Heim Technologie-Peripheriegeräte KI Der „Entstehungs'-Moment der künstlichen Intelligenz: Wie lösen Rechenzentren Probleme?

Der „Entstehungs'-Moment der künstlichen Intelligenz: Wie lösen Rechenzentren Probleme?

Nov 23, 2023 pm 12:30 PM
人工智能 数据中心 Probleme lösen

Wenn Hunderte von großen KI-Modellen für die Industrie auftauchen, ändert sich stillschweigend das Rechenzentrum, in dem die großen Modelle gehostet werden. Große Modelle erfordern große Rechenleistung. Einerseits werden Rechenzentren vielfältige Rechenkapazitäten als Basis für die digitale Transformation bereitstellen, um den intelligenten Anforderungen verschiedener Branchen gerecht zu werden. Dies erfordert eine bessere Computerarchitektur und einen geringeren Energieverbrauch, um mehr Rechenleistung zu erzeugen, was nicht nur selbst grüne und CO2-arme Ziele erreicht, sondern auch die intelligente Transformation anderer Industrien ermöglicht und die CO2-Reduzierung der gesamten Gesellschaft fördert.

Daten des Ministeriums für Industrie und Informationstechnologie zeigen, dass im Jahr 2022 die Gesamtgröße der in meinem Land verwendeten Rechenzentrums-Racks 5,9 Millionen Standard-Racks überschreiten wird, die Größe der Server etwa 20 Millionen Einheiten betragen wird und das durchschnittliche jährliche Wachstum zunehmen wird Die Speicherkapazität des Rechenzentrums wird 50 % überschreiten. Gleichzeitig ist vor dem Hintergrund des explosionsartigen Bedarfs an Daten und Rechenleistung in der gesamten Gesellschaft der Stromverbrauch von Rechenzentren zwangsläufig rasant gestiegen. Wie werden künftige Rechenzentren angesichts des doppelten Tests „Rechenleistung“ und „Verbrauchsreduzierung“ weiter optimiert, stetig vergrößert und die Energieeffizienz schrittweise verbessert? Wie wird das Rechenzentrum der Zukunft aussehen?

Vor kurzem hat Huawei den Bericht „Data Center 2030“ veröffentlicht, der eine Referenzrichtung für die Transformation und Modernisierung zukünftiger Rechenzentren vorgibt.

Innovation entsteht und die neue Entwicklungsrichtung dreht sich um „Fünf-Effekte-Verbesserung“

Heutzutage sind Rechenzentren fast eng mit dem täglichen Leben verbunden. Bekannte Begriffe wie KI, Cloud Computing, Smart Cities und das Metaversum sind alle untrennbar mit der Unterstützung von Rechenzentren verbunden. Gleichzeitig gewinnen auch Trends wie Energieeinsparung, Nachhaltigkeit und Sicherheit allmählich an Bedeutung. Große Unternehmen erhöhen ihre Investitionen und den Bau von Rechenzentren, um den wachsenden Bedarf an Rechenleistung zu decken.

Es ist absehbar, dass sich die Entwicklung und der Bau von Rechenzentren angesichts des schnellen Wachstums der Weltwirtschaft weiterhin in einer Phase rasanter Entwicklung befinden werden, gepaart mit der starken Unterstützung aufstrebender Industrien an verschiedenen Orten, was große Vorteile mit sich gebracht hat die Entwicklung der Rechenzentrumsbranche.

Der Inhalt muss ins Chinesische umgeschrieben werden, ohne die ursprüngliche Bedeutung zu ändern. Was neu geschrieben werden muss, ist: Aber mit der schnellen Entwicklung ist die Wahl der Richtung und des Weges zu einer Art Fähigkeit und Weisheit geworden. Anforderungen an die Rechenleistung und Ressourcenbeschränkungen sind die größten Herausforderungen für die zukünftige Entwicklung von Rechenzentren, und Innovationen müssen sich auf die Verbesserung der Effizienz konzentrieren

„Data Center 2030“ geht von den fünf wichtigsten Zukunftsszenarien aus, die Rechenzentren betreffen, und weist darauf hin, dass die zukünftige Entwicklung von Rechenzentren eine Reihe wichtiger Trends aufweisen wird. Der Bericht prognostiziert, dass sich die Rechenleistung sowie die Rechenleistung und der Umfang rasch weiterentwickeln werden Effizienz wird zum Schlüssel für die Wettbewerbsfähigkeit des Landes und der Unternehmen. Gleichzeitig wird es in Rechenzentren zu einer panoramischen Revolution kommen -Stream-Kollaborations-Rechenzentren werden ebenfalls populär gemacht, wodurch ein umweltfreundliches, kohlenstoffarmes und führendes Rechenzentrum mit Recheneffizienz entsteht.

Es zeigt sich, dass die Entwicklung zukünftiger Rechenzentren ein sich schnell verändernder und herausfordernder Prozess ist. Wenn wir das zukünftige Rechenzentrum herausfinden, die digitale Wirtschaft, einen Markt mit großer Fantasie, erschließen und das hohe Wachstum von Unternehmen im Zeitalter der Datenwirtschaft fördern wollen, brauchen wir einige neue Ideen, um die „Gleichung multipler höherer Ordnung“ zu lösen. des aktuellen Rechenzentrums.

Der „Entstehungs-Moment der künstlichen Intelligenz: Wie lösen Rechenzentren Probleme?

Um den Durchbrüchen in der wissenschaftlichen Forschung und dem Ressourcenbedarf für Rechenleistung gerecht zu werden, müssen Rechenzentren in der neuen Situation dringend technologische Innovationen und Modelländerungen durchführen. Der Bericht „Data Center 2030“ weist darauf hin, dass künftige Rechenzentren ihre Leistung in fünf Aspekten verbessern müssen: „Energieeffizienz, Recheneffizienz, Betriebseffizienz, digitale Effizienz und menschliche Effizienz“, um den verursachten Rechenleistungsbedarf und Energieverbrauch zu bewältigen durch große Modelle der künstlichen Intelligenz

Optimieren Sie die Energieeffizienz, um ein umweltfreundliches Rechenzentrum ohne CO2-Emissionen aufzubauen Verbesserung der menschlichen Effizienz, um automatisierte Rechenzentren zu realisieren. Man kann sagen, dass die Verbesserung der „fünf Effekte“ eine wichtige Richtung für die technologische Innovation zukünftiger Rechenzentren aufzeigt

Es ist die ganzheitliche Perspektive, die erstmals die technischen Eigenschaften zukünftiger Rechenzentren definiert

Mit der Entwicklung von Cloud Computing und künstlicher Intelligenz in China nimmt der Umfang extrem großer Rechenzentrumsanwendungen weiter zu, und auch das Baukonzept von Rechenzentren hat sich geändert. Die typischste Änderung ist der Bau von Rechenzentren ist enger in die IT-Ausrüstung integriert. Auch das Rechenzentrum wird als Infrastruktur entsprechende Top-Down-Änderungen erfahren. Um die Verbindung zwischen Anwendungen und Technologie aus geschäftlicher Sicht zu realisieren, muss das Rechenzentrum Kühlung, Stromversorgung, Überwachung sowie Betrieb und Wartung als Ganzes berücksichtigen vertikale Integration

Der Mainstream der zukünftigen Entwicklung der Rechenzentrumstechnologie wird durch Innovationen auf Systemebene erreicht, was bedeutet, dass die nächste Generation von Rechenzentren mit der Tradition brechen und die Effizienz des Rechenzentrums durch Software- und Hardware-Zusammenarbeit erheblich verbessern muss

Was sind konkret die Hauptmerkmale künftiger Rechenzentren? Was sind die Bewertungsindikatoren für neue Rechenzentren? Der Bericht „Data Center 2030“ geht davon aus, dass neue Rechenzentren in der Zukunft sechs wichtige technische Merkmale aufweisen werden: vielfältige Allgegenwart, Sicherheit und Intelligenz, CO2-freie Energieeinsparung, flexible Ressourcen, Peer-to-Peer-Verbindung und System Moore.

Vielfalt und Allgegenwart: In Zukunft werden sich Rechenzentren in Richtung der Polarisierung von ultragroßen Clustern und ultraleichten Kanten bewegen. Gleichzeitig werden angesichts neuer Szenarien auch verschiedene innovative Rechenzentren entstehen, wie z. B. Weltraum-Rechenzentren, Unterwasser-Rechenzentren usw.

Sicherheitsintelligenz: Zukünftige neue Rechenzentren müssen die Merkmale hoher Sicherheit, hoher Zuverlässigkeit und hoher Intelligenz aufweisen. KI und Daten ermöglichen den gesamten Lebenszyklus der Planung, des Baus und des Betriebs von Rechenzentren und fördern die Entwicklung von Rechenzentren in Richtung hoher Effizienz, Energieeinsparung und Intelligenz.

Kohlenstofffreie Energieeinsparung: Der Anteil sauberer Energie wie Windenergie und Solarenergie in der Energiestruktur von Rechenzentren steigt. Gleichzeitig ist die Energiespeichertechnologie zu einer wichtigen Möglichkeit geworden, die Stromkosten von Rechenzentren durch „Peak Shaving and Valley Filling“ zu senken; die Flüssigkeitskühlungstechnologie hilft Rechenzentren, Energie zu sparen und Lärm zu reduzieren.

Flexible Ressourcen: Cloud-Architektur wird zu einer der „Standardkonfigurationen“ der zukünftigen Rechenzentrumsinfrastruktur werden. Die Cloud-Rechenzentrumsarchitektur der nächsten Generation wird den Prinzipien „Full Pool“, „Soft Computing“ und „Pan-Collaboration“ folgen. Die Richtung entwickelt sich weiter.

Peer-to-Peer-Verbindung: Um die Datenverarbeitungseffizienz zu verbessern, wird das zukünftige Computing den Engpass der von Neumann-Architektur überwinden. Computing-, Speicher- und Kommunikationsmodule werden über einen einheitlichen Bus Peer-to-Peer-verbunden. Zukünftig werden neue Rechenzentren über Hyperkonvergenz, hohe Leistung und optische endogene Eigenschaften verfügen.

System Moore: Moores Gesetz, das die Entwicklung integrierter Halbleiterschaltkreise dominiert, stößt auf doppelte physikalische und wirtschaftliche Grenzen, und es besteht ein dringender Bedarf an der Einführung neuer Technologien, um die weiterhin starke Entwicklung der zukünftigen Informationsindustrie zu fördern.

Der „Entstehungs-Moment der künstlichen Intelligenz: Wie lösen Rechenzentren Probleme? Sechs technische Merkmale neuer Rechenzentren

Um dem Multiform-Rechenzentrum gerecht zu werden, schlug der Bericht außerdem zum ersten Mal in der Branche die „6 neue“ Referenzarchitektur des neuen Rechenzentrums vor, einschließlich der neuen Infrastrukturschicht und der neuen Rechenbasis Schicht, neue Ressourcenplanungsschicht und neue Datenverwaltung. Es gibt sechs Ebenen: Schicht, neue kollaborative Serviceschicht und neue intelligente Verwaltungsschicht, um die wichtigsten Punkte und Elemente des neuen Rechenzentrumsbaus so klar wie möglich darzustellen.

Der „Entstehungs-Moment der künstlichen Intelligenz: Wie lösen Rechenzentren Probleme? Neues Rechenzentrum „6 neue“ Referenzarchitektur

Wir können dem Bericht „Data Center 2030“ einige neue Ideen für zukünftige Rechenzentren entnehmen, die diese „multiple Gleichung höherer Ordnung“ lösen können. Um im komplexen Berechnungsprozess jedoch die „richtige Antwort“ zu erhalten, bedarf es nicht nur der richtigen Problemlösungsideen, sondern auch der Zusammenarbeit leistungsstarker „Problemlöser“, um gemeinsam Innovationen und Fortschritt in der Branche voranzutreiben

Kooperieren Sie, um Probleme zu lösen und die Modernisierung der Rechenzentrumsbranche voranzutreiben

Heutzutage sammeln Rechenzentren technologische Innovationen und sind auch für den Schutz der Volkswirtschaft und des Lebensunterhalts der Menschen sowie für die Übernahme praktischer sozialer Verantwortung verantwortlich. Daher braucht der zukünftige Rechenzentrumsmarkt die Teilnahme erfahrenerer „Problemlöser“.

Als führendes Unternehmen in der globalen Rechenzentrumsbranche hat Huawei damit begonnen, Vorbereitungen zu treffen, um mit allen Sektoren der Branche „Probleme zu lösen“, um den Herausforderungen von Rechenzentren gerecht zu werden. Der Bericht „Data Center 2030“ liefert nicht nur Referenzindikatoren für den Bau neuer Rechenzentren, sondern beschreibt auch die praktische Richtung zukünftiger Innovationen in der Rechenzentrumstechnologie.

Huawei ist bereit, mit der gesamten Industriekette zusammenzuarbeiten, um ein Problemlöser für neue Rechenzentren zu sein und die Innovation und Entwicklung der zukünftigen Rechenzentrumsbranche anzuführen.

Das obige ist der detaillierte Inhalt vonDer „Entstehungs'-Moment der künstlichen Intelligenz: Wie lösen Rechenzentren Probleme?. 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

Samsung stellt die BM1743 SSD für Rechenzentren vor: ausgestattet mit v7 QLC V-NAND und unterstützt PCIe 5.0 Samsung stellt die BM1743 SSD für Rechenzentren vor: ausgestattet mit v7 QLC V-NAND und unterstützt PCIe 5.0 Jun 18, 2024 pm 04:15 PM

Laut Nachrichten dieser Website vom 18. Juni stellte Samsung Semiconductor kürzlich in seinem Technologieblog sein Solid-State-Laufwerk BM1743 der nächsten Generation für Rechenzentren vor, das mit dem neuesten QLC-Flash-Speicher (v7) ausgestattet ist. ▲Samsung QLC Solid-State-Laufwerk für Rechenzentren BM1743 Laut TrendForce im April hatten im Bereich der QLC-Solid-State-Laufwerke für Rechenzentren nur Samsung und Solidigm, eine Tochtergesellschaft von SK Hynix, die Unternehmenskundenüberprüfung bestanden diese Zeit. Im Vergleich zum v5QLCV-NAND der vorherigen Generation (Hinweis auf dieser Website: Samsung v6V-NAND verfügt nicht über QLC-Produkte) hat der Samsung v7QLCV-NAND-Flash-Speicher die Anzahl der Stapelschichten fast verdoppelt und auch die Speicherdichte wurde erheblich verbessert. Gleichzeitig ist die Glätte von v7QLCV-NAND gewährleistet

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

See all articles