aktueller Standort:Heim > Technische Artikel > Technologie-Peripheriegeräte > KI
- Richtung:
- alle web3.0 Backend-Entwicklung Web-Frontend Datenbank Betrieb und Instandhaltung Entwicklungswerkzeuge PHP-Framework tägliche Programmierung WeChat-Applet häufiges Problem andere Technik CMS-Tutorial Java System-Tutorial Computer-Tutorials Hardware-Tutorial Mobiles Tutorial Software-Tutorial Tutorial für Handyspiele
- Klassifizieren:
-
- Die Huawei Software Elite Challenge wurde zehn Mal erfolgreich durchgeführt und mehr als 2.000 Software-Elite haben sich Huawei angeschlossen
- Am 28. April 2024 endete das 10. globale Finale und die Preisverleihung der Huawei Software Elite Challenge 2024 – „Planck Project“ erfolgreich. Zwei Monate lang kämpften fast 30.000 Spieler und mehr als 5.700 Teams von mehr als 800 Universitäten auf der ganzen Welt in den regionalen Vorrunden, regionalen Halbfinals und globalen Finals der acht großen Wettbewerbsgebiete Peking-Tianjin gegeneinander Die Northeast Division kam vom Harbin Institute of Technology. Das Team „Yuanmeng Star“ gewann auf einen Schlag die Weltmeisterschaft und gewann ein Preisgeld von 200.000 Yuan. Ein Gruppenfoto der Finalisten der Huawei Software Elite Challenge 2024. Die Huawei Software Elite Challenge ist ein groß angelegter Software-Programmierwettbewerb, der von Huawei für Studenten auf der ganzen Welt organisiert wird Unter dem Motto „Planck-Plan“ geht es um die Suche
- KI 667 2024-04-29 19:22:29
-
- Die Vitalität der Superintelligenz erwacht! Aber mit der Einführung der sich selbst aktualisierenden KI müssen sich Mütter keine Sorgen mehr über Datenengpässe machen
- Ich weine zu Tode. Die Daten im Internet reichen überhaupt nicht aus. Das Trainingsmodell sieht aus wie „Die Tribute von Panem“, und KI-Forscher auf der ganzen Welt machen sich Gedanken darüber, wie sie diese datenhungrigen Esser ernähren sollen. Dieses Problem tritt insbesondere bei multimodalen Aufgaben auf. Zu einer Zeit, als sie ratlos waren, nutzte ein Start-up-Team der Abteilung der Renmin-Universität von China sein eigenes neues Modell, um als erstes in China einen „modellgenerierten Datenfeed selbst“ in die Realität umzusetzen. Darüber hinaus handelt es sich um einen zweigleisigen Ansatz auf der Verständnisseite und der Generierungsseite. Beide Seiten können hochwertige, multimodale neue Daten generieren und Datenrückmeldungen an das Modell selbst liefern. Was ist ein Modell? Awaker 1.0, ein großes multimodales Modell, das gerade im Zhongguancun-Forum erschienen ist. Wer ist das Team? Sophon-Motor. Gegründet von Gao Yizhao, einem Doktoranden an der Hillhouse School of Artificial Intelligence der Renmin University.
- KI 1367 2024-04-29 18:55:14
-
- Identifizieren Sie Über- und Unteranpassung anhand von Lernkurven
- In diesem Artikel wird vorgestellt, wie Überanpassung und Unteranpassung in Modellen für maschinelles Lernen mithilfe von Lernkurven effektiv identifiziert werden können. Unteranpassung und Überanpassung 1. Überanpassung Wenn ein Modell mit den Daten übertrainiert ist, sodass es daraus Rauschen lernt, spricht man von einer Überanpassung des Modells. Ein überangepasstes Modell lernt jedes Beispiel so perfekt, dass es ein unsichtbares/neues Beispiel falsch klassifiziert. Für ein überangepasstes Modell erhalten wir einen perfekten/nahezu perfekten Trainingssatzwert und einen schrecklichen Validierungssatz-/Testwert. Leicht geändert: „Ursache der Überanpassung: Verwenden Sie ein komplexes Modell, um ein einfaches Problem zu lösen und Rauschen aus den Daten zu extrahieren. Weil ein kleiner Datensatz als Trainingssatz möglicherweise nicht die korrekte Darstellung aller Daten darstellt. 2. Unteranpassung Heru.“
- KI 1619 2024-04-29 18:50:15
-
- Industrie 4.0-Revolution: Ein Vier-Phasen-Plan für den Erfolg der vorausschauenden Wartung
- Die Entwicklung vorausschauender Wartungslösungen für Industrie 4.0 stellt einen Paradigmenwechsel in der Art und Weise dar, wie Unternehmen Wartung und Betrieb betreiben. Die proaktive Vermeidung betrieblicher Herausforderungen durch den Einsatz fortschrittlicher vorausschauender Wartungstechnologien ist ein Schlüsselaspekt dieses neuen Industriezeitalters. Diese Lösungen tragen nicht nur dazu bei, neue Einnahmequellen zu erschließen und Kosten zu sparen, sondern spielen auch eine wichtige Rolle bei der Vermeidung von Ausfall- und Produktionsausfällen. Im Zeitalter von Industrie 4.0 müssen Unternehmen intelligente IoT-Geräte und Sensoren nutzen, um große Mengen an Produktionsdaten zu sammeln und zu analysieren. Mithilfe dieser Daten können Geräteausfälle und Reparaturbedarf vorhergesagt werden. Durch den Einsatz dieser vorausschauenden Wartungstechnologien können Unternehmen potenzielle Probleme im Voraus erkennen und entsprechend handeln, wodurch Ausfallzeiten und Produktionsunterbrechungen minimiert werden. Dieser proaktive Ansatz zur vorbeugenden Wartung kann viel bewirken
- KI 568 2024-04-29 18:22:23
-
- Welche Errungenschaften wird generative KI im Bereich der Videospielentwicklung bringen?
- Generative KI bietet Videospielentwicklern aufregende neue Möglichkeiten, ansprechende Inhalte, realistische Grafiken und immersive Spielerlebnisse zu erstellen. In diesem Artikel untersuchen wir anhand einer Reihe praktischer Beispiele, wie generative KI die Spieleentwicklung verbessern und beschleunigen kann. Was kann generative KI leisten? Beginnen wir damit, einige der Hauptelemente der Spieleentwicklung aufzuschlüsseln und zu sehen, wie generative KI den kreativen Prozess erleichtern kann: prozedurale Generierung. Große, komplexe und unvorhersehbare Umgebungen werden algorithmisch erstellt, um in jedem Spiel ein einzigartiges und dynamisches Spielerlebnis zu bieten. Geländegenerierung. Generative KI kann dabei helfen, realistisches Gelände zu generieren und die visuelle Attraktivität der Spielwelt zu verbessern. Automatische Modellierung. Generative KI kann die Erstellung von 3D-Modellen von Charakteren und anderen Elementen vereinfachen.
- KI 841 2024-04-29 18:04:26
-
- Mit einer einzelnen Karte läuft Llama 70B schneller als mit zwei Karten, Microsoft hat gerade FP6 in A100 integriert |
- FP8 und die geringere Gleitkomma-Quantifizierungsgenauigkeit sind nicht länger das „Patent“ von H100! Lao Huang wollte, dass jeder INT8/INT4 nutzt, und das Microsoft DeepSpeed-Team begann, FP6 auf A100 ohne offizielle Unterstützung von NVIDIA auszuführen. Testergebnisse zeigen, dass die FP6-Quantisierung der neuen Methode TC-FPx auf A100 nahe an INT4 liegt oder gelegentlich schneller als diese ist und eine höhere Genauigkeit aufweist als letztere. Darüber hinaus gibt es eine durchgängige Unterstützung großer Modelle, die als Open-Source-Lösung bereitgestellt und in Deep-Learning-Inferenz-Frameworks wie DeepSpeed integriert wurde. Dieses Ergebnis wirkt sich auch unmittelbar auf die Beschleunigung großer Modelle aus – in diesem Rahmen ist der Durchsatz bei Verwendung einer einzelnen Karte zum Ausführen von Llama 2,65-mal höher als der von Doppelkarten. eins
- KI 1431 2024-04-29 16:55:12
-
- Der Aufstieg der KI in der Marketingtechnologie: Transformation digitaler Marketingstrategien
- In der sich ständig weiterentwickelnden Welt des digitalen Marketings ist KI zu einem leistungsstarken Werkzeug für Marken geworden, die ihre Marketing-Trichter präzise und effizient steuern möchten. Durch die Analyse von Mustern und Trends in großen Datensätzen ermöglicht KI es Marketingfachleuten, wertvolle Erkenntnisse über Verbraucherverhalten, Vorlieben und Kaufmuster zu gewinnen. Dieser datengesteuerte Ansatz ermöglicht es Marken, Marketingstrategien in jeder Phase des Trichters – von der Bekanntheit bis zur Konvertierung – mit beispielloser Genauigkeit anzupassen. KI nutzt maschinelles Lernen und Deep-Learning-Technologien, um automatisch riesige Datenmengen zu sammeln, zu analysieren und zu interpretieren und die Daten in umsetzbare Marketingstrategien umzuwandeln. Der Vorteil von KI besteht darin, dass sie automatisch Muster und Trends entdecken kann, die in riesigen Datenmengen verborgen sind, und Marketingstrategien genauer formulieren kann als Menschen. Durch den Einsatz von KI können Vermarkter besser verstehen
- KI 874 2024-04-29 16:43:10
-
- Xiaohongshu interpretiert den Informationsabruf aus dem Gedächtnismechanismus und schlägt ein neues Paradigma vor, um EACL Oral zu erhalten
- Kürzlich wurde der Artikel „GenerativeDenseRetrieval: MemoryCanBeaBurden“ des Suchalgorithmus-Teams von Xiaohongshu von EACL2024, einer internationalen Konferenz im Bereich der Verarbeitung natürlicher Sprache, als mündlich akzeptiert, mit einer Akzeptanzrate von 11,32 % (144/1271). In ihrer Arbeit schlugen sie ein neuartiges Paradigma für den Informationsabruf vor: Generative Dense Retrieval (GDR). Dieses Paradigma kann die Herausforderungen, denen sich das traditionelle generative Retrieval (GR) beim Umgang mit großen Datensätzen gegenübersieht, gut lösen. Es ist vom Speichermechanismus inspiriert. In der bisherigen Praxis
- KI 1357 2024-04-29 16:16:07
-
- Die Entwicklung der künstlichen Intelligenz in der Weltraumforschung und der Siedlungstechnik
- In den 1950er Jahren wurde die künstliche Intelligenz (KI) geboren. Damals entdeckten Forscher, dass Maschinen menschenähnliche Aufgaben wie das Denken ausführen können. Später, in den 1960er Jahren, finanzierte das US-Verteidigungsministerium künstliche Intelligenz und richtete Labore für die weitere Entwicklung ein. Forscher finden Anwendungen für künstliche Intelligenz in vielen Bereichen, etwa bei der Erforschung des Weltraums und beim Überleben in extremen Umgebungen. Unter Weltraumforschung versteht man die Erforschung des Universums, das das gesamte Universum außerhalb der Erde umfasst. Der Weltraum wird als extreme Umgebung eingestuft, da sich seine Bedingungen von denen auf der Erde unterscheiden. Um im Weltraum zu überleben, müssen viele Faktoren berücksichtigt und Vorkehrungen getroffen werden. Wissenschaftler und Forscher glauben, dass die Erforschung des Weltraums und das Verständnis des aktuellen Zustands aller Dinge dazu beitragen können, die Funktionsweise des Universums zu verstehen und sich auf mögliche Umweltkrisen vorzubereiten
- KI 1115 2024-04-29 15:25:01
-
- Der Aufstieg menschenähnlicher KI: Veränderungen auf dem Arbeitsmarkt und in der Belegschaft
- Das Aufkommen künstlicher Intelligenz verändert den globalen Arbeitsmarkt und die Arbeitskräfte. Da KI-Roboter immer ausgefeilter werden und in der Lage sind, ein breites Spektrum an Aufgaben auszuführen, von körperlicher Arbeit bis hin zu komplexen kognitiven Fähigkeiten, wird erwartet, dass sie Branchen revolutionieren und traditionelle Arbeitskonzepte neu definieren. Dieser Artikel untersucht den Aufstieg der künstlichen Intelligenz und ihre transformativen Auswirkungen auf Arbeitsmärkte und Arbeitskräfte in allen Branchen. Automatisierung von Routineaufgaben: KI zeichnet sich durch die Automatisierung routinemäßiger und sich wiederholender Aufgaben aus und ermöglicht es menschlichen Mitarbeitern, sich auf kreativere und strategischere Aufgaben zu konzentrieren. In Bereichen wie Fertigung, Logistik und Einzelhandel werden humanoide Roboter eingesetzt, um Aufgaben wie Fließbandbetrieb, Lagerverwaltung und Kundenservice zu übernehmen. Während diese Automatisierung die Effizienz und Produktivität steigert, erfordert sie auch die Umschulung und Umschulung menschlicher Arbeitskräfte
- KI 651 2024-04-29 13:20:01
-
- Gaussian-LIC: Das erste Multisensor-Fusion-3DGS-SLAM-System (Zhejiang University & TUM)
- Der implizite Ausdruck der Kombination von Multisensoren und 3DGS „erforderliche Echtzeitfähigkeiten für rechenintensive SLAM-Aufgaben basierend auf der Abtastung im 3D-Raum“ erfordert einen NeRF-basierten+SLAM-Ansatz. 3DGS zeichnet sich durch seine schnelle Rendering-Geschwindigkeit und hervorragende visuelle Qualität aus. Als klare und interpretierbare Darstellung vereinfacht 3DGS die Szenenbearbeitung und erleichtert die Ausführung zahlreicher nachgelagerter Aufgaben. Bestehende strahlungsfeldbasierte SLAM-Systeme werden hauptsächlich in kleinen Innenräumen mit guter Beleuchtung getestet und erzielen mit sequentiellem RGB-D- oder RGB-Eingang zufriedenstellende Ergebnisse. Schwierigkeiten werden auftreten, wenn diese Methoden auf anspruchsvolle, großflächige, unkontrollierte Außenszenen ausgeweitet werden, beispielsweise bei anspruchsvoller Beleuchtung
- KI 1086 2024-04-29 11:49:20
-
- Wie integriere ich GPU-Cloud-Server in die KI-Infrastruktur?
- GPU-Cloud-Server sind cloudbasierte Computing-Ressourcen, die Grafikprozessoren nutzen, um Hochleistungsaufgaben zu bewältigen. Im Gegensatz zu herkömmlichen Servern, die ausschließlich auf CPUs basieren, sind GPU-Cloud-Server für die Parallelverarbeitung konzipiert und eignen sich daher ideal für rechenintensive Anwendungen wie maschinelles Lernen und künstliche Intelligenz. Im B2B-Bereich ist die Integration von GPU-Cloud-Servern in die KI-Infrastruktur zu einem strategischen Schritt zur Verbesserung der Leistung und Skalierbarkeit geworden. Modelle für maschinelles Lernen erfordern häufig eine leistungsstarke Rechenleistung, und GPU-Cloud-Server bieten eine skalierbare Lösung, die es Unternehmen ermöglicht, große Datenmengen zu verarbeiten und komplexe Algorithmen effizienter auszuführen. Diese Fähigkeit ist von entscheidender Bedeutung für Unternehmen, die in einem sich schnell entwickelnden Technologieumfeld einen Wettbewerbsvorteil wahren möchten, da KI den Wandel in allen Branchen vorantreibt.
- KI 912 2024-04-28 17:34:37
-
- Einige Gedanken zum Weltmodell für den Roboterbetrieb
- In den letzten Jahren scheint die Popularität von Weltmodellen eine entscheidende Rolle bei der Roboterbedienung zu spielen. Für die verkörperte Intelligenz ist Manipulation in dieser Phase der wichtigste Punkt, den es zu durchbrechen gilt. Insbesondere für die folgenden Longhorizon-Aufgaben ist der Bau eines Roboter-„Kleinhirns“ zur Erfüllung verschiedener komplexer Betriebsanforderungen derzeit das dringendste Problem, das gelöst werden muss. Ist es notwendig, die Fertigkeit in atomare Operationen aufzuteilen? Bei der Verwendung von LM zur Anwendung auf Roboter besteht ein gängiger Ansatz darin, verschiedene APIs im Kontext bereitzustellen und LLM dann automatisch Planungscode entsprechend der Aufgabenaufforderung schreiben zu lassen. Bitte lesen Sie den Artikel: Der Vorteil dieser Methode besteht darin, dass sie sehr ist intuitiv und klar verständlich Meistern Sie die Aufteilung der Aufgaben
- KI 835 2024-04-28 17:31:10
-
- Yuanxiangs erstes multimodales Großmodell XVERSE-V ist Open Source, aktualisiert die Liste der maßgeblichen Großmodelle und unterstützt die Eingabe aller Seitenverhältnisse
- 83 % der Informationen, die Menschen erhalten, stammen aus dem Sehen. Große multimodale Grafik- und Textmodelle können umfassendere und genauere Informationen aus der realen Welt wahrnehmen, eine umfassendere kognitive Intelligenz aufbauen und so größere Schritte in Richtung AGI (künstliche allgemeine Intelligenz) unternehmen. Yuanxiang hat heute das multimodale Großmodell XVERSE-V veröffentlicht, das die Bildeingabe mit jedem Seitenverhältnis unterstützt und bei Mainstream-Bewertungen führend ist. Dieses Modell ist vollständig Open Source und steht zur bedingungslosen kostenlosen kommerziellen Nutzung zur Verfügung. Es fördert weiterhin Forschung und Entwicklung sowie Anwendungsinnovationen für eine große Anzahl kleiner und mittlerer Unternehmen, Forscher und Entwickler. XVERSE-V verfügt über eine hervorragende Leistung und übertrifft Open-Source-Modelle wie Yi-VL-34B, den wandorientierten intelligenten OmniLMM-12B und Deep Search DeepSeek-VL-7B in einer Reihe maßgeblicher multimodaler Bewertungen und in der umfassenden Fähigkeitsbewertung MMBen
- KI 780 2024-04-28 16:43:08
-
- Lassen Sie große Modelle nicht länger „Big Mac' sein. Dies ist die neueste Überprüfung der effizienten Feinabstimmung großer Modellparameter.
- Die AIxiv-Kolumne ist eine Kolumne, in der diese Website akademische und technische Inhalte veröffentlicht. In den letzten Jahren sind in der AIxiv-Kolumne dieser Website mehr als 2.000 Berichte eingegangen, die Spitzenlabore großer Universitäten und Unternehmen auf der ganzen Welt abdecken und so den akademischen Austausch und die Verbreitung wirksam fördern. Wenn Sie hervorragende Arbeiten haben, die Sie teilen möchten, können Sie gerne einen Beitrag leisten oder uns für die Berichterstattung kontaktieren. E-Mail-Adresse: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com. In letzter Zeit haben sich groß angelegte KI-Modelle wie große Sprachmodelle und vinzentinische Graphenmodelle rasant entwickelt. In dieser Situation ist die Anpassung an sich schnell ändernde Anforderungen und die schnelle Anpassung großer Modelle an verschiedene nachgelagerte Aufgaben zu einer wichtigen Herausforderung geworden. Begrenzt durch Rechenressourcen, traditionelle Vollparameter-Mikro
- KI 1259 2024-04-28 16:04:01