Inhaltsverzeichnis
"Fortschritt"
Edge Computing fördert die Entwicklung von Edge Intelligence
Deep-Learning-Konstruktion fördert die Entwicklung von AI-City
„Hinder“" >„Hinder“
Sicherheit mit künstlicher Intelligenz fehlt „Kern“
Es ist schwer, menschliches Eingreifen beiseite zu lassen
Heim Technologie-Peripheriegeräte KI Künstliche Intelligenz ist auf dem Vormarsch. Wie ist der Entwicklungsfortschritt der intelligenten Sicherheit?

Künstliche Intelligenz ist auf dem Vormarsch. Wie ist der Entwicklungsfortschritt der intelligenten Sicherheit?

Apr 29, 2023 am 08:10 AM
人工智能 智慧安防 智能安防

Als Branche, in der künstliche Intelligenz bereits Marktraum hat, hat die Sicherheitsbranche ein klareres Verständnis und einen dringenderen Bedarf für die Entwicklung künstlicher Intelligenz. Künstliche Intelligenz fördert die dritte Entwicklung der Sicherheitsbranche nach High-Definition und Vernetzung. technologischer Wandel.

Vor dem Hintergrund der rasanten Entwicklung der künstlichen Intelligenz hat die Sicherheitsbranche eine neue Reise der Intelligenz rund um KI angetreten. Wie ist auf dieser Reise der Entwicklungsfortschritt der intelligenten Sicherheit?

人工智能方兴未艾 智能安防发展进度如何

"Fortschritt"

Edge Computing fördert die Entwicklung von Edge Intelligence

Edge Computing bezieht sich auf Am Rande des Netzwerks, in der Nähe der Quelle von Dingen oder Daten, bietet eine offene Plattform, die Netzwerk-, Computer-, Speicher- und Anwendungskernfunktionen integriert, Edge-Intelligence-Dienste in der Nähe, um die Anforderungen der Branchendigitalisierung in agilen Verbindungen und in Echtzeit zu erfüllen Dienste, Datenoptimierung, Anwendungsintelligenz, Sicherheit und Datenschutz. Unter Edge Computing versteht man in einem Satz Rechenvorgänge, die am Rande nahe der Datenquelle ausgeführt werden.

Mit der kontinuierlichen Weiterentwicklung der Technologie ist das Konzept der „Edge Intelligence“ entstanden, wie es die Zeit erfordert. Es schlägt ein neues Modell vor: Es ermöglicht jedem Edge-Gerät im Internet der Dinge, Daten zu sammeln, zu analysieren und zu nutzen Berechnung, Kommunikation und vor allem Intelligenz. Das neue intelligente Edge Computing nutzt auch die Möglichkeiten des Cloud Computing. Es nutzt die Cloud, um Edge-Geräte in großem Maßstab sicher zu konfigurieren, bereitzustellen und zu verwalten, und kann intelligente Funktionen je nach Gerätetyp und Szenario zuweisen, sodass Intelligenz möglich ist Integriert zwischen der Cloud und dem Edge. Wechseln Sie zwischen Räumen und holen Sie sich das Beste aus beiden Welten.

Edge Intelligence ist zu einem allgemeinen Trend geworden. Mit dem Aufkommen des Zeitalters des „Internet of Everything“ ist die Menge an Bild- und Videodaten, die von Front-End-Geräten im Bereich Computer Vision generiert werden, enorm unbegrenzte Bandbreitenanforderungen und Echtzeitanforderungen für den Kommunikationsdruck. Dies erfordert die Bereitstellung von Edge-Intelligence-Diensten in der Nähe und die schrittweise Verlagerung der Rechenleistung oder Inferenzfunktionen der künstlichen Intelligenz von der Cloud an den Edge, was dazu beitragen wird, den Druck auf Übertragungsverbindungen zu verringern.

Deep-Learning-Konstruktion fördert die Entwicklung von AI-City

Als natürliches Übungsgelände und Anwendungsfeld für künstliche Intelligenztechnologie hat die Sicherheitsbranche einen dringenden Bedarf an der Implementierung von künstliche Intelligenz. In den letzten Jahren hat mit dem Aufkommen von „Gehirnen“ wie „Stadtgehirn“, „Verkehrsgehirn“ und „Polizeigehirn“ die Deep-Learning-Technologie künstlicher Intelligenz in Kombination mit mehrdimensionaler Wahrnehmung die Weiterentwicklung von AI-City vorangetrieben.

Die Hauptforschungsbereiche des Deep Learning sind Spracherkennung und Sehvermögen, und die Anwendung von Deep Learning in verschiedenen Richtungen kann in verschiedenen Bereichen zu unterschiedlichen technologischen Innovationen führen. Für die Sicherheitsbranche, die viele Videobildressourcen beherrscht, ist die Kombination aus Deep Learning und Sicherheit relativ hoch, d. h. die Analyse von Bildern und Videos, einschließlich: Bildanalyse, Textverarbeitung;

Deep Learning in der Sicherheitsbranche konzentriert sich hauptsächlich auf vier Hauptbereiche: Volumenanalyse, Fahrzeuganalyse, Verhaltensanalyse und Bildanalyse. Mit Durchbrüchen bei Deep-Learning-Algorithmen haben intelligente Analysetechnologien wie Zielerkennung, Objekterkennung, Szenensegmentierung sowie Charakter- und Fahrzeugattributanalyse bahnbrechende Fortschritte gemacht.

„Hinder“

Sicherheit mit künstlicher Intelligenz fehlt „Kern“

In der Sicherheitsbranche können Chips sein Es wird gesagt, dass die Sicherheit ohne den „Kern“ zwangsläufig unvollständig ist, vom Front-End bis zum Back-End, von der Übertragung über die Aufzeichnung bis zur Speicherung.

Der Bereich der Sicherheitsvideoüberwachung verfügt über riesige Datenmengen, die genügend Szenarien für Deep-Learning-Training bieten können. Darüber hinaus ist die Entwicklung intelligenter Algorithmen in den letzten Jahren auf massive Big Data angewiesen und hat wichtige Erfolge erzielt in der Spracherkennung und im Sehvermögen, die schnellere Iterationen ermöglichen. Die Implementierung künstlicher Intelligenz im Sicherheitsbereich erfordert Verarbeitungschips mit ausreichender Rechenleistung. Auf Chipebene gibt es jedoch keinen Sicherheitsanwendungschip für künstliche Intelligenz, der die tatsächlichen Anforderungen vollständig erfüllt.

Es ist schwer, menschliches Eingreifen beiseite zu lassen

Obwohl künstliche Intelligenz einige Bluestone-Brücken fertiggestellt hat, die Menschen nicht bewältigen können, ist die groß angelegte Anwendung künstlicher Intelligenz noch nicht erfolgt Intervention zur Unterscheidung zwischen sehr ähnlichen Objekten.

Ausgehend von tatsächlichen Fällen können beim Extrahieren eines Videos einer einzelnen Szene durch die Suche nach Bildern die zugehörigen Bilder schnell aufgedeckt und auf dieser Grundlage die Flugbahn des Verdächtigen ermittelt werden. und schließlich das Ziel gesperrt. Experten wiesen jedoch offen darauf hin, dass dieser Prozess auf Algorithmen der künstlichen Intelligenz beruht und sich nur schwer von der Analyse und Beurteilung durch Video-Ermittler trennen lässt.

人工智能方兴未艾 智能安防发展进度如何

Fazit: Heutzutage ist die Sicherheitsbranche in die Ära der Datenexplosion eingetreten, die herkömmlichen intelligenten Algorithmen nicht mehr möglich ist Erfüllen Sie die Anforderungen des Deep-Level-Data-Value-Mining. Die Vertiefung und Vertiefung der Forschung im Bereich der künstlichen Intelligenz hat mehr Veränderungen in der Sicherheitsbranche mit sich gebracht als gedacht, und es gibt immer mehr Anwendungsszenarien, in denen sie eine Rolle spielen kann.

Das obige ist der detaillierte Inhalt vonKünstliche Intelligenz ist auf dem Vormarsch. Wie ist der Entwicklungsfortschritt der intelligenten Sicherheit?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

AI Hentai Generator

AI Hentai Generator

Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

R.E.P.O. Energiekristalle erklärten und was sie tun (gelber Kristall)
2 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
Repo: Wie man Teamkollegen wiederbelebt
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
Hello Kitty Island Abenteuer: Wie man riesige Samen bekommt
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Jun 28, 2024 am 03:51 AM

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

Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Jun 10, 2024 am 11:08 AM

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

Sieben coole technische Interviewfragen für GenAI und LLM Sieben coole technische Interviewfragen für GenAI und LLM Jun 07, 2024 am 10:06 AM

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

Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Jun 11, 2024 pm 03:57 PM

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 ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Jul 25, 2024 am 06:42 AM

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

SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen Jul 17, 2024 pm 06:37 PM

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

Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Jun 05, 2024 pm 08:51 PM

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

Eine neue Ära der VSCode-Frontend-Entwicklung: 12 sehr empfehlenswerte KI-Code-Assistenten Eine neue Ära der VSCode-Frontend-Entwicklung: 12 sehr empfehlenswerte KI-Code-Assistenten Jun 11, 2024 pm 07:47 PM

In der Welt der Front-End-Entwicklung ist VSCode mit seinen leistungsstarken Funktionen und seinem umfangreichen Plug-in-Ökosystem für unzählige Entwickler zum Werkzeug der Wahl geworden. In den letzten Jahren sind mit der rasanten Entwicklung der Technologie der künstlichen Intelligenz KI-Code-Assistenten auf VSCode entstanden, die die Codierungseffizienz der Entwickler erheblich verbessert haben. KI-Code-Assistenten auf VSCode sind wie Pilze nach einem Regen aus dem Boden geschossen und haben die Codierungseffizienz der Entwickler erheblich verbessert. Es nutzt Technologie der künstlichen Intelligenz, um Code intelligent zu analysieren und eine präzise Code-Vervollständigung, automatische Fehlerkorrektur, Grammatikprüfung und andere Funktionen bereitzustellen, wodurch Entwicklerfehler und mühsame manuelle Arbeit während des Codierungsprozesses erheblich reduziert werden. Heute werde ich 12 KI-Code-Assistenten für die Frontend-Entwicklung von VSCode empfehlen, die Sie bei Ihrer Programmierreise unterstützen.

See all articles