通过使用大语言模型（LLMs）来处理查询，这项技术可以显著减少人们用于搜索和编译信息等手动任务上的时间。

现在，研究人员正在使用生成式 AI 模型读取蛋白质的氨基酸序列，进而准确预测目标蛋白质的结构，所需要的时间从几周或几个月缩短到几秒。

先进的 AI 应用有望帮助银行业更好地防范欺诈，并且能够改变银行业的各个方面，从投资组合规划和风险管理到合规与自动化。

(相关资料图)

这些生成式 AI 工具依赖于可以将专有数据整合到模型训练和微调中的框架，整合数据管理以防止偏见，并使用护栏来确保对话始终与金融相关。

预计金融科技初创企业和大型跨国银行将扩大对大语言模型和生成式 AI 的使用，以开发先进的虚拟助手，为内部和外部利益相关方提供服务、创建超个性化的客户内容、自动汇总文档以减少手动工作，并分析 TB 级的公共和私人数据以生成投资见解。

利用一小组图像训练数据，算法就能生成数千张真实准确的图像，用于训练计算机视觉模型，从而帮助现场技术人员识别电网设备的腐蚀、破损、堵塞，甚至检测野火。这种主动维护可减少停机时间，提高电网的可靠性和弹性，并减少派遣团队进入现场的需求。

例如，佛罗里达大学的研究人员采用了全球学术界最快的超级计算机之一。他们使用这台超级计算机开发了 GatorTron——一种自然语言处理模型，使计算机能够读取和解释存储在电子健康记录中的临床笔记中的医学语言。借助能够理解医疗语境的模型，AI 开发人员可以创建许多医疗应用，比如语音转文本应用程序可以帮忙医生实现自动绘制图表。

为了开展此类开创性的研究并吸引最积极的学生和最资深的学术专业人员，高等教育机构应考虑采取全校统筹的方法来筹集预算、制定 AI 计划，并将 AI 资源和收益分配给各个学科。

这些行政职务通常涉及耗时的人工任务，包括起草、编辑和汇总文件、更新数据库、记录支出以进行审计和遵守规定，并回复公民的询问。

由大语言模型驱动的 AI 虚拟助手和聊天机器人可以即时向在线用户提供相关信息，减轻了在财政部、税务局和车辆管理局等机构工作的电话接线员的压力。

为了将生成式 AI 付诸实践，企业需要大量数据、深厚的 AI 专业知识和足够的算力，以便快速部署和维护模型。企业可以通过 NeMo 生成式 AI 框架来加快部署生成式 AI 应用，该框架是 NVIDIA AI Enterprise 软件的一部分，运行在 DGX Cloud 之上。NVIDIA 的预训练基础模型为构建和运行定制化的生成式 AI 解决方案提供了简化的方法，可以满足特定业务用例的需求。

点击“阅读原文”，进一步了解强大的生成式 AI 工具，帮助您的企业提高生产力、实现任务自动化，并为员工和客户带来新的机遇。