Generative AI Text – NVIDIA 技術博客

NVIDIA 宣布為語言、視覺內容和生物學應用提供生成式人工智能服務

Wed, 22 Mar 2023 06:25:48 +0000

生成式人工智能已經做好了改變世界產業和解決當今最重要挑戰的準備。為了使企業能夠利用生成人工智能的可能性， NVIDIA 推出了 NVIDIA AI Foundations 和 NVIDIA NeMo 框架，由 NVIDIA DGX Cloud 提供支持。 NVIDIA AI Foundations 是一系列云服務，為企業提供了一種簡化的方法來構建和運行自定義生成人工智能，從文本語言、視覺媒體和生物語言的最先進的基礎模型開始。 NeMo 框架使企業能夠輕松開發大規模生成性人工智能語言和生物模型，并對其進行訓練、定制和部署到生產中。觀看 NVIDIA GTC 2023 主題演講與 NVIDIA 首席執行官黃仁勛（ Jensen Huang ）一起了解 NVIDIA 最新發布的生成性人工智能。 NVIDIA 宣布推出 NeMo ，

Source

]]>

利用 NVIDIA BioNeMo 服務構建用于藥物發現的生成人工智能管道

Tue, 21 Mar 2023 07:27:39 +0000

創造新的候選藥物是一項英勇的努力，通常需要 10 多年的時間才能將一種藥物推向市場。理解生物學和化學文本的新的超級計算規模的大型語言模型（ LLM ）正在幫助科學家理解蛋白質、小分子、 DNA 和生物醫學文本。這些最先進的人工智能模型有助于生成 de novo 蛋白質和分子，并預測蛋白質的 3D 結構。他們可以預測小分子與蛋白質的結合結構，并為科學家提供更容易的方法來設計新的候選藥物，最終為患者帶來希望。 2021 Exscientia brought an AI-designed drug candidate 進行臨床試驗后，其他幾家公司宣布他們的候選人正在試驗中。在專注于基于人工智能的發現的制藥公司中，有關于 160 discovery programs 的公開信息，據報道其中 15 種產品正在臨床開發中。

Source

]]>

NVIDIA Morpheus 通過 Generative AI 幫助抵御矛式網絡釣魚

Tue, 21 Mar 2023 07:08:28 +0000

使用生成式人工智能和 NVIDIA Morpheus 網絡安全人工智能框架，開發人員可以構建更有效地檢測魚叉式網絡釣魚企圖的解決方案，而且訓練時間極短。事實上，使用 NVIDIA Morpheus 和生成人工智能訓練技術，我們能夠檢測到 90% 的有針對性的魚叉式網絡釣魚電子郵件，與目前使用的典型網絡釣魚檢測解決方案相比，改進了 20% 。魚叉式網絡釣魚是對組織最大、代價最高的網絡威脅之一。雖然網絡釣魚電子郵件更為通用，旨在詐騙大量人員，但魚叉式網絡釣魚電子郵件是針對特定個人定制的。在魚叉式網絡釣魚攻擊中，電子郵件是為特定的個人、工作角色或行業量身定制的。因為它非常有針對性，所以電子郵件往往非常有說服力。商業電子郵件泄露是一種魚叉式網絡釣魚攻擊，目的是誘騙員工采取有害行動，通常是向攻擊者匯款。據 2021 FBI Internet Crime Report…

Source

]]>

NVIDIA L4 GPU 實現 AI 視頻和 AI 推理性能的超級充電

Tue, 21 Mar 2023 06:59:15 +0000

NVIDIA T4 于 4 年前作為通用 GPU 引入主流服務器。 T4 GPU 已被廣泛采用，目前是 NVIDIA 數據中心中容量最大的 GPU s 。 T4 GPU 被部署到人工智能推理、云游戲、視頻和視覺計算的用例中。在 NVIDIA GTC 2023 主題演講中， NVIDIA 為人工智能工作負載推出了 several inference platforms ，包括 NVIDIA T4 的繼任者： NVIDIA L4 Tensor Core GPU 。 L4 GPU 現在是一款通用、節能的加速器，旨在滿足視頻、視覺計算、圖形、虛擬化、生成人工智能和邊緣計算的眾多應用的人工智能需求。在這篇文章中，我們介紹了與上一代（ T4 ）相比， L4 GPU 的主流服務器如何提供更多的 AI 視頻性能，并實現更多的視頻流。您將在從視頻流到藥物發現的各種用例中找到經過驗證的結果，

Source

]]>

如何創建自定義語言模型

Wed, 15 Mar 2023 03:23:05 +0000

在過去的幾年里，世代人工智能吸引了公眾的注意力和想象力。從給定的自然語言提示，這些生成模型能夠生成人類質量的結果，從清晰表達的兒童故事到產品原型可視化。大型語言模型（ LLM ）是這場革命的中心。 LLM 是一種通用的語言理解器，它將人類知識編纂成法典，可以很容易地應用于許多自然語言和編程語言理解任務，開箱即用。其中包括摘要、翻譯、問題回答以及代碼注釋和完成。單個基礎語言模型完成許多任務的能力開辟了一個全新的人工智能軟件范式，其中單個基礎模型可以用于滿足公司所有部門的多個下游語言任務。這簡化并降低了人工智能軟件開發、部署和維護的成本。盡管 LLM 強大且前景光明，但通過針對特定用例的零樣本或少量快照學習，與 LLM 現成的性能仍存在差距。特別是，零樣本學習性能往往很低且不可靠。另一方面，很少有鏡頭學習依賴于找到最佳的離散提示，這是一個不平凡的過程。

Source

]]>