Agent.ai.vn

Thống kê Doanh thu và Người dùng Perplexity năm 2024

<h1>Thống kê doanh thu và sử dụng Perplexity (2024)</h1>
<p><strong>Mục lục:</strong></p>
<ul>
<li><a href="#gi%E1%BB%9Bi-thi%E1%BB%87u-v%E1%BB%81-perplexity">Giới thiệu về Perplexity</a></li>
<li><a href="#th%E1%BB%91ng-k%C3%AA-ch%C3%ADnh-c%E1%BB%A7a-perplexity">Thống kê chính của Perplexity</a></li>
<li><a href="#t%E1%BB%95ng-quan-v%E1%BB%81-perplexity">Tổng quan về Perplexity</a></li>
<li><a href="#doanh-thu-c%E1%BB%A7a-perplexity">Doanh thu của Perplexity</a></li>
<li><a href="#ng%C6%B0%E1%BB%9Di-d%C3%B9ng-perplexity">Người dùng Perplexity</a></li>
<li><a href="#l%C6%B0%E1%BB%A3ng-t%E1%BA%A3i-xu%E1%BB%91ng-perplexity">Lượng tải xuống Perplexity</a></li>
<li><a href="#v%C3%B2ng-g%E1%BB%8Di-v%E1%BB%91n-c%E1%BB%A7a-perplexity">Vòng gọi vốn của Perplexity</a></li>
<li><a href="#ng%C6%B0%E1%BB%9Di-d%C3%B9ng-%E1%BB%A9ng-d%E1%BB%A5ng-ai">Người dùng ứng dụng AI</a></li>
<li><a href="#c%C3%A2u-h%E1%BB%8Fi-th%C6%B0%E1%BB%9Dng-g%E1%BA%B7p-v%E1%BB%81-perplexity">Câu hỏi thường gặp về Perplexity</a></li>
</ul>
<br />

<h2>Giới thiệu về Perplexity</h2>
<p>Cuộc săn tìm thế hệ tiếp theo của công cụ tìm kiếm đã diễn ra hơn một thập kỷ, nhưng không có gì có thể soán ngôi thống trị của Google.  Nỗ lực mới nhất và là giải pháp thay thế khả thi nhất hiện nay là chatbot AI thế hệ mới, kết hợp tất cả các liên kết và dữ liệu có liên quan từ web và đơn giản hóa thành một câu trả lời duy nhất. Perplexity là một trong những chatbot này, hướng đến mục tiêu trở thành "Google tiếp theo". Được ra mắt vào tháng 8 năm 2022, Perplexity là một trong những chatbot đầu tiên sử dụng dữ liệu cập nhật từ web, cho phép trả lời các truy vấn tin tức và hoạt động giống như một công cụ tìm kiếm hơn là một công cụ năng suất. Điều này ngay lập tức mang lại cho Perplexity một số phản hồi tiêu cực, khi bị nhiều hãng tin cáo buộc ăn cắp nội dung và không ghi nguồn.  Kể từ đó, Perplexity đã thêm tính năng ghi nguồn và hợp tác với các tổ chức tin tức để chia sẻ doanh thu khi câu trả lời sử dụng dữ liệu của họ. Perplexity tạo ra doanh thu thông qua quảng cáo và dịch vụ cao cấp, với giá 20 đô la mỗi tháng.  Gói đăng ký cao cấp sử dụng các mô hình ngôn ngữ GPT-4 của OpenAI và Claude 3 của Anthropic để cho phép các truy vấn tìm kiếm phức tạp hơn, phân tích tệp PDF và các nâng cấp khác. Liệu Perplexity có phải là Google tiếp theo? Còn quá sớm để kết luận. Ứng dụng này có khoảng 15 triệu người dùng hoạt động, mặc dù mức độ gắn kết của những người dùng này vẫn là một câu hỏi khác. Google có khoảng ba tỷ người dùng truy cập thường xuyên và là một công nghệ phổ biến mà mọi người đều biết. Trên hết, Google cũng đã ra mắt bản tổng quan AI của riêng mình, tóm tắt các truy vấn trong một câu trả lời.</p>
<br />

<h2>Thống kê chính của Perplexity</h2>
<ul>
<li>Doanh thu của Perplexity AI đạt 50 triệu đô la và dự kiến đạt khoảng 25 triệu đô la doanh thu trong năm 2024.</li>
<li>Perplexity có 15 triệu người dùng hoạt động trên trang web và ứng dụng.</li>
<li>Ứng dụng Perplexity đã được tải xuống 8,9 triệu lần kể từ khi ra mắt.</li>
<li>Perplexity AI đã nhận được 915 triệu đô la tài trợ và được định giá gần 9 tỷ đô la trong vòng gọi vốn gần đây nhất.</li>
</ul>
<br />

<h2>Tổng quan về Perplexity</h2>
<table>
<thead>
<tr>
<th>Tiêu đề 1</th>
<th>Tiêu đề 2</th>
</tr>
</thead>
<tbody><tr>
<td>Ngày ra mắt</td>
<td>1 tháng 8 năm 2022</td>
</tr>
<tr>
<td>Trụ sở chính</td>
<td>San Francisco, California</td>
</tr>
<tr>
<td>Nhân sự</td>
<td>Aravind Srinivas (Đồng sáng lập, CEO), Denis Yarats (Đồng sáng lập, CTO), Johnny Ho (Đồng sáng lập CSO)</td>
</tr>
<tr>
<td>Loại hình kinh doanh</td>
<td>Tư nhân</td>
</tr>
<tr>
<td>Ngành công nghiệp</td>
<td>Trí tuệ nhân tạo</td>
</tr>
</tbody></table>
<br />

<h2>Doanh thu của Perplexity</h2>
<p>Perplexity tạo ra doanh thu từ phiên bản cao cấp với giá 20 đô la mỗi tháng, cùng với quảng cáo.  Năm 2023, doanh thu gần như bằng không, nhưng đã tăng mạnh vào cuối năm 2024.  Doanh thu ước tính đạt 50 triệu đô la vào tháng 10 năm 2024.</p>
<br />

<h2>Người dùng Perplexity</h2>
<p>Trong bản cập nhật gần đây nhất về lượng người dùng, Perplexity có 15 triệu người dùng hoạt động, tăng từ 10 triệu người dùng ba tháng trước đó.</p>
<br />

<h3>Số lượng người dùng Perplexity từ năm 2023 đến 2024 (triệu)</h3>
<table>
<thead>
<tr>
<th>Ngày</th>
<th>Người dùng (triệu)</th>
</tr>
</thead>
<tbody><tr>
<td>Quý 3/2023</td>
<td>4</td>
</tr>
<tr>
<td>Quý 4/2023</td>
<td>10</td>
</tr>
<tr>
<td>Quý 1/2024</td>
<td>15</td>
</tr>
</tbody></table>
<br />

<p><em>Nguồn: Báo cáo ứng dụng AI, Dữ liệu của công ty</em></p>
<br />

<h2>Lượng tải xuống Perplexity</h2>
<p>Perplexity có 2,8 triệu lượt tải xuống trong quý ba năm 2024, tăng so với quý trước.</p>
<br />

<h3>Lượng tải xuống Perplexity từ năm 2023 đến 2024 (triệu)</h3>
<table>
<thead>
<tr>
<th>Ngày</th>
<th>Lượt tải xuống (triệu)</th>
</tr>
</thead>
<tbody><tr>
<td>Quý 4/2023</td>
<td>1</td>
</tr>
<tr>
<td>Quý 1/2024</td>
<td>2.8</td>
</tr>
<tr>
<td>Quý 2/2024</td>
<td>2.3</td>
</tr>
<tr>
<td>Quý 3/2024</td>
<td>2.8</td>
</tr>
</tbody></table>
<br />

<p><em>Nguồn: Appfigures, AppMagic</em></p>
<br />

<h2>Vòng gọi vốn của Perplexity</h2>
<p>Perplexity đã huy động được 915 triệu đô la từ các nhà đầu tư cho đến nay, với vòng gọi vốn gần đây nhất là lớn nhất.</p>
<br />

<h3>Vòng gọi vốn của Perplexity AI từ năm 2022 đến 2024</h3>
<table>
<thead>
<tr>
<th>Ngày</th>
<th>Vòng gọi vốn</th>
<th>Nhà đầu tư chính</th>
</tr>
</thead>
<tbody><tr>
<td>Tháng 10/2024</td>
<td>500 triệu đô la</td>
<td>IVP, Wayra</td>
</tr>
<tr>
<td>Tháng 6/2024</td>
<td>250 triệu đô la</td>
<td></td>
</tr>
<tr>
<td>Tháng 4/2024</td>
<td>62,7 triệu đô la</td>
<td>Daniel Gross</td>
</tr>
<tr>
<td>Tháng 1/2024</td>
<td>73,6 triệu đô la</td>
<td>IVP</td>
</tr>
<tr>
<td>Tháng 3/2023</td>
<td>25,6 triệu đô la</td>
<td>New Enterprise Associates</td>
</tr>
<tr>
<td>Tháng 9/2022</td>
<td>3,1 triệu đô la</td>
<td>Elad Gil</td>
</tr>
</tbody></table>
<br />

<p><em>Nguồn: Crunchbase</em></p>
<br />

<h2>Người dùng ứng dụng AI</h2>
<p>Có hơn 300 triệu người đang sử dụng các ứng dụng AI, chủ yếu để sử dụng chatbot hoặc chỉnh sửa hình ảnh.  (Dữ liệu biểu đồ Infogram ở đây sẽ được thay thế bằng mô tả hoặc bảng tương đương).</p>
<br />

<h2>Câu hỏi thường gặp về Perplexity</h2>
<ul>
<li><strong>Perplexity đã trả lời bao nhiêu truy vấn?</strong>  Chatbot của Perplexity đã trả lời 230 triệu truy vấn kể từ khi ra mắt.</li>
<li><strong>Perplexity AI đã huy động được bao nhiêu tiền?</strong>  Perplexity đã huy động được hơn 900 triệu đô la cho đến nay.</li>
<li><strong>Có bao nhiêu người làm việc tại Perplexity AI?</strong>  Perplexity có 55 nhân viên toàn thời gian.</li>
<li><strong>Perplexity sử dụng các mô hình trí tuệ nhân tạo nào?</strong>  Perplexity sử dụng nhiều mô hình ngôn ngữ, bao gồm GPT-4 và Claude 3.</li>
<li><strong>Có bao nhiêu nhà xuất bản đã hợp tác với Perplexity?</strong>  Hơn 300 nhà xuất bản đã hợp tác với Perplexity và nhận được một phần doanh thu quảng cáo mỗi khi họ được trích dẫn.</li>
<li><strong>Perplexity được định giá bao nhiêu trong vòng gọi vốn gần đây nhất?</strong>  Perplexity được định giá dưới 9 tỷ đô la trong vòng gọi vốn gần đây nhất.</li>
</ul>
<h2><br /></h2>

Thống kê Doanh thu và Người dùng Perplexity năm 2024

Thống kê doanh thu và sử dụng Perplexity (2024) Mục lục: Giới thiệu về Perplexity Thống kê chính của Perplexity Tổng quan về Perplexity...

tháng 11 15, 2024

Grok: Tìm Kiếm Toàn Web và Các Tính Năng Mới

<h1>Tính năng mới của Grok: Tìm kiếm trên toàn web</h1>
<p><strong>Mục lục</strong></p>
<ul>
<li><a href="#gi%E1%BB%9Bi-thi%E1%BB%87u">Giới thiệu</a></li>
<li><a href="#t%C3%ADnh-n%C4%83ng-t%C3%ACm-ki%E1%BA%BFm-web">Tính năng tìm kiếm web</a></li>
<li><a href="#c%C3%A1c-t%C3%ADnh-n%C4%83ng-b%E1%BB%95-sung">Các tính năng bổ sung</a></li>
<li><a href="#k%E1%BA%BFt-lu%E1%BA%ADn">Kết luận</a></li>
</ul>
<br>

<h2>Giới thiệu</h2>
<p>Bài viết này sẽ tóm tắt những tính năng mới được bổ sung cho Grok, một mô hình AI, nổi bật là khả năng tìm kiếm thông tin trên toàn bộ internet.  Đây là một bước tiến đáng kể, mở rộng phạm vi truy xuất thông tin của Grok vượt ra ngoài phạm vi các bài đăng trên X (trước đây là Twitter).</p>
<br>

<h2>Tính năng tìm kiếm web</h2>
<p>Grok hiện đã được tích hợp một tính năng thử nghiệm cho phép người dùng tìm kiếm thông tin trên web. Tuy nhiên, tính năng này hiện chỉ khả dụng tại Hoa Kỳ. Khi người dùng yêu cầu, Grok có thể thực hiện tìm kiếm không chỉ trên các bài đăng trên X mà còn trên toàn bộ internet. Kết quả tìm kiếm web sẽ được hiển thị dưới dạng một ô riêng biệt, thể hiện số lượng trang web mà Grok đã truy cập. Người dùng có thể nhấp vào ô này để xem danh sách các trang web cụ thể, về cơ bản cung cấp một công cụ tìm kiếm web cơ bản kèm theo tóm tắt nội dung.  Nhà phát triển dự kiến sẽ mở rộng tính năng này cho người dùng toàn cầu trong tương lai gần.</p>
<br>

<h2>Các tính năng bổ sung</h2>
<p>Bên cạnh tính năng tìm kiếm web, Grok còn được cập nhật hai tính năng đáng chú ý khác:</p>
<ul>
<li><strong>Phân tích phiếu thăm dò trên X:</strong> Grok nay có khả năng phân tích và hiểu nội dung của các phiếu thăm dò ý kiến được đăng tải trên X.</li>
<li><strong>Đọc bài viết đính kèm trên X:</strong> Grok có thể đọc và xử lý thông tin từ các bài viết, tài liệu được đính kèm trong bài đăng trên X.</li>
</ul>
<p>Những cập nhật này cho thấy sự cải thiện đáng kể trong khả năng hiểu và xử lý thông tin đa dạng của Grok, mở rộng phạm vi ứng dụng của mô hình AI này.</p>
<br>

<h2>Kết luận</h2>
<p>Việc bổ sung tính năng tìm kiếm web, cùng với các tính năng phân tích phiếu thăm dò và đọc bài viết đính kèm, đánh dấu một bước tiến quan trọng trong sự phát triển của Grok.  Đây là một minh chứng cho nỗ lực không ngừng của nhà phát triển trong việc nâng cao khả năng và mở rộng ứng dụng của Grok, hứa hẹn mang đến cho người dùng trải nghiệm thông tin toàn diện và hiệu quả hơn.  Sự ra mắt của tính năng tìm kiếm web, tuy hiện chỉ giới hạn ở thị trường Hoa Kỳ, nhưng cho thấy tiềm năng to lớn và sự phát triển nhanh chóng của Grok trong tương lai.</p>

Grok: Tìm Kiếm Toàn Web và Các Tính Năng Mới

Tính năng mới của Grok: Tìm kiếm trên toàn web Mục lục Giới thiệu Tính năng tìm kiếm web Các tính năng bổ sung Kết luận Giới thiệu...

tháng 11 15, 2024

Torch Compile: Gia tăng gấp đôi tốc độ Llama 3.2 với thao tác tối giản

<h1>Torch Compile: Tăng tốc Llama 3.2 gấp đôi với nỗ lực tối thiểu</h1>
<p><strong>Mục lục</strong></p>
<ul>
<li><a href="#tong-quan">Tổng quan</a></li>
<li><a href="#torch-compile-hoat-dong-nhu-the-nao">Torch Compile hoạt động như thế nào?</a></li>
<li><a href="#ket-qua-thu-nghiem">Kết quả thử nghiệm</a></li>
<li><a href="#ket-luan">Kết luận</a></li>
</ul>
<h2>Tổng quan</h2>
<p>Bài báo gốc trên Towards Data Science giới thiệu về Torch Compile (<code>torch.compile</code>), một tính năng của PyTorch 2.0 giúp tăng tốc độ suy luận (inference) của các mô hình ngôn ngữ lớn (LLM).  Tác giả đã thử nghiệm Torch Compile trên mô hình Llama 3.2, cả với và không có kỹ thuật lượng tử hóa <code>bitsandbytes</code>, trên hai loại GPU khác nhau: Google Colab's L4 và A100. Kết quả cho thấy Torch Compile có thể tăng tốc độ suy luận lên gấp đôi, tuy nhiên hiệu quả phụ thuộc vào loại GPU sử dụng.</p>
<h2>Torch Compile hoạt động như thế nào?</h2>
<p>Torch Compile sử dụng kỹ thuật biên dịch Just-In-Time (JIT) để chuyển đổi mã PyTorch tiêu chuẩn thành mã máy tối ưu hóa cho phần cứng cụ thể. Điều này dẫn đến hiệu suất thực thi cao hơn so với mã Python thông thường, đặc biệt hữu ích cho các mô hình phức tạp như LLM.  Việc tích hợp Torch Compile vào mã nguồn rất đơn giản, chỉ cần thêm một dòng lệnh duy nhất.</p>
<h2>Kết quả thử nghiệm</h2>
<p>Tác giả đã thực hiện các thí nghiệm trên mô hình Llama 3.2, cả với và không có lượng tử hóa <code>bitsandbytes</code>, sử dụng hai loại GPU khác nhau.  Mặc dù kết quả cụ thể không được trình bày chi tiết trong bản tóm tắt, nhưng tác giả nhấn mạnh rằng Torch Compile có thể tăng tốc độ suy luận lên gấp đôi. Tuy nhiên, tốc độ tăng cường này phụ thuộc vào khả năng của GPU.  Hiệu quả sẽ khác nhau trên các loại card đồ họa khác nhau.</p>
<h2>Kết luận</h2>
<p>Torch Compile là một công cụ hữu ích để tăng tốc độ suy luận của các mô hình LLM.  Việc tích hợp đơn giản và hiệu quả đáng kể (lên đến gấp đôi) làm cho nó trở thành một lựa chọn hấp dẫn cho các nhà phát triển. Tuy nhiên, cần lưu ý rằng hiệu quả của Torch Compile phụ thuộc nhiều vào phần cứng (GPU) được sử dụng.  Tác giả khuyến khích người đọc tham khảo notebook được chia sẻ để hiểu rõ hơn về cách sử dụng và đánh giá hiệu suất của Torch Compile.</p>

Torch Compile: Gia tăng gấp đôi tốc độ Llama 3.2 với thao tác tối giản

Torch Compile: Tăng tốc Llama 3.2 gấp đôi với nỗ lực tối thiểu Mục lục Tổng quan Torch Compile hoạt động như thế nào? Kết quả thử nghiệ...

tháng 11 15, 2024

Llama-OCR: Công cụ OCR Markdown mã nguồn mở dựa trên Llama 3.2 Vision

<h1>Llama-OCR: Một Giải Pháp OCR Dựa Trên Markdown Mới</h1>
<p><strong>Mục lục</strong></p>
<ul>
<li><a href="#gi%E1%BB%9Bi-thi%E1%BB%87u-llama-ocr">Giới thiệu Llama-OCR</a></li>
<li><a href="#%C4%91i%E1%BB%83m-kh%C3%A1c-bi%E1%BB%87t-c%E1%BB%A7a-llama-ocr-so-v%E1%BB%9Bi-c%C3%A1c-c%C3%B4ng-c%E1%BB%A5-ocr-truy%E1%BB%81n-th%E1%BB%91ng">Điểm khác biệt của Llama-OCR so với các công cụ OCR truyền thống</a></li>
<li><a href="#c%C3%A1c-t%C3%ADnh-n%C4%83ng-ch%C3%ADnh-v%C3%A0-%E1%BA%A5n-t%C6%B0%E1%BB%A3ng-ban-%C4%91%E1%BA%A7u">Các tính năng chính và ấn tượng ban đầu</a></li>
<li><a href="#c%C3%A1ch-llama-ocr-t%E1%BA%ADn-d%E1%BB%A5ng-m%C3%B4-h%C3%ACnh-th%E1%BB%8B-gi%C3%A1c-cho-ocr">Cách Llama-OCR tận dụng mô hình thị giác cho OCR</a></li>
<li><a href="#b%E1%BA%AFt-%C4%91%E1%BA%A7u-v%E1%BB%9Bi-llama-ocr">Bắt đầu với Llama-OCR</a></li>
<li><a href="#tri%E1%BB%83n-v%E1%BB%8Dng-t%C6%B0%C6%A1ng-lai">Triển vọng tương lai</a></li>
</ul>
<h2>Giới thiệu Llama-OCR</h2>
<p>Llama-OCR là một công cụ nhận dạng ký tự quang học (OCR) mã nguồn mở được hỗ trợ bởi Llama 3.2 Vision.  Công cụ này được thiết kế để chuyển đổi hình ảnh tài liệu thành định dạng Markdown, giúp ích rất nhiều cho các nhà phát triển và những người đam mê công nghệ làm việc với các bố cục tài liệu phức tạp như bảng biểu, biên lai và các tập tin đa định dạng.</p>
<h2>Điểm khác biệt của Llama-OCR so với các công cụ OCR truyền thống</h2>
<p>Các công cụ OCR truyền thống thường gặp khó khăn với các bố cục tài liệu phức tạp.  Llama-OCR khắc phục điều này bằng cách tận dụng trí tuệ nhân tạo (AI) thị giác tiên tiến, mang lại hiệu suất tốt hơn với các cấu trúc tài liệu khó. Công cụ này có sẵn trên npm, cho phép các nhà phát triển bắt đầu trích xuất văn bản ở định dạng Markdown có cấu trúc chỉ với vài dòng code.</p>
<h2>Các tính năng chính và ấn tượng ban đầu</h2>
<ul>
<li><strong>Dễ sử dụng:</strong> Llama-OCR rất dễ tích hợp, yêu cầu thiết lập tối thiểu để triển khai nhanh chóng. Gói npm cung cấp cài đặt và cấu hình đơn giản.</li>
<li><strong>Đầu ra Markdown:</strong> Một trong những điểm nổi bật của Llama-OCR là khả năng tạo ra Markdown được định dạng thay vì văn bản thuần túy, hữu ích cho các ứng dụng đòi hỏi cấu trúc và tổ chức văn bản quan trọng, chẳng hạn như tài liệu kỹ thuật.</li>
<li><strong>Mở rộng trong tương lai:</strong> Hiện tại, Llama-OCR hỗ trợ đầu vào hình ảnh, nhưng các nhà phát triển đã công bố kế hoạch tích hợp PDF, đầu ra JSON và khả năng tương thích với nhiều định dạng tài liệu hơn, mở rộng tính hữu dụng của nó trong các ứng dụng khác nhau.</li>
</ul>
<h2>Cách Llama-OCR tận dụng mô hình thị giác cho OCR</h2>
<p>Bằng cách sử dụng mô hình dựa trên thị giác, Llama-OCR phân tích hình ảnh theo ngữ cảnh, giúp nó hoạt động vượt trội hơn một số công cụ OCR truyền thống, đặc biệt là đối với các tài liệu có chứa thông tin được cấu trúc. Phương pháp tiếp cận dựa trên AI này có thể tạo ra xu hướng cho kết quả OCR chính xác hơn trong ngành, đặc biệt là đối với các bố cục có bảng biểu, biểu đồ và nhiều yếu tố khác nhau.</p>
<h2>Bắt đầu với Llama-OCR</h2>
<p>Llama-OCR có thể được thử nghiệm trực tiếp tại <a href="https://llamaocr.com/?ref=testingcatalog.com">llamaOCR.com</a>, với hướng dẫn thiết lập chi tiết có sẵn trên trang gói npm của nó. Chỉ với một vài dòng code, các nhà phát triển có thể bắt đầu trích xuất dữ liệu Markdown có cấu trúc từ các tệp hình ảnh, tiết kiệm thời gian và giảm độ phức tạp của việc tích hợp OCR.</p>
<h2>Triển vọng tương lai</h2>
<p>Lộ trình của Llama-OCR gợi ý về việc hỗ trợ PDF, đầu ra JSON và khả năng tương thích với các mô hình khác, định vị nó như một công cụ tiềm năng cho các tác vụ OCR cần tính linh hoạt. Đối với các nhà phát triển hoặc bất kỳ ai thường xuyên làm việc với việc quét tài liệu, công cụ này đáng để khám phá, vì đầu ra Markdown của nó có thể đơn giản hóa quy trình làm việc cho các ứng dụng yêu cầu dữ liệu văn bản có cấu trúc.</p>

Llama-OCR: Công cụ OCR Markdown mã nguồn mở dựa trên Llama 3.2 Vision

Llama-OCR: Một Giải Pháp OCR Dựa Trên Markdown Mới Mục lục Giới thiệu Llama-OCR Điểm khác biệt của Llama-OCR so với các công cụ OCR truy...

tháng 11 15, 2024

IBM và Meta hợp tác: Sức mạnh Llama trên nền tảng watsonx.ai

<h1>IBM và Llama: Hợp tác thúc đẩy sự sáng tạo toàn cầu cho các nhà xây dựng AI</h1>
<p><strong>Mục lục</strong></p>
<ul>
<li><a href="#gi%E1%BB%9Bi-thi%E1%BB%87u-v%E1%BB%81-s%E1%BB%B1-h%E1%BB%A3p-t%C3%A1c-gi%E1%BB%AFa-ibm-v%C3%A0-meta">Giới thiệu về sự hợp tác giữa IBM và Meta</a></li>
<li><a href="#%E1%BB%A9ng-d%E1%BB%A5ng-llama-tr%C3%AAn-n%E1%BB%81n-t%E1%BA%A3ng-watsonxai">Ứng dụng Llama trên nền tảng watsonx.ai</a></li>
<li><a href="#v%C3%AD-d%E1%BB%A5-v%E1%BB%81-c%C3%A1c-%E1%BB%A9ng-d%E1%BB%A5ng-th%C3%A0nh-c%C3%B4ng">Ví dụ về các ứng dụng thành công</a><ul>
<li><a href="#dun--bradstreet-t%E1%BB%91i-%C6%B0u-h%C3%B3a-gi%E1%BA%A3i-ph%C3%A1p-t%E1%BA%A1o-kh%C3%A1ch-h%C3%A0ng-ti%E1%BB%81m-n%C4%83ng">Dun & Bradstreet: Tối ưu hóa giải pháp tạo khách hàng tiềm năng</a></li>
<li><a href="#sevilla-fc-c%E1%BA%A3i-thi%E1%BB%87n-qu%C3%A1-tr%C3%ACnh-tuy%E1%BB%83n-d%E1%BB%A5ng-c%E1%BA%A7u-th%E1%BB%A7">Sevilla FC: Cải thiện quá trình tuyển dụng cầu thủ</a></li>
<li><a href="#addai-x%C3%A2y-d%E1%BB%B1ng-chatbot-ai-%C4%91a-k%C3%AAnh">AddAI: Xây dựng chatbot AI đa kênh</a></li>
<li><a href="#%C4%91%E1%BB%91i-t%C3%A1c-kinh-doanh-c%E1%BB%A7a-ibm-gi%E1%BA%A3i-ph%C3%A1p-kh%C3%A1m-ph%C3%A1-d%E1%BB%AF-li%E1%BB%87u-ai">Đối tác kinh doanh của IBM: Giải pháp khám phá dữ liệu AI</a></li>
<li><a href="#c%C3%A1c-v%C3%AD-d%E1%BB%A5-kh%C3%A1c-trong-nhi%E1%BB%81u-l%C4%A9nh-v%E1%BB%B1c">Các ví dụ khác trong nhiều lĩnh vực</a></li>
</ul>
</li>
<li><a href="#k%E1%BA%BFt-lu%E1%BA%ADn">Kết luận</a></li>
</ul>
<h2>Giới thiệu về sự hợp tác giữa IBM và Meta</h2>
<p>Bài báo này thông báo về sự hợp tác giữa IBM và Meta, kết hợp sức mạnh của nền tảng dữ liệu và AI watsonx.ai của IBM với mô hình ngôn ngữ lớn Llama của Meta.  Mục tiêu của sự hợp tác này là hỗ trợ các doanh nghiệp đạt được mục tiêu AI của họ bằng cách cung cấp các công cụ và mô hình AI mở, hiệu quả.  Sự hợp tác này tiếp nối nỗ lực chung giữa hai công ty từ năm ngoái nhằm thúc đẩy đổi mới mở trong lĩnh vực AI, thông qua việc kết nối các tổ chức hàng đầu, doanh nghiệp khởi nghiệp, nhà nghiên cứu và các trường đại học trên toàn thế giới trong Liên minh AI (AI Alliance).</p>
<h2>Ứng dụng Llama trên nền tảng watsonx.ai</h2>
<p>Hiện nay, IBM tích hợp mô hình Llama của Meta vào danh mục mô hình của watsonx.ai.  Nền tảng watsonx.ai là một studio doanh nghiệp thế hệ mới, cho phép các nhà xây dựng AI trên toàn cầu huấn luyện, xác thực, tinh chỉnh và triển khai các mô hình AI.  Sự kết hợp giữa watsonx.ai và Llama mang lại lợi ích cho các doanh nghiệp thuộc nhiều lĩnh vực khác nhau, từ viễn thông, dịch vụ tài chính đến chính quyền địa phương.</p>
<h2>Ví dụ về các ứng dụng thành công</h2>
<h3>Dun & Bradstreet: Tối ưu hóa giải pháp tạo khách hàng tiềm năng</h3>
<p>Dun & Bradstreet, một nhà cung cấp hàng đầu thế giới về dữ liệu và phân tích quyết định kinh doanh, đang chuyển đổi giải pháp tạo khách hàng tiềm năng của mình bằng cách tích hợp công nghệ AI Generative.  Họ sử dụng Llama trên watsonx.ai để tạo hồ sơ công ty chi tiết, dễ tìm kiếm bằng ngôn ngữ tự nhiên. Phương pháp này vượt trội hơn các phương pháp truyền thống dựa trên phân loại cố định hoặc tìm kiếm từ khóa, giúp người dùng xác định khách hàng và nhà cung cấp tiềm năng chính xác hơn.  Việc lựa chọn Llama giúp Dun & Bradstreet đạt được hiệu suất cần thiết với chi phí hiệu quả.</p>
<h3>Sevilla FC: Cải thiện quá trình tuyển dụng cầu thủ</h3>
<p>IBM và Sevilla FC đã giới thiệu Scout Advisor, một công cụ AI Generative sáng tạo giúp đội tuyển trạch tìm kiếm và đánh giá các cầu thủ tiềm năng một cách toàn diện và dựa trên dữ liệu.  Được xây dựng trên watsonx, Scout Advisor tích hợp với các ứng dụng dữ liệu tự phát triển của Sevilla FC.  Khả năng xử lý ngôn ngữ tự nhiên cho phép Sevilla FC sử dụng nhiều mô hình ngôn ngữ lớn (LLM), bao gồm Llama 3 của Meta, để nâng cao độ chính xác và hiệu quả trong việc tìm kiếm cầu thủ.</p>
<h3>AddAI: Xây dựng chatbot AI đa kênh</h3>
<p>AddAI, một nền tảng tương tác khách hàng của Cộng hòa Séc, cho phép các công ty triển khai và vận hành trợ lý AI đa kênh.  Với Llama làm mô hình cơ sở và sử dụng phương pháp tạo thế hệ tăng cường truy xuất (RAG), các kỹ sư của IBM đã hỗ trợ một dự án thử nghiệm tạo ra chatbot hỏi đáp AI để đảm bảo phản hồi chính xác bằng tiếng Séc, giảm 50% số lượng truy vấn khách hàng chưa được trả lời.</p>
<h3>Đối tác kinh doanh của IBM: Giải pháp khám phá dữ liệu AI</h3>
<p>Một đối tác kinh doanh của IBM đã tạo ra một giải pháp khám phá dữ liệu AI mới được xây dựng trên watsonx.ai bằng cách sử dụng Llama để tăng tốc xử lý tài liệu lớn.  Giải pháp này giúp các quan chức tìm kiếm thông tin, tạo tài liệu và giảm thời gian làm việc văn phòng, dành nhiều thời gian hơn cho công việc thực tế.</p>
<h3>Các ví dụ khác trong nhiều lĩnh vực</h3>
<p>Bài báo cũng đề cập đến nhiều ví dụ khác về việc các nhà phát triển tận dụng watsonx.ai và các mô hình Llama của Meta trong nhiều trường hợp sử dụng khác nhau, bao gồm các công ty đa quốc gia, chính phủ, phần mềm dịch vụ (SaaS), tuyển dụng nhân tài, tài chính và quản lý thông tin.  Những ví dụ này cho thấy sự linh hoạt và hiệu quả của sự kết hợp giữa watsonx.ai và Llama trong việc giải quyết các vấn đề thực tế của doanh nghiệp và chính phủ.</p>
<h2>Kết luận</h2>
<p>Sự hợp tác giữa IBM và Meta, kết hợp watsonx.ai và Llama, đang mở ra những cơ hội mới cho sự sáng tạo trong lĩnh vực AI.  Việc cung cấp các mô hình và công cụ AI mở, hiệu quả đang giúp các doanh nghiệp và chính phủ trên toàn cầu giải quyết các thách thức kinh doanh và thúc đẩy sự phát triển kinh tế - xã hội.  Các ví dụ thành công được nêu trong bài báo chứng minh tiềm năng to lớn của sự hợp tác này trong việc tạo ra giá trị thực sự cho các doanh nghiệp và cộng đồng.</p>

IBM và Meta hợp tác: Sức mạnh Llama trên nền tảng watsonx.ai

IBM và Llama: Hợp tác thúc đẩy sự sáng tạo toàn cầu cho các nhà xây dựng AI Mục lục Giới thiệu về sự hợp tác giữa IBM và Meta Ứng dụng L...

tháng 11 15, 2024

Luật Bảo Vệ Dữ Liệu Toàn Cầu và Trí Tuệ Nhân Tạo

<h1>Luật bảo vệ dữ liệu toàn cầu và mối liên hệ giữa thu thập dữ liệu và trí tuệ nhân tạo</h1>
<p><strong>Mục lục</strong></p>
<ol>
<li>Tóm tắt báo cáo</li>
<li>Quan điểm của các cơ quan bảo vệ dữ liệu toàn cầu</li>
<li>Những điểm nhấn quan trọng</li>
<li>Kết luận</li>
</ol>
<p><strong>1. Tóm tắt báo cáo</strong></p>
<p>Bài báo gốc của K&L Gates LLP đăng trên JD Supra thảo luận về những lo ngại ngày càng tăng của các cơ quan bảo vệ dữ liệu châu Âu và trên toàn cầu về việc thu thập dữ liệu (data scraping) và mối liên hệ chặt chẽ của nó với ngành công nghiệp trí tuệ nhân tạo (AI).  Bài báo tập trung vào tuyên bố chung gần đây của Nhóm Công tác Hợp tác Thực thi Quốc tế (IEWG) thuộc Hội đồng Quyền riêng tư Toàn cầu (GPA), được ký kết bởi các cơ quan bảo vệ dữ liệu của Canada, Anh, Úc, Thụy Sĩ, Na Uy, Maroc, Mexico và Jersey.  Tuyên bố này cung cấp hướng dẫn cho các doanh nghiệp khi xem xét hoạt động thu thập dữ liệu.</p>
<p><strong>2. Quan điểm của các cơ quan bảo vệ dữ liệu toàn cầu</strong></p>
<p>Các cơ quan bảo vệ dữ liệu trên thế giới, bao gồm cả Hà Lan, Ý và Văn phòng Ủy viên Thông tin Vương quốc Anh, đã công bố các hướng dẫn về việc thu thập dữ liệu. Tuyên bố chung của IEWG nhấn mạnh một số điểm quan trọng liên quan đến việc tuân thủ luật bảo vệ dữ liệu khi thu thập dữ liệu, đặc biệt trong bối cảnh phát triển của AI.</p>
<p><strong>3. Những điểm nhấn quan trọng</strong></p>
<ul>
<li><strong>Dữ liệu công khai vẫn chịu sự ràng buộc của luật:</strong> Ngay cả dữ liệu công khai cũng phải tuân thủ các quy định về bảo vệ dữ liệu, đòi hỏi phải có cơ sở pháp lý hợp pháp cho việc thu thập dữ liệu và minh bạch với cá nhân, bao gồm cả việc xin phép khi cần thiết.</li>
<li><strong>Thu thập dữ liệu hàng loạt có thể là vi phạm dữ liệu:</strong> Việc thu thập dữ liệu hàng loạt có thể cấu thành vi phạm dữ liệu đáng báo cáo nếu bao gồm truy cập trái phép vào dữ liệu cá nhân.</li>
<li><strong>Điều khoản sử dụng nền tảng không đảm bảo tuân thủ:</strong> Việc dựa vào điều khoản sử dụng của các nền tảng (ví dụ: Instagram) để thu thập dữ liệu không tự động đảm bảo sự tuân thủ, vì việc sử dụng dữ liệu cá nhân được ủy quyền theo hợp đồng không tự động tuân thủ luật bảo vệ dữ liệu và AI, và rất khó xác định liệu dữ liệu thu thập có chỉ được sử dụng cho các mục đích được phép bởi điều khoản hợp đồng hay không.</li>
<li><strong>Đào tạo mô hình AI cần tuân thủ luật AI:</strong> Khi đào tạo các mô hình AI, điều cần thiết không chỉ là tuân thủ các quy định về quyền riêng tư mà còn cả các luật AI mới nổi, vì việc đảm bảo tính minh bạch của mô hình AI và các giới hạn xử lý dữ liệu ngày càng được các cơ quan quản lý quyền riêng tư kỳ vọng.</li>
</ul>
<p><strong>4. Kết luận</strong></p>
<p>Bài báo nhấn mạnh mối quan hệ mật thiết giữa bảo vệ dữ liệu và ngành công nghiệp trí tuệ nhân tạo luôn khát dữ liệu. Các doanh nghiệp cần hiểu rõ và tuân thủ các quy định về bảo vệ dữ liệu và luật AI mới nổi khi thu thập và sử dụng dữ liệu, đặc biệt là khi đào tạo các mô hình AI.  Việc dựa vào điều khoản sử dụng của nền tảng không đủ để đảm bảo tuân thủ luật.  Sự minh bạch và có cơ sở pháp lý hợp pháp là vô cùng quan trọng.</p>

Luật Bảo Vệ Dữ Liệu Toàn Cầu và Trí Tuệ Nhân Tạo

Luật bảo vệ dữ liệu toàn cầu và mối liên hệ giữa thu thập dữ liệu và trí tuệ nhân tạo Mục lục Tóm tắt báo cáo Quan điểm của các cơ quan ...

tháng 11 15, 2024

Thống kê Doanh thu và Người dùng Perplexity năm 2024

Grok: Tìm Kiếm Toàn Web và Các Tính Năng Mới

Torch Compile: Gia tăng gấp đôi tốc độ Llama 3.2 với thao tác tối giản

Llama-OCR: Công cụ OCR Markdown mã nguồn mở dựa trên Llama 3.2 Vision

IBM và Meta hợp tác: Sức mạnh Llama trên nền tảng watsonx.ai

Luật Bảo Vệ Dữ Liệu Toàn Cầu và Trí Tuệ Nhân Tạo

Bài đăng phổ biến

Labels