본문으로 건너뛰기

Thinking Machines의 공동 창립자 릴리언 웡은 건강 문제를 이유로 회사에서 떠났으며, 그 후 OpenAI에 입사했습니다.

웡은 이전에 오픈 AI에서 인공지능 안전 연구 부사장으로 일했습니다.

AI 자동 생성

인공지능 기술의 새로운 전환

최근 인공지능 기술 분야에서 관심을 끌고 있는 소식이 있습니다. Thinking Machines의 공동 창립자인 릴리언 웡이 건강 문제를 이유로 회사를 떠났습니다. 이에 따라 많은 이들이 그녀의 향후 경력을 궁금해하고 있습니다. 그녀는 인공지능 기술에 대한 깊은 이해와 풍부한 경험을 가지고 있는 전문가입니다.

릴리언 웡의 경력은 인공지능 기술 분야에서 매우 독특합니다. 그녀는 OpenAI에서 인공지능 안전 연구 부문 부사장을 맡았습니다. 이 경험은 그녀가 인공지능 기술의 안전성과 안정성을 높이는 데 중요한 역할을 한 것을 보여줍니다. 또한, 그녀는 대규모 언어 모델과 같은 인공지능 기술의 발전에 기여한 것으로 알려져 있습니다.

새로운 시작

릴리언 웡이 OpenAI에 입사한 것은 새로운 시작을 의미합니다. 그녀는 인공지능 기술의 발전을 위한 새로운 아이디어와 경험을 공유할 수 있을 것입니다. 또한, 그녀는 OpenAI의 연구 팀과 협력하여 인공지능 기술의 안전성과 안정성을 높이는 데 기여할 수 있을 것입니다. 그녀의 입사는 인공지능 기술 분야에서 새로운 전환을 가져올 수 있을 것입니다.

릴리언 웡의 경력과 경험은 인공지능 기술 분야에서 매우 귀중합니다. 그녀의 새로운 시작은 많은 이들에게 영감을 줄 수 있을 것입니다. 또한, 그녀의 연구와 개발은 인공지능 기술의 발전에 기여할 수 있을 것입니다. 따라서, 그녀의 향후 경력을 주목하는 것은 의미가 있습니다.

원문 보기 TechCrunch 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.