf pada bulan November, dan sistem ini adalah saudaranya. Eos, yang diluncurkan pada bulan November di pameran dagang Supercomputing 2023, mewakili dedikasi NVIDIA untuk mengembangkan kecerdasan buatan. Nama tersebut berasal dari dewi Yunani yang dikatakan membuka gerbang fajar setiap hari. Spesi

Model Bahasa Mistral Large: Kemampuan Canggih dalam AI Percakapan

Pengantar Model bahasa telah menjadi sangat penting dalam beberapa tahun terakhir, dengan perkembangan model yang semakin canggih dan mumpuni. Model-model ini berperan dalam berbagai aplikasi, termasuk pembuatan bahasa, analisis data, dan pemodelan prediktif, yang menunjukkan keserbagunaan dan pentingnya mereka dalam memajukan batas-batas teknologi. Tantangan dalam Pemrosesan Bahasa Alami Salah satu tantangan penting dalam bidang ini adalah meningkatkan kemampuan model bahasa untuk memahami, menghasilkan, dan mengubah teks dengan cara yang mencerminkan pemahaman seperti manusia. Penelitian ini bertujuan untuk menciptakan model yang dapat menangani tugas penalaran yang kompleks, memahami nuansa dalam berbagai bahasa, dan menghasilkan teks seperti manusia berdasarkan berbagai masukan. Mistral Large: Model Bahasa Mutakhir Beberapa metode dan alat bertujuan untuk mengatasi tantangan ini, masing-masing dengan kekuatan dan keterbatasan. Ini termasuk model yang sudah ada sebelumnya yang telah menetapkan panggung unt

Model Bahasa Gemma: Menghancurkan Ekspektasi dalam AI dengan Model Bahasa Canggih

Pengantar Model bahasa, mesin di balik kemajuan pemrosesan bahasa alami, semakin menjadi titik fokus dalam penelitian AI. Sistem kompleks ini, yang mampu memahami, menghasilkan, dan berinteraksi menggunakan bahasa seperti manusia, telah merevolusi cara mesin memahami dan merespons data tekstual. Tantangan dalam Pengembangan Model Bahasa Secara historis, pengembangan model ini telah menavigasi garis tipis antara efisiensi komputasi dan kedalaman pemahaman, bertujuan untuk menciptakan alat yang kuat dan dapat diakses untuk berbagai aplikasi. Pencarian model yang terbuka untuk komunitas dan dioptimalkan untuk lingkungan komputasi yang beragam menghadirkan tantangan penting dalam AI. Gemma: Model Bahasa Terbuka yang Menakjubkan Gemma, serangkaian model terbuka yang inovatif yang diperkenalkan oleh tim peneliti di Google DeepMind, mengatasi tantangan aksesibilitas dan efisiensi komputasi. Dibangun di atas fondasi yang diletakkan oleh model Gemini Google, Gemma terdiri dari dua versi yang disesuaikan dengan kebutuh

Transformasi Kualitas Data yang Dipercepat untuk Perusahaan dengan Ataccama ONE v15

Pengantar Ataccama, perusahaan manajemen data berbasis AI, mengumumkan ketersediaan Ataccama ONE v15, versi terbaru dari platform terpadu yang memungkinkan perusahaan mengembangkan lingkungan data berkualitas tinggi. Keunggulan Data yang Dipercaya Data yang dapat dipercaya memungkinkan akurasi wawasan yang sangat penting untuk pengawasan komersial yang efektif, penargetan pemasaran dan penjualan, kepatuhan peraturan, dan wawasan peluang inovasi. Versi baru ini menurunkan hambatan masuk bagi pengguna bisnis dan teknis. Fitur Penting Ataccama ONE v15 Fungsionalitas Swalayan Komprehensif: Menyediakan antarmuka yang ditingkatkan AI generatif untuk alur kerja pengguna yang lebih cepat. Fitur AI yang Ditingkatkan: Memberikan pengalaman pengguna yang dibantu, memungkinkan semua pengguna mengekstrak informasi dan wawasan dengan cepat dan mudah. Validasi dan Transformasi Data: Memungkinkan tim data untuk mengatasi masalah potensial dengan memvalidasi data secara proaktif di sumbernya, serta mentransformasi dan members

Cara Memperluas Model Bahasa hingga 128 Ribu Konteks dengan Pra-Pelatihan Berkelanjutan

Model bahasa besar dapat melakukan tugas-tugas yang melampaui paradigma saat ini, seperti membaca kode pada tingkat repositori, memodelkan dialog bersejarah yang panjang, dan memberdayakan agen otonom dengan model bahasa dengan jendela konteks 128 ribu token. Uji Jarum-dalam-Tumpukan baru-baru ini adalah cara populer untuk melihat apakah model dapat menggunakan panjang konteks yang panjang. Dalam uji ini, model diminta untuk mengulangi informasi secara akurat dalam kalimat yang diberikan, dengan kalimat tersebut ditempatkan di lokasi sembarang dalam dokumen sepanjang 128 ribu. Sebuah studi baru-baru ini oleh para peneliti di University of Edinburgh, MIT-IBM Watson AI Lab, University of Washington, MIT, University of Melbourne, Ohio State University, dan UIUC meneliti teknik rekayasa data untuk meningkatkan durasi konteks model bahasa. Mereka terus melakukan pra-pelatihan pada kombinasi data yang sesuai untuk memastikan model bahasa lulus uji Jarum-dalam-Tumpukan pada panjang 128 ribu. Pra-pelatihan berkelanju

Difusi Jaringan Saraf: Menghasilkan Parameter Jaringan Saraf Berkinerja Tinggi

Pendahuluan Model difusi telah menunjukkan keberhasilan besar dalam pembuatan visual. Namun, potensinya di bidang lain masih perlu dieksplorasi. Aplikasi Difusi di Luar Domain Visual Penelitian telah menunjukkan bahwa model difusi dapat menghasilkan gambar dan video berkualitas tinggi. Namun, aplikasinya di luar domain visual masih perlu dikaji. Difusi Jaringan Saraf Para peneliti dari National University of Singapore, University of California, Berkeley, dan Meta AI Research telah mengusulkan difusi jaringan saraf, sebuah pendekatan baru untuk pembuatan parameter. Pendekatan ini memanfaatkan model difusi laten standar dan autoencoder untuk mensintesis parameter baru yang berkinerja tinggi. Proses Difusi Jaringan Saraf Difusi jaringan saraf terdiri dari dua proses utama: Autoencoder Parameter: Mengekstrak representasi laten dari parameter model berkinerja tinggi. Pembuatan: Menggunakan model difusi laten untuk mengubah derau acak menjadi parameter baru. Hasil Difusi jaringan saraf menunjukkan kinerja yang komp

AGEN LONG: Pendekatan Revolusioner Fudan University dalam Analisis Teks

Pengantar Dalam bidang kecerdasan buatan yang berkembang pesat, pendekatan “AGEN LONG” muncul sebagai solusi inovatif untuk tantangan yang telah lama ada: memproses dan memahami teks panjang secara efisien, sebuah domain di mana bahkan model paling canggih seperti GPT-4 secara historis mengalami kesulitan. Arsitektur AGEN LONG Dikembangkan oleh tim khusus di Fudan University, metode inovatif ini secara signifikan memperluas kemampuan model bahasa, memungkinkan mereka untuk menavigasi dokumen dengan hingga 128.000 token. Kemajuan ini dicapai melalui teknik kolaborasi multi-agen yang baru, yang secara fundamental mengubah lanskap analisis teks. Inti dari “AGEN LONG” terletak pada arsitekturnya yang unik, di mana agen pemimpin pusat mengawasi tim agen anggota, masing-masing bertugas pada segmen teks. Konfigurasi ini memungkinkan analisis terperinci dari dokumen ekstensif, dengan agen pemimpin mensintesis masukan dari anggota tim untuk menghasilkan pemahaman teks yang kohesif. Mekanisme semacam itu mahir dalam me

MAGNET: Metode Non-Autoregresif Murni Pertama untuk Pembangkitan Audio Berbasis Teks

Pendahuluan Kemajuan terbaru dalam pembelajaran representasi yang diawasi sendiri, pemodelan urutan, dan sintesis audio telah meningkatkan kinerja pembangkitan audio bersyarat secara signifikan. Pendekatan yang berlaku melibatkan representasi sinyal audio sebagai representasi terkompresi, baik diskrit atau kontinu, di mana model generatif diterapkan. Berbagai karya telah mengeksplorasi metode, seperti menerapkan Autoencoder Variasional Terkuantisasi Vektor (VQ-VAE) langsung pada bentuk gelombang mentah atau melatih model generatif berbasis difusi bersyarat pada representasi kontinu yang dipelajari. MAGNET: Pembangkitan Audio Bertopeng Menggunakan Transformer Non-Autoregresif Untuk mengatasi keterbatasan dalam pendekatan yang ada, peneliti di Tim FAIR META telah memperkenalkan MAGNET, akronim untuk pembangkitan audio bertopeng menggunakan transformer non-autoregresif. MAGNET adalah teknik pemodelan urutan generatif bertopeng baru yang beroperasi pada representasi multi-aliran sinyal audio. Tidak seperti model

Meningkatkan Efisiensi LVLM: Dataset Sintetis dan Performa Kompetitif ALLaVA

Pendahuluan Model visi-bahasa dalam AI dirancang untuk memahami dan memproses informasi dari input visual dan tekstual, mensimulasikan kemampuan manusia untuk memahami dan menafsirkan dunia di sekitar kita. Perpaduan antara pemahaman visi dan bahasa sangat penting untuk berbagai aplikasi, mulai dari pembuatan teks gambar otomatis hingga pemahaman dan interaksi adegan yang kompleks. Tantangan Namun, tantangannya adalah mengembangkan model yang dapat secara efektif mengintegrasikan dan menafsirkan informasi visual dan linguistik, yang masih menjadi masalah kompleks. Tantangan ini diperparah oleh kebutuhan model untuk memahami elemen individu dalam gambar atau teks dan memahami interaksi yang bernuansa di antara keduanya. Metode yang Ada Metode yang ada untuk penyelarasan gambar-teks dalam model bahasa menggunakan data teks. Namun, teks sering kali harus lebih panjang dan lebih kasar, yang menyebabkan sinyal berisik dan menghambat penyelarasan. Skala data yang selaras saat ini terbatas, sehingga sulit untuk memp

Membuat Prompt Midjourney yang Lebih Baik: Pencarian Seni AI yang Tak Tertandingi

Memulai Perjalanan Parameter ‘Stylize’: Sesuaikan keseimbangan antara abstraksi dan penggambaran yang nyata. ‘Style Raw’: Perhalus interpretasi AI sesuai visi Anda. Merumuskan Prompt Midjourney untuk Seni AI Gunakan Sketsa: Berikan AI garis besar untuk memandu kreativitasnya. Tambahkan Gambar Referensi: Berikan AI tujuan visual yang jelas untuk meningkatkan relevansi dan kekhususan. Sesuaikan ‘Image Weight’: Kontrol pengaruh gambar referensi pada hasil AI. Gunakan Kata Kunci: Manfaatkan kata-kata seperti “unsplash” untuk mengarahkan AI ke estetika tertentu. Fitur ‘Describe’: Buat prompt deskriptif dari gambar yang ada untuk memastikan konsistensi tematik. Gunakan Referensi Gaya: Arahkan AI ke gaya artistik tertentu tanpa deskripsi eksplisit. Kelas Master Midjourney: Membuat Prompt yang Menakjubkan 1. Pilih Kata dengan Bijak Gunakan deskripsi yang jelas dan hindari istilah umum. Misalnya, alih-alih “lanskap”, coba “bukit bergelombang yang bermandikan sinar matahari sore yang keemasan”. 2. Lukis Gambar dengan D

Rangkuman Harian AI: Pembaruan Pembelajaran Mesin, Robotika, dan Otomasi Terbesar

Kami menyajikan Rangkuman Harian AI. Kami meliput pembaruan teratas dari seluruh dunia. Pembaruan ini akan menampilkan kemampuan mutakhir dalam kecerdasan buatan (AI), Pembelajaran Mesin, Otomasi Proses Robotika, Fintech, dan interaksi manusia-sistem. Kami membahas peran Rangkuman Harian AI dan penerapannya di berbagai industri dan kehidupan sehari-hari. Studi Baru IBM Mengungkap 74 Persen Perusahaan Energi & Utilitas yang Disurvei Mengadopsi AI Di Distributech 2024, IBM mengungkapkan temuan tambahan dari studi globalnya yang menunjukkan bahwa 74% perusahaan Energi & Utilitas yang disurvei telah menerapkan atau sedang mengeksplorasi penggunaan AI dalam operasi mereka. Dalam sektor tersebut, di antara Profesional TI yang disurvei, 33% memfokuskan proyek AI pada SDM/Akuisisi Bakat dan 27% fokus pada Pemantauan & Tata Kelola AI Ubiquity Bermitra dengan Fujitsu untuk Meningkatkan Ketahanan Infrastruktur Digital Last-Mile Fujitsu Network Communications, Inc. mengumumkan bahwa investor infrastruktur digital Ubiquit

Apollo Health and Lifestyle: Optimizing Financial Operations with Oracle Fusion Cloud ERP

Introduction Apollo Health & Lifestyle, India’s leading healthcare provider, has implemented Oracle Fusion Cloud Enterprise Resource Planning (ERP) to streamline its financial operations and enhance its efficiency. Challenges and Goals Apollo Health & Lifestyle faced challenges in accessing accurate real-time data due to its dispersed finance and operations data across multiple on-premises applications. To address these challenges, the company sought to: Streamline finance operations Improve automation Accelerate reporting Expand insights Oracle Fusion Cloud ERP Solution Oracle Fusion Cloud ERP was selected to meet Apollo Health & Lifestyle’s requirements. The solution provides: Simplified finance processes Increased business agility Enhanced business decision-making Improved financial efficiency Strengthened financial controls Benefits By implementing Oracle Fusion Cloud ERP, Apollo Health & Lifestyle expects to: Increase productivity Reduce costs Enhance operational excellence Foster innovation and excellen

Pelacak Aset Airgain untuk Server Lenovo ThinkEdge

Airgain, penyedia solusi konektivitas nirkabel terkemuka yang membuat dan mengirimkan komponen tertanam, antena eksternal, dan sistem terintegrasi di seluruh dunia, mengumumkan program baru yang akan memberikan pelanggan yang membeli Server Lenovo ThinkEdge SE360 V2 opsi untuk membeli Pelacak Aset AT6 berbasis seluler Airgain. Perangkat ini akan dipasang di dalam kompartemen khusus yang dibangun ke dalam server dengan pemasangan minimal. Pelacak Aset berfungsi sebagai pelengkap tambahan untuk solusi keamanan Lenovo yang ada dan kuat yang dibangun ke dalam server. Menambahkan Pelacak Aset AT6 memungkinkan pelanggan untuk melacak dan memulihkan server yang hilang dan membantu bisnis memenuhi persyaratan keamanan tambahan. AT6: Solusi Pelacakan Aset yang Kuat dan Skalabilitas AT6 adalah solusi edge-to-enterprise yang kuat dan skalabel yang memungkinkan organisasi untuk dengan mudah memantau lokasi dan kondisi aset apa pun yang dilampirkannya. Dengan AT6 terpasang, pelanggan dapat dengan cepat melacak dan memulih

Asisten AI Percakapan Einstein Copilot untuk CRM dari Salesforce

Kemampuan Einstein Copilot Membumikan perintah dalam Data Cloud: Einstein Copilot membumikan responsnya dengan data bisnis tepercaya dari Data Cloud untuk memberikan konteks yang diperlukan untuk hasil berkualitas tinggi. “Tindakan” siap pakai: Einstein Copilot dilengkapi dengan pustaka tindakan siap pakai – kemampuan yang telah diprogram sebelumnya, respons otomatis, atau tugas bisnis yang dilakukan oleh Einstein Copilot – yang dapat dilakukan AI untuk pengguna saat diminta. Kustomisasi Einstein Copilot untuk kebutuhan bisnis tertentu: Einstein Copilot dapat dikustomisasi untuk menyelesaikan tugas penjualan, layanan, pemasaran, perdagangan, dan TI tertentu, memastikan kebijakan perusahaan dan industri diterapkan. Mesin penalaran untuk menafsirkan maksud dan memilih tindakan terbaik: Mesin penalaran Einstein Copilot – proses yang menafsirkan dan memproses informasi untuk membuat keputusan yang tepat, memecahkan masalah, atau menghasilkan wawasan – berinteraksi dengan LLM dengan menganalisis konteks penuh dari

UFO: Agen Berfokus UI Inovatif untuk Memenuhi Permintaan Pengguna yang Disesuaikan dengan Aplikasi pada Windows OS, Memanfaatkan Kemampuan GPT-Vision

Microsoft baru-baru ini merilis UFO, agen yang berfokus pada UI untuk interaksi khusus Windows OS. UFO mengatasi tantangan yang dihadapi dalam berinteraksi dengan antarmuka pengguna grafis (GUI) aplikasi pada sistem operasi (OS) Windows melalui perintah bahasa alami. Tantangan dan Tujuan Model bahasa besar (LLM) telah menunjukkan hasil yang sukses dalam memahami dan menjalankan perintah tekstual, tetapi LLM masih belum mampu menavigasi dan beroperasi dalam UI aplikasi Windows. Saat ini, model yang ada sebagian besar difokuskan pada ponsel cerdas atau aplikasi web, dan persyaratan agen UI yang dirancang khusus untuk lingkungan OS Windows masih belum tersedia. Untuk memenuhi persyaratan tersebut, peneliti Microsoft mengusulkan UFO, agen yang berfokus pada UI yang dirancang untuk interaksi yang lancar dengan aplikasi Windows. Metodologi UFO menyesuaikan kerangka kerja agen ganda yang terdiri dari Agen Pemilihan Aplikasi (AppAgent) dan Agen Pemilihan Tindakan (ActAgent). Mereka memanfaatkan GPT-Vision untuk menga

Judul: FNCTOD: Meningkatkan Pelacakan Status Dialog Tanpa Contoh dengan Model Bahasa Besar untuk Dialog Berorientasi Tugas

Pendahuluan Integrasi model bahasa besar (LLM) yang mulus ke dalam sistem percakapan telah mengubah cara mesin memahami dan menghasilkan bahasa manusia. Transformasi ini terutama terlihat dalam konteks umum di mana LLM unggul dalam menghasilkan respons yang koheren dan sesuai konteks. Ketika berbicara tentang dialog berorientasi tugas (TOD), percakapan dirancang untuk menyelesaikan tugas-tugas tertentu dalam domain yang ditentukan. Tantangan ini muncul dari kebutuhan untuk tidak hanya menghasilkan respons tetapi juga melacak status dialog (DST) secara efektif selama percakapan. DST melibatkan pemahaman maksud pengguna dan mempertahankan ringkasan komprehensif dari maksud ini, tugas kompleks yang memerlukan kepatuhan terhadap ontologi khusus domain. FNCTOD: Pendekatan Baru untuk Pelacakan Status Dialog Tanpa Contoh FNCTOD adalah pendekatan baru yang diperkenalkan oleh para peneliti dari University of California Santa Barbara, Carnegie Mellon University, dan Meta AI, yang memanfaatkan LLM untuk memecahkan DST m

C3PO: Pendekatan Pembelajaran Mesin Baru untuk Kustomisasi Model Bahasa Besar yang Peka terhadap Konteks

Latar Belakang Model bahasa telah mengubah interaksi dan pemrosesan informasi dalam lanskap kecerdasan buatan yang terus berkembang. Namun, menyelaraskan model-model ini dengan umpan balik pengguna tertentu sambil menghindari generalisasi yang tidak diinginkan merupakan sebuah tantangan. Pendekatan tradisional sering kali perlu membedakan penerapan umpan balik, yang mengarah ke model yang memperluas aturan di luar konteks yang dimaksudkan. Masalah ini menyoroti perlunya metode lanjutan untuk memastikan model bahasa dapat beradaptasi secara tepat dengan preferensi pengguna tanpa mengorbankan kegunaannya dalam berbagai aplikasi. Penelitian Sebelumnya Karya-karya yang ada telah mengeksplorasi peningkatan bahasa atau sistem dialog melalui berbagai jenis umpan balik, termasuk hadiah, preferensi atau peringkat yang dipelajari atau heuristik, dan umpan balik bahasa alami. Umpan balik bahasa alami telah meningkatkan kinerja dalam tugas pembuatan kode, dialog, dan ringkasan. Beberapa penelitian berfokus pada pemanfaat

Deteksi Komponen AI/ML Terdepan dari Sonatype

Sonatype, perusahaan pengoptimalan rantai pasokan perangkat lunak, mengumumkan deteksi komponen kecerdasan buatan dan pembelajaran mesin (AI/ML), kemampuan pertama di jenisnya, tersedia sebagai bagian dari Sonatype Lifecycle. Teknologi ini secara mendasar mengubah cara organisasi memilih dan memantau komponen perangkat lunak AI/ML, memungkinkan mereka untuk mempercepat pengembangan perangkat lunak sekaligus mengelola risiko yang terkait dengan AI secara efektif. Adopsi AI dalam Pengembangan Perangkat Lunak Pengadopsian AI – terutama AI generatif – dalam pengembangan perangkat lunak berkembang pesat. Menurut laporan State of the Software Supply Chain tahunan ke-9 Sonatype, terdapat peningkatan penggunaan Komponen AI/ML yang mengejutkan sebesar 135% di lingkungan perusahaan dibandingkan tahun sebelumnya. Pada akhir Januari 2024, angka ini mengalami peningkatan tambahan sebesar 20% dalam hitungan bulan. Lebih lanjut, Gartner melaporkan bahwa pada tahun 2027, 70% pengembang profesional akan menggunakan alat pengk

Ubiquity dan Fujitsu Bermitra untuk Meningkatkan Ketahanan Infrastruktur Digital Last-Mile

Fujitsu Mempercepat Penyebaran Layanan Broadband untuk Komunitas yang Tumbuh Cepat dan Kurang Terlayani Fujitsu Network Communications, Inc. mengumumkan bahwa investor infrastruktur digital Ubiquity menggunakan Pusat Operasi Jaringan (NOC) Fujitsu untuk mendukung infrastruktur broadband serat last-mile di empat pasar utama AS. Fujitsu menyediakan Ubiquity dengan layanan jaringan terkelola 24/7 dari NOC kelas operator mereka di Texas. Ubiquity, Pemilik, Pengembang, dan Operator Infrastruktur Digital Ubiquity adalah pemilik, pengembang, dan operator infrastruktur digital dengan jaringan fiber-to-the-premise (FTTP) akses terbuka terbesar dan tumbuh paling cepat di negara tersebut. Dengan komitmen untuk menyediakan jaringan broadband berkapasitas tinggi, Ubiquity memungkinkan komunitas pinggiran kota yang tumbuh cepat serta komunitas yang kurang terlayani untuk menuai manfaat dari opsi konektivitas berkecepatan tinggi yang terjangkau dan pembangunan ekonomi terkait. Layanan Jaringan Terkelola Fujitsu Layanan jari

Studi Baru IBM: 74 Persen Perusahaan Energi & Utilitas Menerapkan AI

Poin-poin Penting 63 persen CEO Energi yang disurvei mengharapkan nilai dari AI generatif dan otomatisasi. 74% perusahaan Energi & Utilitas yang disurvei telah menerapkan atau sedang menjajaki penggunaan AI dalam operasi mereka. 33% Profesional TI di sektor ini memfokuskan proyek AI pada SDM/Akuisisi Bakat dan 27% fokus pada Pemantauan & Tata Kelola AI. 63% CEO Energi & Sumber Daya yang disurvei lebih cenderung mengharapkan nilai dalam tiga tahun ke depan dari AI generatif dan otomatisasi. 61% CEO yang disurvei menyatakan kekhawatiran tentang sumber data yang digunakan dalam AI generatif. IBM memamerkan watsonx, platform AI dan data siap pakai perusahaan, di Distributech 2024. Toolkit watsonx.governance untuk tata kelola AI membantu perusahaan Energi & Sumber Daya mengatasi tantangan terkait data. Analisis Studi IBM Studi global IBM Global AI Adoption Index 2023, yang dilakukan oleh Morning Consult dan ditugaskan oleh IBM, mensurvei 2.342 Profesional TI di perusahaan-perusahaan di 20 negara. Studi ini menemuk

VLM-CaR: Kerangka Pembelajaran Mesin Baru yang Memberdayakan Pembelajaran Penguatan dengan Model Visi-Bahasa

Pendahuluan Pembelajaran penguatan (RL) adalah bidang pembelajaran mesin yang memungkinkan agen belajar membuat keputusan optimal dalam lingkungan yang tidak pasti. RL telah berhasil diterapkan pada berbagai tugas, termasuk permainan, robotika, dan keuangan. Salah satu tantangan utama dalam RL adalah merancang fungsi hadiah yang efektif. Fungsi hadiah menentukan perilaku agen dengan memberikan hadiah untuk tindakan yang diinginkan dan hukuman untuk tindakan yang tidak diinginkan. Merancang fungsi hadiah yang efektif seringkali merupakan proses manual dan memakan waktu yang lama. VLM-CaR VLM-CaR adalah kerangka kerja baru yang memungkinkan agen RL belajar dari input visual menggunakan model visi-bahasa (VLM). VLM adalah model pembelajaran mesin yang dapat memahami dan menghasilkan bahasa alami. VLM-CaR menggunakan VLM untuk menghasilkan fungsi hadiah yang efektif secara otomatis. Cara Kerja VLM-CaR VLM-CaR bekerja dalam tiga tahap: Menghasilkan program. Pada tahap ini, VLM diberi gambar awal dan gambar tujuan

Kerangka Kerja Pembelajaran Mesin yang Memungkinkan Pengguna untuk Menyesuaikan Fungsi Hadiah dan Memungkinkan Penyelarasan Waktu Dekoding LLM

Tantangan dalam Penyelarasan LLM dengan Nilai Manusia Kemajuan model bahasa besar (LLM) menghadirkan tantangan penting dalam memastikan bahwa keluarannya selaras dengan standar dan niat etika manusia. Meskipun canggih, model-model ini dapat menghasilkan konten yang secara teknis akurat tetapi mungkin tidak sejalan dengan harapan pengguna tertentu atau norma-norma sosial. Ketidakselarasan ini menyoroti perlunya mekanisme yang efektif untuk memandu keluaran LLM ke arah tujuan etika dan praktis yang diinginkan, yang merupakan hambatan signifikan dalam menyelaraskan konten yang dihasilkan mesin dengan nilai dan niat manusia. Pendekatan Tradisional dan Keterbatasannya Metode saat ini untuk mengatasi tantangan penyelarasan ini terutama berfokus pada modifikasi proses pelatihan model-model ini, dengan menggunakan teknik-teknik seperti Pembelajaran Penguatan dengan Umpan Balik Manusia (RLHF). Namun, pendekatan ini terbatas oleh ketergantungannya pada fungsi hadiah statis dan telah ditentukan sebelumnya serta ketidakm

ToolVerifier: Meningkatkan Performa Panggilan Alat untuk LLM dengan Metode Generasi dan Verifikasi Mandiri

Integrasi Alat Eksternal ke dalam Model Bahasa Integrasi alat eksternal ke dalam model bahasa (LM) merupakan kemajuan penting dalam menciptakan asisten digital yang serbaguna. Integrasi ini meningkatkan fungsionalitas model dan mendorongnya lebih dekat ke visi AI tujuan umum. Namun, ambisi ini menghadapi tantangan yang signifikan: evolusi alat dan API yang cepat mengharuskan LM beradaptasi dengan cepat ke alat baru dan pembaruan parameter tanpa pelatihan ulang yang ekstensif atau campur tangan manusia. Tantangan dalam Generalisasi Kemampuan Penggunaan Alat Kendala utama dalam upaya ini adalah kemampuan model untuk menggeneralisasi kemampuan penggunaan alat mereka ke alat baru yang tidak terlihat berdasarkan contoh terbatas. Metode tradisional telah membuat kemajuan dalam menggabungkan alat tertentu ke dalam LM melalui fine-tuning contoh nyata atau sintetis. Namun, model ini harus ditingkatkan ketika menerapkan keterampilan yang dipelajari ke alat baru, sering kali dibatasi oleh jendela konteks model yang terb

8217;s

Mencermati Live Draw Macau

Dalam era digital ini, website live draw Macau telah menjadi fenomena yang menarik perhatian banyak orang. Di balik layar, kita dapat menyaksikan pengundian secara langsung yang menghadirkan nuansa interaktif dan menyenangkan. Kecanggihan Teknologi Live Draw Macau Website ini memanfaatkan kecanggihan teknologi untuk menyajikan pengalaman pengundian yang real-time. Pengguna dapat merasakan ketegangan dan antusiasme tanpa harus meninggalkan kenyamanan rumah mereka. Teknologi ini membawa dampak positif terhadap cara kita merayakan momen keberuntungan. Penggemar Setia dan Komunitas Live Draw Macau Seiring berjalannya waktu, website live draw Macau telah berhasil membangun komunitas yang solid dan penggemar setia. Para penonton saling berinteraksi melalui platform ini, saling berbagi pengalaman, dan bersama-sama merayakan momen-momen khusus dalam dunia undian. Ragam Acara Menarik di Live Draw Macau Tak hanya sekadar pengundian, website ini juga menawarkan beragam acara menarik yang dapat dinikmati oleh pengguna. M

Keajaiban di Balik Pengundian Langsung SGP

Dalam era digital ini, teknologi terus menghadirkan inovasi baru, salah satunya adalah website live draw SGP. Website ini menjadi tempat di mana penggemar mencari keajaiban di balik pengundian langsung yang disajikan secara transparan dan menarik. Pengalaman Interaktif Tanpa Batas: Salah satu aspek menarik dari website live draw SGP adalah pengalaman interaktif tanpa batas yang ditawarkan kepada pengguna. Melalui platform ini, penggemar dapat menyaksikan hasil pengundian secara real-time, merasakan sensasi ketegangan, dan berpartisipasi dalam momen-momen bersejarah dengan cara yang sepenuhnya baru. Komunitas Penggemar yang Solid: Website live draw SGP membentuk komunitas penggemar yang solid. Penggemar dari berbagai latar belakang dapat bersatu dalam apresiasi terhadap pengundian langsung. Diskusi, prediksi, dan berbagi pengalaman di dalam komunitas ini menciptakan ikatan yang erat tanpa mengaitkan aktivitas tersebut dengan unsur perjudian. Edukasi dan Informasi: Selain sebagai hiburan, website live draw SGP

Fenomena Keberuntungan di Dunia Online

Dalam era digital ini, banyak orang mencari pengalaman seru melalui berbagai situs hiburan daring. Salah satu tren yang semakin populer adalah penggunaan situs yang menawarkan kesempatan untuk meraih keberuntungan. Beberapa dari situs tersebut bahkan menawarkan pengalaman yang menarik dengan minimal deposit yang terjangkau, seperti situs yang menawarkan keseruan tanpa menguras kantong. Sensasi Seru dengan Slot Online Salah satu jenis permainan yang banyak diminati di situs-situs hiburan daring adalah permainan slot online. Penggemar dari berbagai kalangan mencari sensasi seru dan tantangan di dalam gulungan-gulungan virtual tanpa harus khawatir dengan risiko finansial yang besar. Situs-situs tertentu telah menciptakan pengalaman bermain yang menarik dengan slot depo 10k tergacor, memberikan peluang bagi setiap pemain untuk merasakan keberuntungan tanpa tekanan berlebih. Inovasi dan Keunikan Pengalaman Bermain Pengelola situs slot depo 10k tergacor terus berusaha untuk memberikan inovasi dan keunikan dalam pen

Mitigasi Peretasan dalam Pembelajaran Penguatan dari Umpan Balik Manusia dengan ODIN

Pendahuluan Pembelajaran Penguatan dari Umpan Balik Manusia (RLHF) adalah metode yang semakin penting untuk memanfaatkan potensi Model Bahasa Besar (LLM) yang telah dilatih sebelumnya untuk menghasilkan tanggapan yang lebih bermanfaat, jujur, dan sejalan dengan preferensi manusia. Dalam RLHF, model bahasa dilatih untuk menghasilkan tanggapan yang memaksimalkan imbalan yang dipelajari melalui pembelajaran penguatan, setelah itu model imbalan dilatih berdasarkan preferensi manusia untuk perintah tertentu. Karena pengumpulan peringkat manusia biasanya tidak serumit pengumpulan demo untuk penyetelan halus yang diawasi, pendekatan ini menyederhanakan proses pengumpulan data. Masalah Peretasan Imbalan dalam RLHF Namun, peretasan imbalan adalah masalah yang halus dengan RLHF, di mana kebijakan mendapatkan imbalan yang besar tanpa memenuhi tujuan yang sebenarnya. Hal ini terjadi sebagai akibat dari generalisasi Out-Of-Distribution (OOD) yang terbatas dari model imbalan dan potensi ketidaksempurnaan dalam mewakili pre

Judul: Menyempurnakan Model Pembelajaran Mesin secara Lebih Efisien: Penelitian Kecerdasan Buatan dari Cohere for AI Mengungkap Bagaimana REINFORCE Mengalahkan PPO dalam Pembelajaran Penguatan dari Umpan Balik Manusia

Subjudul: Tantangan dalam Menyelaraskan Model Bahasa Besar dengan Preferensi Manusia Pendekatan Baru: Meninjau Kembali Dasar-dasar Pembelajaran Penguatan Hasil: REINFORCE dan RLOO Mengungguli Metode Tradisional Implikasi: Kesederhanaan sebagai Kunci Keberhasilan Isi: Penyelarasan Model Bahasa Besar (LLM) dengan preferensi manusia telah menjadi bidang penelitian yang penting. Seiring dengan meningkatnya kompleksitas dan kemampuan model-model ini, memastikan tindakan dan keluaran mereka selaras dengan nilai-nilai dan niat manusia menjadi sangat penting. Jalur konvensional untuk mencapai penyelarasan ini melibatkan teknik pembelajaran penguatan yang canggih, dengan Proximal Policy Optimization (PPO) sebagai metode terdepan. Meskipun efektif, metode ini memiliki tantangan tersendiri, termasuk tuntutan komputasi yang tinggi dan kebutuhan akan penyesuaian hiperparameter yang cermat. Tantangan-tantangan ini menimbulkan pertanyaan: Apakah ada cara yang lebih efisien namun sama efektifnya untuk mencapai tujuan yang sa

Pemanfaatan Model Umpan Balik Bahasa dalam Pembelajaran Imitasi Lanjutan: Sebuah Inovasi dari Microsoft Research

Tantangan dalam Mengembangkan Agen Pembelajaran Imitasi Dalam mengembangkan agen yang dapat mengikuti instruksi dalam lingkungan nyata, terdapat sejumlah tantangan yang perlu diatasi, termasuk efisiensi sampel dan generalisasi. Agen-agen ini harus belajar secara efektif dari beberapa demonstrasi sambil tetap mampu beroperasi dengan sukses di lingkungan baru dengan instruksi yang berbeda setelah pelatihan. Teknik-teknik seperti pembelajaran penguatan dan pembelajaran imitasi sering digunakan, tetapi seringkali membutuhkan banyak percobaan atau demonstrasi ahli yang mahal karena ketergantungannya pada metode coba-coba atau bimbingan ahli. Peran Model Umpan Balik Bahasa (LFM) Dalam pembelajaran imitasi yang didasarkan pada bahasa, agen menerima instruksi dan pengamatan parsial di lingkungan, lalu mengambil tindakan yang sesuai. Pembelajaran penguatan melibatkan penerimaan hadiah, sedangkan pembelajaran imitasi meniru tindakan ahli. Kloning perilaku mengumpulkan data ahli secara offline untuk melatih kebijakan, b

MusicMagus: Memaksimalkan Model Difusi untuk Pengeditan Teks-ke-Musik Zero-Shot

Pengantar Pembuatan musik telah lama menjadi bidang yang menarik, memadukan kreativitas dengan teknologi untuk menghasilkan komposisi yang selaras dengan emosi manusia. Prosesnya melibatkan pembuatan musik yang sejalan dengan tema atau emosi tertentu yang disampaikan melalui deskripsi tekstual. Meskipun pengembangan musik dari teks telah mengalami kemajuan luar biasa, masih ada tantangan yang signifikan: mengedit musik yang dihasilkan untuk menyempurnakan atau mengubah elemen tertentu tanpa memulai dari awal. Tugas ini melibatkan penyesuaian rumit pada atribut musik, seperti mengubah suara instrumen atau suasana keseluruhan musik, tanpa memengaruhi struktur intinya. Model AR dan Difusi Model-model terutama dibagi ke dalam kategori autoregresif (AR) dan berbasis difusi. Model AR menghasilkan audio yang lebih panjang dan berkualitas lebih tinggi dengan mengorbankan waktu inferensi yang lebih lama, dan model difusi unggul dalam decoding paralel meskipun ada tantangan dalam menghasilkan urutan yang diperpanjang.

Premier-TACO: Representasi Pra-Pelatihan untuk Pembelajaran Kebijakan Few-Shot

Pendahuluan Pembelajaran keputusan sekuensial (SDM) adalah bidang penting dalam pembelajaran mesin yang berfokus pada pembuatan keputusan dalam lingkungan yang berubah-ubah. SDM memiliki berbagai aplikasi, mulai dari robotika hingga perawatan kesehatan. Model dasar pra-pelatihan telah menunjukkan hasil yang menjanjikan dalam tugas pemrosesan bahasa alami. Namun, SDM menghadirkan tantangan unik yang tidak ditemukan dalam tugas pemrosesan bahasa alami. Premier-TACO Premier-TACO adalah pendekatan baru untuk pra-pelatihan representasi untuk SDM. Premier-TACO menggunakan tujuan pra-pelatihan kontrastif temporal berbasis dinamika tanpa hadiah. Hal ini memungkinkan model untuk mempelajari representasi yang dapat digeneralisasikan ke berbagai tugas hilir. Hasil Eksperimen Premier-TACO menunjukkan hasil yang kuat pada berbagai tolok ukur SDM. Pada Deepmind Control Suite, Premier-TACO mencapai peningkatan kinerja relatif sebesar 101%. Pada MetaWorld, Premier-TACO mencapai peningkatan kinerja sebesar 74%, bahkan menunju

Premis Order Effect: Google DeepMind’s Research Highlights Critical Reasoning Limitations in LLMs

Unveiling the Frailty of LLMs in Critical Reasoning Tasks Large language models (LLMs), known for their remarkable performance in various reasoning tasks, face a surprising challenge when confronted with premises. Research conducted by Google DeepMind and Stanford University reveals that a deviation from an optimal premise sequence can lead to a significant decline in LLM performance, with accuracy drops exceeding 30% in some cases. R-GSM Benchmark: Evaluating the Impact of Premise Ordering To systematically study this phenomenon, the research team developed a novel benchmark called R-GSM, specifically designed to assess the impact of premise ordering on mathematical reasoning tasks. By altering the sequence of information presented to the models, the study illuminated how even subtle changes in premise arrangement could drastically affect LLMs’ ability to arrive at correct conclusions. This methodology highlights the intricacies of how LLMs process information and underscores the limitations of current model

RareBench: Sebuah Tolok Ukur AI Perintis untuk Mengevaluasi Kemampuan LLM pada 4 Dimensi Kritis dalam Penyakit Langka

Potensi LLM dalam Pengobatan Model Bahasa Besar (LLM) seperti ChatGPT memiliki potensi luar biasa untuk menafsirkan dan menghasilkan bahasa dengan cara yang sangat mirip dengan manusia. Hal ini telah menarik banyak minat, dan aplikasi LLM dalam perawatan kesehatan dengan cepat menjadi bidang studi baru yang menarik bagi para peneliti AI dan kedokteran klinis. Beberapa penelitian telah menyelidiki potensi LLM untuk membantu dokter dalam diagnosis medis, penulisan laporan klinis, dan pendidikan kedokteran. Namun, kekuatan dan kelemahan LLM dalam pengaturan penyakit langka belum dipelajari secara memadai. Tantangan dalam Mendiagnosis Penyakit Langka Diperkirakan 80% dari lebih dari 7.000 penyakit langka yang telah diidentifikasi sejauh ini memiliki komponen herediter. Pasien dengan penyakit langka seringkali salah didiagnosis atau kurang didiagnosis, dan mungkin perlu waktu bertahun-tahun hingga diagnosis konfirmatif dibuat. Identifikasi dan diagnosis penyakit sudah menantang karena tingkat tumpang tindih fenoti

Hyundai Creta: Pilihan SUV Stylish dan Andal untuk Anda

Hyundai Creta telah lama dikenal sebagai salah satu SUV kompak yang paling diandalkan dan populer di pasaran otomotif Indonesia. Dengan beragam varian yang ditawarkan, Hyundai Creta memberikan pilihan yang luas bagi konsumen yang mencari kendaraan yang nyaman, stylish, dan berkualitas. Berikut adalah daftar harga untuk berbagai varian Hyundai Creta: Hyundai Creta menawarkan performa yang tangguh dan efisien, dilengkapi dengan mesin bertenaga dan teknologi terkini untuk memberikan pengalaman berkendara yang optimal. Desain eksterior yang modern dan elegan serta interior yang luas dan nyaman menjadikan Hyundai Creta sebagai pilihan yang tepat untuk menjelajahi perkotaan atau melintasi medan yang berat. Tidak hanya itu, Hyundai Creta juga dilengkapi dengan fitur keselamatan yang canggih untuk memberikan perlindungan maksimal kepada pengemudi dan penumpangnya. Fitur-fitur seperti sistem pengereman anti-lock (ABS), kontrol stabilitas elektronik (ESC), kamera belakang, dan sensor parkir semakin menambah nilai dari

Toyota Avanza Veloz 2023: Pilihan Terbaik untuk Mobilitas Keluarga

Toyota Avanza telah lama menjadi pilihan favorit bagi keluarga Indonesia yang menginginkan kendaraan yang nyaman, handal, dan terjangkau. Tidak mengherankan, Toyota kembali memperkenalkan varian terbarunya, Avanza Veloz 2023, yang menawarkan beragam fitur dan kenyamanan terbaru. Avanza Veloz 2023 hadir dengan berbagai pilihan varian dan harga yang berbeda, sesuai dengan kebutuhan dan preferensi konsumen. Berikut adalah daftar harga avanza veloz 2023 untuk masing-masing varian Avanza Veloz 2023: Avanza Veloz 2023 hadir dengan desain yang lebih sporty dan modern, dengan berbagai fitur keselamatan dan kenyamanan yang ditingkatkan. Dari segi performa, mesin yang digunakan tetap handal dan efisien, cocok untuk digunakan dalam berbagai kondisi perjalanan sehari-hari. Salah satu keunggulan Avanza Veloz 2023 adalah kenyamanan interior yang ditingkatkan, dilengkapi dengan berbagai fitur hiburan dan konektivitas untuk menambah pengalaman berkendara yang menyenangkan bagi seluruh penumpang. Selain itu, varian Veloz juga

Apartemen Tokyo Riverside PIK 2, Tempat Hunian Impian di Tengah Kota Mandiri

Apartemen Tokyo Riverside merupakan pilihan hunian yang terjangkau di tengah kawasan strategis Pantai Indah Kapuk 2 (PIK 2). Dengan harga mulai dari 300 jutaan, apartemen ini mengusung konsep Japanese Modern Living Smart City yang menarik. Hunian ini menawarkan kualitas tinggi dan teknologi canggih, dilengkapi dengan beragam fasilitas olahraga dan rekreasi untuk kenyamanan penghuninya. Tidak hanya fasilitas internal yang menarik, namun apartemen ini juga memberikan akses mudah ke segala keunggulan PIK 2 melalui fasilitas Interchange. Kawasan PIK 2 sendiri memiliki berbagai fasilitas yang mengesankan, seperti pantai berpasir putih seluas 4 kilometer, green belt seluas 60 hektar, Central Business District (CBD) seluas 100 hektar, dan masih banyak lagi. Apartemen Tokyo Riverside PIK 2 ini terletak di alamat yang strategis, yaitu Jl. Marina Indah Raya No.1, Pantai Indah Kapuk, Kamal Muara RT.7/RW.2, Kecamatan Penjaringan, Kota Jakarta Utara, DKI Jakarta 14470. Apartemen ini merupakan bagian dari kompleks hunian d

ImagineSoftware dan Maverick Medical AI Bekerja Sama untuk Menawarkan Solusi Pengodean Medis

ImagineSoftware sekarang akan menawarkan Platform Pengodean Medis Otonom Bertenaga AI dari Maverick Maverick Medical AI, atau Maverick, penyedia platform pengodean medis inovatif dan otonom bertenaga AI, bermitra dengan ImagineSoftware, penyedia teknologi manajemen siklus pendapatan (RCM) terkemuka di AS. Melalui kemitraan ini, ImagineSoftware akan mengintegrasikan Platform Pengodean Medis Otonom bertenaga AI dari Maverick sebagai solusi bagi pelanggan untuk meningkatkan operasi mereka dan mencapai tingkat tagihan langsung yang lebih tinggi. Tantangan dalam Industri Kesehatan dan Kebutuhan akan Sistem Pengodean yang Lebih Kuat Industri kesehatan menghadapi tantangan yang berat, dan semuanya saling terkait dan pada akhirnya berdampak negatif pada kualitas perawatan pasien. Dengan menumpuknya data dalam jumlah besar di industri kesehatan sekaligus mengalami kekurangan staf, termasuk di antara tim pengodean medis, terdapat kebutuhan mendesak akan sistem pengodean yang lebih kuat untuk mengoptimalkan operasi sikl

Alorica dan Automation Anywhere Bekerja Sama untuk Menentukan Ulang Solusi CX

Alorica, pemimpin global dalam solusi pengalaman pelanggan generasi berikutnya, mengumumkan kemitraan baru dengan Automation Anywhere, pemimpin dalam Intelligent Automation yang menerapkan kecerdasan buatan (AI) di setiap aspek organisasi. Dengan kemampuan Automation Anywhere yang terkemuka dalam Intelligent Automation yang didukung GenAI, Alorica akan mengintegrasikan pendekatan yang berpusat pada pelanggan dengan mulus, menjalin aliansi yang kuat yang bertujuan untuk meningkatkan efisiensi, personalisasi, kesederhanaan, dan kepuasan secara bersamaan. Kemitraan yang Mengubah Permainan Kolaborasi ini semakin memperkuat rangkaian penawaran yang didukung teknologi oleh Alorica IQ – pabrik digital perusahaan yang berfokus pada penyampaian solusi berbasis hasil yang memetakan dan menyelesaikan permasalahan pelanggan, mengubah perjalanan pelanggan melalui layanan Customer Experience Management (CXM) tingkat berikutnya. “Misi Alorica IQ adalah menerapkan teknologi untuk mendorong batas-batas kemungkinan saat ini, s

Behavox Memperluas Cakupan Risiko secara Signifikan untuk Perusahaan Manajemen Aset dan Kekayaan

Behavox, penyedia solusi kepatuhan berbasis AI terkemuka, mengumumkan perluasan kemampuan cakupan risikonya, yang dirancang khusus untuk perusahaan Manajemen Aset dan Kekayaan dengan basis klien ritel. Dengan memanfaatkan solusi pengawasan komunikasi terdepan di pasar yang didukung oleh GenAI dan Large Language Models (LLM), Behavox kini memperkenalkan serangkaian Kebijakan Risiko AI dan leksikon yang diperluas untuk mengatasi berbagai risiko secara komprehensif. Kebijakan Risiko AI yang Ditingkatkan Kebijakan Risiko AI yang baru ditingkatkan memungkinkan deteksi masalah kepatuhan penting seperti: Kesesuaian dan Kecermatan Penjualan Komunikasi yang Tidak Adil, Tidak Seimbang, dan Menyesatkan Window Dressing Cherry Picking Perluasan ini merupakan hasil dari kolaborasi erat Behavox dengan pelanggan yang ada yang telah memainkan peran penting dalam menguji, menerapkan, dan menyempurnakan Kebijakan Risiko AI melalui umpan balik yang berharga. Cakupan Risiko yang Diperluas Peningkatan lebih lanjut telah dilakukan

Optuna: Perangkat Lunak Optimasi Hiperparameter Otomatis untuk Pembelajaran Mesin

Dalam pembelajaran mesin, menemukan pengaturan yang sempurna agar model bekerja dengan baik dapat diibaratkan seperti mencari jarum dalam tumpukan jerami. Proses ini, yang dikenal sebagai optimasi hiperparameter, melibatkan penyesuaian pengaturan yang mengatur cara model belajar. Ini penting karena kombinasi yang tepat dapat secara signifikan meningkatkan akurasi dan efisiensi model. Namun, proses ini dapat memakan waktu dan rumit, memerlukan uji coba dan kesalahan yang ekstensif. Secara tradisional, para peneliti dan pengembang menggunakan penyetelan manual atau metode pencarian grid dan pencarian acak untuk menemukan hiperparameter terbaik. Metode ini memang berhasil sampai batas tertentu tetapi bisa lebih efisien. Penyetelan manual padat karya dan subjektif, sementara pencarian grid dan acak bisa seperti menembak dalam gelap – mungkin mengenai sasaran tetapi sering membuang waktu dan sumber daya. Temui Optuna: Perangkat Lunak untuk Mengoptimalkan Hiperparameter secara Otomatis Optuna adalah perangkat lunak

ViewFusion: Membawa Revolusi Sintesis Pandangan dengan Teknik Penghilangan Derau Difusi Adaptif dan Pembobotan Piksel

Pendahuluan Pembelajaran mendalam telah merevolusi sintesis pandangan dalam visi komputer, menawarkan beragam pendekatan seperti NeRF dan arsitektur gaya menyeluruh. Secara tradisional, metode pemodelan 3D seperti voxel, titik awan, atau jaring digunakan. Teknik berbasis NeRF secara implisit merepresentasikan adegan 3D menggunakan MLP. Kemajuan terbaru berfokus pada pendekatan gambar-ke-gambar, menghasilkan pandangan baru dari kumpulan gambar adegan. Metode ini sering kali memerlukan pelatihan ulang yang mahal per adegan, informasi pose yang tepat, atau bantuan dengan pandangan input variabel pada waktu pengujian. Terlepas dari kelebihannya, setiap pendekatan memiliki keterbatasan, menggarisbawahi tantangan yang sedang berlangsung di bidang ini. ViewFusion: Pendekatan Generatif Canggih untuk Sintesis Pandangan Para peneliti dari Departemen Ilmu Komputer dan Teknik Biomedis dan Neurosains di Universitas Aalto, Finlandia, System 2 AI, dan Pusat Kecerdasan Buatan Finlandia FCAI. telah mengembangkan ViewFusion. V

Meningkatkan Segmentasi Citra Bawah Air dengan Pembelajaran Mendalam: Pendekatan Baru untuk Perluasan Dataset dan Teknik Praproses

Ringkasan Penggabungan pemrosesan citra bawah air dengan pembelajaran mesin menawarkan potensi yang signifikan untuk meningkatkan kemampuan robot bawah air dalam berbagai tugas eksplorasi laut. Segmentasi citra, aspek penting dari visi mesin, sangat penting untuk mengidentifikasi dan mengisolasi objek yang diinginkan dalam citra bawah air. Metode segmentasi tradisional, seperti algoritma berbasis ambang batas dan berbasis morfologi, telah digunakan tetapi perlu bantuan untuk menggambarkan objek secara akurat di lingkungan bawah air yang kompleks tempat degradasi citra biasa terjadi. Para peneliti semakin banyak menggunakan teknik pembelajaran mendalam untuk segmentasi citra bawah air untuk mengatasi tantangan ini. Metode pembelajaran mendalam, termasuk segmentasi semantik dan instans, memberikan analisis yang lebih tepat dengan memungkinkan segmentasi tingkat piksel dan tingkat objek. Kemajuan terkini, seperti FCN-DenseNet dan Mask R-CNN, menjanjikan untuk meningkatkan akurasi dan kecepatan segmentasi. Namun,

Judul: HiQA: Kerangka Kecerdasan Buatan Canggih untuk Menjawab Pertanyaan Multi-Dokumen (MDQA)

Pendahuluan Sistem tanya jawab (QA) dalam Pemrosesan Bahasa Alami (NLP) menghadapi tantangan yang signifikan dalam skenario yang melibatkan koleksi dokumen yang luas yang secara struktural serupa atau ‘tidak dapat dibedakan’. Model tradisional sering kali kesulitan untuk mengambil informasi yang akurat dari kumpulan data homogen yang sangat besar, yang menyebabkan masalah dalam ketepatan dan relevansi respons. Keterbatasan ini menjadi sangat jelas dalam tugas tanya jawab multi-dokumen (MDQA), di mana sistem harus membedakan dan mengintegrasikan detail di seluruh dokumen untuk merumuskan jawaban yang koheren. Metode Saat Ini dalam MDQA Metode saat ini dalam MDQA bergantung pada Retrieval-Augmented Generation (RAG) untuk mengekstrak data penting dari teks tidak terstruktur, yang menunjukkan efektivitas di berbagai tugas NLP. RAG juga dapat diterapkan pada tugas multimodal, seperti pembuatan gambar, menggunakan model CLIP yang telah dilatih sebelumnya untuk pengambilan. Beberapa penelitian telah mengintegrasikan

Kawasaki Robotics dan Olis Robotics Bermitra untuk Menawarkan Pemantauan Jarak Jauh

Perusahaan mempresentasikan demo interaktif di MODEX 2024 yang menunjukkan bagaimana robot Kawasaki yang dilengkapi dengan pemantauan jarak jauh dan pemulihan kesalahan dari Olis secara drastis mengurangi waktu henti yang tidak direncanakan. Ikhtisar Olis Robotics, pemimpin dalam pemulihan kesalahan jarak jauh untuk robot industri, mengumumkan kemitraan baru dengan Kawasaki Robotics Inc., pemasok terkemuka robot industri dan sistem otomasi, untuk menawarkan pelanggan mereka kemampuan untuk memulai kembali produksi lebih cepat, mengurangi biaya pemecahan masalah dan waktu henti hingga 90%, dan mendapatkan akses ke dukungan ahli dengan cepat. Keunggulan Kemitraan Pengguna Olis terhubung langsung ke robot mereka melalui perangkat di tempat melalui koneksi yang aman, menghindari risiko dan kerumitan yang terkait dengan sistem berbasis cloud. Untuk memastikan keamanan fisik, Olis dirancang untuk selalu mematuhi batasan keselamatan pengontrol robot. Demonstrasi di MODEX 2024 Di stan Kawasaki #C5475 di MODEX 2024 di

Rangkuman AI Harian: Pembaruan Terbesar Pembelajaran Mesin, Robotik, dan Otomatisasi

Kinerja Luar Biasa yang Didukung AI NVIDIA Mendapat Pujian dari Para Influencer, Ungkap GlobalData NVIDIA Corp telah melaporkan pendapatan kuartalan yang lebih baik dari perkiraan untuk tiga kuartal pertama tahun 2023 yang didorong oleh permintaan akan chip untuk mendukung kecerdasan buatan (AI). Hal ini telah mendorong pujian yang luas dari para influencer industri, yang menganggapnya sebagai kemenangan di bidang AI. HCLTech dan Intel Foundry Perluas Kolaborasi untuk Memajukan Inovasi Semikonduktor HCLTech, sebuah perusahaan teknologi global terkemuka, memperluas kolaborasi jangka panjang mereka dengan Intel Foundry untuk mengembangkan bersama solusi silikon khusus untuk produsen semikonduktor, OEM sistem, dan penyedia layanan cloud untuk meningkatkan layanan pengecoran. Vodafone Turki Terapkan Solusi Cesium Optik Adtran di Jaringan Waktu Nasional Adtran mengumumkan bahwa Vodafone Turki telah menerapkan teknologi jam atom cesium optik Oscilloquartz untuk menghadirkan tingkat ketahanan waktu baru ke jaringan

Mavenir Majukan Penggunaan Open RAN untuk Vodafone Idea di India

Mavenir, penyedia infrastruktur jaringan cloud-native yang membangun masa depan jaringan, mengumumkan bahwa mereka berada dalam fase komersial lanjutan dari uji coba penerapan jaringan Open RAN untuk Vodafone Idea Limited (Vi). Penerapan yang sedang berlangsung ini, yang dimulai pada September 2023, mencakup lokasi peluncuran utama dan saat ini sedang membawa lalu lintas komersial langsung sebelum penerapan skala besar yang direncanakan. Uji coba ini menandai penerapan pertama yang sesuai dengan O-RAN ke dalam jaringan Vodafone Idea, menggunakan pita spektrum gelombang milimeter (mmWave) N78 dan N258 dan B1 yang mendukung arsitektur NSA. Mavenir menyediakan sistem Open RAN cloud-native lengkap dari ujung ke ujung untuk Vodafone Idea, dengan OpenBeam Radios, CU, dan DU yang digunakan di Telco Cloud yang dibangun di atas Red Hat OpenShift. Mavenir dan Red Hat terus bekerja sama dengan pelanggan dan mitra untuk menawarkan salah satu ekosistem Open RAN terkuat yang tersedia saat ini. Dalam hal ini, Mavenir menyed

Mengungkap Batas Baru: Studi Perintis Universitas Stanford tentang Bias Geografis dalam AI

Pendahuluan Bias dalam model bahasa besar (LLM) merupakan masalah kritis karena model-model ini, yang tidak terpisahkan dari kemajuan di berbagai sektor seperti layanan kesehatan, pendidikan, dan keuangan, secara inheren mencerminkan bias dalam data pelatihan mereka, yang sebagian besar bersumber dari internet. Potensi bias ini untuk melanggengkan dan memperkuat kesenjangan sosial memerlukan pemeriksaan dan strategi mitigasi yang ketat, menyoroti tantangan teknis dan keharusan moral untuk memastikan keadilan dan kesetaraan dalam aplikasi AI. Bias Geografis dalam AI Pusat dari wacana ini adalah masalah bias geografis yang bernuansa. Bentuk bias ini bermanifestasi melalui kesalahan sistematis dalam prediksi tentang lokasi tertentu, yang mengarah pada misrepresentasi di seluruh spektrum budaya, sosial ekonomi, dan politik. Meskipun upaya ekstensif untuk mengatasi bias mengenai gender, ras, dan agama, dimensi geografis relatif belum dieksplorasi. Pengawasan ini menggarisbawahi kebutuhan mendesak akan metodologi y

ReadAgent: Menjembatani Kesenjangan antara AI dan Pembacaan Dokumen Luas Mirip Manusia!

Di era di mana informasi digital berkembang biak, kemampuan kecerdasan buatan (AI) untuk mencerna dan memahami teks yang luas menjadi lebih penting dari sebelumnya. Terlepas dari kecakapan bahasa mereka, Model Bahasa Besar (LLM) tradisional goyah ketika dihadapkan dengan dokumen yang panjang, terutama karena keterbatasan bawaan dalam memproses masukan yang panjang. Keterbatasan ini menghambat kegunaannya dalam skenario di mana pemahaman teks yang luas sangat penting, menggarisbawahi kebutuhan mendesak akan solusi inovatif yang mencerminkan fleksibilitas kognitif manusia dalam menangani informasi yang luas. Upaya untuk melampaui batas-batas ini membawa para peneliti dari Google DeepMind dan Google Research untuk memelopori ReadAgent. Sistem inovatif ini mengambil inspirasi dari strategi membaca manusia untuk secara signifikan meningkatkan kemampuan pemahaman teks AI. Tidak seperti pendekatan konvensional yang memperluas jendela konteks yang dapat dilihat LLM atau bergantung pada sistem pengambilan data ekstern

Judul: Memahami Bahasa Tanpa Batas: LongRoPE AI Microsoft Perluas Model Bahasa Besar hingga 2048k Token

Pendahuluan:Model bahasa besar (LLM) telah mengalami kemajuan signifikan, bertujuan untuk meningkatkan kemampuan mereka dalam menafsirkan dan memproses data tekstual yang luas. LLM seperti GPT-3 telah merevolusi interaksi kita dengan AI, menawarkan wawasan dan analisis di berbagai domain, mulai dari bantuan menulis hingga interpretasi data yang kompleks. Namun, keterbatasan utama adalah ukuran jendela konteks mereka, jumlah teks yang dapat mereka pertimbangkan dalam satu contoh. LLM dapat memproses hingga beberapa ribu token, yang membatasi kemampuan mereka untuk memahami dan menghasilkan respons untuk dokumen yang lebih panjang. LongRoPE: Memperluas Jendela Konteks LLMPara peneliti dari Microsoft Research telah mengembangkan LongRoPE, sebuah pendekatan baru yang secara signifikan memperluas jendela konteks LLM yang telah dilatih sebelumnya hingga 2 juta token yang mengesankan. Terobosan ini dicapai melalui tiga strategi inovatif: mengidentifikasi dan memanfaatkan ketidakseragaman dalam interpolasi posisi, me

EfficientViT-SAM: Model Segmentasi Apa Pun yang Dipercepat

Arsitektur EfficientViT-SAM Arsitektur EfficientViT-SAM terdiri dari lima tahap. Tahap awal menggunakan blok konvolusi, sedangkan tahap akhir mengintegrasikan modul EfficientViT, yang berpuncak pada proses fusi fitur yang masuk ke kepala SAM. Desain arsitektur ini memastikan perpaduan fitur multi-skala yang mulus, meningkatkan kemampuan segmentasi model. Proses Pelatihan Proses pelatihan EfficientViT-SAM dimulai dengan penyulingan embedding gambar SAM-ViT-H ke EfficientViT. Model kemudian menjalani pelatihan menyeluruh pada kumpulan data SA-1B. Fase ini menggabungkan campuran petunjuk kotak dan titik, menggunakan kombinasi kerugian fokal dan dadu untuk menyempurnakan kinerja model. Strategi pelatihan, termasuk pilihan petunjuk dan fungsi kerugian, memastikan bahwa EfficientViT-SAM tidak hanya belajar secara efektif tetapi juga beradaptasi dengan berbagai skenario segmentasi. Evaluasi Kinerja Kinerja EfficientViT-SAM dievaluasi melalui pengujian yang cermat pada kumpulan data COCO dan LVIS, menggunakan segment

Entrata Layered Intelligence: AI and ML Integration for Multifamily Property Management

Introduction Entrata, a leading AI-enabled multifamily industry operating system, has introduced Entrata Layered Intelligence, an artificial intelligence (AI) and machine learning (ML) layer that seamlessly integrates into daily workflows. This integration empowers property managers to focus on residents by simplifying tedious daily tasks and enhancing the overall resident experience. Key Benefits of Entrata Layered Intelligence Efficiency and Automation: Layered Intelligence accelerates efficiency throughout the resident journey by handling time-consuming tasks, allowing onsite teams to dedicate more time to residents. Analysis and Guidance: Property managers can prioritize important tasks as Layered Intelligence distills information and property data, anticipating trends and suggesting workflow optimizations. Operating System Applicability: AI models and tools handle labor-intensive data sorting, making game-changing insights accessible to the entire company, enabling key business decisions. Features of Ent

AI Copilot untuk Kontrak Dorong Icertis Lampaui $250 Juta Pendapatan Tahunan Berulang

Copilot Icertis Menjadi Produk yang Tumbuh Paling Cepat dalam Sejarah Perusahaan Icertis, pemimpin global dalam kecerdasan kontrak bertenaga AI, mengumumkan bahwa peluncuran Copilot Icertis dan adopsi berkelanjutan dari kecerdasan kontrak di seluruh dunia telah mendorong perusahaan melampaui $250 juta dalam pendapatan tahunan berulang (ARR). Copilot Icertis sekarang menjadi produk yang tumbuh paling cepat dalam sejarah bisnis, menandai tonggak sejarah baru setelah diperkenalkan sebagai aplikasi AI generatif pertama untuk manajemen kontrak perusahaan pada Juli 2023. Dibangun di atas Layanan Icertis ExploreAI dan didukung oleh keamanan dan skalabilitas Microsoft Azure, Copilot Icertis memanfaatkan kekuatan AI generatif dan data yang kaya yang terkandung dalam kontrak untuk mengubah perjanjian komersial menjadi aset interaktif yang mendorong pengambilan keputusan strategis. Para pemimpin global seperti ALPLA, Krones, dan Genpact telah memilih Copilot Icertis untuk secara bertanggung jawab memanfaatkan AI generat

Teknik Canggih untuk Pelatihan Model Bahasa Besar yang Hemat Biaya

Pengantar Model bahasa besar (LLM) telah menjadi semakin penting dalam berbagai aplikasi, mulai dari asisten penulisan otomatis hingga agen percakapan yang kompleks. Namun, melatih model-model ini membutuhkan sumber daya komputasi yang besar dan kumpulan data yang luas. Hal ini dapat menyebabkan dampak lingkungan yang signifikan dan biaya komputasi yang tinggi. Metode Baru untuk Seleksi Data Untuk mengatasi tantangan ini, para peneliti telah mengembangkan metode baru untuk seleksi data yang bertujuan untuk meningkatkan efisiensi pelatihan LLM. Metode-metode ini berfokus pada pemilihan data pelatihan yang memiliki nilai instruksional maksimum, sehingga mengoptimalkan efisiensi pelatihan. ASK-LLM dan DENSITY Sampling Dua teknik menonjol dalam bidang ini adalah ASK-LLM dan DENSITY sampling. ASK-LLM memanfaatkan kemampuan penalaran zero-shot model untuk mengevaluasi kegunaan setiap contoh pelatihan. Sementara itu, DENSITY sampling berfokus pada memastikan representasi fitur linguistik yang luas dalam set pelatiha

Urutan Premis dan Penalaran AI: Dampak pada Model Bahasa Besar dari Google DeepMind dan Stanford

Aspek Menarik Penalaran Manusia Penalaran deduktif merupakan aspek menarik dari kognisi manusia, di mana kesimpulan ditarik dari serangkaian premis atau fakta. Struktur logis menentukan bahwa urutan premis tidak boleh memengaruhi hasil penalaran, prinsip yang berlaku dalam proses kognitif manusia. Permasalahan dalam AI Namun, dalam AI, masalah ini muncul dalam LLM: kinerjanya sangat bervariasi dengan perubahan urutan premis yang disajikan meskipun kesimpulan logisnya tetap tidak berubah. Penelitian yang ada menyoroti bahwa efek urutan premis dalam LLM terkait dengan mode kegagalan seperti kutukan pembalikan, gangguan, dan kemampuan penalaran logis yang terbatas. Dampak Konteks yang Tidak Relevan Menyertakan konteks yang tidak relevan dalam pernyataan masalah menyebabkan penurunan kinerja dalam LLM, yang menunjukkan adanya gangguan. Ini berarti bahwa model bahasa dapat memahami teks yang diubah, tetapi kinerja penalaran LLM sangat sensitif terhadap urutan premis. Penelitian Google Deepmind dan Stanford Univers

Keyframer: Perkakas Prototipe Animasi Bertenaga LLM yang Dapat Menghasilkan Animasi dari Gambar Statis (SVG)

Model bahasa besar (LLM) menjanjikan untuk merevolusi berbagai bidang kreatif, termasuk animasi, tetapi menghadapi tantangan dalam menafsirkan deskripsi gerak bahasa alami secara efektif. Penelitian terbaru telah menunjukkan perkakas desain bertenaga LLM di seluruh desain visual, penulisan kreatif, dan pemodelan 3D, memanfaatkan perintah bahasa alami untuk mendemokratisasi proses desain dan mendorong pengembangan keterampilan. Namun, mengadaptasi strategi perintah dari generator teks-ke-gambar ke domain baru masih harus ditentukan, yang memerlukan eksplorasi lebih lanjut dari persyaratan khusus domain. Munculnya LLM seperti ChatGPT4 telah memicu minat dalam menerapkan AI generatif ke bidang desain. Tantangan dalam Interaksi Manusia-Komputer muncul dari sifat desain generatif yang tidak pasti. Masukan bahasa alami menurunkan hambatan terhadap keterlibatan kreatif. Berbagai paradigma antarmuka, termasuk kreasi bersama dengan AI, telah diusulkan di seluruh desain grafis, pengembangan perangkat lunak, penulisan,

Mengoptimalkan Model Bahasa Besar dengan Granularitas: Mengungkap Hukum Skala Baru untuk Campuran Pakar

Pendahuluan Kemajuan pesat model bahasa besar (LLM) telah berdampak signifikan pada berbagai bidang, menawarkan kemampuan yang belum pernah terjadi sebelumnya dalam memproses dan menghasilkan bahasa manusia. Terlepas dari pencapaian mereka yang luar biasa, biaya komputasi yang substansial untuk melatih model-model raksasa ini telah menimbulkan kekhawatiran keberlanjutan finansial dan lingkungan. Dalam konteks ini, menjelajahi model Mixture of Experts (MoE) muncul sebagai perkembangan penting untuk meningkatkan efisiensi pelatihan tanpa mengorbankan kinerja model. Model MoE memperkenalkan perubahan paradigma dengan menggunakan alokasi tugas yang dinamis ke subset khusus dalam model, yang dikenal sebagai pakar. Pendekatan inovatif ini mengoptimalkan sumber daya komputasi dengan hanya mengaktifkan bagian-bagian model yang relevan untuk tugas-tugas tertentu. Granularitas sebagai Hyperparameter Kritis Para peneliti dari Universitas Warsawa, IDEAS NCBR, IPPT PAN, TradeLink, dan Nomagic mengeksplorasi sifat penskala

Ringkasan Harian AI: Pembaruan Terbesar Pembelajaran Mesin, Robotik, dan Otomatisasi

Ini adalah Ringkasan Harian AI kami. Kami meliput pembaruan teratas dari seluruh dunia. Pembaruan ini akan menampilkan kemampuan canggih dalam kecerdasan buatan (AI), Pembelajaran Mesin, Otomasi Proses Robotik, Fintech, dan interaksi manusia-sistem. Kami membahas peran Ringkasan Harian AI dan penerapannya di berbagai industri dan kehidupan sehari-hari. Masa Depan AI: Visi 2024 untuk Layanan Pelanggan dan Lainnya Dengan kemajuan pesat model AI sumber terbuka dan tertutup, investasi tak tertandingi, dan adopsi langsung oleh perusahaan teknologi besar, AI dalam segala bentuknya tidak dapat dihindari dari perspektif operasional dan strategis. Namun, kecepatan pengembangan yang memusingkan telah meninggalkan para pemimpin bisnis dengan sekilas manfaat yang luar biasa, diselimuti oleh kabut tebal pertanyaan dan ketidakpastian. Google dan Gemini: Percakapan untuk Keabadian Anda dapat menonaktifkan obrolan mendatang dengan Gemini agar tidak disimpan ke Akun Google untuk ditinjau dengan membuka dasbor Aktivitas Saya d

Tren CTV, Penargetan, dan Keberlanjutan dalam Industri Media Digital Eropa 2023-2024

Sebuah studi baru mengungkapkan tren dalam CTV, penargetan, dan keberlanjutan untuk industri media digital Eropa. Peningkatan CTV dan Penurunan Ketergantungan pada Cookie Pihak Ketiga Seiring dengan persiapan ekosistem terprogram untuk penghentian cookie pihak ketiga, proporsi kampanye yang dijalankan melalui CTV di seluruh Eropa akan meningkat secara substansial sementara merek dan agensi sama-sama lebih condong ke pembelian media yang dikurasi. Ketergantungan pada cookie pihak ketiga terus menurun, dengan grafik identitas probabilistik mengemuka, terutama di pasar Eropa. Keberlanjutan Menjadi Prioritas Utama Pasar juga menyadari pentingnya keberlanjutan, berinvestasi besar-besaran dalam upaya praktis untuk mengurangi emisi karbon. 75% pemasar menganggap metrik keberlanjutan sebagai prioritas utama untuk bisnis mereka, yang merupakan peningkatan yang cukup besar dari 43% yang tercatat tahun lalu. Sorotan dari Laporan Mayoritas responden menyatakan bahwa setidaknya 40% kampanye akan dijalankan di CTV dalam 24

Geotab Safety Center: Solusi Tabrakan Prediktif Bertenaga AI

Geotab Safety Center memberikan visibilitas yang lebih baik terhadap risiko armada. Pada tahun 2021, terdapat lebih dari 1.400 kecelakaan yang melibatkan truk dan kendaraan komersial yang menewaskan atau melukai seseorang di Singapura.1 Dampak kemanusiaan dari kecelakaan ini sangat besar, dan dapat berdampak lanjutan pada bisnis. Biaya tabrakan dapat mencakup dampak reputasi yang signifikan, kerusakan properti, kehilangan produktivitas, cedera, dan biaya hukum. Untuk melindungi pengemudi dan menghindari dampak buruk, armada komersial menerapkan langkah-langkah proaktif, yang didorong oleh data berkualitas untuk membantu memerangi perilaku mengemudi yang tidak aman sebelum tabrakan terjadi. Geotab, pemimpin global dalam solusi transportasi terhubung, telah bekerja sama dengan armada untuk mengatasi tantangan keselamatan yang sedang berlangsung, dan mengumumkan perangkat keselamatan armada generasi berikutnya yang didorong oleh kecerdasan data, wawasan tabrakan prediktif, dan AI. Geotab Safety Center Geotab Saf

Membuka Masa Depan Matematika dengan AI: InternLM-Math, Model Bahasa yang Menjadi Pionir untuk Penalaran Matematika Tingkat Lanjut dan Pemecahan Masalah

Penggabungan kecerdasan buatan dalam penalaran matematika menandai kemajuan penting dalam upaya kita untuk memahami dan memanfaatkan bahasa alam semesta itu sendiri. Matematika, sebuah disiplin ilmu yang membentang dari prinsip dasar aritmatika hingga kompleksitas aljabar dan kalkulus, berfungsi sebagai landasan untuk inovasi di berbagai bidang, termasuk sains, teknik, dan teknologi. Namun, tantangannya selalu untuk melampaui sekadar penghitungan untuk mencapai tingkat penalaran dan pembuktian yang mirip dengan kemampuan manusia. Kemajuan signifikan telah dibuat di bidang model bahasa besar (LLM) untuk menghadapi tantangan ini secara langsung. Melalui pelatihan ekstensif mereka pada kumpulan data yang beragam, model-model ini telah menunjukkan kemampuan untuk menghitung, bernalar, menyimpulkan, dan bahkan membuktikan teorema matematika. Evolusi dari komputasi ke penalaran ini merupakan lompatan maju yang signifikan, menawarkan alat baru untuk memecahkan beberapa masalah matematika yang paling bertahan lama. I

CREMA: Kerangka Kerja AI Modular untuk Penalaran Video Multimoda yang Efisien

Kecerdasan buatan telah mencapai kemajuan pesat dalam memahami dan menafsirkan dunia di sekitar kita. Namun, sebagian besar sistem AI saat ini masih terbatas pada satu jenis data, seperti gambar atau teks. Untuk membuat AI lebih cerdas dan mampu menangani tugas-tugas yang lebih kompleks, perlu untuk mengintegrasikan berbagai jenis data, seperti gambar, audio, dan teks. Tantangan dalam Penalaran Video Multimoda Mengintegrasikan berbagai jenis data untuk penalaran video multimoda merupakan tantangan yang kompleks. Salah satu tantangan utama adalah bagaimana menggabungkan data dari berbagai jenis sensor secara efisien dan efektif. Pendekatan tradisional seringkali membutuhkan pembaruan parameter yang ekstensif atau modul khusus untuk setiap jenis data, yang dapat membuat integrasi data baru menjadi rumit dan intensif sumber daya. Tantangan lainnya adalah bagaimana memastikan bahwa sistem AI dapat memahami dan menafsirkan data dari berbagai jenis sensor secara akurat dan konsisten. Sistem AI perlu dapat mengident

Peneliti Huawei Memperkenalkan Fungsi Rugi Baru yang Dapat Disesuaikan secara Adaptif untuk Pengawasan yang Lemah hingga Kuat

Ketergantungan Kecerdasan Buatan pada Keahlian Manusia Kemajuan dan perkembangan kecerdasan buatan (AI) sangat bergantung pada evaluasi, bimbingan, dan keahlian manusia. Dalam visi komputer, jaringan konvolusional memperoleh pemahaman semantik gambar melalui pelabelan ekstensif yang disediakan oleh para ahli, seperti menggambarkan batas objek dalam kumpulan data seperti COCO atau mengkategorikan gambar di ImageNet. Demikian pula, dalam robotika, pembelajaran penguatan sering kali bergantung pada fungsi hadiah yang ditentukan manusia untuk mengarahkan mesin menuju kinerja yang optimal. Dalam Pemrosesan Bahasa Alami (NLP), jaringan saraf berulang dan Transformer dapat mempelajari seluk-beluk bahasa dari sejumlah besar teks tanpa pengawasan yang dihasilkan oleh manusia. Hubungan simbiosis ini menyoroti bagaimana model AI maju dengan memanfaatkan kecerdasan manusia, memanfaatkan kedalaman dan luasnya keahlian manusia untuk meningkatkan kemampuan dan pemahaman mereka. Konsep Superalignment Para peneliti dari Huawe

ViGoR: Meningkatkan Landasan Visual LVLMs Melalui Pemodelan Imbalan Rinci

Pendahuluan Model bahasa visi besar (LVLMs) telah menunjukkan kemampuan penalaran yang luar biasa dengan mengintegrasikan pemahaman bahasa alami dengan persepsi gambar. Namun, LVLMs sering menghadapi tantangan dalam menjangkarkan teks yang dihasilkan secara akurat ke masukan visual, yang memanifestasikan ketidakakuratan seperti halusinasi elemen pemandangan yang tidak ada atau salah tafsir atribut dan hubungan objek. ViGoR: Kerangka Kerja Inovatif untuk Landasan Visual LVLMs Untuk mengatasi tantangan ini, para peneliti dari University of Texas di Austin dan AWS AI mengusulkan kerangka kerja inovatif ViGoR (Visual Grounding Through Fine-Grained Reward Modeling). ViGoR memajukan landasan visual LVLMs di luar garis dasar tradisional melalui pemodelan imbalan rinci, melibatkan evaluasi manusia dan metode otomatis untuk peningkatan. Pendekatan ini sangat efisien, memperjelas biaya ekstensif dari pengawasan komprehensif yang biasanya diperlukan dalam kemajuan tersebut. Metodologi ViGoR Metodologi ViGoR sangat penti

Pengembangan E5 Text Embedding Multibahasa Microsoft: Langkah Menuju Keunggulan Pemrosesan Multibahasa

Tantangan utama dalam penyematan teks dalam Pemrosesan Bahasa Alami (NLP) terletak pada pengembangan model yang dapat bekerja sama baiknya di berbagai bahasa. Model tradisional sering kali berpusat pada bahasa Inggris, yang membatasi keefektifannya dalam konteks multibahasa. Kesenjangan ini menyoroti perlunya model penyematan yang dilatih pada data linguistik yang beragam yang mampu memahami dan menafsirkan banyak bahasa tanpa kehilangan akurasi atau kinerja. Mengatasi masalah ini akan secara signifikan meningkatkan utilitas model dalam aplikasi global, dari layanan terjemahan otomatis hingga sistem pencarian informasi lintas bahasa. Kesenjangan Model Penyematan Teks Monolingual Pengembangan penyematan teks sangat bergantung pada kumpulan data monolingual, terutama dalam bahasa Inggris, yang mempersempit penerapannya. Meskipun efektif untuk teks bahasa Inggris, metode ini sering kali harus direvisi ketika diterapkan ke bahasa lain. Pendekatan ini biasanya melibatkan pelatihan model pada kumpulan data yang bes

21 Cara Luar Biasa Menggunakan ChatGPT untuk Keberhasilan Bisnis

Pendahuluan:ChatGPT, chatbot AI sensasional oleh OpenAI, lebih dari sekadar tren internet yang lewat. Alat canggih ini memiliki kemampuan untuk mengubah cara kita berbisnis. Jika Anda belum ikut serta, sekaranglah saatnya. Apakah Anda seorang solopreneur atau memimpin perusahaan besar, ChatGPT dapat memperlancar operasi Anda, memperkuat kreativitas Anda, dan memicu pemasaran Anda. Berikut adalah tujuh cara luar biasa untuk menggunakan ChatGPT untuk kesuksesan bisnis. Kami telah menambahkan beberapa contoh dunia nyata untuk inspirasi tambahan: Pusat Kekuatan Ide“Kreativitas dan kecerdasan buatan yang bekerja sama dapat memecahkan masalah branding terbesar sekalipun.” – Ahli strategi pemasaran [Fiktif, tetapi bayangkan kemungkinannya!]Lupakan menatap layar kosong. ChatGPT dapat menjadi mitra curah pendapat terbaik Anda. Butuh ide produk? Itu akan melepaskan banjir ide. Mencari slogan yang menarik? ChatGPT memahami nuansa dan permainan kata. Terjebak pada kalender konten media sosial Anda? Anggap AI sebagai tuju

Guardrails: Memvalidasi dan Memperbaiki Output Model Bahasa Besar (LLM)

Di dunia kecerdasan buatan yang luas, pengembang menghadapi tantangan umum, yaitu memastikan keandalan dan kualitas output yang dihasilkan oleh model bahasa besar (LLM). Output, seperti teks atau kode yang dihasilkan, harus akurat, terstruktur, dan selaras dengan persyaratan yang ditentukan. Output ini mungkin mengandung bias, bug, atau masalah kegunaan lainnya tanpa validasi yang tepat. Meskipun pengembang sering mengandalkan LLM untuk menghasilkan berbagai output, ada kebutuhan akan alat yang dapat menambahkan lapisan jaminan, memvalidasi, dan memperbaiki hasil. Solusi yang ada terbatas, sering kali memerlukan intervensi manual atau tidak memiliki pendekatan komprehensif untuk memastikan jaminan struktur dan tipe dalam konten yang dihasilkan. Kesenjangan dalam alat yang ada ini mendorong pengembangan Guardrails, paket Python open-source yang dirancang untuk mengatasi tantangan ini. Spesifikasi Rel Guardrails memperkenalkan konsep “spesifikasi rel”, format file yang dapat dibaca manusia (.rail) yang memungki

Jaringan Graph Mamba (GMN): Kerangka Umum untuk Kelas Baru Jaringan Saraf Graf Berbasis Model Ruang Keadaan Selektif

Pembelajaran mesin berbasis graf sedang mengalami transformasi signifikan, sebagian besar didorong oleh pengenalan Jaringan Saraf Graf (GNN). Jaringan ini sangat penting dalam memanfaatkan kompleksitas data berstruktur graf, menawarkan solusi inovatif di berbagai domain. Terlepas dari keberhasilan awalnya, GNN tradisional menghadapi tantangan kritis, terutama yang mengandalkan mekanisme pengiriman pesan lokal. Mereka membutuhkan bantuan untuk mengelola ketergantungan jarak jauh dalam graf dan sering menghadapi masalah over-squashing, di mana informasi dari simpul yang jauh dikompresi secara berlebihan saat melewati lapisan jaringan. Jaringan Graph Mamba (GMN) Jaringan Graph Mamba (GMN) oleh para peneliti dari Universitas Cornell muncul sebagai solusi inovatif untuk tantangan ini. Dengan mengintegrasikan prinsip-prinsip Model Ruang Keadaan (SSM), yang secara luas dirayakan karena efisiensi dan efektivitasnya di berbagai modalitas data, GMN menawarkan pendekatan baru untuk pembelajaran graf. Kerangka kerja inov

BUD-E: A Revolutionary Open-Source Voice Assistant

Breaking the Barriers of Stilted AI Conversations In a world driven by technology, LAION and its collaborators are pushing the boundaries of AI voice assistants with BUD-E (Buddy for Understanding and Digital Empathy). This open-source project aims to create a voice assistant that engages in natural, intuitive, and empathetic conversations, transcending the limitations of existing models. Real-Time Responsiveness and Natural Interactions BUD-E’s response times of 300 to 500 ms set a new standard for real-time interaction, ensuring seamless and responsive conversations. The developers are continuously working to reduce latency further, aiming for response times below 300 ms through advanced quantization techniques and fine-tuning streaming models. Empathetic and Natural Responses BUD-E is trained on a dataset of natural human dialogues, enabling it to respond similarly to humans. The model incorporates interruptions, affirmations, and thinking pauses, mirroring the nuances of human expression. Enhanced Memory

Memahami Mekanisme Perhatian: Penelitian Terdepan EPFL Mengungkap Rahasia Efisiensi Transformer!

Integrasi mekanisme perhatian ke dalam arsitektur jaringan saraf dalam pembelajaran mesin telah menandai lompatan maju yang signifikan, terutama dalam memproses data tekstual. Inti dari kemajuan ini adalah lapisan perhatian diri, yang telah merevolusi kemampuan kita untuk mengekstrak informasi bernuansa dari urutan kata. Lapisan-lapisan ini unggul dalam mengidentifikasi relevansi berbagai bagian dari data masukan, yang pada dasarnya berfokus pada bagian-bagian yang ‘penting’ untuk membuat keputusan yang lebih tepat. Sebuah studi terobosan yang dilakukan oleh para peneliti dari Laboratorium Fisika Statistik Komputasi dan Laboratorium Pembelajaran & Fisika Informasi di EPFL, Swiss, memberikan sudut pandang baru tentang dinamika lapisan perhatian dot-product. Tim dengan cermat memeriksa bagaimana lapisan-lapisan ini belajar memprioritaskan token masukan berdasarkan hubungan posisional atau koneksi semantiknya. Eksplorasi ini sangat signifikan karena menyentuh aspek dasar mekanisme pembelajaran dalam transformer,

Memahami Kemampuan Penalaran Model Bahasa dari Perspektif Agregasi Jalur Penalaran

Model Bahasa Besar (LLM) telah terbukti sangat baik dalam menangani masalah penalaran yang rumit dalam beberapa waktu terakhir. Tugas-tugas ini mencakup pemecahan teka-teki matematika, penerapan logika untuk memecahkan kesulitan, dan pemecahan tantangan yang melibatkan pengetahuan dunia tanpa penyetelan halus yang eksplisit. Para peneliti telah mencoba menjawab pertanyaan tentang peran apa yang dimiliki pra-pelatihan dalam membangun kapasitas penalaran melalui prediksi token berikutnya. Dalam penelitian terbaru, tim peneliti telah berfokus pada pemahaman munculnya kemampuan penalaran, pada dasarnya, kemampuan untuk menyimpulkan informasi baru dari pengetahuan yang diperoleh sebelumnya. Pra-pelatihan intensif adalah cara LLM memperoleh kemampuan yang muncul. Penelitian ini terutama bertujuan untuk mempelajari kontribusi data pra-pelatihan terhadap penalaran model bahasa. Tim tersebut telah berbagi bahwa studi ini mengambil pendekatan Bayesian untuk menjelaskan mengapa kemampuan penalaran dalam LLM dapat dibuka

Microsoft Copilot: A Powerful AI Assistant for Productivity

Introduction In the world of AI, Microsoft Copilot is a revolutionary tool that can transform the way you work. It’s a digital co-worker seamlessly integrated into Microsoft 365, designed to boost your productivity and efficiency. What is Microsoft Copilot? Copilot is an AI assistant that understands your work data and knows how to use it. It’s powered by advanced large language models (LLMs) and the Microsoft Graph, which means it can generate human-like language and provide relevant responses based on your work context. How Does Copilot Work? The Power of the Microsoft Graph: Unlike other AI tools, Copilot leverages the rich Microsoft Graph, including your emails, documents, meeting notes, and more. This allows it to provide highly relevant responses tailored to your work life. LLMs: The Brains of the Operation: Copilot is driven by large language models, which are trained on vast amounts of text and code. These models enable Copilot to understand and generate human-like language. Responsible AI: Microsoft

CodeIt: Menggabungkan Pengambilan Sampel Program dan Pelabelan Ulang Retrospektif untuk Sintesis Program

Pengantar Pemrograman berdasarkan contoh merupakan salah satu bidang kecerdasan buatan (AI) yang beragam dalam proses otomatisasi. Tujuannya adalah untuk menghasilkan program untuk menyelesaikan tugas berdasarkan contoh input-output. Domain ini menghadirkan tantangan unik karena menuntut sistem yang dapat memahami pola yang mendasari dalam data dan menerapkan penalaran untuk mengekstrapolasi pola ini ke contoh yang tidak terlihat. Tantangan dalam Sintesis Program Meskipun mengalami kemajuan, metode pemrograman berdasarkan contoh saat ini seringkali gagal ketika dihadapkan dengan tugas yang membutuhkan tingkat abstraksi dan penalaran yang tinggi. Kompleksitas tugas ini terletak pada kebutuhan mereka akan solusi yang dapat menggeneralisasi dari serangkaian contoh terbatas ke berbagai skenario yang tidak terlihat. Masalah ini dicontohkan dalam tolok ukur seperti Abstraction and Reasoning Corpus (ARC), yang menguji kemampuan sistem AI untuk menerapkan sistem pengetahuan inti—objek, tindakan, angka, dan ruang—deng

Google DeepMind Tingkatkan Standar: AI Multimodal 1.5 Pro Ciptakan Standar Industri Baru

Arsitektur Model Inovasi utama dalam model 1.5 Pro adalah arsitektur model campuran ahli multimodal. Arsitektur ini memungkinkan AI menavigasi kompleksitas berbagai jenis data, bernalar, dan mengingat dalam konteks yang luas, termasuk jutaan token teks, berjam-jam konten video, dan data audio yang komprehensif. Penanganan Konteks Panjang 1.5 Pro secara efisien menangani konteks panjang melalui arsitektur campuran ahli yang inovatif. Arsitektur ini memungkinkan model untuk menggali informasi detail dari kumpulan data yang sangat besar, memecah hambatan yang sebelumnya membatasi pemahaman AI tentang input multimodal yang kompleks. Kinerja Multimodal 1.5 Pro menunjukkan performa revolusioner, menunjukkan daya ingat yang hampir sempurna dalam tugas pengambilan konteks panjang di berbagai modalitas. Model ini mencapai hasil terobosan, melampaui teknologi terkini dalam menjawab pertanyaan dokumen panjang, pengambilan video panjang, dan pengenalan ucapan otomatis konteks panjang. Implikasi Kemajuan dalam pemahaman d

Generasi Teks Terjamin Statistik Menggunakan Prediksi Konformal Non-Tukar

Pengantar Generasi bahasa alami (NLG) adalah bidang penting dalam AI, yang memungkinkan aplikasi seperti terjemahan mesin (MT), pemodelan bahasa (LM), peringkasan, dan banyak lagi. Kemajuan terbaru dalam model bahasa besar (LLM) seperti GPT-4, BLOOM, dan LLaMA telah merevolusi cara kita berinteraksi dengan AI, menggunakan dekode stokastik untuk menghasilkan teks yang lancar dan beragam. Namun, mengevaluasi keandalan teks yang dihasilkan tetap menjadi tantangan, terutama saat menerapkan model yang telah dilatih sebelumnya ke kumpulan data baru yang berpotensi berbeda, sehingga menimbulkan kekhawatiran tentang pembuatan konten yang salah atau menyesatkan. Prediksi Konformal Non-Tukar Dalam konteks ini, prediksi konformal, metode statistik yang menyediakan set prediksi terkalibrasi dengan jaminan cakupan, muncul sebagai solusi yang menjanjikan. Namun, penerapannya dalam NLG tidaklah mudah karena proses pembuatan bersyarat, yang melanggar asumsi distribusi identik dan independen (i.i.d.) yang menjadi pusat predik

Google Memperkenalkan VAI: Model Bahasa Visual untuk Pemahaman Antarmuka Pengguna (UI) dan Infografis

Memadukan Pemahaman Visual untuk Komunikasi yang Efektif Infografis telah menjadi alat komunikasi yang sangat efektif karena kemampuannya dalam mengatur dan memanfaatkan elemen visual secara strategis untuk memperjelas informasi. Elemen visual ini mencakup grafik, diagram, peta, bagan, dan desain dokumen. Teknik ini telah menjadi metode yang telah teruji waktu untuk meningkatkan pemahaman konten. Di era digital modern, antarmuka pengguna (UI) pada perangkat seluler dan desktop memiliki kesamaan desain dan elemen visual dengan infografis. Meskipun ada banyak tumpang tindih antar UI dan infografis, kerumitan masing-masing bidang mempersulit pembuatan model yang kohesif. Kesulitan muncul dalam mengembangkan model tunggal yang dapat secara efektif memahami dan menafsirkan informasi visual yang dikodekan dalam infografis dan UI. Kompleksitas yang melekat dalam memahami, bernalar, dan berinteraksi dengan beragam elemen infografis dan UI menghalangi pembuatan model seperti itu. VAI: Model Bahasa Visual Untuk mengata

Fine-Tuning Model Bahasa Besar (LLM): Pengertian dan Metode Terbaik

Pengertian Fine-Tuning Fine-tuning adalah teknik untuk memodifikasi model bahasa yang telah dilatih untuk berkinerja baik dalam domain tertentu. Meskipun LLM memiliki kemampuan pemahaman dan produksi yang luar biasa, namun secara alami tidak cocok untuk menangani tugas atau domain khusus secara akurat. Dengan melatih ulang model pada kumpulan data domain khusus yang lebih kecil, fine-tuning mengatasi keterbatasan ini dan memungkinkan model memperoleh nuansa dan fitur khas dari domain yang dituju. Metode Fine-Tuning 1. Fine-Tuning Efisien Parameter (PEFT) PEFT berfokus pada efisiensi komputasi dengan memodifikasi parameter yang dapat dilatih dalam jaringan saraf. Pendekatan PEFT yang umum meliputi LoRA dan QLoRA. a) LoRA LoRA adalah metode PEFT yang berfungsi sebagai strategi berbasis adaptor. LoRA hanya menambahkan parameter baru selama fase pelatihan, tanpa mengubah arsitektur model secara permanen. Metode ini memungkinkan fine-tuning yang efisien parameter tanpa menambah lebih banyak parameter ke model seca

Membuka Potensi AI: Survei Komprehensif Teknik Prompt Engineering

Pendahuluan Prompt engineering telah berkembang menjadi teknik penting untuk meningkatkan kemampuan model bahasa besar (LLM) dan model visi-bahasa (VLM), menggunakan instruksi atau prompt khusus tugas untuk memperkuat efektivitas model tanpa mengubah parameter model inti. Prompt ini berkisar dari instruksi bahasa alami yang memberikan konteks untuk memandu model hingga mempelajari representasi vektor yang mengaktifkan pengetahuan yang relevan, mendorong keberhasilan dalam berbagai aplikasi seperti tanya jawab dan penalaran akal sehat. Teknik Prompt Engineering Meskipun penggunaannya yang berkembang pesat, organisasi dan pemahaman yang sistematis tentang berbagai metode prompt engineering masih perlu ditemukan. Survei ini oleh para peneliti dari Institut Teknologi India Patna, Universitas Stanford, dan Amazon AI berupaya menjembatani kesenjangan ini dengan menawarkan tinjauan terstruktur tentang kemajuan terkini dalam prompt engineering, dikategorikan berdasarkan area aplikasi. Ini dengan cermat menganalisis l

Hukum Skala dalam Model Bahasa Besar untuk Meningkatkan Kinerja Terjemahan

Pengantar Mempelajari hukum skala dalam model bahasa besar (LLM) sangat penting untuk meningkatkan kinerja terjemahan mesin. Memahami hubungan ini diperlukan untuk mengoptimalkan LLM, memungkinkan mereka belajar dari kumpulan data yang besar, dan meningkatkan tugas-tugas seperti terjemahan bahasa, sehingga mendorong batas-batas dari apa yang dapat dicapai dengan sumber daya komputasi dan ketersediaan data saat ini. Tantangan dalam Skala LLM Dari semua tantangan utama yang terkait dengan bidang ini, tantangan utama dalam memajukan LLM adalah menentukan efek ukuran data pelatihan awal dan keselarasannya dengan tugas hilir, khususnya dalam terjemahan mesin. Kerumitan tentang bagaimana pelatihan awal pada kumpulan data yang beragam memengaruhi kinerja model pada tugas tertentu masih perlu dieksplorasi. Masalah ini sangat penting karena fase pelatihan awal secara signifikan memengaruhi kemampuan model untuk memahami dan menerjemahkan bahasa secara efektif. Strategi Saat Ini dan Keterbatasannya Strategi saat ini un

Model Dunia Difusi: Mengatasi Kesenjangan antara Pembelajaran Penguatan Berbasis Model dan Bebas Model

Pendahuluan Pembelajaran penguatan (RL) mencakup berbagai algoritme yang umumnya dibagi menjadi dua kelompok utama: berbasis model (MB) dan bebas model (MF). Metode MB bergantung pada model prediktif umpan balik lingkungan, yang disebut model dunia, yang mensimulasikan dinamika dunia nyata. Model-model ini memfasilitasi derivasi kebijakan melalui eksplorasi tindakan atau optimalisasi kebijakan. Terlepas dari potensinya, metode MB sering kali berjuang dengan ketidakakuratan pemodelan, yang berpotensi menyebabkan kinerja suboptimal dibandingkan dengan teknik MF. Model Dunia Difusi Tantangan signifikan dalam MB RL terletak pada meminimalkan ketidakakuratan pemodelan dunia. Model dunia tradisional sering kali mengalami keterbatasan dalam dinamika satu langkahnya, memprediksi keadaan dan hadiah berikutnya semata-mata berdasarkan keadaan dan tindakan saat ini. Para peneliti mengusulkan pendekatan baru yang disebut Model Dunia Difusi (DWM) untuk mengatasi keterbatasan ini. Berbeda dengan model konvensional, DWM adal

Kuantifikasi Post-Biner LLM: Metode Kuantifikasi Khusus untuk Model Pra-Terlatih yang Dikompresi

Model Bahasa Besar Pra-Terlatih (LLM) LLM memiliki kemampuan pemrosesan bahasa yang luar biasa, tetapi membutuhkan sumber daya komputasi yang besar. Binarisasi, yang mengompresi model menjadi satu bit, menawarkan solusi dengan secara drastis mengurangi komputasi dan penggunaan memorinya. Kuantifikasi Post-Biner Namun, teknik kuantifikasi yang ada harus mempertahankan kinerja LLM pada bit yang sangat rendah. Ini menantang penyediaan LLM yang dikerahkan secara efektif sambil mempertahankan akurasi pada berbagai tugas pemrosesan bahasa. LLM: Kuantifikasi Post-Biner 1-Bit Peneliti dari Universitas Hong Kong, Universitas Beihang, dan ETH Zurich memperkenalkan LLM, skema kuantifikasi post-biner 1-bit yang inovatif yang dirancang untuk LLM pra-terlatih. LLM memanfaatkan analisis distribusi bobot untuk mengidentifikasi bobot yang menonjol dan menggunakan strategi aproksimasi terstruktur untuk meminimalkan kehilangan akurasi. Ini juga memperkenalkan pencarian pemisahan non-salient untuk binarisasi yang akurat dari bob

Peningkatan Penalaran Matematika LLM dengan OpenMathInstruct-1

Pengantar Penalaran matematika melibatkan kemampuan untuk memecahkan masalah dan membenarkan solusi secara logis. Bidang ini menjadi dasar pengembangan algoritma, model, dan simulasi yang memecahkan masalah dunia nyata yang kompleks. Tantangan dalam Meningkatkan Penalaran Matematika LLM Membuat LLM yang mengkhususkan diri dalam penalaran matematika masih menjadi tantangan karena kelangkaan dataset berkualitas tinggi dan beragam. Sebagian besar dataset yang ada perlu lebih besar untuk mencakup ruang masalah matematika yang luas atau dibebani dengan lisensi terbatas yang menghambat penggunaannya dalam proyek sumber terbuka. Pendekatan yang Ada Pendekatan yang ada untuk meningkatkan penalaran matematika dalam LLM terutama bergantung pada dataset sumber tertutup yang dihasilkan oleh LLM komersial seperti GPT-3.5 dan GPT-4. Berbagai teknik seperti Chain-of-Thought, Program of Thought, Self-Consistency, dan Self-Verification telah digunakan untuk meningkatkan kemampuan penalaran matematika LLM. OpenMathInstruct-1:

Kemenangan dengan Skala: Terobosan Google DeepMind dalam AI Catur

Pendahuluan Perpaduan antara kecerdasan buatan (AI) dan permainan catur telah lama memikat para peneliti, memberikan landasan yang tepat untuk menguji batas strategi dan kecerdasan komputasi. Perjalanan dari Deep Blue milik IBM, yang pada tahun 1997 mengalahkan juara dunia saat itu, hingga mesin canggih seperti Stockfish dan AlphaZero saat ini menggarisbawahi pencarian berkelanjutan untuk mendefinisikan ulang kecerdasan mesin. Metodologi Baru Dalam era di mana kecakapan AI semakin diukur berdasarkan kapasitasnya untuk belajar dan beradaptasi, sebuah studi terobosan mengubah narasi dengan memanfaatkan kekuatan data berskala besar dan arsitektur saraf yang canggih. Penelitian oleh Google DeepMind ini berpusat pada eksperimen yang berani: melatih model transformer dengan 270 juta parameter, semata-mata melalui teknik pembelajaran terbimbing, pada kumpulan data ekstensif yang terdiri dari 10 juta permainan catur. Model ini berdiri terpisah dengan tidak bergantung pada kruk konvensional dari aturan khusus domain a

Model Bahasa Mungil yang Ultra-Efisien: PanGu-π Pro

Optimalisasi Model Bahasa untuk Perangkat Seluler Penelitian mutakhir yang dilakukan oleh para peneliti dari Huawei Noah’s Ark Lab, bekerja sama dengan Universitas Peking dan Huawei Consumer Business Group, menyajikan pendekatan transformatif untuk mengembangkan model bahasa mungil (TLM) yang cocok untuk perangkat seluler. Meskipun ukurannya lebih kecil, model-model ringkas ini bertujuan untuk memberikan kinerja yang setara dengan model yang lebih besar, mengatasi kebutuhan penting akan aplikasi AI yang efisien di lingkungan dengan sumber daya terbatas. PanGu-π Pro: Model Bahasa Mungil yang Inovatif Tim peneliti mengatasi tantangan mendesak dalam mengoptimalkan model bahasa untuk penerapan seluler. Model bahasa besar tradisional, meskipun kuat, dapat menjadi kurang praktis untuk penggunaan seluler karena persyaratan komputasi dan memori yang besar. Studi ini memperkenalkan model bahasa mungil yang inovatif, PanGu-π Pro, yang memanfaatkan arsitektur yang dirancang dengan cermat dan metodologi pelatihan lanjuta

Kecerdasan Buatan (AI) Akan Mengubah Industri Musik

Pembuatan Musik: AI sebagai Koproduser AI menawarkan alat untuk menghasilkan trek latar, melodi yang menarik, dan bahkan membantu penulisan lirik. AI tidak menggantikan kreativitas manusia, tetapi membantu mencapai tingkat yang baru. Distribusi: Selamat Tinggal Penjaga Gerbang AI merekomendasikan musik berdasarkan analisis data, menggantikan peran DJ radio dan eksekutif label. Hal ini mengubah cara kita menemukan musik, tanpa perlu perantara. Royalti dan Hak Cipta: Kekacauan Skala AI Pembuatan musik oleh AI menimbulkan pertanyaan tentang kepemilikan dan hak cipta. Diperlukan kejelasan hukum untuk mengatasi masalah plagiarisme dan penggunaan materi yang ada. Personalisasi: Musik yang Membaca Pikiran Anda AI memprediksi preferensi musik berdasarkan kebiasaan mendengarkan, suasana hati, dan waktu. Hal ini menghasilkan daftar putar yang sangat disesuaikan, memenuhi selera individu. Revolusi Pemasaran: Dari Papan Iklan ke Pemasaran Viral AI AI menganalisis perilaku penggemar untuk mengidentifikasi target audiens d

Optimasi Perhatian untuk Model Bahasa Besar dengan Hydragen

Pengantar Model Bahasa Besar (LLM) telah merevolusi interaksi kita dengan AI, tetapi penyebarannya terhambat oleh ketidakefisienan dalam mekanisme perhatian tradisional. Hydragen: Solusi Inovatif Hydragen adalah pendekatan inovatif yang mengoptimalkan inferensi LLM dalam skenario awalan bersama. Ini menguraikan operasi perhatian menjadi komputasi terpisah untuk awalan bersama dan sufiks unik, meminimalkan pembacaan memori yang berlebihan dan memaksimalkan efisiensi perkalian matriks. Manfaat Hydragen Peningkatan Throughput: Hingga 32 kali peningkatan throughput dibandingkan metode yang ada. Pemrosesan Awalan Bersama yang Efisien: Batching kueri perhatian untuk awalan bersama secara signifikan meningkatkan efisiensi komputasi. Aplikasi Serbaguna: Dapat diterapkan pada pola berbagi berbasis pohon yang kompleks, memperluas jangkauan aplikasinya. Hasil yang Menjanjikan Implementasi Hydragen telah menunjukkan hasil yang mengesankan: Peningkatan throughput yang signifikan dalam berbagai tugas. Pemrosesan konteks be

Model Dasar Agen Interaktif: Pelatihan Agen AI di Berbagai Domain

Pengantar Pengembangan AI beralih dari model statis yang berpusat pada tugas ke sistem berbasis agen yang dinamis dan adaptif, cocok untuk berbagai aplikasi. Sistem AI bertujuan untuk mengumpulkan data sensorik dan berinteraksi secara efektif dengan lingkungan, sebuah tujuan penelitian jangka panjang. Model Dasar Umum Mengembangkan AI generalis menawarkan keuntungan, termasuk melatih satu model saraf di berbagai tugas dan jenis data. Pendekatan ini sangat terukur melalui data, sumber daya komputasi, dan parameter model. Tantangan Namun, tantangan tetap ada, karena model dasar yang besar sering kali menghasilkan halusinasi dan menyimpulkan informasi yang salah karena landasan yang tidak memadai dalam lingkungan pelatihan. Pendekatan sistem multimodal saat ini, yang mengandalkan model pra-latih beku untuk setiap modalitas, dapat melanggengkan kesalahan tanpa pra-pelatihan lintas modal. Model Dasar Agen Interaktif Para peneliti dari Stanford University, Microsoft Research, Redmond, dan University of California,

Kolaborasi Virtua Health dengan care.ai untuk Solusi Perawatan Virtual Berbasis AI bagi Pasien

Pengantar Virtua Health akan memanfaatkan Platform Fasilitas Perawatan Cerdas dan sensor sekitar Selalu Sadar dari care.ai untuk meningkatkan perawatan pasien, mendukung staf perawat, dan memberdayakan tim perawatan dengan model perawatan virtual baru yang dibantu AI. Kolaborasi dengan care.ai care.ai, Platform Fasilitas Perawatan Cerdas AI pertama dan tercanggih di dunia untuk perawatan kesehatan, dan Virtua Health, sebuah sistem kesehatan akademis terkemuka yang diakui Magnet, mengumumkan kemitraan untuk menerapkan solusi Perawatan Virtual care.ai di seluruh sistem, dimulai dengan Rumah Sakit Virtua Our Lady of Lourdes di Camden, New Jersey. “Dengan merangkul potensi transformatif dari kecerdasan buatan dan kecerdasan sekitar, Virtua memelopori era baru dalam perawatan pasien,” kata Tarun Kapoor, MD, MBA, wakil presiden senior dan kepala petugas transformasi digital di Virtua Health. “Kami sangat antusias mengumumkan kemitraan di seluruh perusahaan dengan care.ai; ini menandai langkah signifikan dalam misi

Pembaruan Perangkat Lunak Meja Bantuan iSupport Software Merilis Versi 18.0

Peningkatan Antarmuka yang Disederhanakan iSupport Software, penyedia perangkat lunak meja bantuan, telah merilis versi 18.0 dari iSupport, produk unggulan mereka untuk manajemen insiden dan meja layanan. Fokus berkelanjutan pada pembaruan yang disarankan pelanggan, rilis ini mencakup peningkatan antarmuka yang disederhanakan dan dapat dikonfigurasi, opsi baru untuk aturan dan tata letak item kerja, peningkatan kinerja, dan metrik tambahan untuk pelaporan. Semuanya tercakup dalam video Catatan Rilis iSupport 18.0 di saluran YouTube iSupport. Fokus pada Kebutuhan Pelanggan “Kami selalu mencari cara untuk menambah nilai dan keamanan pada produk kami sambil mendengarkan kebutuhan pelanggan kami,” komentar Daren Nelson, Pendiri dan CEO iSupport Software. “Saat kami mendekati peringatan 32 tahun dalam bisnis ini, kami terus berkembang seiring industri.” Pengakuan Industri iSupport Software telah diakui sebagai pemimpin dalam industri ini: terdaftar dalam Perangkat Lunak Meja Bantuan Terbaik Digital.com tahun 2021,

tab Mengungkap – Co-pilot Generatif Terpercaya Terpadu Pertama di Industri

Co-pilot Generatif yang Terpadu tab, co-pilot generatif yang tertanam dalam platform Mytab, mampu menghadirkan informasi yang kuat, khusus, dan tepercaya hanya dengan mengaitkan satu permintaan. Peningkatan Pengalaman Pengguna tab menyederhanakan manajemen armada dengan menawarkan wawasan yang disesuaikan dengan permintaan intuitif. Permintaan data global untuk armada yang terhubung dan data telematika masih mengalami peningkatan. tab mengolah miliaran data poin harian, menyederhanakan, dan mendemokratisasi akses informasi. Umpan Balik Pelanggan Sepanjang tahun 2023, tab berkolaborasi dengan para konsumen dalam Project G, inisiatif generatif yang mengumpulkan umpan-balok dan masukan waktu nyata tentang tantangan dan fitur bernilai tambah. Pendekatan ini mengarah pada pengembangan co-pilot generatif dalam platform Mytab. Asisten Armada yang Kuat Asisten ini memungkinkan armada mengurangi waktu yang dibutuhkan untuk memperoleh informasi secara signifikan, mengakses gambaran data khusus yang disesuaikan dengan k

Uptrends Meluncurkan Platform Berita Investasi Terbaru

Platform yang Dirancang Ulang Menawarkan Alat Baru dan Personalisasi Uptrends.ai, platform berita investasi terkemuka, telah menyelesaikan peluncuran ulang dengan rangkaian lengkap yang mencakup lebih dari 10 alat baru. Peluncuran ini merupakan pembaruan produk terbesar perusahaan sejak didirikan pada medio 2023. Dirancang untuk pedagang ritel dan siapa saja yang “melacak tren”, teknologi eksklusif Uptrends memantau ribuan perusahaan publik dan menganalisa jutaan berita, rilis pers, dan postingan media sosial untuk menyaring tren dan sentimen pasar. Versi Uptrends v3 ini menambahkan fitur personalisasi, visualisasi, dan peringatan email. Versi gratis tersedia di Uptrends.ai, dengan alat premium yang dibanderol dengan biaya $9,99/bulan. “Platform ini merupakan pembaruan terbesar kami hingga saat ini,” kata Casey Shaffer, CEO dan Pendiri. “Kami menerima umpan Balik dan mengembangkan produk baru yang mengoptimalkan fitur dan alat kami yang sudah populer.” V3 Mencakup Fitur-fitur Baru: Peringatan Berita Email: Pe

Ringkasan AI Harian: Pembaruan Terbesar Pembelajaran Mesin, Robotika, dan Otomatisasi

Kolaborasi UiPath dan Deloitte UiPath, perusahaan perangkat lunak otomatisasi perusahaan terkemuka, dan Deloitte mengumumkan perluasan lebih lanjut dari aliansi strategis mereka dengan peluncuran Deloitte Smart Finance for Growth Companies. Disesuaikan untuk tim keuangan perusahaan yang sedang berkembang, layanan terkelola ini memungkinkan perusahaan untuk dengan cepat membangun atau meningkatkan program otomatisasi mereka dan memanfaatkan kekuatan otomatisasi cerdas untuk memajukan kemampuan dan produktivitas mereka. Release Bergabung dengan NVIDIA Inception Release Technologies, penyedia terkemuka Environments as a Service (EaaS) untuk tim penyampaian aplikasi, mengumumkan telah bergabung dengan NVIDIA Inception, sebuah program yang memelihara perusahaan rintisan yang merevolusi industri dengan kemajuan teknologi. A5G Networks Berkolaborasi dengan Red Hat A5G Networks, Inc., perusahaan perangkat lunak inti seluler otonom terkemuka di pasar, mengumumkan penawaran tepi untuk Network-as-a-Service (NaaS) yang m

Penilaian Kemampuan Perencanaan AI di Dunia Nyata: TravelPlanner

Pendahuluan Mengembangkan agen AI dengan kemampuan perencanaan seperti manusia merupakan tantangan yang menarik. Kemampuan tersebut akan memungkinkan agen-agen ini menavigasi skenario dunia nyata yang kompleks, sebuah tugas yang masih sulit dikuasai. Upaya perencanaan AI tradisional terutama berfokus pada lingkungan terkontrol dengan variabel dan hasil yang dapat diprediksi. Namun, sifat dunia nyata yang tidak dapat diprediksi, dengan banyak kendala dan variabel, menuntut pendekatan perencanaan yang jauh lebih canggih. TravelPlanner: Tolok Ukur Komprehensif Para peneliti dari Fudan University, Ohio State University, Pennsylvania State University, dan Meta AI telah mengembangkan TravelPlanner, tolok ukur komprehensif yang dirancang untuk menilai keterampilan perencanaan agen AI dalam situasi yang lebih nyata. TravelPlanner bukan sekadar kumpulan data; ini adalah tempat pengujian yang dibuat dengan cermat yang mensimulasikan tugas perencanaan perjalanan yang beragam. Skenario Perencanaan Perjalanan TravelPlanne

AI: Kekuatan Masa Depan Inovasi

Mengapa Berinvestasi di Saham AI? Potensi Pertumbuhan yang Eksplosif: Pasar AI global diproyeksikan mencapai $1,597 triliun pada tahun 2030. Aplikasi yang Beragam: AI memiliki aplikasi yang luas di berbagai sektor, seperti kesehatan, keuangan, manufaktur, ritel, dan lainnya. Penggerak Inovasi Jangka Panjang: AI bukan hanya tren, tetapi juga pergeseran teknologi inti yang membentuk dunia. 8 Saham AI Teratas untuk Dipertimbangkan Nvidia (NVDA) Dominan di pasar GPU, yang penting untuk aplikasi AI. Platform perangkat lunak AI CUDA memperkuat posisinya sebagai penggerak utama pengembangan AI. Alphabet (GOOG, GOOGL) Investasi besar dalam penelitian dan pengembangan AI. Kehebatan AI mendukung mesin pencari, proyek mobil self-driving (Waymo), dan inisiatif AI lainnya. Microsoft (MSFT) Platform cloud Azure menawarkan rangkaian alat dan layanan AI untuk pengembang. Investasi multi-miliar dolar di OpenAI, pencipta model bahasa ChatGPT. Amazon (AMZN) Adopsi AI yang luas, termasuk Alexa, mesin rekomendasi, dan teknologi o

AI dalam Percintaan: Masa Depan Cinta di Era Digital

Kebangkitan Teknoseksualitas Teknoseksualitas, yaitu ketertarikan utama pada teknologi, bukanlah hal baru. Istilah ini menggambarkan individu yang tertarik pada robot, karakter virtual, atau kepribadian AI. Pacar AI: Pemrograman Ketertarikan Pacar AI modern menggunakan data percakapan yang luas untuk mensimulasikan kepribadian, minat, dan humor yang realistis. Mereka dapat: Mengingat detail Merespons secara emosional Memberikan empati dan dukungan Para Ahli Berpendapat: Mengaburkan Batas Keintiman Dimensi emosional pacar AI memunculkan wilayah etika yang belum dipetakan. Beberapa ahli percaya bahwa manusia dapat mengembangkan ikatan yang mendalam dengan mesin, bahkan hingga pernikahan robotik. Masa Depan Sahabat AI Sulit memprediksi seberapa luas sahabat AI akan digunakan. Namun, hal ini menimbulkan pertanyaan tentang dampaknya pada dinamika sosial dan persepsi cinta. Pertanyaan yang Belum Terjawab: Etika AI Emosional Munculnya sahabat AI juga menimbulkan dilema etika, seperti: Manipulasi dan penipuan Isolasi

Cradlepoint Menghubungkan Solusi Seluler IoT ke Sistem Keberlanjutan Berbasis AI SmartSort

Kolaborasi di Mobile World Congress Kolaborasi ini menunjukkan bagaimana AI yang terhubung seluler dapat mendukung keberlanjutan lingkungan dan menyoroti keberhasilan inisiatif tertanam baru Cradlepoint. Solusi Konektivitas IoT yang Aman Solusi konektivitas IoT yang aman dari Cradlepoint menggabungkan kelincahan seluler dengan Kecerdasan Buatan SmartSort untuk mengubah kebutuhan daur ulang dari pusat biaya menjadi pusat keuntungan. Program Mitra Terpadu SmartSort adalah bagian dari Program Mitra Terpadu Cradlepoint yang baru, yang memberikan akses ke solusi bersertifikat, aman, dan skalabel serta kemampuan integrasi 5G dan LTE terbaik yang memungkinkan produsen inovatif untuk fokus pada aplikasi dan solusi inti mereka. Keamanan yang Ditingkatkan Menggunakan router IoT multiguna Cradlepoint S700, data pelanggan SmartSort dan alamat IP publik dilindungi dari ancaman luar saat mereka mendaur ulang lebih efisien. Dampak Keberlanjutan “Kekuatan 5G yang diterapkan pada keberlanjutan memungkinkan kecerdasan diterapk