大型语言模型 (LLM) 的出现导致人们急于将人工智能 (AI) 强行塞入每一种有意义的产品,以及相当一部分不有意义的产品。但有一个领域已经证明人工智能是一个强大而有用的补充:低代码和无代码软件开发。
人工智能 (AI) 快速融入软件系统,为软件开发社区带来了前所未有的机遇和挑战。作为开发人员,我们不仅要负责构建功能齐全的 AI 系统,还要确保它们安全、合乎道德且负责任地运行。本文深入探讨了NIST AI 风险管理框架的技术细节,为构建和部署 AI 解决方案的软件开发人员提供具体指导。
传统机器学习 (ML) 模型和 AI 技术通常存在一个严重缺陷:它们缺乏不确定性量化。这些模型通常提供点估计,而不考虑其预测的不确定性。这种限制削弱了评估模型输出可靠性的能力。此外,传统 ML 模型需要大量数据,通常需要正确标记的数据,因此,在数据有限的问题上往往会遇到困难。此外,这些模型缺乏将专家领域知识或先验信念纳入模型的系统框架。如果无法利用特定领域的见解,模型可能会忽略数据中的关键细微差别,并且往往无法发挥其潜力。ML 模型正变得越来越复杂和不透明,人们越来越需要数据和人工智能做出的决策具有更高的透明度和可问责性。
随着最近法学硕士 (LLM)的成就和关注,以及随之而来的人工智能“夏季”,模型训练方法开始复兴,旨在尽快获得最优、性能最佳的模型。其中大部分是通过大规模实现的——更多芯片、更多数据、更多训练步骤。然而,许多团队一直专注于如何更高效、更智能地训练这些模型,以实现预期结果。
近年来,随着人工智能的发展,专门针对人工智能的法规也应运而生,例如制药行业的良好机器学习实践 (GMLP) 和金融行业的模型风险管理 (MRM),以及其他涉及数据隐私的广泛法规,如欧盟的 GDPR 和加州的 CCPA。同样,内部合规团队在验证基于模型预测的决策时可能也希望解释模型的行为。例如,承保人希望了解为什么特定的贷款申请被 ML 模型标记为可疑。
数据质量差会导致信息驱动系统中的分析和决策不准确。机器学习 (ML) 分类算法已成为解决各种数据质量问题的有效工具,它通过自动查找和纠正数据集中的异常来解决问题。有各种方法和策略可用于将 ML 分类器应用于数据净化、异常值识别、缺失值插补和记录链接等任务。用于衡量机器学习模型在解决数据质量问题方面的有效性的评估标准和性能分析方法正在不断发展。
Postgres 继续推动数据库格局的发展,超越传统的关系数据库用例。其丰富的扩展和派生解决方案生态系统使 Postgres 成为一股强大的力量,尤其是在时间序列和地理空间等领域,以及最近的生成式 AI 工作负载。
作为一名经验丰富的安全架构师,我见证了人工智能和机器学习对软件开发领域的变革性影响,尤其是在API 安全方面。GenAI 的出现及其快速生成代码和整个应用程序的能力为创新带来了前所未有的机会。然而,这种开发速度的加速也带来了复杂的安全挑战,需要先进的解决方案。
随着物联网(IoT)和嵌入式系统的迅猛发展,GPIO(General-Purpose Input/Output,通用输入/输出)引脚在微控制器和嵌入式开发板中的应用愈发广泛。GPIO引脚允许用户直接控制硬件设备的输入和输出,是嵌入式系统开发中的关键组成部分。本文将详细介绍如何在Lyra-T板上使用GPIO引脚,包括GPIO的基本概念、Lyra-T板的GPIO引脚配置、以及通过编程实现对GPIO引脚的控制等。
东科DK065G氮化镓合封芯片内部集成了650V耐压,导阻260mΩ的氮化镓开关管,并集成高性能反激控制器,支持谷底开通降低损耗。
随着物联网技术的快速发展,近场通信(NFC)技术作为其中的重要组成部分,已广泛应用于智能支付、门禁系统、数据交换等多个领域。为满足市场对高性能、多接口NFC芯片的需求,本文设计并实现了一种基于FPGA的双接口NFC芯片验证系统。该系统不仅提高了芯片验证的效率和准确性,还为后续芯片设计提供了有力的技术支持。
随着人工智能(AI)技术的飞速发展,AI智算网络作为支撑AI应用高效运行的关键基础设施,其重要性日益凸显。在AI智算网络的构建中,网络架构的选择对于系统的性能、成本以及可扩展性等方面具有决定性的影响。当前,市场中主要存在两大主流架构:InfiniBand和RoCEv2。本文将对这两种架构进行深入探究,并分析它们之间的差异。
在图像处理领域,边缘检测是一项至关重要的技术,广泛应用于机器视觉、模式识别、图像分割和目标跟踪等任务中。传统的图像边缘检测方法多依赖于软件实现,但由于处理速度的限制,难以满足实时性的需求。FPGA(现场可编程门阵列)以其高度的并行性和可配置性,在实时图像处理领域展现出巨大的潜力。本文旨在介绍一种基于FPGA的实时图像边缘检测系统的设计与实现。
Vivado是Xilinx公司推出的一款强大的FPGA开发工具,它为用户提供了从设计到实现的全面解决方案。然而,在FPGA设计过程中,Vivado编译错误是开发者经常遇到的问题。本文将总结Vivado编译过程中常见的错误类型,并提供相应的解决策略,帮助开发者更有效地解决问题。
随着现代电子技术的不断发展,电容传感器在各个领域的应用越来越广泛。电容传感器以其高灵敏度、高分辨率和非接触测量等优点,在工业自动化、智能家居、医疗健康等领域发挥着重要作用。然而,电容传感器接口的测量精度和可靠性一直是研究的热点和难点。模拟前端IC(集成电路)作为电容传感器接口的核心部件,其测量方法的选择和优化对于提高电容传感器的性能至关重要。本文将对目前用于可靠的电容传感器接口的模拟前端IC测量方法进行综述和分析。