전체 기사
마이크로소프트는 마침내 소비자와 기업용 코파일럿 인공지능 보조 프로그램을 하나의 '슈퍼 앱' 인터페이스로 통합하기 시작했다. 이 통합 앱은 코파일럿과 마이크로소프트 365 코파일럿 앱으로 시작하며, 개인 및 업무 계정 모두 새로운 통합 앱으로 이동할 예정이다. 이 통합 앱은 이전의 '마이크로소프트 코파일럿' 이름을 재사용하지만 업데이트된 앱 아이콘을 특징으로 한다.
트위치 스트리머들은 이제 아마존의 생성적 AI 모델 훈련에 사용되는 콘텐츠를 허용하지 않도록 선택할 수 있습니다. 이는 스트리머들의 콘텐츠가 대규모 언어 모델(LLM)과 같은 텍스트 생성이나 합성 AI 모델의 훈련에 사용되지 않도록 합니다.
스타트업은 GPT-5.6을 사용하여 더 빠르고 비용 효율적인 AI agent를 만들고 더 똑똑한 모델 선택 및 새로운 Response API 기능을 사용하여 더 똑똑한 모델을 선택할 수 있습니다.
OpenAI에서 새로운 API 서비스 계층 'Preview Ultrafast'를 출시했습니다. 이 서비스는 GPT-5.6 Sol을 14배 빠르게 실행할 수 있습니다. Cerebras를 기반으로 하여 최대 750개의 출력 토큰을 초당 제공합니다.
OpenAI는 대규모 언어 모델(LLM) 및 인공지능(AI) 기술의 가치를 최대한 실현시키도록 도와주는 전 세계 수입 조직을 이끌어 나갈 새로운 수입 책임자로 다리 라지(Dali Rajic)를 임명했습니다.
시트 캔버스(Sheets canvas)는 단순한 명령으로 데이터를 상호 작용하는 대시보드, 개인화된 연구 추적기, 좌석 배치도 등으로 변환합니다.
Google의 대규모 언어 모델(LLM)가 작동하는 방식을 이해하는 데 도움이 될만한 새로운 연구 결과가 나왔다. 연구진은 Google의 대규모 언어 모델이 특정 단어의 의미를 바꾸기 위해 단어의 의미를 재정의하는 방식을 사용한다고 밝혔다. 연구진은 Google의 대규모 언어 모델이 특정 단어의 의미를 바꾸기 위해 단어의 의미를 재정의하는 방식을 사용한다고 밝혔다. 이 방식은 단어의 의미를
AI가 인간의 자아를 파악하는 방법을 개발한다 미국 캘리포니아 주립대 연구팀은 인간의 자아를 파악하는 방법을 개발했다. 연구팀은 대규모 언어 모델(LLM)을 이용하여 인간의 자아를 파악하는 방법을 개발했다. 연구팀은 인간의 자아를 파악하는 방법을 개발하기 위해 대규모 언어 모델(LLM)을 이용하여 인간의 말과 행동을 분석했다. 연구팀은 인간의 자아를 파악하는 방법을 개발하기 위해 대규모 언어
올모어스 지구 임베딩은 OlmoEarth Studio에서 생성된 임베딩을 다운스트림 분석에 사용할 수 있는 새로운 형식입니다. 이 임베딩은 대규모 언어 모델(LLM)과 같은 다양한 AI 모델에서 사용할 수 있습니다. 올모어스 지구 임베딩을 사용하면 더 나은 성능과 효율성을 달성할 수 있습니다.
미국 내 2023년 8월 9일, 구글은 AI 기술을 활용한 대형 언어 모델(LLM) 'Bard'를 출시했습니다. 이 모델은 구글의 검색 엔진과 유사하게 사용자에게 정보를 제공합니다. 이 모델은 구글의 검색 엔진과 유사하게 사용자에게 정보를 제공합니다. 구글은 이 모델을 통해 사용자가 원하는 정보를 찾는데 도움이 될 것이라고 말했습니다. 구글의 CEO 에리크 슈미트는 "Bard"는 사용자가 원
인터넷 논문 데이터베이스(arXiv)에 등록된 논문에서 발췌한 내용입니다. 인터넷 기반 물리 시스템(Cyber-physical systems, CPS)은 여러 전문가들이 특정 분야에 맞춰서 제작한 artefacts를 사용하여 개발됩니다. 이러한 시스템의 동작은 artefacts와 그들이 작동하는 환경과의 상호작용으로부터 발생합니다. 시뮬레이션 및 공동 시뮬레이션은 CPS 동작을 분석하는 필수
공정 흐름 다이어그램(PFD)과 pipe 및 instrumentation 다이어그램(P&ID)의 생성은 주로 수동으로 수행됩니다. AI 기술을 적용하면 공정 자동화, 시간 절약, 금융적 이익을 얻을 수 있을 뿐만 아니라 다이어그램의 토폴로지 옵션을 탐색하고 수동 노동을 줄일 수 있습니다. 연구에서는 P&ID Pilot라는 실제 end-to-end AI pipeline를 제시합니다. 이 pipeline는 두 단계를 처리할 수 있습니다. 첫 번째 단계는 PFD 합성에 집중하고 두 번째 단계는 생성된 PFD를 P&ID로 변환하는 데 집중합니다.
