Автор використовував штучний інтелект для покращення продуктивності існуючої реалізації градієнтного бустингу регресії на C#, що призвело до значних поліпшень. Градієнтний бустинг регресії – це метод, заснований на деревах, який використовується для прогнозування одного числового значення, наприклад, для визначення максимальної безпечної суми кредиту на основі різних факторів. Цей процес передб...
Цей текст описує переваги та еволюцію корпоративних систем пошуку з використанням баз знань Amazon Bedrock на платформі AWS Cloud Development Kit (CDK). Традиційні системи розширення генерації (RAG) мають обмеження, такі як обробка запитань, які охоплюють кілька джерел інформації або потребують кількох пошукових операцій. Для вирішення цих проблем представлено агентний пошук, де логічний агент ...
Тиждень клімату в Нью-Йорку, щорічна подія, яка об'єднує понад 100 000 людей на більш ніж 1000 заходах у Нью-Йорку для обговорення кліматичних викликів та пошуку рішень, цього року зібрав велику кількість представників спільноти MIT. Упродовж кількох днів були присутні Евелін Ванг, віце-президент з питань енергетики та клімату, а також було організовано численні сесії різними підрозділами, лабо...
Цей текст розглядає проблему управління моделями комп'ютерного зору в системах контролю якості на виробництві, які використовують кілька камер. Кожна камера фіксує світ по-різному, що призводить до унікальних наборів даних для навчання. Для вирішення цієї проблеми потрібні окремі, адаптовані моделі для кожної камери, що вимагає навчання, оцінювання, версіонування та розгортання тисяч моделей бе...
Геопросторові карти в Amazon Quick Sight дозволяють компаніям візуалізувати закономірності, пов'язані з географічним розташуванням, за допомогою точкових карт, карт із заповненими областями та, тепер, шарових карт. Завдяки новим типам геометрії "точка" і "лінія", що підтримуються файлами GeoJSON, користувачі можуть позначати конкретні місця розташування та відображати маршрути. Цей опис охоплює...
На ранніх етапах розвитку штучного інтелекту (ШІ), інженери, такі як ті, що працювали в MIT, вважали, що введення випадковості та ірраціональності є необхідними для того, щоб машини могли імітувати людську креативність, за словами доцента MIT Бенджаміна Ліндквіста. Посилаючись на ідеї середи XX століття, інженери розглядали креативність як результат несподіваних стрибків у логіці або навіть ста...
Навчання з підкріпленням у багатоетапних задачах (MTRL) – це метод навчання моделей для виконання задач, що складаються з декількох кроків, при цьому зворотний зв'язок надається лише після завершення всієї послідовності. На відміну від точного налаштування, MTRL не покладається на єдину правильну послідовність або мітку. Агенти взаємодіють з середовищем, приймаючи рішення та повідомляючи про от...
Дженсен Хуанг, засновник і генеральний директор компанії NVIDIA, нещодавно відвідав Астану, Казахстан, де обговорив зусилля країни щодо створення потужної екосистеми для штучного інтелекту (ШІ). Мета Казахстану – створити ШІ, який відображає її мову та культуру, використовуючи свої значні енергетичні ресурси для підтримки місцевого ШІ та перетворюючи енергію на інтелект для експорту. Під час ро...
Школа гуманітарних, мистецьких та соціальних наук Массачусетського технологічного інституту відзначила свою 75-ту річницю на симпозіумі, де було підкреслено її важливість і внесок у викладання, дослідження та суспільство. Захід, який відбувся в музичній будівлі Linde, зібрав науковців, студентів, співробітників та випускників з усієї школи. Керівництво MIT, включаючи президентку Саллі Корнблют ...
Bayer Crop Science використовує моделі машинного навчання для аналізу даних з геноміки, польових випробувань, зображень та умов навколишнього середовища в процесі селекції рослин. Для управління конфігураціями цих моделей машинного навчання, забезпечення їхньої відтворюваності та контрольованості, компанія Bayer розробила систему Connected Decision Engine (CDE). Зі збільшенням використання CDE ...
При оновленні конфігурації endpoint-у Amazon SageMaker AI в режимі реального часу, зміна типу інстансу, кількості інстансів або змінних середовища через AWS CloudFormation або AWS CDK може призвести до помилки розгортання. Це пов'язано з тим, що SageMaker AI вимагає, щоб об’єкт масштабування був деактивований перед оновленням endpoint-у. Однак, деактивація об'єкта масштабування призводить до то...
Компанія IskayPet вирішила проблеми з доступом до знань, створивши корпоративного помічника на базі керованих баз знань Amazon Bedrock. Цей помічник відповідає на запитання співробітників 4 мовами в 3 країнах, не потребуючи інфраструктури RAG, що підвищує ефективність і точність.
Штучні інтелектуальні голосові агенти часто викликають неприємні затримки у відповідях. Нове рішення одночасно виконує синтез та генерацію, що значно зменшує затримку та витрати. Модель перетворення тексту на мову Kokoro-82M, доступна в Amazon SageMaker AI, дозволяє почати відтворення аудіо до того, як агент закінчить говорити, покращуючи загальний досвід користувачів.
Реалізація регресії методом випадкового лісу з використанням алгоритму Extra Tree забезпечила точність 81% на навчальних даних і 70% на тестових даних. Алгоритм Extra Trees є менш потужним, ніж стандартні дерева рішень, але він навчається швидше і може покращити загальну точність прогнозування.
Платформа Rescale, що працює на основі штучного інтелекту, прискорює інновації в інженерії завдяки інтеграції високопродуктивних обчислень (HPC), моделювання, симуляції та ШІ. Вони використовували AI-DLC на AWS для створення інтелектуального агента сортування, що дозволило зменшити операційні витрати та прискорити процес розгортання.