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:
-
- Wie das Gesundheitswesen das volle Potenzial von Cloud Computing nutzen kann
- Vor fünf Jahren hörte man selten von Gesundheitsorganisationen, die ihre elektronischen Gesundheitsaktensysteme in die Cloud verlagerten. Als ich für einen Gesundheitsdienstleister arbeitete, war ich einer der ersten Befürworter der Migration von Epic-Umgebungen in die Cloud. Obwohl die Entwicklung von EHRs in der Cloud einige Zeit in Anspruch nehmen wird, treiben immer mehr Gesundheitsorganisationen diesen Schritt voran. In den letzten Jahren haben Kooperationen zwischen Cloud-Anbietern und EHR-Anbietern dazu beigetragen, die Sichtbarkeit solcher Projekte zu erhöhen. Laut einem PwC-Bericht aus dem Jahr 2023 haben etwa 81 % der Führungskräfte im Gesundheitswesen die Cloud in den meisten oder allen ihren Betrieben eingeführt. Die meisten Gesundheitsorganisationen stehen noch am Anfang ihrer Einführung in die Public Cloud. Viele Menschen sind vielleicht mit Software as a Service vertraut, aber wenn es darum geht, kritische Workloads in die Public Cloud zu verlagern, sind sie noch Neulinge. Für diejenigen, die geöffnet haben
- KI 581 2024-04-12 17:46:22
-
- Tokenisierung in einem Artikel verstehen!
- Sprachmodelle basieren auf Text, der normalerweise in Form von Zeichenfolgen vorliegt. Da die Eingabe in das Modell jedoch nur Zahlen sein kann, muss der Text in eine numerische Form umgewandelt werden. Die Tokenisierung ist eine grundlegende Aufgabe der Verarbeitung natürlicher Sprache. Sie kann eine fortlaufende Textsequenz (z. B. Sätze, Absätze usw.) entsprechend den spezifischen Anforderungen in eine Zeichenfolge (z. B. Wörter, Phrasen, Zeichen, Satzzeichen usw.) unterteilen. Die darin enthaltenen Einheiten werden als Token oder Wort bezeichnet. Gemäß dem in der Abbildung unten gezeigten spezifischen Prozess werden die Textsätze zunächst in Einheiten unterteilt, dann werden die einzelnen Elemente digitalisiert (in Vektoren abgebildet), dann werden diese Vektoren zur Codierung in das Modell eingegeben und schließlich an nachgelagerte Aufgaben ausgegeben erhalten Sie weiterhin das Endergebnis. Die Textsegmentierung kann entsprechend der Granularität der Textsegmentierung in Toke unterteilt werden.
- KI 522 2024-04-12 14:31:26
-
- Wie baut man ein KI-orientiertes Data-Governance-System auf?
- In den letzten Jahren sind mit dem Aufkommen neuer Technologiemodelle, der Wertsteigerung von Anwendungsszenarien in verschiedenen Branchen und der Verbesserung der Produkteffekte aufgrund der Ansammlung riesiger Datenmengen Anwendungen der künstlichen Intelligenz aus Bereichen wie Konsum und Internet ausgestrahlt worden zu traditionellen Branchen wie Fertigung, Energie und Elektrizität. Der Reifegrad der Technologie und Anwendung künstlicher Intelligenz in Unternehmen verschiedener Branchen in den Hauptbereichen wirtschaftlicher Produktionsaktivitäten wie Design, Beschaffung, Produktion, Management und Vertrieb verbessert sich ständig und beschleunigt die Implementierung und Abdeckung künstlicher Intelligenz in allen Bereichen schrittweise Integration in das Hauptgeschäft, um den Industriestatus zu verbessern oder die Betriebseffizienz zu optimieren und die eigenen Vorteile weiter auszubauen. Die groß angelegte Implementierung innovativer Anwendungen der Technologie der künstlichen Intelligenz hat die starke Entwicklung des Big-Data-Intelligence-Marktes vorangetrieben und auch den zugrunde liegenden Data-Governance-Diensten Marktvitalität verliehen. Mit Big Data, Cloud Computing und Computing
- KI 1013 2024-04-12 14:31:14
-
- Wie fördert KI-künstliche Intelligenz die digitale Transformation?
- Es ist Jahrzehnte her, dass künstliche Intelligenz vorgeschlagen wurde, aber warum erlebte diese Technologie erst in den letzten Jahren ein explosionsartiges Wachstum? Dieses Phänomen ist kein Zufall. Gerade dank der zunehmenden Reife digitaler Technologien wie Cloud Computing, Internet der Dinge und Big Data hat die künstliche Intelligenz erhebliche Fortschritte gemacht: Cloud Computing bietet eine offene Plattform für künstliche Intelligenz Das Internet der Dinge gewährleistet Datensicherheit und Big Data bietet unbegrenzte Ressourcen und Algorithmenunterstützung für Deep Learning. Die Integration der digitalen Transformation traditioneller Unternehmen und Technologien in diesen Bereichen hat die kontinuierliche Verbesserung der Technologie der künstlichen Intelligenz gefördert und eine solide Grundlage für ihre Entwicklung von „intelligenter Wahrnehmung“ zu „intelligentem Denken“ und „intelligenter Entscheidungsfindung“ gelegt. Unternehmen mit starken digitalen Innovationsfähigkeiten haben einen zunehmenden Einfluss auf den Markt und die Verbraucher. Jede digitale Transformation
- KI 650 2024-04-12 14:31:01
-
- Wie man KI nutzt, um die Energietransparenz in Gebäuden zu verbessern
- In den Vereinigten Staaten wird etwa ein Drittel der in Gebäuden verbrauchten Energie verschwendet, was jährlich bis zu 150 Milliarden US-Dollar kostet. Heutzutage sind sich immer mehr Facility Manager von Gebäuden dessen bewusst und möchten alle verfügbaren Vermögenswerte identifizieren, um diese Kosten zu kontrollieren. Wie wir alle wissen, ist künstliche Intelligenz (KI) zu einem leistungsstarken Werkzeug für Branchenführer geworden, die die Energieeffizienz verbessern möchten. In Verbindung mit der Null-Gebäudeplanung schaffen Fortschritte in der künstlichen Intelligenz die Voraussetzungen für eine transformative Ära im Facility Management. Statistiken von Data International Energy Occupation zeigen, dass die Bauindustrie bis zu 30 % des weltweiten Energieverbrauchs ausmacht und die Optimierung des Energieverbrauchs dazu beitragen kann, die Auswirkungen auf die Umwelt zu reduzieren. Künstliche Intelligenz hilft Managern dabei, bessere, fundiertere und vorausschauendere Entscheidungen zu treffen
- KI 425 2024-04-12 12:16:23
-
- Wie KI und IoT Schlüsselindustrien revolutionieren
- Künstliche Intelligenz (KI) und das Internet der Dinge (IoT) haben bereits bedeutende Entwicklungen in Branchen wie dem verarbeitenden Gewerbe und dem Bankenwesen vorangetrieben, doch zusammen bieten die beiden Technologien leistungsstarke Möglichkeiten für eine Vielzahl von Branchen. Das Internet der Dinge hat ein Echtzeit-Kommunikationsnetzwerk miteinander verbundener Geräte geschaffen und sich zu einer milliardenschweren Industrie entwickelt. Statista schätzt, dass der Umsatz bis 2024 1,3 Billionen US-Dollar überschreiten wird. Gleichzeitig hat die künstliche Intelligenz seit der Einführung verbraucherorientierter generativer KI-Programme ein enormes Wachstum erlebt. Hier erfahren Sie, wie einige führende Branchen diese Technologien nutzen und wie Branchenführer die zukünftige Entwicklung dieser Nutzung sehen. Versicherungen Derzeit besteht die Rolle künstlicher Intelligenz im Versicherungssektor darin, die Effizienz und Verarbeitung zu verbessern
- KI 378 2024-04-12 11:55:26
-
- Neue Ideen für die LiDAR-Simulation |. LidarDM: Hilft bei der Generierung einer 4D-Welt, Simulationskiller~
- Originaltitel: LidarDM: GenerativeLiDARSimulationinaGeneratedWorld Papier-Link: https://arxiv.org/pdf/2404.02903.pdf Code-Link: https://github.com/vzyrianov/lidardm Autorenzugehörigkeit: University of Illinois, Massachusetts Institute of Technology Papier-Idee: Einführung in diesen Artikel LidarDM, ein neuartiges Lidar-Generierungsmodell, mit dem realistische, Layout-bewusste, physikalisch glaubwürdige und zeitlich kohärente Lidar-Videos erstellt werden können. LidarDM verfügt über zwei beispiellose Funktionen in der generativen Lidar-Modellierung: (1)
- KI 621 2024-04-12 11:46:15
-
- Wichtige Anwendungsfälle für industrielle Konnektivität in der Fertigung
- In den letzten Jahren wurde zunehmend über Möglichkeiten und Potenziale wie intelligente Fabriken und Industrie 4.0 diskutiert, doch die vielen Vorteile dieser ehrgeizigen Visionen und Strategien können nun durch die Nutzung industrieller Konnektivität realisiert werden. Industrielle Konnektivität in der Fertigung ermöglicht eine Vielzahl von Anwendungen zur Steigerung der Effizienz, zur Verbesserung der Produktionsqualität, zur Echtzeitüberwachung und -steuerung sowie zur Erleichterung intelligenter Entscheidungsprozesse. Technologien wie intelligente Fertigungsfabriken und Industrie 4.0 wurden in den letzten Jahren ausführlich diskutiert, doch die vielen Vorteile dieser ehrgeizigen Visionen und Strategien, die industrielle Konnektivität nutzen, um die in der Fertigung üblichen Silos aufzubrechen, sind jetzt realisierbar. In der Praxis haben mehrere gängige Anwendungsfälle für die Bereitstellung eines standardisierten Datenzugriffs durch industrielle Konnektivität erhebliche Auswirkungen auf die globale Fertigung. Zu diesen möglichen Hauptanwendungsfällen gehören: Echtzeit-Datenüberwachung und -analyse in der Fertigung
- KI 770 2024-04-12 09:16:32
-
- Wie IoT-Sensoren und KI intelligente Gebäude revolutionieren
- Mit der kontinuierlichen Weiterentwicklung intelligenter Technologie sind intelligente Gebäude zu einer starken Kraft in der heutigen Baubranche geworden. Beim Aufstieg intelligenter Gebäude haben Sensoren für das Internet der Dinge (IoT) und künstliche Intelligenz (KI) eine entscheidende Rolle gespielt. Ihre Kombination ist nicht nur eine einfache technische Anwendung, sondern auch eine völlige Subversion traditioneller Gebäudekonzepte und bringt uns eine intelligentere, effizientere und komfortablere Gebäudeumgebung. In den letzten Jahren und insbesondere im Zuge der COVID-19-Pandemie sind die Herausforderungen für das Gebäudemanagement gestiegen und haben sich weiterentwickelt, da sich die Erwartungen an Facility Manager geändert haben und die Anforderungen an die Rentabilität gestiegen sind. Der Wandel hin zu stärker integrierten und flexibleren Arbeitsumgebungen in Büros verändert auch die Art und Weise, wie Gewerbegebäude genutzt werden, und erfordert Echtzeit-Einblick in die Gebäudenutzung und Nutzertrends
- KI 967 2024-04-12 09:10:15
-
- BAIC Jihu veröffentlicht das Darwin 2.0-Technologiesystem und führt die neue Energiefahrzeugtechnologie auf ein neues Niveau
- Am 11. April wurde in Peking die Tesla 2.0-Technologie feierlich vorgestellt. Jihu Motors ist mit Innovationen im Bereich des intelligenten Reisens erneut führend. Das Darwin 2.0-Technologiesystem ist das Ergebnis intensiver Forschung und Praxis von Jihu Auto im Bereich des intelligenten Reisens. Es integriert sieben wichtige Technologiebereiche, darunter intelligentes Fahren, intelligente Vernetzung, intelligente Sicherheit und andere Aspekte, um Benutzern ein umfassendes und intelligentes Reiseerlebnis zu bieten. Durch fortschrittliche Sensoren und Algorithmen kann dieses Technologiesystem eine präzise Wahrnehmung und intelligente Entscheidungsfindung der Fahrzeugfahrbedingungen erreichen und so sicherstellen, dass Benutzer in verschiedenen Verkehrsumgebungen ein sicheres und komfortables Fahrerlebnis genießen können. Gleichzeitig konzentriert sich die Darwin 2.0-Technologie auch auf die Verbesserung des Benutzererlebnisses. Durch die nahtlose Verbindung mit intelligenten Geräten wird die Integration fahrzeuginterner Systeme mit Mobiltelefonen und Smart Homes realisiert.
- KI 976 2024-04-12 09:04:13
-
- Empfehlungssysteme basierend auf kausalen Schlussfolgerungen: Überprüfung und Aussichten
- Das Thema dieses Austauschs sind Empfehlungssysteme, die auf kausalen Schlussfolgerungen basieren. Wir überprüfen vergangene verwandte Arbeiten und schlagen zukünftige Perspektiven in diese Richtung vor. Warum müssen wir in Empfehlungssystemen kausale Inferenztechniken verwenden? Bestehende Forschungsarbeiten nutzen kausale Schlussfolgerungen, um drei Arten von Problemen zu lösen (siehe den TOIS2023-Artikel Causal Inference in Recommender Systems: ASurvey and Future Directions von Gaoe et al.): Erstens gibt es verschiedene Verzerrungen (BIAS) in Empfehlungssystemen und kausale Schlussfolgerungen ist eine wirksame Möglichkeit, diese Werkzeuge zur Voreingenommenheit zu entfernen. Empfehlungssysteme können bei der Bewältigung der Datenknappheit und der Unfähigkeit, kausale Auswirkungen genau abzuschätzen, vor Herausforderungen stehen. Um es zu lösen
- KI 635 2024-04-12 09:01:07
-
- Langer Text kann RAG nicht töten: SQL+-Vektor steuert große Modelle und das neue Paradigma von Big Data, die MyScale AI-Datenbank ist offiziell Open Source
- Die Kombination aus großen Modellen und KI-Datenbanken ist zu einer magischen Waffe geworden, um die Kosten zu senken, die Effizienz großer Modelle zu steigern und Big Data wirklich intelligent zu machen. Die Welle großer Modelle (LLM) nimmt seit mehr als einem Jahr zu, insbesondere die Modelle GPT-4, Gemini-1.5, Claude-3 usw., die zu einem wohlverdienten Hotspot geworden sind. Auf der LLM-Strecke konzentrieren sich einige Forschungen auf die Erhöhung der Modellparameter, andere sind verrückt nach Multimodalität ... Unter anderem ist die Fähigkeit von LLM, die Kontextlänge zu verarbeiten, zu einem wichtigen Indikator für die Bewertung von Modellen geworden. Ein stärkerer Kontext bedeutet, dass das Modell vorhanden ist stärkere Abrufleistung. Beispielsweise hat die Fähigkeit einiger Modelle, bis zu 1 Million Token auf einmal zu verarbeiten, viele Forscher dazu veranlasst, über RAG nachzudenken (R
- KI 1163 2024-04-12 08:04:24
-
- Face Wall Intelligence hat eine neue Finanzierungsrunde über mehrere hundert Millionen Yuan abgeschlossen und seinen Weg hin zu effizienten Großmodellen für AGI fortgesetzt
- Kürzlich hat Wall-facing Intelligence eine neue Finanzierungsrunde über mehrere hundert Millionen Yuan abgeschlossen, angeführt von Primavera Ventures und Huawei Hubble, gefolgt vom Beijing Artificial Intelligence Industry Investment Fund, wobei Zhihu weiterhin als strategischer Aktionär investiert. Nach Abschluss dieser Finanzierungsrunde wird Face Wall Intelligence die Einführung herausragender Talente weiter fördern, die grundlegende Rechenleistung und Datengrundlage für den Einsatz großer Modelle stärken, weiterhin den Weg des „effizienten großen Modells“ vorantreiben und die effiziente Ausbildung großer Modelle fördern Modelle erstellen und Anwendungen schnell umsetzen. Light Source Capital fungierte bei dieser Runde als exklusiver Finanzberater. Basierend auf einer soliden Grundlage der ursprünglichen KI-Technologie ist Wall-Facing Intelligence eines der größten großen Modellteams der Welt, das an der Spitze der Erforschung „effizienter großer Modelle“ steht und nun die Implementierung großer Modell-Full-Stack-Technologien abgeschlossen hat effiziente Schulung, effiziente Umsetzung und effizientes Denken. Das Kernteam für Forschung und Entwicklung wurde in Tsinghua, NL, gegründet
- KI 990 2024-04-11 21:22:01
-
- Erkundung der Grenzen von Agenten: AgentQuest, ein modulares Benchmark-Framework zur umfassenden Messung und Verbesserung der Leistung großer Sprachmodellagenten
- Basierend auf der kontinuierlichen Optimierung großer Modelle haben LLM-Agenten – diese leistungsstarken algorithmischen Einheiten – das Potenzial gezeigt, komplexe mehrstufige Argumentationsaufgaben zu lösen. Von der Verarbeitung natürlicher Sprache bis hin zum Deep Learning rücken LLM-Agenten nach und nach in den Fokus von Forschung und Industrie. Sie können nicht nur menschliche Sprache verstehen und generieren, sondern auch Strategien formulieren, Aufgaben in verschiedenen Umgebungen ausführen und sogar API-Aufrufe und Codierung zum Erstellen verwenden Lösungen. In diesem Zusammenhang ist die Einführung des AgentQuest-Frameworks ein Meilenstein. Es bietet nicht nur eine modulare Benchmarking-Plattform für die Bewertung und Weiterentwicklung von LLM-Agenten, sondern bietet Forschern auch leistungsstarke Tools, um die Leistung dieser Agenten gleichzeitig zu verfolgen und zu verbessern granularerer Ebene
- KI 1038 2024-04-11 20:52:21
-
- Mehrere SOTAs! OV-Uni3DETR: Verbesserung der Generalisierbarkeit der 3D-Erkennung über Kategorien, Szenen und Modalitäten hinweg (Tsinghua & HKU)
- In diesem Artikel wird der Bereich der 3D-Objekterkennung erörtert, insbesondere die 3D-Objekterkennung für Open-Vocabulary. Bei herkömmlichen 3D-Objekterkennungsaufgaben müssen Systeme die Position von Objekten in realen Szenen, 3D-Begrenzungsrahmen und semantische Kategoriebezeichnungen vorhersagen, was normalerweise auf Punktwolken oder RGB-Bildern beruht. Obwohl die 2D-Objekterkennungstechnologie aufgrund ihrer Allgegenwärtigkeit und Geschwindigkeit gute Leistungen erbringt, zeigen einschlägige Untersuchungen, dass die Entwicklung der universellen 3D-Erkennung im Vergleich zurückbleibt. Derzeit basieren die meisten 3D-Objekterkennungsmethoden immer noch auf vollständig überwachtem Lernen und sind durch vollständig kommentierte Daten in bestimmten Eingabemodi eingeschränkt. Sie können nur Kategorien erkennen, die während des Trainings entstehen, sei es in Innen- oder Außenszenen. In diesem Artikel wird darauf hingewiesen, dass die Herausforderungen bei der universellen 3D-Zielerkennung hauptsächlich darin liegen
- KI 298 2024-04-11 19:46:18