微软市值一夜飙涨 5450 亿

52326feda0e741fd30aa5637e7273e01.jpeg

大家好!我是韩老师。

美东时间 2 月 7 日周二(北京时间 2 月 8 日周三),微软收涨逾 4%,一夜市值飙涨超 800 亿美元(约 5450 亿元人民币),报 267.56 美元/股,最新总市值 1.99 万亿美元,为 5 个月新高。 

这次的股价大涨,除了当日美股整体上升的原因,与全新推出的 Bing 和 Edge,也有着一定的关联。

当天,微软宣布推出全新人工智能搜索引擎必应(Bing)和 Edge 浏览器,由 OpenAI 提供最新的技术支持。

3514e4324ea18b5956d22c08a71dd078.jpeg

新版必应搜索采用 AI 模型 GPT 3.5 的升级版,比 ChatGPT 使用的 GPT 3.5 更强大,能够使用最新信息和注释答案更好地回答搜索查询,它的搜索查询框最多可以接收 1000 个字符。

不得不说,最近 OpenAI/ChatGPT 真的是太火了。

两个月前的文章(撸了个 ChatGPT 的 Teams 机器人)中,我就提到了我写了个 ChatGPT 的 Teams 机器人。

其实当时首先想到的是做一个 ChatGPT 的 VS Code 插件。不过呢,我那时候看了下 VS Code 插件市场,下载量趋势排行榜上,一大半都是 ChatGPT 相关的插件。。。真是太卷了!现在再去搜一下的话,已经有更多 ChatGPT 的 VS Code 插件了!

后来呢,因为 ChatGPT 没有提供官方的 API,我又转头到 OpenAI,也就是 ChatGPT 底层所使用到的 model。

目前呢,写了两个 Teams Bot 和一个 example,大家有兴趣可以来玩玩:

  • https://github.com/formulahendry/openai-examples

  • https://github.com/formulahendry/openai-teams-bot

  • https://github.com/formulahendry/chatgpt-teams-bot

67982805f03059a6508b84d8ad2e286c.png

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值