


NetEase Fuxi führt einen unbemannten Laderoboter und eine KI-Kunstplattform ein, um 100.000 Menschen Beschäftigungsmöglichkeiten für die Zusammenarbeit zwischen Mensch und Maschine zu bieten
Unbemannte Laderoboter, KI-Malerlebnisaktivitäten, virtuelle Sprechtrainer, Metaversum-Aktivitätsplattformen ... Auf der World Artificial Intelligence Conference (WAIC) 2023 wurden erstmals mehrere Großmodellprodukte für künstliche Intelligenz von NetEase vorgestellt, die sich auf die Anwendung konzentrieren der künstlichen Intelligenz in der künstlichen Intelligenz. Führende Innovationserfolge in der Infrastrukturschicht, der Engine-Schicht, der Plattformschicht, der Modellschicht und der Anwendungsschicht. Seit diesem Jahr bleibt NetEase dem Pragmatismus treu und fördert schnell die Implementierung großer KI-Modelle in wichtigen Branchenszenarien wie Spielen, Bildung, Industrie und Musik.
Im industriellen Bereich brachte NetEase Fuxi den ersten unbemannten Laderoboter und Aushubroboter des Landes auf den Markt, der auf theoretischen AOP-Ideen und selbst entwickelten großen Industriemodellen basiert. Diese Roboter können am Bau von Frontschauplätzen wie Minen und Eisenbahnen beteiligt sein.
Im Gaming-Bereich hat die KI-Technologie die Arbeitseffizienz wichtiger Verbindungen erheblich verbessert, mit einer Steigerung von bis zu 90 %. Durch selbstentwickelte Sprach- und Grafikmodelle hat die KI erfolgreich innovative Spielmethoden wie intelligente NPCs, KI-Gesichtszwicken und Modedesign erforscht.
Im Yuanverse-Bereich hat NetEase Yaotai die Veranstaltung „Alipay Member Birthday Party“ gestartet. Benutzer können über die Alipay-APP frei Reservierungen vornehmen und Freunde einladen, ihre Geburtstage im Yuanverse zu feiern. Die Kampagne lockte innerhalb von 20 Tagen mehr als 100.000 Nutzer zur Teilnahme.
NetEase-CEO Ding Lei sagte auf der Zhejiang Provincial Platform Economy High-Quality Development Conference, dass die möglichst schnelle Erforschung der Innovation und Anwendung großer KI-Modelle für NetEase oberste Priorität habe. Es wird davon ausgegangen, dass sich das große KI-Modell von NetEase beschleunigt und mehr als hundert industrielle Anwendungsszenarien abdeckt. Die Crowdsourcing-Plattform Fuxi Youling von NetEase wird in diesem Jahr auch 100.000 neue KI-Berufe ermöglichen, darunter Remote-Baggerfahrer und Arbeitsplätze für die Zusammenarbeit zwischen Mensch und Maschine wie KI-Maler und KI-Ausdrucksbinder. Die Plattform wird außerdem gezielte Schulungen basierend auf den Benutzerprofilen von Arbeitssuchenden anbieten, um ihnen dabei zu helfen, ihre Fähigkeiten und ihr Einkommen zu verbessern.

Der technische Direktor von NetEase Fuxi Engineering Machinery stellte vor, dass unbemannte Laderoboter in vier Aspekten technologische Durchbrüche aufweisen:
Erstens ein hochpräzises Positionierungs- und Navigationssystem, eine autonome Positionierungsgenauigkeit von mehr als 5 cm und eine umfassende Steuerung des automatischen Fahrens Die Genauigkeit beträgt hervorragende 15 cm und bietet eine stabile und sichere Unterstützung für automatisierte Vorgänge.
Zweitens kann sich das lernbasierte Bewegungssteuerungsschema schnell an verschiedene Modelle anpassen und Bewegungen wie Bewegung, Beschleunigung und Verzögerung, Schaufeln und Entladen automatisch ausführen , und der Schaufelvorgang ist voll. Die Schaufelrate erreicht mehr als 95 %, die Restrate des Auslauftrichters beträgt weniger als 5 % und die Schaufeleffizienz kommt der eines Meisters nahe
Drittens eine hohe Präzision; Der visuelle Wahrnehmungsalgorithmus wird verwendet, um die Echtzeiterkennung von Materialien in Silos und Trichtern zu realisieren. Er analysiert auch dynamisch die Produktionsbedingungen in der Mischstation und der Echtzeitüberwachungsfehler beträgt weniger als 5 % - Präzise Szenenrekonstruktion und Rendering-Technologie werden verwendet, um die 3D-Szene des Vor-Ort-Betriebs realistisch wiederherzustellen. Durch die Simulations- und Vorhersagefunktionen der digitalen Zwillingsszene wird eine holographische Steuerung des Betriebsprozesses realisiert und die Produktionseffizienz und Arbeitssicherheit verbessert.
Danqing ist ein von NetEase Fuxi selbst entwickeltes chinesisches Modell, das auf nativen chinesischen Korpusdaten und den hochwertigen Bilddaten von NetEase basiert. Es handelt sich um ein zu 100 % inländisches Großmodell. Die Modelltrainingsdaten wurden einer strengen Text- und Bildprüfung unterzogen. Während sichergestellt wurde, dass die Datenquelle konform ist und der generierte Inhalt konform ist, verfügt das Modell über bessere Chinesisch-Verständnisfähigkeiten und die erstellten Werke können der chinesischen Ästhetik besser entsprechen.
Darüber hinaus integriert Danqingyue auch den Workflow des NetEase-Game-Art-Designs vollständig, sei es die Ästhetik generierter Bilder oder die Produktion von Bildern, die hohe Qualitätsanforderungen erfüllen (z. B. Originalgemälde, Kunstgegenstände usw.). Es wurden umfassende Untersuchungen sowie Forschungs- und Entwicklungsarbeiten durchgeführt und die Benutzer werden dabei unterstützt, in mehreren Runden Änderungsvorschläge für Text, Bilder und andere multimodale Modi zu unterbreiten, bis ein zufriedenstellender Bildeffekt erzielt wird.
Daher können Menschen durch die AOP-Technologie selektiv mehr kostenlose und interessante Arbeiten online erledigen und Maschinen können menschliche Fähigkeiten wie Wahrnehmung, Erkenntnis, Entscheidungsfindung, Ausführung und Lernen schneller erlernen und so eine effizientere Umsetzung erreichen Last-Mile-Problem der KI- und Roboterimplementierung. Für Entwickler können sie die voreingestellten öffentlichen Agentenfunktionen der Fuxi Youling Robot Platform nutzen (einschließlich Datenanmerkung, Kunstproduktion, Baumaschinensteuerung usw.) oder maßgeschneiderte Agentenanwendungen für Branchensegmentierungsszenarien erstellen -Stellenangebote für Maschinenkollaboration können über die Crowdsourcing-Plattform Youling abgerufen werden.
Es wird davon ausgegangen, dass die Plattform in diesem Jahr 100.000 Menschen durch die Zusammenarbeit von Mensch und Maschine Beschäftigungsmöglichkeiten bieten wird. Die Plattform wird auch gezielte Schulungen auf der Grundlage der Benutzerprofile von Arbeitssuchenden anbieten, um ihnen dabei zu helfen, ihre Fähigkeiten und ihr Einkommen kontinuierlich zu verbessern.
Das obige ist der detaillierte Inhalt vonNetEase Fuxi führt einen unbemannten Laderoboter und eine KI-Kunstplattform ein, um 100.000 Menschen Beschäftigungsmöglichkeiten für die Zusammenarbeit zwischen Mensch und Maschine zu bieten. 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

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

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

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.
