


Künstliche Intelligenz ist der Schlüssel zur Verbesserung der Sicherheit in der Transportbranche!
Letzte Woche kündigte der E-Scooter-Riese Lime Pläne an, eine neue benutzerdefinierte Computer-Vision-Plattform zu testen, um riskantes Verhalten von Benutzern auf Gehwegen zu erkennen. Solche Sicherheitsmechanismen, die in der Lage sind, Radfahrer auf Verstöße aufmerksam zu machen und sogar langsamer zu werden, sind angesichts einer Reihe gefährlicher Unfälle, die das beliebte städtische Transportmittel in Verruf gebracht haben, dringend erforderlich.
Künstliche Intelligenz kann nicht nur bei Elektrorollern eine wichtige Rolle spielen. In besorgniserregender Häufigkeit kommt es zu tödlichen Eisenbahnunfällen. Und Verkehrsunfälle bleiben weltweit die häufigste Ursache für vorzeitige Todesfälle, insbesondere bei jungen Menschen. Glücklicherweise entstehen Lösungen, die von künstlicher Intelligenz und Computer Vision inspiriert sind und die Sicherheit in allen Verkehrsträgern verbessern sollen – für Fußgänger, Radfahrer, Fahrer und Passagiere gleichermaßen. Eine gute Nachricht.
Elektroroller auf dem Vormarsch
LimeVision, von seinen Eigentümern als die erste KI-gestützte Computer-Vision-Plattform der Branche bezeichnet, soll nächsten Monat auf fast 400 Elektrorollern in Chicago und San Francisco getestet werden, und das wird auch der Fall sein noch in diesem Jahr in 6 Städten getestet werden. Laut Firmenpräsident Joe Kraus hat die kamerabasierte Technologie, die LimeVision zugrunde liegt, das Potenzial, konkurrierende GPS-Plattformen in anderen Anwendungen zu übertreffen, die die Sicherheit von Rollern verbessern.
Solche Innovationen sind sehr willkommen und möglicherweise sogar veraltet für ein Fortbewegungsmittel, bei dem kürzlich festgestellt wurde, dass es unfallträchtiger ist als Motorräder. Laut einer Studie der University of California, Los Angeles, kommen auf eine Million E-Scooter-Fahrer 115 Verletzungen. Bei den Motorradfahrern sank die Zahl auf 104 pro Million, verglichen mit 15 bei den Radfahrern. Roller stellen nicht nur ein Sicherheitsrisiko für Fahrer dar, ihre Verbreitung auf Gehwegen birgt auch potenzielle Gefahren für ältere Menschen, Sehbehinderte und andere gefährdete Gruppen.
Straßen und Schienen sind gleichermaßen rücksichtslos
Da es sich um eine der neuesten Transportoptionen auf dem Markt handelt, kann man leicht den Motorrollern die Schuld geben – aber insgesamt könnte der Transport von der KI-gesteuerten Sicherheit profitieren. Profitieren Sie von dem Upgrade. Die Risiken des Bahnfahrens wurden Ende letzten Monats deutlich, als sich innerhalb weniger Tage zwei tödliche Unfälle mit Amtrak-Zügen ereigneten. Der erste ereignete sich in Nordkalifornien und tötete drei Menschen; der zweite ereignete sich in Missouri, wobei vier Menschen getötet und etwa 150 weitere schwer verletzt wurden. Beide Unfälle ereigneten sich an Kreuzungen ohne Leitplanken oder Lichter, die Umsetzung dieser Sicherheitsmaßnahmen kann jedoch äußerst kostspielig sein.
Der Straßenverkehr ist schädlicher für die menschliche Gesundheit. Ein aktueller Bericht der Vereinten Nationen ergab, dass jedes Jahr mehr als 1,3 Millionen Menschen bei Verkehrsunfällen sterben. Damit ist Verkehrsunfall die häufigste Ursache für vorzeitigen Tod bei Menschen im Alter von 5 bis 29 Jahren. Laut einer aktuellen Studie sind die Zahl der Verkehrsunfälle und Todesfälle in den reichen Ländern in den letzten 30 Jahren zwar leicht zurückgegangen, dies wurde jedoch durch einen anschließenden Anstieg der Inzidenz in Ländern mit niedrigem und mittlerem Einkommen (LMICs) ausgeglichen – mit 93 % der Todesfälle diese Verbesserungen auftreten. Daher haben sich die Vereinten Nationen verpflichtet, diese Zahl bis 2030 zu halbieren.
Züge sicher und auf dem richtigen Gleis halten
Technologie dürfte bei der Verwirklichung des Ziels, Straßen- und Schienenunfälle zu vermeiden, eine große Rolle spielen, wobei künstliche Intelligenz an der Spitze einiger der vielversprechendsten Innovationen steht. Beispielsweise hat sich die private Brightline Railroad als die tödlichste Eisenbahn in den Vereinigten Staaten erwiesen, unter anderem weil ihre Lokomotiven in dicht besiedelten Gebieten mit einer Bevölkerung, die nicht an Hochgeschwindigkeitszüge gewöhnt ist, fahren Das Ergebnis war, dass einige Menschen oft die Eisenbahn betraten und viele Menschen starben.
Angesichts der Tatsache, dass Brightline beabsichtigt, seine Linie nach Orlando und darüber hinaus auszudehnen – und dass die Installation von Zäunen entlang der Gleise mehr als 200.000 US-Dollar pro Meile kosten könnte – muss eine andere Lösung gefunden werden. Die Entscheidungsträger des Unternehmens sind davon überzeugt, dass ihnen durch die Partnerschaft mit Remark Holdings, einem Technologie- und KI-Unternehmen, dessen intelligente Sicherheitsplattform in der Lage ist, Eindringlinge zu erkennen und Orbitalanomalien aus der Ferne zu identifizieren, diese Innovation dazu beitragen soll, die Unfallraten zu senken.
Die Revolution im Straßentransport hat begonnen
Auch im Straßentransportsektor gibt es ähnliche KI-Sicherheitsverbesserungen. Während sich die meisten Schlagzeilen in den Medien darauf konzentrieren, wie künstliche Intelligenz selbstfahrende Autos ermöglichen wird, haben Technologieunternehmen bereits viele niedrig hängende Früchte im Visier. Beispielsweise kann maschinelles Sehen den Zustand und die Leistung der Fahrzeughardware überwachen, die Wartung optimieren und durch mechanische Ausfälle verursachte Unfälle minimieren. Sogenannte „kollaborative Roboter“ können den Herstellungsprozess beschleunigen, während KI, 5G und Wärmebildtechnik zusammenarbeiten können, um potenzielle Bedrohungen zu erkennen und Informationen zwischen verschiedenen Fahrzeugen auszutauschen.
Darüber hinaus hat das Verkehrsmanagement bereits stark von der Installation von KI-gestützten Kameras an Kreuzungen profitiert, wobei bis 2025 voraussichtlich 155.000 Kameras installiert werden. Unterdessen startete das australische Startup Acusensus im Jahr 2019 das Straßenkameranetzwerk HeadsUp. Das Projekt konnte riskantes Verhalten von Autofahrern identifizieren, die Nutzung von Mobiltelefonen um 80 % und die damit verbundenen Verkehrsunfälle um 22 % reduzieren und dabei Auszeichnungen gewinnen. Angesichts der jüngsten Verabschiedung des Infrastructure Investment and Jobs Act (IIJA) in Höhe von 1,2 Billionen US-Dollar ist die Zeit reif für eine Überarbeitung der Verkehrssicherheit.
Mit künstlicher Intelligenz könnte risikofreier Transport Wirklichkeit werden
Während eine Welt ohne Verkehrsunfälle wie ein Wunschtraum erscheinen mag, könnten Fortschritte in der Technologie sie in absehbarer Zukunft zu einer realisierbaren Realität machen. In der MIT-Forschung wird sogar spekuliert, dass KI historische Daten nutzen könnte, um zukünftige Ereignisse mit angemessener Genauigkeit vorherzusagen und dadurch Unfälle vorherzusagen, bevor sie eintreten, und Benutzern die Möglichkeit zu geben, geeignete Maßnahmen zu ergreifen, um sie zu vermeiden. Da uns so unglaubliche Möglichkeiten zur Verfügung stehen, ist es an der Zeit, künstliche Intelligenz vollständig zu integrieren und dafür zu sorgen, dass verkehrsbedingte Verletzungen und Todesfälle der Vergangenheit angehören.
Das obige ist der detaillierte Inhalt vonKünstliche Intelligenz ist der Schlüssel zur Verbesserung der Sicherheit in der Transportbranche!. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen

Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

Laut Nachrichten dieser Website vom 1. August hat SK Hynix heute (1. August) einen Blogbeitrag veröffentlicht, in dem es ankündigt, dass es am Global Semiconductor Memory Summit FMS2024 teilnehmen wird, der vom 6. bis 8. August in Santa Clara, Kalifornien, USA, stattfindet viele neue Technologien Generation Produkt. Einführung des Future Memory and Storage Summit (FutureMemoryandStorage), früher Flash Memory Summit (FlashMemorySummit), hauptsächlich für NAND-Anbieter, im Zusammenhang mit der zunehmenden Aufmerksamkeit für die Technologie der künstlichen Intelligenz wurde dieses Jahr in Future Memory and Storage Summit (FutureMemoryandStorage) umbenannt Laden Sie DRAM- und Speicheranbieter und viele weitere Akteure ein. Neues Produkt SK Hynix wurde letztes Jahr auf den Markt gebracht
