


Sollte künstliche Intelligenz wegen des Verdachts des unlauteren Wettbewerbs aus Sportkreisen verbannt werden?
ChatGPT ist in letzter Zeit auf der ganzen Welt populär geworden und jeder hat sich den leistungsstarken Funktionen der künstlichen Intelligenz hingegeben. Sie wussten nicht, dass dieses Ding schon vor langer Zeit in der Sportwelt weit verbreitet war und das sportliche Niveau effektiv verbessert hat.
Wir sind alle erstaunt darüber, wie die SAOT-Technologie die Richtung des Wettbewerbs bei der Weltmeisterschaft 2022 in Katar verändert hat. Tatsächlich wurde die Technologie der Kameraverriegelung und Sensorpositionierung mit mehreren Kameras bereits vor zwei Jahren bei den Olympischen Spielen in Tokio eingesetzt . Omega hat vier Jahre lang ein eigenes KI-Vision-System entwickelt, das die Position des Balls effektiv verfolgen und die Flugbahn des Balls simulieren kann, ähnlich wie die Eagle-Eye-Technologie. Das System basiert auf Sensoren im Inneren des Balls und Kameras mit mehreren Kameras, die mit 250 Bildern pro Sekunde aufzeichnen. Beim Beachvolleyball erreicht das System eine Genauigkeit von über 99 %. Dies hat die bisherige Geschichte der Schiedsrichter, die sich bei Entscheidungen auf das bloße Auge und Videos verlassen, verändert und ist zu einem Pionier für KI-Schiedsrichtersysteme geworden.
Das japanische Informations- und Kommunikationstechnologieunternehmen Fujitsu hat ein KI-Bewertungssystem entwickelt. Das System bestrahlt den Körper des Sportlers 2 Millionen Mal pro Sekunde mit Laserlicht, erfasst die Bewegungen des Sportlers durch Berechnung der Distanz über die Zeit und wandelt die Bewegungen des Sportlers erstmals in ein dreidimensionales Bild um. Die Kampfrichter verglichen die Datenbank der Turnbewegungen auf der Grundlage der vom System bereitgestellten Bilder. Es gibt keine Voreingenommenheit, keinen Fehler und keine blinden Flecken, während die Belastung für die Kampfrichter verringert und die Genauigkeit erhöht wird kann auch bis zu einem gewissen Grad die Existenz menschlicher Voreingenommenheitsfaktoren reduzieren.Bei den beiden oben genannten Punkten handelt es sich lediglich um KI als Hilfsmittel, um den Sport zu verbessern. Das Erschreckende an KI ist, dass sie tatsächlich das Wettbewerbsniveau von Sportlern verbessern kann.
Die chinesische Tauchnationalmannschaft ist seit langem als „Diving Dream Team“ bekannt. Der Grund liegt nicht nur in der Tradition und der nationalen Garantie, sondern auch in der starken logistischen Unterstützung. Seit dem letzten Olympiazyklus hat die Nationalmannschaft ein „3D+KI“-Tauchtrainingssystem eingeführt. Das System kann die Winkelgeschwindigkeit, die Höhe, den Körperwinkel, die Geschwindigkeit und andere Daten berechnen, wenn die Tauchaktion stattfindet. Es kann auch die Trainingsbewegungen des Sportlers eingeben, die Fehler in den Bewegungen des Sportlers aufzeigen und die Probleme analysieren, die der Sportler lösen muss am meisten. Und unterstützen Sie den Cheftrainer bei der Formulierung gezielter Pläne auf der Grundlage der spezifischen Daten verschiedener Athleten.
Künstliche Intelligenz könnte jetzt eine solch abscheuliche Rolle spielen
.
Das Intelligent Systems and Control Laboratory der Cornell University hat einen neuen Algorithmus entwickelt, der insofern einzigartig ist, als er einen ganzheitlichen Ansatz zur Vorhersage von Spielerbewegungen verfolgt und dabei visuelle Daten (z. B. die Position des Spielers auf dem Spielfeld) mit eher impliziten Informationen wie den spezifischen Eigenschaften eines Athleten kombiniert Rolle im Team. Kann die Aktionen von Volleyballspielern in Spielen mit einer Genauigkeit von über 80 % vorhersagen.
Das Beängstigende ist, dass Menschen Spiele vielleicht aus Utilitarismus, Spannung und Spaß ansehen, aber
Künstliche Intelligenz, maschinelles Lernen, beobachtet Spiele, indem sie die Spiele in verschiedene Daten zerlegt und dann Daten sammelt, um die Spiele vorherzusagen.
Dieser neue Algorithmus wurde nicht nur in der renommierten Fachzeitschrift „ACM Transactions on Intelligent Systems and Technology“ (ACM Transactions on Intelligent Systems and Technology) in der Wissenschafts- und Technologiegemeinschaft veröffentlicht, sondern auch zum Patent angemeldet. Es ist denkbar, dass in Zukunft alles, was Menschen tun, in den Augen der künstlichen Intelligenz uneingeschränkt und ohne Privatsphäre erfolgt. Die Maschine kann alle sogenannten „Gesetze“ und „Metaphysik“ im Stadion durch verschiedene Datenpermutationen und -kombinationen lösen
Sportethik, also Sportethik.
Wie wir alle wissen, ist der olympische Geist „höher, schneller, stärker“, der die menschlichen Grenzen herausfordert. Jedes Verhalten, das Sportlern durch den „X-Faktor“ zugute kommt, ist von großen Sportorganisationen verboten.
Zum Beispiel ist es Sportlern verboten, verschiedene „Stimulanzien“ zu verwenden, die das Hämoglobin erhöhen, Muskeln schnell wachsen lassen und die Ausdauer verbessern können. Sobald sie erkannt werden, können Sportler den Widerstand im Wasser um 3 % reduzieren und Sharkskin verbesserte seine 100-Meter-Freistilzeit um fast eine Sekunde und half Phelps dabei, 43 Weltrekorde in einem Jahr zu brechen.
Tatsächlich ist es ein High-Tech-Wettbewerb, egal ob es sich um verbotene Drogen oder Sportgeräte handelt. Die Geschwindigkeit der Technologie ist weitaus höher als die der schwarzen Listen großer Sportorganisationen. Aber auf jeden Fall hat die Hinzufügung von Technologie das „menschenorientierte“ Prinzip des fairen Wettbewerbs bei Sportwettkämpfen in Frage gestellt, und das Aufkommen künstlicher Intelligenz wird zweifellos der „letzte Tropfen sein, der das Fass zum Überlaufen bringt“ und Sportwettkämpfe zunichte machen wird -Standort-Technologie-Wettbewerbe, wodurch die Identität und das Gefühl der Teilnahme eines Athleten weiter verwischt werden.
Ob es Ihnen gefällt oder nicht, die Ära der künstlichen Intelligenz ist angebrochen Der Markt für künstliche Intelligenz im Sport wird in den nächsten zwei Jahren ein Volumen von mehreren zehn Milliarden Dollar erreichen. Anstatt sich über Geißeln Sorgen zu machen, ist es besser, die Einnahmen zu steigern und die Ausgaben von der Quelle zu reduzieren, den Anteil und die Grenzen des Technologieeinsatzes so früh wie möglich zu klären und die eingeschränkten Anwendungsbereiche der Technologie abzugrenzen, damit künstliche Intelligenz dies tun kann Besser der Sportindustrie aus der Perspektive von Big Data dienen, #🎜🎜 #Anstatt ihn den Wirt wie das neue Coronavirus töten zu lassen.
Ökologischer Sport: Investitions-, Design- und Betriebsplanung des Sportstadion-Park-Stadtkomplexes, integrierte Entwicklung der Gesundheits-, Kultur-, Tourismus- und ländlichen Revitalisierungsindustrie, intelligente Modernisierung.
Haftungsausschluss: [Ecological Sports] Die Bilder und Texte stammen aus dem Internet, um weitere Informationen zu vermitteln. Bei Kennzeichnungsfehlern oder Verletzungen Ihrer Rechte wenden Sie sich bitte zwecks rechtzeitiger Korrektur und Löschung an Ecological Sports!Das obige ist der detaillierte Inhalt vonSollte künstliche Intelligenz wegen des Verdachts des unlauteren Wettbewerbs aus Sportkreisen verbannt werden?. 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
