


Die Zukunft intelligenter Städte: ein neues Kapitel unabhängigen Denkens
Stellen Sie sich eine Stadt vor, die unabhängig denkt und dafür sorgt, dass Waren so schnell wie möglich ankommen, indem sie den Verkehr „umleitet“, damit Rettungsfahrzeuge ihr Ziel reibungslos erreichen können, und es den Menschen sogar ermöglicht, ihre verlorenen Haustiere wieder zu vereinen
Bekannt als „ Anerkennung“ Die Aussicht auf „Informierte Stadt“ ist die Entwicklungsrichtung der nächsten Generation intelligenter Städte
Der umgeschriebene Inhalt lautet wie folgt: Die ersten intelligenten Städte konnten zwar wahrnehmen, aber nicht handeln, wohingegen kognitive Städte wahrnehmen und reagieren konnten. Der Schlüssel zur Erreichung dieses Ziels sind auf den Straßen verteilte Sensoren und Edge Computing. Viele der Smart Cities der Zukunft werden „auf der grünen Wiese“ sein: völlig neue Städte, die von Grund auf neu gebaut und mit Intelligenz ausgestattet sind, wobei Edge Computing in alles integriert ist, von Straßenlaternen bis hin zu Mülleimern. Für die Menschen, die in diesen Städten leben, wird Edge Computing echte, messbare Verbesserungen in ihrem Leben bringen – von der sofortigen Suche nach einem Parkplatz bis hin zum Einsatz prädiktiver Intelligenz zur Reduzierung der Energiekosten In kognitiven Städten besteht die grundlegendste Notwendigkeit darin, die Rechenleistung dorthin zu verlagern, wo die Daten generiert werden: dort, wo Menschen leben, arbeiten und reisen. Dies gilt unabhängig davon, ob Sie eine völlig neue Smart City bauen oder eine bestehende „brachliegende“ städtische Technologie nachrüsten. Unabhängig davon sind Kanten der Schlüssel. Beispielsweise bei der Verarbeitung von Sensorinformationen von Kameras in Mülltonnen, Abwasserkanälen oder Ampeln ist es notwendig, auf diese Probleme in Echtzeit zu reagieren
In aktuellen Smart Cities liegt das Hauptaugenmerk seit jeher auf der Erfassung von Daten: ob für Überwachung von Verkehrsschwerpunkten oder zum Auffinden von Wasserlecks. In den kommenden Jahren werden die Städte jedoch selbst dynamisch auf die sich verändernde physische Welt reagieren, beispielsweise durch die Anpassung des Energieverbrauchs basierend auf Echtzeit-WetterbedingungenMit der Einführung des Internets der Dinge (IoT) und moderner künstlicher Intelligenz (KI). , Überwachung Ihre Entwicklung basiert auf einer Maschine-zu-Maschine-Basis und ist revolutionär für die Transformation intelligenter Technologie. Auch neue KI-Technologien wie groß angelegte Sprachmodelle werden in Zukunft eine Rolle spielen und es Stadtplanern und einfachen Bewohnern ermöglichen, problemlos mit ihren Städten zu interagieren. Edge-Technologie wird ein Schlüsselfaktor für unsere effektive Kontrolle zukünftiger Städte sein
Um diese Art von reaktionsfähigem Service zu erreichen, wird Edge Computing von entscheidender Bedeutung: Rechenleistung muss auf die Straße verlagert werden. Dies ist Teil einer umfassenderen Verlagerung weg von der Verwendung analoger Einwegsensoren wie Verkehrs- oder Rauchsensoren hin zur Verwendung intelligenter Kameras, die sowohl Daten generieren als auch die Privatsphäre schützen.
Intelligente StraßenIn den intelligenten Städten der Zukunft wird Technologie die menschlichen Bedürfnisse erfüllen . Nachhaltigkeit ist das größte Problem, mit dem Städte konfrontiert sind, und den mit Abstand größten Beitrag dazu leisten Autos. Intelligente Städte werden dazu beitragen, den Verkehr zu reduzieren und selbstfahrende Autos effizient durch die Straßen zu leiten. Ein Beispiel dafür ist die erste erfolglose Lieferung. Dies ist eine der Hauptursachen für Staus, da die Fahrer immer wieder zur gleichen Adresse zurückkehren müssen. In einer kognitiven Stadt können Standortdaten, die zeigen, wann Kunden zu Hause sind, mit deren Zustimmung anonym an Lieferunternehmen weitergegeben werden, sodass beim ersten Versuch mehr Lieferungen zugestellt werden können.
Intelligentes Parken ist eine wichtige Möglichkeit, Verkehrsstaus zu reduzieren und Straßen effizienter zu machen . Edge-Computing-Knoten können freie Parkplätze erkennen und Fahrzeuge in Echtzeit dorthin leiten. Es wird auch zu einem Schlüsselfaktor für autonomes Fahren werden und mehr Daten für das Selbstfahrsystem des Autos liefern. In künftigen Smart Cities werden die Straßen auf autonomes Fahren ausgerichtet sein und die Kommunikation zwischen Fahrzeugen und Fahrzeugen sowie zwischen Fahrzeugen und Infrastruktur ermöglichen. Edge Computing kann Ersthelfer schneller zum Unfallort bringen. Die Smart-City-Infrastruktur nutzt visionsbasierte Sensoren, um Brände in Gebäuden zu erkennen und Alarme auszulösen. Nachdem die Rettungsdienste eine Warnung erhalten haben, kann die KI die sicherste und schnellste Route für diejenigen, die am Unfallort ankommen, im Voraus planen und bei Bedarf die Routen anderer Fahrzeuge anpassen.
Priorisierung von DatenschutzproblemenUmgeschrieben Hier ist, was es sagt: Video ist Wird nicht nur zur Überwachung verwendet, sondern auch zur Bereitstellung verschiedener Situationsinformationen, beispielsweise über überfüllte Mülleimer und Verkehrsbedingungen. Intelligente Kameras können Besitzern helfen, verlorene Haustiere zu finden, indem sie beispielsweise mithilfe künstlicher Intelligenz Haustiere identifizieren, während sie sich zwischen den Kameras bewegen. In jeder Smart City ist Privatsphäre das wichtigste Thema. Intelligente Städte der Zukunft werden Daten nicht nur um der Datenbeschaffung willen erfassen, sondern um bessere Dienste bereitzustellen. Wenn Bürger den Informationen der Stadtplaner vertrauen, müssen sie mehr zurückbekommen, als sie bieten.
Edge kann auch dazu beitragen, eine nachhaltige Entwicklung zu Hause zu erreichen. Selbst die intelligentesten Smart Homes können die Anwesenheit erkennen und die Klimaanlage nur ausschalten, wenn jemand geht. Durch den Einsatz von Sensoren und künstlicher Intelligenz zur Vorhersage kann es in der Stunde, bevor jemand geht, langsam heruntergeregelt werden. Städte werden fortschrittliche Computertechnologie nutzen, um die Aktivität in Gebäuden in Echtzeit zu überwachen und es den Behörden zu ermöglichen, Energieangebot und -nachfrage aufeinander abzustimmen. Kognitive Städte der Zukunft werden Augmented-Reality-Erlebnisse bieten, um Menschen mit Seh- oder Hörbehinderungen bei der Text-zu-Sprache- und Sprache-zu-Text-Konvertierung zu unterstützen. Dabei wird Edge Computing eine Schlüsselrolle spielen: Wenn ein sehbehinderter Mensch die Straße überquert, zählt jede Millisekunde. Die Rechenleistung ist nicht mehr auf Rechenzentren beschränkt, sondern in einer wirklich kognitiven Stadt schwanken die Straßen selbst mit Daten Knoten sind über die ganze Stadt verteilt. Dies erfordert Planung. Diese Knoten müssen Teil der gebauten Umgebung werden, wie Lichter auf der Straße. Jedes Gerät hat auch unterschiedliche Anforderungen an Kühlung und Latenz, Computer können beispielsweise nicht in Schränken untergebracht werden. Beim Bau neuer Smart Cities können diese Knoten effizienter integriert werden, sodass sie für Servicetechniker besser sichtbar und zugänglich sind
Wenn jedoch eine Nachrüstung erfolgen soll, sei es in intelligente Straßenlaternen oder Schränke, gibt es Möglichkeiten, Rechenleistung zu integrieren wird dorthin geliefert, wo es benötigt wird. In vielen Großstädten gibt es zahlreiche Service-Kabinen, die Mobilfunk- oder Telekommunikationsdienste und sogar Wasserversorgung anbieten. Servicetechniker können ihre Interaktion mit dem Netzwerk anpassen. Diese Serviceschränke werden zu den Rechenzentren der Zukunft
Die Städte der Zukunft
Die intelligenten Städte der Zukunft werden den Menschen in den Mittelpunkt stellen und intelligente Technologien integrieren, unabhängig davon, ob sie in bestehenden Städten oder auf der „grünen Wiese“ gebaut werden. Diese groß angelegten Infrastrukturprojekte werden auf Bürgerbeteiligung basieren und kritische Infrastrukturen zusammenführen, um Aspekte wie Kommunikationsnetze, Transport, öffentliche Sicherheit und Energieeffizienz zu unterstützen.
Die Stadt der Zukunft wird sich auf Edge-Computing-Knoten auf jeder Straße konzentrieren Diese Knoten sammeln Informationen von Sensoren und Kameras und ermöglichen es der Stadt, selbstständig zu „denken“. Intelligente Städte sind nur ein Ausgangspunkt. Zukünftige kognitive Städte werden sicherere, glücklichere und nachhaltigere Lebensstile schaffen
Das obige ist der detaillierte Inhalt vonDie Zukunft intelligenter Städte: ein neues Kapitel unabhängigen Denkens. 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 5. Juli veröffentlichte GlobalFoundries am 1. Juli dieses Jahres eine Pressemitteilung, in der die Übernahme der Power-Galliumnitrid (GaN)-Technologie und des Portfolios an geistigem Eigentum von Tagore Technology angekündigt wurde, in der Hoffnung, seinen Marktanteil in den Bereichen Automobile und Internet auszubauen Anwendungsbereiche für Rechenzentren mit künstlicher Intelligenz, um höhere Effizienz und bessere Leistung zu erforschen. Da sich Technologien wie generative künstliche Intelligenz (GenerativeAI) in der digitalen Welt weiterentwickeln, ist Galliumnitrid (GaN) zu einer Schlüssellösung für nachhaltiges und effizientes Energiemanagement, insbesondere in Rechenzentren, geworden. Auf dieser Website wurde die offizielle Ankündigung zitiert, dass sich das Ingenieurteam von Tagore Technology im Rahmen dieser Übernahme mit GF zusammenschließen wird, um die Galliumnitrid-Technologie weiterzuentwickeln. G
