Не бійтеся DeepSeek! Прес-реліз Nvidia говорить, що створення центру прискореного обчислення штучного інтелекту є найважливішою інфраструктурою для боротьби з масштабним шахрайством на рівні держави.
Одним із ключів до провідної технології штучного інтелекту Nvidia є прискорення навчання нейронної мережі Alexnet Глибина, щоб обчислення штучного інтелекту можна було обробляти надшвидко, і ШІ навчається за допомогою машинного навчання здійснювати систему розпізнавання нейронних мереж, подібну до людського мозку, щоб ШІ міг думати та робити Глибина навчання, а метод обробки полягає в тому, щоб передати ШІ велику кількість даних, щоб ШІ був «освічений», як люди, так само, як люди накопичують «знання», ці бази даних, які зберігають спогади в мозку, допомагають людям навчатися та розвиватися. Навчання на помилках – ось чому розробка штучного інтелекту передбачає інвестиції в обчислювальну обробку та бази даних даних на додаток до обчислень. Щоб мати можливість швидко обробляти дані та зберігати дані про «досвід», ШІ може поступово дорослішати, наприклад, починати з дітей, вчитися рости розумними та ставати дорослими.
Засновник Scale AI Александр Ван особливо наголошує на продуктивності обчислень чіпів Nvidia, які прискорюють Глибинне навчання. Після того, як Сполучені Штати заборонили вивіз чіпів Nvidia за кордон, розвиток штучного інтелекту в Китаї дійсно затримався. Александр Ван недавно звернувся до президента Трампа у відкритому листі на офіційному сайті Scale AI, закликавши належним чином розподілити фінансування для розробки технологій штучного інтелекту, щоб AI могло виявити свою корисність у різних сферах. Він зазначив, що Китай може швидко перегнати Сполучені Штати в галузі штучного інтелекту, переважно через те, що США вкладають більшу частину фінансування розробки AI в «алгоритми», але також потрібно інвестувати кошти в дослідження в галузі «обчислення» та «даних», що допоможе прискорити Глибинне навчання AI.
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Не бійтеся DeepSeek! Прес-реліз Nvidia говорить, що створення центру прискореного обчислення штучного інтелекту є найважливішою інфраструктурою для боротьби з масштабним шахрайством на рівні держави.
Одним із ключів до провідної технології штучного інтелекту Nvidia є прискорення навчання нейронної мережі Alexnet Глибина, щоб обчислення штучного інтелекту можна було обробляти надшвидко, і ШІ навчається за допомогою машинного навчання здійснювати систему розпізнавання нейронних мереж, подібну до людського мозку, щоб ШІ міг думати та робити Глибина навчання, а метод обробки полягає в тому, щоб передати ШІ велику кількість даних, щоб ШІ був «освічений», як люди, так само, як люди накопичують «знання», ці бази даних, які зберігають спогади в мозку, допомагають людям навчатися та розвиватися. Навчання на помилках – ось чому розробка штучного інтелекту передбачає інвестиції в обчислювальну обробку та бази даних даних на додаток до обчислень. Щоб мати можливість швидко обробляти дані та зберігати дані про «досвід», ШІ може поступово дорослішати, наприклад, починати з дітей, вчитися рости розумними та ставати дорослими.
Засновник Scale AI Александр Ван особливо наголошує на продуктивності обчислень чіпів Nvidia, які прискорюють Глибинне навчання. Після того, як Сполучені Штати заборонили вивіз чіпів Nvidia за кордон, розвиток штучного інтелекту в Китаї дійсно затримався. Александр Ван недавно звернувся до президента Трампа у відкритому листі на офіційному сайті Scale AI, закликавши належним чином розподілити фінансування для розробки технологій штучного інтелекту, щоб AI могло виявити свою корисність у різних сферах. Він зазначив, що Китай може швидко перегнати Сполучені Штати в галузі штучного інтелекту, переважно через те, що США вкладають більшу частину фінансування розробки AI в «алгоритми», але також потрібно інвестувати кошти в дослідження в галузі «обчислення» та «даних», що допоможе прискорити Глибинне навчання AI.