본문으로 건너뛰기

인공지능 시대 초석, '지성공'의 발판?

DeepMind CEO 데미스 하사비스(Demis Hassabis)가 최근 Google I/O에서 발표한 키노트에서 '지성공'의 초석을 다진 것이라고 말했습니다. 그는 인공지능(AI)의 잠재력을 세계적으로 이익을 볼 수 있도록 도울 Google의 혁신적인 연구와 제품이 이뤄질 것이라고 주장했습니다.

AI 자동 생성

DeepMind CEO 데미스 하사비스(Demis Hassabis)는 최근 Google I/O에서 발표한 키노트에서 '지성공'의 초석을 다진 것이라고 말했습니다. 그는 인공지능(AI)의 잠재력을 세계적으로 이익을 볼 수 있도록 도울 Google의 혁신적인 연구와 제품이 이뤄질 것이라고 주장했습니다.

하사비스는 '지성공'이란 무엇인지 설명했습니다. '지성공'은 인공지능이 인간의 지능을 능가하는 수준에 도달하는 것을 의미합니다. 하사비스는 '지성공'이 아직 먼 미래의 일이라고 하지만, 현재의 연구와 제품이 이뤄지는 것이 '지성공'의 발판이 될 것이라고 믿고 있습니다.

하사비스는 Google의 연구와 제품이 인공지능의 잠재력을 세계적으로 이익을 볼 수 있도록 도울 것이라고 주장했습니다. 그는 인공지능이 인간의 삶을 개선하고 새로운 기회를 창출할 수 있는 잠재력을 가지고 있다고 믿고 있습니다.

하사비스의 주장은 인공지능의 잠재력을 세계적으로 이익을 볼 수 있도록 도울 수 있는 구글의 연구와 제품이 이뤄질 것이라는 것입니다. 그는 인공지능이 인간의 삶을 개선하고 새로운 기회를 창출할 수 있는 잠재력을 가지고 있다고 믿고 있습니다.

  • 대규모 언어 모델(LLM)
  • 인공지능(AI)
  • 지성공
원문 보기 The Verge AI

함께 읽으면 좋은 기사

연구 3일 전

스트로크 위험도 예측을 위한 새로운 AI 기술: MedGate-Fusion

스트로크 위험도를 예측하는 것은 원치 않는 병력이 발생하기 전에 중요한 역할을 합니다. 그러나 이 과제는 의사들이 주기적으로 기록하는 생리학적 바이오마커와 비구조적인 의료 기록의 사이에 분산되어 있는 초기 위험 신호를 식별하는 어려움으로 인해 힘들어집니다. MedGate-Fusion은 이러한 문제를 해결하기 위해 처음 만나는 의료 기록의 의미론적 이야기와 10개의 정기적으로 기록된 위험 표시자를 통합하는 멀티 모달 게이트 아키텍처를 제안합니다. 이 아키텍처는 대규모 언어 모델(LLM)과 같은 기존의 AI 기술을 사용하여 의료 기록의 의미를 추출하고 생리학적 바이오마커의 정보를 통합하여 스트로크 위험도를 예측합니다.

연구 3일 전

기존의 전제 조건자들이 생의학 표준 표 데이터 학습을 개선하는가? 표준 표 데이터 학습 최적화에 대한 실증 연구

최근 구조화된 생물학적 데이터 분석에 있어서 표준화된 기초 모델(tabular foundation model)이 강력한 잠재력을 보인다. 그 중 하나인 TabPFN은 낮은 데이터 표준화 분류 작업에서 효과적인 접근 방식으로 나타났지만, 최적화 및 조건화 전략의 생물학적 세부 튜닝에 대한 영향은 여전히 크게 연구되지 않았다. 본 연구에서, 우리는 59 개의 생물학적 데이터셋(Alzheimer'

관련 콘텐츠 더 보기

다른 플랫폼에서 이 주제에 대한 더 많은 정보를 확인하세요.