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:
-
- Evernote veröffentlicht selbst entwickeltes großes Modell. Kommt ein neues Produktivitätstool?
- (Peking, 12. April 2024) Evernote gab heute bekannt, dass sein selbst entwickeltes großes Sprachmodell den Namen „Impression Large Model“ erhalten hat und die Modellregistrierung gemäß den „Interim Measures for the Management of Generative Artificial Intelligence Services“ abgeschlossen hat. und relevante Gesetze und Vorschriften, um mehr Benutzern intelligente Wissensmanagementdienste bereitzustellen. Als führender Hersteller von Produktivitätstools achtet Evernote stets auf technologische Innovationen, um Benutzern ein besseres Wissensmanagement-Erlebnis zu bieten. Evernotes Forschungseinrichtung mit Schwerpunkt auf dem Gebiet der künstlichen Intelligenz – das Evernote Research Institute – wurde 2018 gegründet. Es arbeitet weiterhin in den Bereichen natürliche Sprachverarbeitung, neuronale Netzwerkalgorithmen und andere Bereiche. Seit 2018 werden nacheinander intelligente Empfehlungen und intelligente Tags eingeführt , intelligente Zusammenfassungen und Wissenskarten sowie eine Reihe von Kernproduktfunktionen, die durch künstliche Intelligenz gesteuert werden. Im März 2023, Impression Research
- KI 1137 2024-04-12 21:31:16
-
- Mit der offiziellen Markteinführung des multimodalen Großmodells NOMI GPT Device-Cloud von NIO wird die Ära der intelligenten Cockpit-KI eingeläutet
- Am 12. April gab NIO bekannt, dass NOMIGPT seinen Push-Dienst offiziell gestartet hat. Das dieses Mal veröffentlichte Update basiert auf einer neuen technischen Architektur, einschließlich der intelligenten Erstellung eines multimodalen großen NOMIGPT-End-Cloud-Modells durch NOMI. NOMIGPT umfasst eine selbst entwickelte multimodale Wahrnehmung, ein selbst entwickeltes kognitives Zentrum, eine Emotions-Engine und einen Multi-Experten-Agenten, um eine globale Konnektivität von NIO-Produkten, -Diensten und -Communitys zu erreichen und effizientere und unterhaltsamere KI-Dienste bereitzustellen. Nach dem Upgrade von NOMIGPT können Benutzer eine Reihe neuer interaktiver Erlebnisse erleben, darunter eine große Modellenzyklopädie, unbegrenzte unterhaltsame Chats, eine magische Atmosphäre, lustige Emoticons, Fragen und Antworten zu Autos und die Generierung von KI-Szenen, und neue Reisen genießen, die durch Zhisheng AI ermöglicht werden. Diese NOMIGPT-Einführung wird gleichzeitig für Modelle verfügbar sein, die mit dem intelligenten Banyan·Rong-System ausgestattet sind.
- KI 478 2024-04-12 21:19:01
-
- Sind digitale Menschen nach dem Segen großer Modelle „menschlicher'?
- Olympische Winterspiele in Peking KI-Anker für virtuelle menschliche Gebärdensprache, Hangzhou Asian Games digitale menschliche Zündung, digitaler Reporter der Nachrichtenagentur Xinhua, digitaler Astronaut Xiaowei ... Da immer mehr digitale Menschen im Leben der Menschen auftauchen, entwickelt sich auch die gesamte digitale Mensch-Branche in Richtung vielfältige und umfangreiche Anwendungen, die sich schnell in verschiedene Branchen und Szenarien ausdehnen. Für die C-Seite helfen digitale Menschen den Benutzern bei der Erstellung von Inhalten und unterstützen sie bei der Arbeit, z. B.: Digitale Menschen üben gesprochene Sprache, spielen Spiele mit digitalen Menschen usw.; für die B-Seite sind digitale Menschen die „Werkzeugmenschen“ von Unternehmen und werden in der Finanz-, Film- und Fernsehbranche sowie in der Live-Übertragung und anderen Branchen eingesetzt, um die Industrieproduktion und die betriebliche Effizienz zu verbessern. Digital People ist ein gutes Geschäft, aber seine groß angelegte Umsetzung stößt immer noch auf Schwierigkeiten in Bezug auf Talent, Kosten, Szenarien, Technologie usw. Der kritischste ist der technische Engpass bei der Digitalisierung
- KI 875 2024-04-12 19:04:10
-
- Trajectory Prediction Series | Worüber spricht die weiterentwickelte Version von HiVT QCNet?
- Eine weiterentwickelte Version von HiVT (Sie können diesen Artikel direkt lesen, ohne HiVT zuerst zu lesen) mit deutlich verbesserter Leistung und Effizienz. Der Artikel ist auch leicht zu lesen. [Trajectory Prediction Series] [Notizen] HiVT: HierarchicalVectorTransformerforMulti-AgentMotionPrediction – Zhihu (zhihu.com) Ursprünglicher Link: https://openaccess.thecvf.com/content/CVPR2023/papers/Zhou_Query-Centric_Trajectory_Prediction_CVPR_2023_paper
- KI 770 2024-04-12 18:28:21
-
- Transparent! Eine ausführliche Analyse der Prinzipien der wichtigsten Modelle des maschinellen Lernens!
- Laienhaft ausgedrückt ist ein Modell für maschinelles Lernen eine mathematische Funktion, die Eingabedaten einer vorhergesagten Ausgabe zuordnet. Genauer gesagt ist ein Modell für maschinelles Lernen eine mathematische Funktion, die Modellparameter anpasst, indem sie aus Trainingsdaten lernt, um den Fehler zwischen der vorhergesagten Ausgabe und der wahren Bezeichnung zu minimieren. Beim maschinellen Lernen gibt es viele Modelle, z. B. logistische Regressionsmodelle, Entscheidungsbaummodelle, Support-Vektor-Maschinenmodelle usw. Jedes Modell verfügt über seine anwendbaren Datentypen und Problemtypen. Gleichzeitig gibt es viele Gemeinsamkeiten zwischen verschiedenen Modellen oder es gibt einen verborgenen Weg für die Modellentwicklung. Am Beispiel des konnektionistischen Perzeptrons können wir es durch Erhöhen der Anzahl verborgener Schichten des Perzeptrons in ein tiefes neuronales Netzwerk umwandeln. Wenn dem Perzeptron eine Kernelfunktion hinzugefügt wird, kann es in eine SVM umgewandelt werden. Dieses hier
- KI 505 2024-04-12 17:55:32
-
- Wie entwirft man Softsensoren mithilfe von Algorithmen für maschinelles Lernen?
- Durch das Verständnis der Fähigkeiten von Algorithmen für maschinelles Lernen können Ingenieure effektive Soft-Sensoren für ihre Anwendungen entwickeln. Softsensor, auch virtueller Sensor genannt, ist eine Software, die Hunderte von Messdaten umfassend verarbeiten kann. Fabrikmanager, die Soft-Sensoren hinzufügen möchten, sind möglicherweise verwirrt über den Umfang des maschinellen Lernens, das mit Soft-Sensoren funktioniert. Ein tieferer Einblick in das Thema zeigt jedoch, dass den meisten Soft-Sensor-Designs mehrere Kernalgorithmen zugrunde liegen. Die Auswahl, Schulung und Implementierung dieser Modelle ist oft die Aufgabe von Datenwissenschaftlern, aber auch Werksleiter und andere Betriebsexperten möchten sich mit ihren Fähigkeiten vertraut machen. Soft-Sensoren verstehen Soft-Sensoren werden in einer Softwareumgebung erstellt, können aber die gleichen Vorteile bieten wie ihre realen Gegenstücke. in gewisser Weise
- KI 905 2024-04-12 17:55:15
-
- Gartner enthüllt die wichtigsten GenAI-Cybersicherheitstrends im Jahr 2024
- Organisationen, Regierungen, Wissenschaftler und viele andere suchen nach Möglichkeiten, die transformative Kraft der GenAI-Technologie zu nutzen. Die Mehrheit der IT-Führungskräfte (67 %) wird GenAI in den nächsten 18 Monaten Priorität einräumen. Während die Aussichten von GenAI große Aufregung hervorrufen, gibt es auch Bedenken, einschließlich der Unsicherheit über die Auswirkungen von GenAI auf die Cybersicherheit an mehreren Fronten. Um uns zu helfen, die wichtigsten Trends in der Cybersicherheit besser zu verstehen und fundierte Entscheidungen zur Reduzierung von Cybersicherheitsrisiken zu treffen, hat das Marktforschungsunternehmen Gartner auf dem jüngsten Gartner Security and Risk Management Summit seine Vorhersagen und Empfehlungen zur Cybersicherheit bekannt gegeben. 2024 dürfte ein weiteres gutes Jahr für GenAI werden, so Gartne
- KI 408 2024-04-12 17:49:30
-
- 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 635 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 609 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 1103 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 733 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 492 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 444 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 712 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 840 2024-04-12 09:16:32