Artificial Intelligence

2022 年の人工知能 (AI) チップの市場規模とシェアは、2030 年までに 145,997.3 百万米ドルに達する| AMD、グーグル、インテル

世界の人工知能 (AI) チップ市場 人工知能 (AI) チップの市場規模は、2021 年には 79 億 5,570 万米ドルの価値があると推定され、2030 年までに再調整された規模は 1459 億 9,730 万米ドルになると予測されています。 ニューヨーク、ニューヨーク、米国、2022 年 11 月 15 日 /EINPresswire.com/ — 人工知能 (AI) チップ市場の動向、規模、予測分析 世界の人工知能 (AI) チップ市場レポートは、業界のダイナミクス、成長要因、主要な課題、主要なドライバーと制約、機会、および 2030 年までの予測を提供します。 最新の調査によると、Covid-19 パンデミックと経済不況/インフレにより、世界の人工知能 (AI) チップの市場規模は、2021 年には 7,955.7 Mn 米ドルの価値があると推定され、2030 年までに再調整された規模は 145,997.3 Mn 米ドルになると予測されています。 2022 年から 2030 年の予測期間中の CAGR は 33.8% です。 この人工知能(AI)チップ業界調査レポートは、革新的な製品、製品の需要の増加、原材料の流入、使い捨て可能な流入の追加、および消費技術の変化によってリクエストの成長率が影響を受けるため、読者と医薬品に予想される影響を追加します。 また、Covid-19 感染の影響と、業界の成長と発展についても説明します。 …

2022 年の人工知能 (AI) チップの市場規模とシェアは、2030 年までに 145,997.3 百万米ドルに達する| AMD、グーグル、インテル Read More »

サプライチェーン計画の改善における人工知能の役割

に 3SC Analytics の創設者兼 CEO である Lalit Das は次のように述べています。 人工知能とデータ分析は、ほとんどのビジネス プロセスとドメインにとって非常に貴重です。 大多数のセクターは依然としてパンデミックの影響に対処するのに苦労していますが、一部のセクターは、効率と事業収益の向上を促進するために、すでにそれらの実装を開始しています。 サプライ チェーン計画はその 1 つです。 最近の調査によると、サプライ チェーンで AI を使用することで、産業の効率、動的な物流システム、およびリアルタイムの配送管理が劇的に改善され、それによって生産が促進されました。 ラリット・ダス サプライチェーン計画とは?サプライ チェーン計画には、リソースの管理、サービス提供の改善、需要と供給のバランスが含まれます。 製品を製造するための最適なアプローチを評価し、顧客の需要を満たすために販売量を増やします。 現在、プロセスのデジタル化が大幅に進んでいるため、持続可能性が向上しています。 これにより、すべての企業が、この規模のデジタル トランスフォーメーションが特定のサプライ チェーン ビジネスに役立つかどうかを熟考するようになりました。 分析手順と定性データは、サプライ チェーン計画で常に使用されます。 その間最先端のテクノロジーと関連システムによってサポートされるデジタル サプライ ネットワーク (DSN) は、直線的なサプライ チェーンの一部であり、その結果、サプライ チェーンの計画プロセスが大きく変わる可能性があります。 同期されたサプライ チェーン計画ネットワークの成功は、サプライ チェーンについて議論する際の計画の同期にかかっています計画中。 組織は多くの場合、過去のデータを利用して将来の需要を予測してきましたが、そのようなデータが利用できない場合、計画は需要の変動を説明できない推定に基づいていました。 相互に接続され、絶えず変化するデジタル サプライ ネットワークの性質は、より複雑な計画要件をもたらす可能性があり、企業がサプライ チェーン計画と見なすものは根本的に変化する可能性があります。 計画されたイニシアチブを推進するには、さまざまなビジネス タスクを、顧客、サプライヤー、在庫、および生産のネットワーク システムと完全に統合する必要があります。 これを成功させるためには、次のことが不可欠です。  生産の断片化 計画では、利用可能なインプットとグローバルなモノづくりが進む中、各地で在庫需要が拡大統合されています。 組織は、生産設備を組み合わせて接続する必要があります。需要を満たすために他の施設への倉庫。 そのためには、徹底的に把握する必要があります何を生産し、何を保管し、どこに保管するか。 …

サプライチェーン計画の改善における人工知能の役割 Read More »

2022 年人工知能の AmCham アライアンス アワードが発表されました

Agili8 の創設者兼 CEO である Esther Oh は、2022 年 AmCham アライアンス アワード ガラで人工知能の画期的なイノベーションを表彰されました Esther Oh と Agili8 の残りのチームのハードワークと忍耐力は、パースのママであり技術起業家である彼女が、2022 年 11 月 8 日にオーストラリアのシドニーにある国際コンベンション センターで発表された人工知能の名誉ある 2022 AmCham アライアンス アワードを受賞したことからも注目されています。 . 米国商工会議所は、オーストラリアと米国の関係の将来に不可欠な 6 つの主要産業における先駆者の功績を称えます。 主要な政治指導者、大使、民間部門の指導者を含む 700 人の聴衆が米国とオーストラリアから集まり、人工知能、バイオテクノロジー、宇宙、エネルギーとクリーン テクノロジー、量子コンピューティング、デジタル エコノミーにおける重要な進歩への支持を示しました。両国への経済、貿易、投資。 Agili8 は、サービス ソリューションとしての主力の拡張現実、XRAI Vision™ で認められています。XRAI Vision™ は、最先端の eXtended Reality、人工知能、およびコンピューター ビジョンをシームレスなプラグ アンド プレイ スマート グラス ソリューションに画期的に統合したもので、フロントライナーが時間に敏感な作業を完了することを可能にします。 、ミッション クリティカルな作業をよりスマートに、より速く、より安全な方法でハンズフリーで行います。 「ロックダウン中に医師の友人がCOVIDで亡くなったときに、息子が医療ミスと遅延により視力を失ったとき、私はAgili8を設立しましたエスター・オーはコメントした。 「そこで私は、より多くの命を救い、早期死亡や身体障害の原因となる有害事象を防ぎ、最前線にいる人々を保護し、軽量でポータブルな …

2022 年人工知能の AmCham アライアンス アワードが発表されました Read More »

人工知能は医療費を削減し、精密医療への治療を推進する可能性があります

Q: 人工知能 (AI) の予測可能性と、それが個別ケアにとって重要である理由について詳しく説明していただけますか? ジョン・エドワーズ: 予測モデルは、一連のデータでトレーニングする必要があります。 また、データが非常に狭い場合、その予測が正しいかどうか、AI モデルが理にかなっているのかどうかを判断するのは非常に困難です。 ご存知のように、人口の約 3% しか臨床試験に参加していませんでした。 そのため、臨床試験はその性質上、薬物がテストされた少数の人々を対象としています. それでも、私たちが薬を市場に出すと、そこにいるすべての人が治療を受け、全世界がその薬を使い始めます. しかし、そのグループのうち、臨床試験に参加することを許可するような特徴を持っていたのはわずか 3% でした。 このデータを調査し、データから駆動される AI モデルを作成することで得られる現実世界の証拠により、より幅広い人々、おそらく私たち全員をより代表するデータをより多く使用できるようになります。 より広範な研究にわたってより完全なデータセットを提供することにより [and] 収集できる毎日の証拠により、患者に投与する薬や、私たちが選択した治療による結果と結果の変動を引き起こしているものをよりよく理解できます. Q: 医師や薬剤師はどのようにデータの承認を与えられ、どのように使用されますか? ジョン・エドワーズ: 私たちが入ると、ほぼすべての訪問で承認を求められます (または、そのプロバイダーに私たちの情報に対する権利を与えることを示すいくつかの署名に署名するよう求められます)。ご存知のように、プライバシー技術による情報は、米国ではそう簡単には存在しません。 この担当医があなたの情報に対する権利を持っていることにあなたが署名すると、彼らはその情報を施設内で使用できるようになります。 情報が支払者の健康保険会社と共有された場合、彼らは支払いを管理できるように情報に対する権利を有します。 奇妙なことに、保険会社は私のデータ コレクションに対して、各医師よりも多くの権利を持っています。なぜなら、私の医者は、私のデータ コレクション全体ではなく、治療中に収集したデータに対する権利しか持っていないからです。 ジョン・エドワーズ: コストを下げる必要があります。 医療提供者、薬局の製品、または効果が証明されている診断製品を人々に適切に利用してもらうために私たちができることはすべて、信念です。それが最善の道であり、費用が最も効果的です。 その道を外れ、効果のないことをしていると、有害な結果をもたらします。 人々の状態に合わせて最善のケアを提供していないため、総コストが増加します。 つまり、より多くの薬が必要になったり、より多くの医師に診てもらう必要があるために利用率が上がる人もいれば、それほど頻繁に受診する必要のないプロトコルに従うことに抵抗を感じない人もいるということです。 彼らの危険因子はそこにないので、彼らは予防薬の医師に非常に多く見られるか、以前に発見されて関連付けられたバイオマーカーに基づいて、彼らのような人には効かない薬を服用している可能性があります.人々の結果(そしてあなたは同じバイオマーカーを持っています)。 精密医療への一歩を踏み出します。 薬物について生み出されている知識と医師による薬物の実践との間のギャップを埋め始めるので、彼らはよりよく理解できるようになります. Q: AI はどのようにして乳がんなどの症状の治療を個別化するのでしょうか? ジョン・エドワーズ生涯にわたる放射線は測定されません。 そして、X線や食事からのさまざまな物を通して、ますます多くの放射線を浴びると、放射線のより大きなリスクと副作用を負うことになります. がんになった後、乳房について理解する [and] 腫瘍の位置、乳房の密度、および留置場所によって、患者の乳房に放射線を照射する方法が決定されます。 それでも、これらの決定は、私たちが治療しているすべての乳がんの一連の証拠から学習しているAIモデルを通じて実行されていません. それはその腫瘍学者と放射線療法士によって個別に行われます. だから、私たちはもっとうまくやることができます。 意思決定科学のためのより完全なデータを提供して、その機能を適用することができます。 対処するためのツールが用意されています。 これらのタイプのソリューションを喜んで構築する必要があります。 …

人工知能は医療費を削減し、精密医療への治療を推進する可能性があります Read More »

テキサス州の生体認証法の施行は、人工知能に焦点を当てています。 インサイト

多くの組織は、2023 年に施行される州の消費者プライバシー法への準拠に注意を向けていますが、テキサス州司法長官が 2022 年に生体認証データの収集に関する 2 つの訴訟を提起したことを心に留めておく必要があります。機械学習に依存する人工知能 (AI) モデルを使用します。 Texas Capture or Use of Biometric Identifier Act (CUBI) に違反すると、重大な結果が生じる可能性があります。 CUBI は、違反ごとに最大 25,000 ドルの民事罰を規定しており、機械学習に必要なデータの量によって潜在的な違反の数が増加します。 この投稿では、テキサス AG による CUBI の幅広い解釈を検証し、AI 実装のコンテキストで生体認証データを処理する組織に関するいくつかの考慮事項を特定します。 CUBIの背景 CUBI は、生体認証識別子の取得、受信、所有、共有、および保持を規制しています。 このテキサス州の法律 (古い法律) は、「生体認証識別子」の定義、具体的には「網膜または虹彩のスキャン、指紋、声紋、または手または顔の形状の記録」に対してリスト限定のアプローチを使用しています。 CUBI の下では、組織は、最初に通知を行い、影響を受ける個人から同意を得ない限り、商業目的で生体認証識別子を取得することを一般に禁止されています。 (「商業目的」という用語は、法律によって定義されていません。) 生体認証識別子の開示は制限されなければなりません。 組織は、合理的な注意を払って生体認証 ID を保護する必要があり、通常、収集目的が終了してから 1 年以内に、妥当な期間内に破棄する必要があります。 特に、テキサス AG だけが CUBI の下で訴訟を起こすことができます。 私的行動権はありません。 Facebook と Google の嘆願書における CUBI の幅広い解釈 …

テキサス州の生体認証法の施行は、人工知能に焦点を当てています。 インサイト Read More »

小売市場の規模と予測における世界の人工知能

ニュージャージー州、アメリカ合衆国 – 小売市場におけるグローバルな人工知能は、かなりのペースで成長すると予想されていると、Verified Market Research は報告しています。 「」というタイトルの最新の調査レポート小売市場の洞察におけるグローバル人工知能、2028年までの予測. 世界市場について独自の視点を提供します。 アナリストは、消費パターンの変化が市場全体に大きな影響を与えると予想されていると考えています。 小売市場におけるグローバルな人工知能市場の簡単な概要について、調査レポートはエグゼクティブサマリーを提供します。 市場の重要な要素を形成するさまざまな要因について説明します。 これには、市場のドライバー、機会、制約、および脅威の詳細な説明とともに、市場の定義と範囲が含まれます。 レポートでは、小売市場におけるグローバルな人工知能市場の主要なプレーヤーと新興プレーヤーの両方が包括的に検討されています。 レポートを作成したアナリストは、小売市場のグローバル人工知能で活動している主要プレーヤーのビジネスのあらゆる側面を深く研究しました。 会社のプロファイリング セクションでは、レポートは対象となるすべてのプレーヤーの徹底的な会社のプロファイリングを提供します。 プレーヤーは、市場シェア、成長戦略、新製品の発売、最近の開発、将来の計画、収益、粗利益、売上、生産能力、生産、製品ポートフォリオなどのさまざまな要因に基づいて調査されます。 レポートの完全な PDF サンプル コピーを取得: (完全な TOC、表と図のリスト、チャートを含む) @ https://www.verifiedmarketresearch.com/download-sample/?rid=29895 小売市場調査レポートのグローバル人工知能で言及されている主要なプレーヤー: Salesforce、IBM Corporation、Amazon Web Services、Sentient technologies、Oracle、SAP、Intel、NVIDIA、Google、Microsoft Corporation、および ViSenze。 小売市場のセグメンテーションにおけるグローバルな人工知能: 技術別の小売市場における人工知能 • 自然言語処理• 機械学習と深層学習• その他 ソリューション別の小売市場における人工知能 • ビジュアル検索• 仮想アシスタント• 製品の推奨と計画• 価格の最適化• 顧客関係管理• その他 アプリケーション別の小売市場における人工知能 • 店内の視覚的監視と監視• 市場予測• 予測マーチャンダイジング• プログラマティック広告• その他 プレーヤーはレポートを使用して、小売市場におけるグローバル人工知能の重要なセグメントの成長傾向を正しく理解することができます。 …

小売市場の規模と予測における世界の人工知能 Read More »

最新の人工知能研究が ROME (Rank-One Model Editing) を提案: GPT モデル内の事実関係を効率的に見つけて編集するための大規模な言語モデル ソリューション

大規模言語モデルまたは LLM では、ファクトはどこに保持されますか? 2 つの理由から、モデルが事実関係を保持する方法と場所に関心があります。 巨大で不透明なニューラル ネットワークを理解するには: 大規模な言語モデルの内部計算はほとんど理解されていません。 巨大な変圧器ネットワークを理解するには、まず情報がどのように処理されるかを理解する必要があります。 修正を行う: モデルはしばしば不正確、偏り、または非公開であるため、特定の事実の不正確さを特定して修正できるようにする手法を作成したいと考えています。 で 最近発表された論文、 GPT 内の事実関係は、直接編集可能なローカライズされた計算に対応することが示されています。 自己回帰 GPT (Radford et al., 2019; Brown et al., 2020) や masked BERT (Devlin et al., 2019) モデルなどの大規模な言語変換は、事実に関する知識 (Petroni et al., 2019; Jiang et al., 2020; Roberts et al., 2020; Brown et al., 2020)。 Elazar et al. によると、特定の事実予測は言い換えると交互に入れ替わるが、言い換えに抵抗するものもある。 (2021a)。 たとえば、GPT …

最新の人工知能研究が ROME (Rank-One Model Editing) を提案: GPT モデル内の事実関係を効率的に見つけて編集するための大規模な言語モデル ソリューション Read More »

最新の人工知能研究が ROME (Rank-One Model Editing) を提案: GPT モデル内の事実関係を効率的に見つけて編集するための大規模な言語モデル ソリューション

大規模言語モデルまたは LLM では、ファクトはどこに保持されますか? 2 つの理由から、モデルが事実関係を保持する方法と場所に関心があります。 巨大で不透明なニューラル ネットワークを理解するには: 大規模な言語モデルの内部計算はほとんど理解されていません。 巨大な変圧器ネットワークを理解するには、まず情報がどのように処理されるかを理解する必要があります。 修正を行う: モデルはしばしば不正確、偏り、または非公開であるため、特定の事実の不正確さを特定して修正できるようにする手法を作成したいと考えています。 で 最近発表された論文、 GPT 内の事実関係は、直接編集可能なローカライズされた計算に対応することが示されています。 自己回帰 GPT (Radford et al., 2019; Brown et al., 2020) や masked BERT (Devlin et al., 2019) モデルなどの大規模な言語変換は、事実に関する知識 (Petroni et al., 2019; Jiang et al., 2020; Roberts et al., 2020; Brown et al., 2020)。 Elazar et al. によると、特定の事実予測は言い換えると交互に入れ替わるが、言い換えに抵抗するものもある。 (2021a)。 たとえば、GPT …

最新の人工知能研究が ROME (Rank-One Model Editing) を提案: GPT モデル内の事実関係を効率的に見つけて編集するための大規模な言語モデル ソリューション Read More »

トップ9のAI投資機会

| | ゲッティイメージズ 重要ポイント 人工知能は、検索エンジンの結果から製品の配信方法、写真アプリ、顔認証など、私たちの生活のあらゆる側面に影響を与えています。 世界中の企業がこのテクノロジーを活用しようとしているため、現在、AI に投資する多くの機会があります。 一部の保険会社は現在、AI によって完全にサポートされており、平均的な投資家が利用できる AI 投資アプリさえあります。 概念的には、AI は 2020 年代に、DNA は 1990 年代に、帯域幅は初期の 20 年代に、mRNA はパンデミックにそれぞれ影響を与えました。 今や日常生活の一部となっている人工知能の力を無視することはできません。 AI は、人間が通常行うある程度の問題解決と意思決定を含む典型的なタスクを実行するように設計されています。 これらのタスクは現在、保険金請求に関する意思決定から、テキスト プロンプトに基づいたゼロからの画像作成にまで及びます。 テクノロジーである人工知能の多くの新しい用途は、まだ発見されています。 しかし、私たちの日常生活における Siri や Alexa などのサービスの進化について考えてみると、それもここにあります。 今日は、最高の人工知能株を見ていきますので、この分野の支持者である場合に検討すべき投資機会がいくつかあります. 人工知能にどのように投資できますか? AI への投資にはさまざまな方法がありますが、それは通常、企業の技術スタックの層であり、明確な AI 企業はまだありません. Google が検索エンジンだったり、Tesla が電気だったりする方法. 現在、実質的な AI を採用している投資可能な業界は次のとおりです。 金融業務 金融サービスは、顧客のプロセスを簡素化するために、詐欺の検出、ローンの引受、顧客サービス、アルゴリズム取引、日常の銀行サービスに AI を活用したテクノロジを利用しています。 アルゴリズム取引は、この技術が取引コストの最小化、注文実行の改善、証券取引に伴う人為的ミスの最小化に使用されているため、ここで私たちを魅了する分野の 1 つです。 不安定な株式市場でリスク削減を模索し続ける中、アルゴリズム取引業界が 2024 年までに年間最大 190 …

トップ9のAI投資機会 Read More »

マイクロソフトとデルフト大学の研究者が、人工知能 (AI) ベースのアプローチを提案し、表情に基づいて顔のしわを合成します

合成データは、オブジェクトの識別、シーンの理解、アイ トラッキング、ハンド トラッキング、身体全体の分析など、さまざまなコンピューター ビジョン タスクに頻繁に使用されています。 しかし、顔関連の機械学習のためのフルフェイス シンセティックスの開発は、人間の頭蓋骨をモデル化することの難しさによって大幅に妨げられてきました。 映画やビデオ ゲーム用にリアルなデジタル ヒューマンが作成されていますが、通常、各キャラクターには多くの芸術的な時間が必要です。 このため、文献での顔のトレーニング データの合成には、単純化または特定の顔の特徴 (目の周りの領域やホッケー マスクなど) への焦点が伴います。 実際の顔データと人工の顔データの分布の不一致により、ドメインのギャップにより一般化が困難になります。 このため、合成データは、現場で実行する必要があるジョブの実際のデータを完全に置き換えることはできないと考えられています。 モデルがドメインの違いを無視するように促されるドメイン適応と敵対的ドメイントレーニングは、このドメインギャップを埋めるための不可欠な方法でした. 手続き型サンプリングは、革新的な 3D 顔をランダムに生成し、人間の支援なしでレンダリングできます。 この技術は、視覚効果 (VFX) 業界が実物そっくりの人物を合成するために使用する方法の大幅なスケーリング制限を克服することで、これを実現します。 比類のないリアリズムを備えた総合的な外観を作成することにより、ウッドらは. ソースでのドメイン ギャップを最小限に抑えることで、問題に直接対処することを目的としています。 彼らのアプローチでは、パラメトリック 3D 顔モデルを、テクスチャ、髪、アパレルなど、アーティストが作成した優れた要素の膨大なコレクションとプロシージャルにブレンドします。 ランドマークの位置特定と顔の解析のために合成データでトレーニングされた機械学習アルゴリズムは、単一の本物の画像を使用することなく、最先端技術と同等のパフォーマンスを達成しました。 ただし、この手法の 1 つの欠点は、動的な式依存のしわがないことです。 このホワイトペーパーでは、表情ベースのしわを実装するための使いやすく効率的な計画を提供します。 このメソッドは、ニュートラル エクスプレッション スキャンからのみテクスチャを作成します。これは、基になる顔ジオメトリのすべてのエクスプレッション関連の変形中に静的なままです。 彼らの主な目標は、ポーズをとった顔の高解像度スキャンを使用して、識別のために複雑なしわ効果を抽出することです。 これらの潜在的なしわを保存するために、アルベドとディスプレイスメント テクスチャのしわマップを作成します。 ソーススキャンに描かれているもの以外の表現の合成中に折り目とニュートラルサーフェスを混合し、顔メッシュの張力を利用して動的なしわ効果を作成します。 アニメーションも補足資料の一部です。 初期の VFX テクニックでは、最初はリンクル マップを使用してアーティストが定義したバンプを記述したり、動的なリンクルを模倣するために法線マップを使用したりしていました。 ただし、これらの戦略には 3 つの欠点があります。 まず、ランドマークのローカリゼーションなどの顔関連のタスクに不可欠な影とシルエットは変更されておらず、基礎となるジオメトリの変化を模倣しています。 第二に、アプローチは拡散テクスチャにもアルベドにも影響しません。 スケールは、最後の最も重大な欠陥です。 この手法には、各キャラクターのブレンドシェイプのしわマップとマスクを手動で作成することが含まれます。 対照的に、彼らの自動化されたメッシュ …

マイクロソフトとデルフト大学の研究者が、人工知能 (AI) ベースのアプローチを提案し、表情に基づいて顔のしわを合成します Read More »