


Kann 6G mit künstlicher Intelligenz „grüne' Netzwerke der nächsten Generation schaffen?
Es gibt einige erstaunliche Dinge am Mobile World Congress (MWC), die ihn zu einem Erlebnis machen, das sowohl faszinierend als auch anstrengend ist. Es gibt acht Säle voller heller Lichter, Prunk und beispielloser technologischer Fortschritte. Jedes Jahr komme ich, um alles zu sehen, und jedes Jahr gehe ich, nachdem ich nur ein Drittel davon gesehen habe.
Das diesjährige Thema lautet „Geschwindigkeit“ und der Slogan lautet „Heute die Technologie von morgen entfesseln“. Konzepte wie das Metaversum, künstliche Intelligenz (KI) und 6G sind überall zu sehen. Aber alles hängt mit Umweltbelangen zusammen, und die meisten Produkte sind so konzipiert, dass sie den wachsenden CO2-Fußabdruck der Technologie berücksichtigen.
Umfassen Sie grüne Technologie
Das Problem wird immer ernster. Huawei-Speicherexperte Dr. Peter Zhou sagte, dass bis 2030 die Menge der von Unternehmen jedes Jahr generierten Daten in „Gigabyte“ gemessen wird. Dieser Begriff existiert bereits, wenn er noch nicht unbedingt benötigt wird; er ist die größte vom Internationalen Einheitensystem (SI) anerkannte Einheit. Daten werden nur in diese Richtung gehen, und wir speichern bereits so viel davon, dass es dem Planeten schadet. Diese Frage beschäftigt Branchen und Technologien wie das Internet der Dinge (IoT) und das Metaverse, die stark auf Sensortechnologie und künstliche Intelligenz angewiesen sind.
Huawei nutzte die Day Zero-Veranstaltung des MWC, um eine Reihe grüner Technologieinitiativen vorzustellen. Steven Moore, Leiter für Klimaschutz bei der GSMA, sprach über die Haltbarkeit unserer Mobilgeräte – von denen keines zu 100 % erneuerbar ist. Er forderte die Hersteller auf, auf eine längere Lebensdauer zu drängen, und schlug vor, dass selbst eine Verlängerung um ein Jahr gleichbedeutend damit wäre, 4,7 Millionen Autos von der Straße zu nehmen. Ebenso forderte Emmanuel Chatard, SVP Operations and Network Economics bei Orange, eine Regulierung der Nutzung gebrauchter Geräte in Mobilfunknetzen.
Während dies dazu beitragen kann, Elektroschrott zu reduzieren, stehen wir vor einer größeren Herausforderung, und das ist der Stromverbrauch – insbesondere in Mobilfunknetzen. Wie viele bereits wissen, entlädt 5G den Akku von Mobiltelefonen sehr schnell. Das liegt zum Teil daran, dass die Telefone selbst nach dem besten Signal suchen, aber auch unsere Netzwerksignale arbeiten härter als nötig.
Wie 6G-Netzwerke künstliche Intelligenz nutzen werden
Nicolas Kourtellis, leitender Forschungswissenschaftler und Co-Direktor von Telefonica Research, sagte in einer Rede auf dem MWC, dass 6G voraussichtlich den Datenverbrauch und die Geschwindigkeit deutlich steigern wird, und zwar nahezu ohne Latenz.
Eine neue Generation der Mobilfunknetztechnologie erscheint etwa alle zehn Jahre, und 6G wird voraussichtlich um das Jahr 2030 auf den Markt kommen. Um jedoch die Mängel von 5G zu bewältigen, erwägt Huawei derzeit ein Produkt namens 5.5G, das die Sensortechnologie und die Energieeffizienz verbessern soll. Letztendlich ist dies die Mitte der 6G-Reise und es wird spannender.
Mehrere Faktoren werden SSmart und superschnelles 6G Wirklichkeit werden lassen, darunter geringe Latenz, künstliche Intelligenz und Fortschritte in der Sensortechnologie. Huawei ist davon überzeugt, dass 6G-Netzwerke künstliche Intelligenz einbetten müssen, damit sie selbst als Systeme der künstlichen Intelligenz eingestuft werden können.
Ein Teil der Intelligenz wird zur Verwaltung von Beamforming-Signalen verwendet, also den Werkzeugen, die Daten an Geräte übertragen. Und mit 6G wird das Netzwerk intelligent genug sein, um das Signal zu moderieren, um eine Automatisierung mit geringer Latenz und effizienterer Weise zu ermöglichen. Wenn Huawei Recht hat, wird 6G sowohl ein technologischer Fortschritt als auch eine grundlegende Lösung für den wachsenden CO2-Fußabdruck der mobilen Telekommunikation sein.
Nutzen Sie Technologie, um intelligenter und nicht härter zu arbeiten.
Der Einsatz von KI zur Rettung des Planeten ist jedoch etwas kontraintuitiv, da KI-Computing sehr stromhungrig ist. Die Idee, dass wir Energie effizienter nutzen können, mag seltsam erscheinen, wenn man bedenkt, dass sie einer der Hauptverursacher des enormen CO2-Fußabdrucks der Technologie ist.
„Ich denke, das ist der interessante Teil“, sagte Carmen Fontana, Mitglied des Institute of Electrical and Electronics Engineers (IEEE), gegenüber IT Pro. „Diese Prozessoren werden immer intelligenter und können mehr, aber sie sind auch Energiefresser.“
Fontana, die auch Vizepräsidentin für den Betrieb von Augment Therapy ist, sagte, dass die gleichen Probleme mit dem Energieverbrauch den Bezirk plagen.
Wir können all diese coolen Dinge tun, aber es ist schrecklich für die Umwelt. Ich denke also, dass diese Chip-Prozessoren oder die Cloud-Umgebung im Allgemeinen intelligenter sein müssen und dass dies eine Priorität sein muss, anstatt nur immer mehr Leistung“, fuhr sie fort. „Andererseits können wir eine große Anzahl davon verwenden.“ Durch vernetzte Geräte in Anwendungen wie Versorgungsnetzen können wir Versorgungsnetze intelligenter nutzen. Vielleicht wehren wir uns gegen den Einsatz von Chips, aber es wird uns auch ermöglichen, Strom effizienter zu nutzen.
Hier gibt es noch eine weitere Dimension: Diese Initiativen sind nicht nur gut für die Umwelt, sondern können auch zur Kostensenkung eingesetzt werden. Die wirtschaftliche Not hat eine Krise der Lebenshaltungskosten verschärft, die sich auf die Weltwirtschaft und die Lieferketten auswirkt. Die Technologiebranche baut Arbeitsplätze ab und Unternehmen, insbesondere in Großbritannien, kämpfen mit schrumpfenden Budgets. Abgesehen von der Nachhaltigkeit, so wichtig sie auch ist, brauchen wir alle Technologie, die uns hilft, mit weniger mehr zu erreichen und intelligenter und nicht härter zu arbeiten.
Das obige ist der detaillierte Inhalt vonKann 6G mit künstlicher Intelligenz „grüne' Netzwerke der nächsten Generation schaffen?. 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

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
