


Wie IoT, KI und digitale Zwillinge dazu beitragen können, die Ziele für nachhaltige Entwicklung zu erreichen
Organisationen, die sich für die Verbesserung der Nachhaltigkeit einsetzen, können diese Ziele erreichen, indem sie das Internet der Dinge (IoT) und Technologien der künstlichen Intelligenz nutzen, um ihren Ressourcenverbrauch und die daraus resultierenden Emissionen zu überwachen und zu analysieren. Allerdings verbessern Unternehmen, die IoT aus anderen Gründen einsetzen, oft auch ihre Nachhaltigkeit als Nebeneffekt.
Fast drei Viertel der IoT-Anwender mit kurzfristigen Nachhaltigkeitszielen glauben, dass IoT-Lösungen „sehr wichtig“ sind, um diese Ziele zu erreichen. Die Kombination aus Sensorgeräten, Edge- und Cloud-Computing, künstlicher Intelligenz und maschinellem Lernen kann Daten und analytische Erkenntnisse darüber liefern, wie Ressourcen genutzt werden, wo Lecks oder Ausfälle auftreten und sich auf den Verbrauch auswirken und wo die Effizienz verbessert werden kann. Darüber hinaus können mit der Digital-Twin-Technologie digitale Modelle realer Geräte, Gebäude und sogar intelligenter Städte erstellt werden, um ein detaillierteres Verständnis dafür zu gewinnen, wie man nachhaltiger wirtschaften kann.
Wie digitale Technologie Nachhaltigkeitsbemühungen unterstützen kann
Mit zunehmendem Bewusstsein für den Klimawandel und zunehmender Regulierung von Aktivitäten im Zusammenhang mit Emissionen und Ressourcenverbrauch werden Nachhaltigkeitsbemühungen für viele Organisationen zu einer obersten Priorität. Microsoft hat Transparenzziele festgelegt und verfolgt den Fortschritt auf dem Weg zu seinen CO2-neutralen Abläufen. Darüber hinaus hat Microsoft eine Softwarelösung bereitgestellt, die anderen dabei hilft, die Auswirkungen auf die Umwelt zu erfassen und zu melden.
Verwenden Sie die Tools der Microsoft Azure IoT-Plattform, um Lösungen in den folgenden Nachhaltigkeitskategorien voranzutreiben:
- Effiziente Energieerzeugung und -verteilung: Digitale Tools werden eingesetzt, um Kraftwerke – eine bedeutende Quelle von Luftemissionen – dabei zu unterstützen, so effizient und effizient wie möglich zu arbeiten möglichst sauber. Versorgungsunternehmen nutzen IoT-Lösungen, um Übertragungs- und Verteilungsnetze für maximale Effizienz zu überwachen und zu verwalten, bei Bedarfsschwankungen zusätzlichen Strom zuzuweisen und Ausfälle schneller zu erkennen. Es hilft auch dabei, erneuerbare Energieanlagen wie Windparks fernzusteuern. smartPulse bietet eine Lösung zur Verwaltung der Stromverteilung und des Stromhandels, die es Versorgungsunternehmen ermöglicht, Ungleichgewichte auf wirtschaftlich vorteilhafte Weise zu bewältigen.
- Intelligentere, CO2-neutrale Gebäude bauen: Der Bau und Betrieb von Gebäuden verursacht 38 % der gesamten energiebedingten CO2-Emissionen weltweit und schafft enorme Chancen für intelligente Gebäudelösungen, die sich positiv auf den CO2-Fußabdruck eines Gebäudes auswirken können eine erhebliche Auswirkung. IoT-Technologie, digitale Zwillingsmodellierung und künstliche Intelligenz haben sich als besonders nützlich bei der Verwaltung von Gebäuden durch automatisierte Beleuchtungs- und Klimasteuerungssysteme sowie bei der Modellierung der Umweltauswirkungen von Design- oder Betriebsänderungen erwiesen. Vasakronan, ein weltweit führendes Unternehmen im Bereich Nachhaltigkeit, hat IoT- und Azure Digital Twins-Lösungen für seine Gewerbe- und Büroimmobilien in ganz Schweden eingeführt, was zu erheblichen Energiekosteneinsparungen führt.
- Verbesserung der öffentlichen Infrastruktur: Der Einsatz von IoT-Technologie zur Aktualisierung der Infrastruktur kann diese nachhaltiger machen und andere Verbesserungen der Lebensqualität bewirken, wie z. B. erhöhte Sicherheit und Reduzierung übermäßiger Lichtverschmutzung. Die spanische Stadt Valencia erkannte dies, als die Stadtverwaltung mit der Sanierung der öffentlichen Beleuchtung begann. Das Projekt umfasste den Austausch der Beleuchtung in einem Nationalpark, da zu viel Licht Wildtieren und Pflanzen schaden könnte. Der Anbieter von Beleuchtungslösungen Schréder und der Anbieter von Cloud-Integrationslösungen Codit haben sich zusammengeschlossen, um mehr als 100.000 Beleuchtungskörper zu aktualisieren und sie in die Azure IoT-Technologie zu integrieren. Die Stadt reduzierte den Stromverbrauch und die Treibhausgasemissionen um 80 % und sparte so jedes Jahr Millionen Euro.
- Landwirtschaft und Lebensmittelproduktion: Datenerfassungs- und Analysetechniken informieren über Entscheidungen, die zu besseren Umweltpraktiken führen, einschließlich Pflanzung, Bewässerung und Pestizideinsatz. Computer Vision kann Unkräuter oder Schädlinge erkennen, die Anbauflächen bedrohen. In einer Zeit, in der der Arbeitskräftemangel in der Landwirtschaft immer häufiger auftritt, ermöglichen entsprechende Technologien die Entwicklung einer stärkeren Automatisierung. Beispielsweise nutzt das North Carolina Plant Sciences Program ein schnelleres und effizienteres Datenmanagement, um die größten Herausforderungen der Landwirtschaft zu bewältigen, mit dem Ziel, bessere prädiktive Lebensmittelanalytik zu entwickeln, die Lebensmittelsicherheit zu verbessern und die Ernteerträge zu steigern.
Verbessern Sie die Geschäftsleistung
Zusätzlich zu den Vorteilen der Reduzierung des Verbrauchs natürlicher Ressourcen und der Kontrolle von Emissionen können Nachhaltigkeitsbemühungen einen Geschäftswert schaffen. In einer aktuellen Umfrage gaben 40 % der Befragten an, dass sie davon ausgehen, dass die Nachhaltigkeitsprogramme ihres Unternehmens innerhalb der nächsten fünf Jahre einen moderaten oder erheblichen Mehrwert generieren werden. Dieser Wert resultiert in erster Linie aus Energiekosteneinsparungen, reduziertem Materialbedarf und verbesserter Betriebseffizienz.
Beginnen Sie mit der Nutzung nachhaltiger IoT-Lösungen
Durch die Kombination nachhaltiger Entwicklungsziele mit innovativen Lösungen können Unternehmen und Menschen ihre täglichen Auswirkungen auf die Ressourcen der Erde begrenzen. IoT-Lösungen können Unternehmen dabei helfen, ihre Effizienz zu steigern, die Produktion erneuerbarer Energien zu verwalten, Abfall zu reduzieren oder die Entwicklung und Veröffentlichung nachhaltigkeitsorientierter Anwendungen zu beschleunigen.
Das obige ist der detaillierte Inhalt vonWie IoT, KI und digitale Zwillinge dazu beitragen können, die Ziele für nachhaltige Entwicklung zu erreichen. 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

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

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

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

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

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

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
