跳转到主要内容

标签(标签)

资源精选(342) Go开发(108) Go语言(103) Go(99) angular(82) LLM(75) 大语言模型(63) 人工智能(53) 前端开发(50) LangChain(43) golang(43) 机器学习(39) Go工程师(38) Go程序员(38) Go开发者(36) React(33) Go基础(29) Python(24) Vue(22) Web开发(20) Web技术(19) 精选资源(19) 深度学习(19) Java(18) ChatGTP(17) Cookie(16) android(16) 前端框架(13) JavaScript(13) Next.js(12) 安卓(11) 聊天机器人(10) typescript(10) 资料精选(10) NLP(10) 第三方Cookie(9) Redwoodjs(9) LLMOps(9) Go语言中级开发(9) 自然语言处理(9) PostgreSQL(9) 区块链(9) mlops(9) 安全(9) 全栈开发(8) ChatGPT(8) OpenAI(8) Linux(8) AI(8) GraphQL(8) iOS(8) 软件架构(7) Go语言高级开发(7) AWS(7) C++(7) 数据科学(7) whisper(6) Prisma(6) 隐私保护(6) RAG(6) JSON(6) DevOps(6) 数据可视化(6) wasm(6) 计算机视觉(6) 算法(6) Rust(6) 微服务(6) 隐私沙盒(5) FedCM(5) 语音识别(5) Angular开发(5) 快速应用开发(5) 提示工程(5) Agent(5) LLaMA(5) 低代码开发(5) Go测试(5) gorm(5) REST API(5) 推荐系统(5) WebAssembly(5) GameDev(5) CMS(5) CSS(5) machine-learning(5) 机器人(5) 游戏开发(5) Blockchain(5) Web安全(5) Kotlin(5) 低代码平台(5) 机器学习资源(5) Go资源(5) Nodejs(5) PHP(5) Swift(5) 智能体(4) devin(4) Blitz(4) javascript框架(4) Redwood(4) GDPR(4) 生成式人工智能(4) Angular16(4) Alpaca(4) 编程语言(4) SAML(4) JWT(4) JSON处理(4) Go并发(4) kafka(4) 移动开发(4) 移动应用(4) security(4) 隐私(4) spring-boot(4) 物联网(4) nextjs(4) 网络安全(4) API(4) Ruby(4) 信息安全(4) flutter(4) 专家智能体(3) Chrome(3) CHIPS(3) 3PC(3) SSE(3) 人工智能软件工程师(3) LLM Agent(3) Remix(3) Ubuntu(3) GPT4All(3) 软件开发(3) 问答系统(3) 开发工具(3) 最佳实践(3) RxJS(3) SSR(3) Node.js(3) Dolly(3) 移动应用开发(3) 低代码(3) IAM(3) Web框架(3) CORS(3) 基准测试(3) Go语言数据库开发(3) Oauth2(3) 并发(3) 主题(3) Theme(3) earth(3) nginx(3) 软件工程(3) azure(3) keycloak(3) 生产力工具(3) gpt3(3) 工作流(3) C(3) jupyter(3) 认证(3) prometheus(3) GAN(3) Spring(3) 逆向工程(3) 应用安全(3) Docker(3) Django(3) R(3) .NET(3) 大数据(3) Hacking(3) 渗透测试(3) C++资源(3) Mac(3) 微信小程序(3) Python资源(3) JHipster(3) 大型语言模型(2) 语言模型(2) 可穿戴设备(2) JDK(2) SQL(2) Apache(2) Hashicorp Vault(2) Spring Cloud Vault(2) Go语言Web开发(2) Go测试工程师(2) WebSocket(2) 容器化(2) AES(2) 加密(2) 输入验证(2) ORM(2) Fiber(2) Postgres(2) Gorilla Mux(2) Go数据库开发(2) 模块(2) 泛型(2) 指针(2) HTTP(2) PostgreSQL开发(2) Vault(2) K8s(2) Spring boot(2) R语言(2) 深度学习资源(2) 半监督学习(2) semi-supervised-learning(2) architecture(2) 普罗米修斯(2) 嵌入模型(2) productivity(2) 编码(2) Qt(2) 前端(2) Rust语言(2) NeRF(2) 神经辐射场(2) 元宇宙(2) CPP(2) 数据分析(2) spark(2) 流处理(2) Ionic(2) 人体姿势估计(2) human-pose-estimation(2) 视频处理(2) deep-learning(2) kotlin语言(2) kotlin开发(2) burp(2) Chatbot(2) npm(2) quantum(2) OCR(2) 游戏(2) game(2) 内容管理系统(2) MySQL(2) python-books(2) pentest(2) opengl(2) IDE(2) 漏洞赏金(2) Web(2) 知识图谱(2) PyTorch(2) 数据库(2) reverse-engineering(2) 数据工程(2) swift开发(2) rest(2) robotics(2) ios-animation(2) 知识蒸馏(2) 安卓开发(2) nestjs(2) solidity(2) 爬虫(2) 面试(2) 容器(2) C++精选(2) 人工智能资源(2) Machine Learning(2) 备忘单(2) 编程书籍(2) angular资源(2) 速查表(2) cheatsheets(2) SecOps(2) mlops资源(2) R资源(2) DDD(2) 架构设计模式(2) 量化(2) Hacking资源(2) 强化学习(2) flask(2) 设计(2) 性能(2) Sysadmin(2) 系统管理员(2) Java资源(2) 机器学习精选(2) android资源(2) android-UI(2) Mac资源(2) iOS资源(2) Vue资源(2) flutter资源(2) JavaScript精选(2) JavaScript资源(2) Rust开发(2) deeplearning(2) RAD(2)

category

校友创立的Pienso开发了一款用户友好的人工智能构建器,因此领域专家可以在不编写任何代码的情况下构建解决方案。

2010年,作为媒体实验室的学生,Karthik Dinakar SM’12、PhD’17和Birago Jones SM’12合作开展了一个课堂项目,以构建一个工具,帮助Twitter(现在是X)和YouTube等公司的内容审核团队。该项目引起了极大的轰动,研究人员被邀请在白宫举行的网络欺凌峰会上进行演示——他们只需要让事情发挥作用。

在白宫活动的前一天,Dinakar花了几个小时试图制作一个工作演示,可以识别推特上的相关帖子。晚上11点左右,他打电话给琼斯,说他要放弃。

然后Jones决定查看数据。事实证明,Dinakar的模特在标记正确的帖子类型,但海报上使用了青少年俚语和其他Dinakar没有学会的间接语言。问题不在于模特;这是Dinakar和他试图帮助的青少年之间的脱节。

Dinakar说:“当时,就在我们到达白宫之前,我们意识到,构建这些模型的人不应该只是机器学习工程师。”。“他们应该是最了解自己数据的人。”

这一见解促使研究人员开发了点击式工具,允许非专家构建机器学习模型。这些工具成为了Pienso的基础,如今,Pienso正在帮助人们建立大型语言模型,用于检测错误信息、人口贩运、武器销售等,而无需编写任何代码。

Jones说:“这类应用程序对我们来说很重要,因为我们的根源在于网络欺凌,以及了解如何将人工智能用于真正帮助人类的事情。”。

至于白宫展示的早期版本的系统,创始人最终与马萨诸塞州剑桥市附近学校的学生合作,让他们训练模型。

Dinakar说:“那些孩子们训练的模型比我能想到的任何模型都要好得多,也细致入微。”。“Birago和我有一个重要的‘啊哈!’时刻,我们意识到赋予领域专家权力——这与人工智能民主化不同——是最好的前进道路。”

有目的的项目

Jones和Dinakar是在麻省理工学院媒体实验室软件代理研究小组的研究生时认识的。他们对Pienso的研究始于6.864课程(自然语言处理),一直持续到2012年获得硕士学位。

事实证明,2010年并不是创始人最后一次被邀请到白宫演示他们的项目。这项工作引起了很多人的热情,但创始人一直在Pienso做兼职,直到2016年,Dinakar在麻省理工学院完成了博士学位,深度学习开始大受欢迎。

Dinakar说:“我们仍然与校园里的许多人保持着联系。”。“我们在麻省理工学院的接触,人机界面的融合,拓宽了我们的理解。如果没有麻省理工大学校园的活力,我们在Pienso的哲学就不可能实现。”

创始人还称赞麻省理工学院的工业联络计划(ILP)和创业加速器(STEX)将他们与早期合作伙伴联系起来。

SkyUK是早期的合作伙伴之一。该公司的客户成功团队使用Pienso建立模型来了解客户最常见的问题。如今,这些模型每天帮助处理50万个客户电话,创始人表示,到目前为止,他们通过缩短进入公司呼叫中心的电话长度,为公司节省了700多万英镑。

Jones说:“让人工智能民主化和让人们拥有人工智能之间的区别在于谁最了解数据——你、医生、记者还是每天与客户合作的人?”。“这些人应该创建模型。这就是你从数据中获得见解的方式。”

2020年,就在新冠肺炎疫情在美国开始爆发之际,政府官员联系了创始人,用他们的工具更好地了解这种新出现的疾病。Pienso帮助病毒学和传染病专家建立了机器学习模型,挖掘了数千篇关于冠状病毒的研究文章。Dinakar说,他们后来了解到,这项工作帮助政府确定并加强了关键的药物供应链,包括流行的抗病毒药物瑞德西韦。

Dinakar说:“这些化合物是由一个不知道深度学习但能够使用我们平台的团队浮出水面的。”。

构建更美好的人工智能未来

由于Pienso可以在内部服务器和云基础设施上运行,创始人表示,它为被迫使用其他人工智能公司提供的服务捐赠数据的企业提供了一种替代方案。

Dinakar解释道:“Pienso界面是一系列缝合在一起的网络应用程序。”。“你可以把它想象成一个用于大型语言模型的Adobe Photoshop,但在网络中。你可以在不写一行代码的情况下指向和导入数据。你可以细化数据,为深度学习做准备,分析它,如果没有标记或注释,就给它提供结构,你可以在25分钟内完成微调的大型语言模型。”

今年早些时候,Pienso宣布与GraphCore建立合作关系,GraphCore为机器学习提供了一个更快、更高效的计算平台。创始人表示,这一合作关系将通过大幅减少延迟,进一步降低利用人工智能的障碍。

Dinakar说:“如果你正在构建一个交互式人工智能平台,用户不会每次点击按钮都喝一杯咖啡。”。“它需要快速响应。”

创始人相信,他们的解决方案正在为未来创造一个更有效的人工智能模型,由最熟悉他们试图解决的问题的人为特定用例开发人工智能模型。

Dinakar说:“没有一个模特能做所有的事情。”。“每个人的应用程序都是不同的,他们的需求也不同,他们的数据也不同。一个模型不太可能为你做所有的事情。这是关于把一个模型花园放在一起,让它们相互协作,并以一种有意义的方式对它们进行编排——而进行编排的人应该是理解数据的人。

 

文章链接