Флагманський продукт Rad AI, Rad AI Impressions, використовує LLM для автоматизації радіологічних звітів, заощаджуючи час і зменшуючи кількість помилок. Їхні ШІ-моделі генерують знімки для мільйонів досліджень щомісяця, приносячи користь тисячам радіологів по всій країні.
Оптимізація додатків на основі LLM за допомогою безсерверного кешування для ефективних рішень зі штучного інтелекту. Використання Amazon OpenSearch Serverless і Amazon Bedrock для збільшення часу відгуку за допомогою семантичного кешу для персоналізованих підказок і зменшення колізій кешу.
Дізнайтеся, як налаштувати конфігурації життєвого циклу для доменів Amazon SageMaker Studio, щоб автоматизувати такі дії, як попередня інсталяція бібліотек і вимкнення непрацюючих ядер. Amazon SageMaker Studio - це перше середовище розробки, призначене для прискорення наскрізної розробки ML, що пропонує настроювані профілі користувачів домену та спільні робочі простори для ефективного управлін...
Реалізував регресію AdaBoost з нуля на C#, використовуючи k-найближчих сусідів замість дерев рішень. Дослідив оригінальний алгоритм AdaBoost. R2 Друкера, створивши унікальну реалізацію без рекурсії.
Інтеграція Datadog з AWS Neuron оптимізує робочі навантаження ML на екземпляри Trainium та Inferentia, забезпечуючи високу продуктивність та моніторинг у реальному часі. Інтеграція з Neuron SDK забезпечує глибоке спостереження за виконанням моделі, затримками та використанням ресурсів, що сприяє ефективному навчанню та висновкам.
Межі квантування розширюються за допомогою ft-квантифікації, нового підходу до вирішення поточних обмежень алгоритмів. Ця техніка, що заощаджує пам'ять, стискає моделі та вектори для пошуку, популярна в LLM і векторних базах даних.
Галюцинації у великих мовних моделях (LLM) створюють ризики у виробничих додатках, але такі стратегії, як RAG і Amazon Bedrock Guardrails, можуть підвищити фактичну точність і надійність. Агенти Amazon Bedrock пропонують динамічне виявлення галюцинацій для настроюваних, адаптованих робочих процесів без реструктуризації всього процесу.
Salesforce централізує дані про клієнтів для отримання інсайтів. Amazon Q Business AI надає співробітникам можливість приймати рішення на основі даних і підвищувати продуктивність.
Стартап Spines зіткнувся з негативною реакцією через використання ШІ для редагування та розповсюдження книг за $1,200-5,000. Критики ставлять під сумнів якість і вплив на традиційне книговидання.
Ультраправі партії в Європі використовують штучний інтелект для поширення фейкових зображень і демонізації таких лідерів, як Еммануель Макрон. Експерти попереджають про політичну зброю генеративного ШІ в кампаніях після виборів у ЄС.
Марзіє Гассемі поєднує свою любов до відеоігор та здоров'я у роботі в Массачусетському технологічному інституті, зосереджуючись на використанні машинного навчання для покращення справедливості у сфері охорони здоров'я. Дослідницька група Гассемі в LIDS вивчає, як упередженість даних про стан здоров'я може вплинути на моделі машинного навчання, підкреслюючи важливість різноманітності та інклюзи...
Meta Llama 3.1 LLM з підтримкою 8B та 70B виводів тепер на екземплярах AWS Trainium та Inferentia. SageMaker JumpStart пропонує безпечне розгортання попередньо навчених моделей для кастомізації та тонкого налаштування.
Інженер-програміст Джеймс МакКафрі розробив систему регресії дерева рішень на C# без рекурсії та вказівників. Він видалив індекси рядків з вузлів для економії пам'яті, що полегшило налагодження і зробило прогнози більш зрозумілими.
Інструменти генеративного ШІ, такі як ChatGPT і Claude, стрімко набирають популярність, змінюючи суспільство та економіку. Незважаючи на досягнення, економістам і практикам все ще бракує всебічного розуміння впливу ШІ на економіку.
Вчені Массачусетського технологічного інституту розробили метод з використанням штучного інтелекту та фізики для створення реалістичних супутникових зображень майбутніх наслідків повеней, що допоможе у підготовці до ураганів. Розроблений командою «Earth Intelligence Engine» пропонує новий інструмент візуалізації, який допоможе підвищити готовність населення до евакуації під час стихійних лих.