[NEW] Szukaj pracy anonimowo — sprawdź szczegóły
Close
CEO Nvidii pragnie, by w jego firmie pracowało 50 000 ludzi i 100 milionów asystentów AI

CEO Nvidii pragnie, by w jego firmie pracowało 50 000 ludzi i 100 milionów asystentów AI

Jensen Huang, CEO Nvidii, w przyszłości planuje wdrożenie asystentów sztucznej inteligencji, którzy będą dzielić zadania na mniejsze kroki. 

"Mam nadzieję, że pewnego dnia Nvidia stanie się firmą z 50 000 pracowników i 100 milionami asystentów sztucznej inteligencji w każdej grupie"  cytuje Huanga Business Insider.

Według Jensena Huanga, ogromna liczba "pracowników" sztucznej inteligencji pomoże zwiększyć wydajność Nvidii. 

"AI będą angażować inne AI do rozwiązywania problemów. AI będą komunikować się ze sobą i z ludźmi w kanałach Slack. Więc będziemy jedną wielką bazą pracowników"— powiedział Huang. 

Huang dodał, że Nvidia już wykorzystuje sztuczną inteligencję w zakresie cyberbezpieczeństwa, projektowania chipów i tworzenia oprogramowania.

W przyszłości ludzie będą potrzebni do wyboru, które z trylionów problemów rozwiązać, ale boty mogą pomóc w automatyzacji rozwiązań. To doprowadzi do zatrudnienia większej liczby osób, ponieważ firma stanie się bardziej wydajna, podzielił się przemyśleniami CEO Nvidii.


Avatar
Lis 4

W 2035 roku z tożsamości cyfrowej korzystać będzie 20 mln obywateli Polski

Każdy obywatel będzie miał możliwość online sprawdzenia statusu swojej sprawy, a kluczowe usługi będą dostępne na telefonie.
Lut 5

Psinder, no-code i perspektywiczne kierunki pracy w IT. Rozmawiamy z Kamilem Tarczyńskim

Narzędzia no-code i low-code są coraz częściej wykorzystywane przez firmy do realizacji różnych projektów – od fintechu po aplikacje pomagające w adopcji psów. Co sprawia, że te narzędzia zyskują na popularności? Jak AI wpłynie na rozwój no-code? I czym jest Psinder?
Lut 20, 2023

Exploring the World of Multimedia Information Retrieval Systems: A Comprehensive Guide

The article provides an introduction to Multimedia Information Retrieval (MIR) systems, which are designed to search and retrieve information from multimedia sources like images, audio, and video. It explains the different components of MIR systems, such as feature extraction, indexing, and retrieval, and discusses some of the challenges associated with MIR, including the subjective nature of multimedia data and the need for efficient algorithms to handle large datasets.

Ta strona używa plików cookie, aby zapewnić Ci lepsze wrażenia podczas przeglądania.

Dowiedz się więcej o tym, jak używamy plików cookie i jak zmienić preferencje dotyczące plików cookie w naszej Polityka plików cookie.

Zmień ustawienia
Zapisz Akceptuj wszystkie cookies