Praktik pengembangan, alat AI, bahasa daerah, dan bacaan.
1–5 / 5 artikel
AI dan alat
Saya menggunakan model AI dalam dan luar negeri yang umum tersedia di pasaran untuk membantu menghitung keuntungan saham. Model dalam negeri meliputi 深度求索DeepSeek、阿里巴巴通义千问 、讯飞星火、字节豆包、月之暗面Kimi、腾讯元宝、百度文心一言、智普清言、百川智能、360智脑、天工AI、商汤商量，sedangkan model luar negeri meliputi GPT-4o、Claude-3-Opus 、 Gemini-2.0-Pro、Grok. Dengan masukan yang sama, hanya DeepSeek yang menghitung dengan benar.
AI dan alat
Distilasi dan pemangkasan merupakan dua teknik penting untuk mengompresi model jaringan saraf. Keduanya dapat mengurangi jumlah parameter dan kompleksitas komputasi secara efektif, sehingga meningkatkan efisiensi eksekusi dan kinerja model. Walaupun sama-sama merupakan teknik kompresi jaringan saraf, cara penerapan dan tujuannya sedikit berbeda. Distilasi lebih menekankan pelatihan model siswa dengan meniru perilaku prediksi model guru, sedangkan pemangkasan lebih menekankan penghapusan parameter dan koneksi yang tidak berguna.
AI dan alat
Separuh Hadiah Nobel Kimia tahun 2024 dianugerahkan kepada David Baker, “atas kontribusinya dalam desain protein komputasional”；separuh lainnya dianugerahkan bersama kepada Demis Hassabis dan John M. Jumper, “atas pencapaian mereka dalam prediksi struktur protein”。
AI dan alat
Basis data vektor adalah kumpulan data yang disimpan dalam bentuk matematis. Basis data vektor memudahkan model pembelajaran mesin mengingat masukan sebelumnya, sehingga pembelajaran mesin dapat digunakan untuk mendukung kasus penggunaan seperti pencarian, rekomendasi, dan pembuatan teks. Data dapat dikenali berdasarkan metrik kemiripan alih-alih kecocokan persis, sehingga model komputer dapat memahami konteks data.
AI dan alat
AI dapat menjawab pertanyaan, tetapi bisakah ia benar-benar “berpikir”? Pengguna yang sering memakai produk pencarian AI akan mendapati bahwa produk semacam ini kerap “gagal berfungsi sebagaimana mestinya” ketika menghadapi persoalan rumit—ia dapat meniru gaya tulisan Shakespeare dan menjawab soal matematika, tetapi mungkin tidak berdaya ketika harus menyelesaikan persoalan dalam kehidupan sehari-hari. Ini seperti seorang kutu buku yang berpengetahuan luas tetapi tidak luwes, kaya pengetahuan namun kurang mampu berpikir fleksibel. Jelas, sekadar mengubah pencarian AI menjadi “mesin pencari yang bisa berbicara” masih jauh dari cukup. Lalu, bagaimana membuat model besar yang lebih cerdas, lebih kuat dalam penalaran, dan mampu berpikir mendalam untuk menyelesaikan persoalan nyata pengguna biasa, bukan sekadar mengerjakan soal olimpiade?
