A Meta Platforms hétfőn közölte, hogy a felhasználók által a mesterséges intelligenciával folytatott interakciókat, valamint a felnőttek által a platformjain megosztott nyilvános bejegyzéseket és kommenteket fogja felhasználni modelljeinek képzéséhez az EU-ban.
Megérkezett a Meta legújabb MI-verziója
A Meta Platforms szombaton bejelentette nagy nyelvi modelljének legújabb verzióit. A Llama 4 Scout és a Llama 4 Maverick multimodális MI-rendszerek képesek különböző típusú adatok – többek között szöveg, videó, kép és hang – feldolgozására és integrálására.
Mikor hallucinál a mesterséges intelligencia?
Mind belefutottunk már a ChatGPT kamutörténeteibe. Egyes esetekben teljesen egyértelmű a hamis tartalom, máskor viszont nagyon nem. De hogyan állapítható meg gépi úton, hogy a modell hallucinál vagy sem?
Microsoft: nem kell mindennek bedőlni
Olyan pletykák kaptak szárnyra az elmúlt hetekben, hogy a Microsoft felhasználói dokumentumokat és táblázatokat is felhasznált mesterséges intelligenciájának tanításához. A szoftveróriás szerint nem szabad mindent elhinni, amit hallunk.
Jegyzetből podcast? A Google új appja ember nélküli műsort készít
Egy a napokban megjelent jegyzetelő alkalmazás frissítésének hála, már elég néhány sornyi szöveg és egy mesterséges intelligencia,ahhoz, hogy ember nélküli podcast beszélgetés szülessen.
Letölthetővé vált a Meta ChatGPT-4 szintű nagy nyelvi modellje
A saját felhasználásra teljesen szabadon letölthető nagy nyelvi modellt a tegnapi napon engedte ki a Meta az open source jegyében.
RAG 2.0: rendezett mesterséges intelligencia
Karrier, Pénzügy, Új technológiák, Szakmapolitika, Adatgazdaság, ICT-vezetők, Ipar, Közigazgatás, Felhő, HR-technológia, Egészségügy, Közbeszerzés, Biztonság, Iparági megoldások, Oktatás, Közlekedés, Tendergyőzelmek, Technológia, Fejvadászat, Agrárium, Telco, Energetika, Kormányzati informatika, Ingatlan, Startup, HR
Mi az a RAG (vagy mondjuk RAG 1.0)? Nagyon egyszerű formában a RAG magában foglalja a megfelelő adatok kiválasztását (a vállalat belső tárolójából) egy kérdés megválaszolásához, és ezek megadásával a nagy nyelvi modell számára. Ezt követően az LLM elemezni tudja az adatokat, és egy választ állít elő.
A kis nyelvi modellek felemelkedése
Karrier, Pénzügy, Új technológiák, Szakmapolitika, Címlapsztori, Adatgazdaság, ICT-vezetők, Ipar, Közigazgatás, Rövid hírek, Felhő, HR-technológia, Egészségügy, Közbeszerzés, Tendergyőzelmek, Biztonság, Iparági megoldások, Oktatás, Közlekedés, Technológia, Fejvadászat, Agrárium, Telco, Energetika, Kormányzati informatika, Ingatlan, Startup, HR
Az elmúlt néhány évben a mesterséges intelligencia képességeinek robbanásszerű fejlődését láthattuk, melynek nagy részét a nagy nyelvi modellek (LLM) fejlődése okozta. Az olyan modellek, mint a GPT-3 megmutatták, hogy képesek emberhez hasonló szövegek generálására, kérdések megválaszolására, dokumentumok összegzésére és még sok másra. Miközben azonban az LLM-ek képességei lenyűgözőek, hatalmas méretük a hatékonyság, a költségek és a testreszabhatóság hátrányaihoz vezet. Ez megnyitotta az utat a modellek egy új osztálya, az úgynevezett kis nyelvi modellek (SLM) előtt.
A mesterséges intelligencia és a nyílt forráskód kérdése
Pénzügy, Új technológiák, Szakmapolitika, Karrier, Ipar, Közigazgatás, Címlapsztori, Adatgazdaság, ICT-vezetők, HR-technológia, Egészségügy, Közbeszerzés, Rövid hírek, Felhő, Oktatás, Közlekedés, Tendergyőzelmek, Biztonság, Iparági megoldások, Fejvadászat, Agrárium, Technológia, Telco, Energetika, Kormányzati informatika, Ingatlan, Startup, HR
A generatív mesterséges intelligencia, melyet olyan korszerű modellek hajtanak, mint a GPT és a Claude az innováció és az átalakulás új korszakát nyitotta meg. Ezek az MI-rendszerek figyelemre méltó képességgel rendelkeznek az emberhez hasonló szövegek generálására, forradalmasítva a különböző iparágakat a tartalomkészítéstől a virtuális asszisztensekig. Azonban, mint minden úttörő technológiánál, itt is vannak mélyreható kérdések, melyek figyelmet követelnek. A nyílt forráskód és zárt rendszer dilemmája és a centralizáció vs. decentralizáció problémája.
Adattudomány a mesterséges intelligencia korában
Szakmapolitika, Karrier, Pénzügy, Új technológiák, Közigazgatás, Adatgazdaság, ICT-vezetők, Ipar, Közbeszerzés, Rövid hírek, Felhő, HR-technológia, Egészségügy, Tendergyőzelmek, Biztonság, Iparági megoldások, Oktatás, Közlekedés, Agrárium, Technológia, Fejvadászat, Energetika, Telco, Ingatlan, Kormányzati informatika, Startup, HR
Az elmúlt hat hónapban több ezer alkalommal hallottuk ezt a kérdést: az adattudomány tényleg halott? Érdemes még mindig Pythont tanulni? Most, hogy van MI, még mindig szükség van az adattudományra? Vagy nyilvánítsuk halottá? Még mindig szükségünk van egyáltalán hús és vér adattudósokra?
Third of the increased API-demand will be due to GenAI and LLM by 2026
Gartner predicts more than 30% of the increase in demand for APIs will come from AI and tools using Large Language Models by 2026.
Az emberi tanulás megértése lendítheti előre az MI-fejlesztést is
Karrier, Pénzügy, Új technológiák, Szakmapolitika, ICT-vezetők, Adatgazdaság, Ipar, Közigazgatás, Rövid hírek, Felhő, HR-technológia, Egészségügy, Közbeszerzés, Biztonság, Iparági megoldások, Oktatás, Közlekedés, Tendergyőzelmek, Fejvadászat, Agrárium, Technológia, Telco, Energetika, Kormányzati informatika, Ingatlan, HR
Az elmúlt években a gépi tanulás jelentős fejlődésen ment keresztül, és a különböző iparágak szerves részévé vált. Az egészségügytől a pénzügyekig a tanulási algoritmusok bebizonyították, hogy képesek hatalmas mennyiségű adatot elemezni és pontos előrejelzéseket készíteni. A gépek folyamatos fejlődése során azonban vita alakult ki: vajon végül felülmúlják-e vagy sem az emberi tanulási képességeket?
