


NetEase Fuxi bringt die Betaversion des intelligenten Roboters auf den Markt, um die intelligente Modernisierung der Branche zu unterstützen
Laut den Daten der siebten Volkszählung beträgt die Bevölkerungszahl meines Landes im Alter von 60 Jahren und darüber mehr als 260 Millionen, was einem Anteil von 18,70 % entspricht. Die Daten zeigen, dass sich die Alterung der Bevölkerung weiter verschärfen wird. Da die demografische Dividende verschwindet, werden alle Lebensbereiche weiterhin mit Druck wie Arbeitskräftemangel und hohen Arbeitskosten konfrontiert sein. Künstliche Intelligenz (KI) und Roboter verändern nach und nach unser Leben, aber die umfassende Implementierung der Technologie steckt noch in den Kinderschuhen. Der Schlüssel liegt darin, KI und Robotern die Bewältigung repetitiverer und risikoreicherer Aufgaben zu ermöglichen und den Wert der menschlichen Ressourcen zu steigern zur intelligenten Entwicklung der heutigen Gesellschaft.
Laut dem „China Robot Industry Development Report (2022)“ wird der weltweite Robotermarkt bis Ende 2022 voraussichtlich 51,3 Milliarden US-Dollar erreichen, wovon rund 17,4 Milliarden US-Dollar auf China entfallen. Allerdings verbirgt sich hinter dieser geschätzten Marktgröße eine größere Nachfrage. Aufgrund der Komplexität des tatsächlichen Geschäfts können KI- und Roboterprodukte jedoch häufig nicht effektiv in relevanten Szenarien eingesetzt werden.
Mit der kontinuierlichen Weiterentwicklung des Internets der Dinge, des industriellen 5G und der Virtual-Real-Integrationstechnologie wird die Technologie der künstlichen Intelligenz integriert und verbessert, um die Vorteile der Zusammenarbeit von Mensch und Maschine voll auszuschöpfen, Probleme zu lösen und KI anzuwenden Fähigkeiten und innovative Technologien bis hin zu Robotern und Spielen und in realen Szenarien wie dem Metaverse. Dies wird die Effizienz der Anwendungsentwicklung verbessern und die Arbeitskosten des Unternehmens senken.
Von virtuell zu real, orientiert an der Agentenprogrammierung, um eine neue Lösung für die einheitliche Modellierung von Aufgaben zu entwickeln
Nach dem aktuellen Entwicklungsstand zu urteilen, ist künstliche Intelligenz bereits gut darin, lokale einfache Probleme zu lösen, erfordert aber noch Bedarf Es ist viel Arbeit erforderlich, um komplexe Datenszenarien zu bewältigen oder eine hochwertige Simulationsumgebung zu unterstützen. Wie man die kognitive Intelligenz und die Entscheidungsintelligenz der KI auf ein breiteres Spektrum physischer Bereiche anwenden, sich auf autonome Lernfähigkeiten verlassen kann, um mit Menschen zusammenzuarbeiten, und sogar Menschen nachahmen kann, um mehr intellektuelle und kreative Arbeit zu leisten, ist ein Forschungsthema im Bereich der künstlichen Intelligenz Intelligenz und die Robotikindustrie. Basierend auf der aktuellen Situation, dass der Grad der Maschinenintelligenz im Allgemeinen niedrig ist, wird durch den Aufbau einer „Human in the Loop“ (HITL)-Methode das Konzept der Mensch-Maschine-Kollaboration genutzt, um Unternehmen dabei zu helfen, das Problem hoher KI-Schwellenwerte zu lösen F&E-Zyklen und Anwendungsimplementierung sind zu einem praktikablen Weg geworden, um die Schwachstellen der oben genannten KI-Branche zu lösen.
NetEase Fuxi wurde 2017 gegründet und ist die führende Institution in China, die sich auf die Forschung und Anwendung von KI in Spielen und Pan-Entertainment konzentriert. Sie verfügen über umfangreiche technische Kenntnisse in KI-Bereichen wie digitale Zwillinge, Reinforcement Learning, Benutzerporträts und Verarbeitung natürlicher Sprache. Darüber hinaus engagieren sie sich auch für die Anwendung der Virtual-World-Technologie auf reale Wirtschaftsbereiche wie intelligente Fertigung, Baumaschinen und Dienstleistungsbranchen. In diesem Zusammenhang entstand Fuxi Youling Robot.

Anders als bei herkömmlichen PaaS-Plattformen ist die Entscheidungsfindung von „Menschen“ in intelligenten Robotern entscheidend. Die Plattform vergibt Aufgaben über das Crowdsourcing-Modell und greift schnell auf „menschliche Fähigkeiten“ zurück. Crowdsourcing-Benutzer erledigen Aufgaben online über die Plattform und lösen so das Problem der hohen Kosten beim Sammeln und Kommentieren von Daten. Die Plattform lernt und implementiert auch aktiv Closed-Loop-Daten und speist Daten aus realen manuellen Aufgaben an den KI-Algorithmus zurück, um eine Aufgabenvorverarbeitung zu erreichen, was die Effizienz der Aufgabenerledigung erheblich verbessert. Benutzer können auch die „Online-Auftragsannahme“ nutzen , Fernarbeitsmodus, um Bauprobleme in Hochrisiko- und rauen Umgebungsszenarien zu lösen und Lieferungen zu erreichen, ohne das Haus zu verlassen.
Zusätzlich zu Mining-Roboter-Betriebsszenarien unterstützt die Crowdsourcing-Plattform auch KI-Benutzernachfrageszenarien für Unternehmen wie Spiele-KI, AR/VR und Metaverse. Benutzer mit Bedarf an Datenerfassung und -kennzeichnung können Aufgaben über die Crowdsourcing-Plattform veröffentlichen. Die Plattform deckt 80 % der gängigen Datenkennzeichnungsszenarien im KI-Bereich ab und reduziert weiterhin den Anteil der manuellen Kennzeichnung durch automatisches Lernen kann 20 %+ erreichen.
Für Geschäftsszenarien wie Roboter bietet die Plattform auch clientseitige Verwaltungsfunktionen, die es Benutzern ermöglichen, clientseitige Geschäftslogik plattformbasiert zu schreiben, kombiniert mit Geräteinitialisierung mit einem Klick, kontinuierlicher Integrationsfreigabe und OTA und andere Funktionen, um wirklich eine Cloud zu erreichen. Durch die integrierte Edge-End-Entwicklung können sich Benutzer nur auf das Geschäft konzentrieren.
Öffnen Sie das Ökosystem und bauen Sie gemeinsam eine neue Ära intelligenter Roboter auf.
In den nächsten Jahrzehnten wird die Zusammenarbeit zwischen Mensch und Maschine das Hauptthema der Entwicklung einer intelligenten Gesellschaft sein. Maschinelle Intelligenz erfordert menschliche Unterstützung Intelligenz erfordert maschinelle Unterstützung. Am Wurzelknoten, der den intelligenten Agenten mit der Welt verbindet, wird es definitiv nicht an Menschen mangeln, aber die Rolle kann sich weiterhin vom Aufgabenausführer zum Organisator, Manager, Entscheidungsträger und Entdecker wandeln. Auf der Grundlage der Bereitstellung standardisierter Aufgabenmodellierungstools möchte NetEase Youling Robot als Brücke zwischen kleinen und mittleren Unternehmen und verstreuten Arbeitnehmern in der Gesellschaft insgesamt dienen und Plattformunterstützung für die Aufgabenmodellierung, -freigabe und -ausführung bieten.
Die Implementierung des NetEase Fuxi-Aushubroboters beim Bau wichtiger Infrastrukturprojekte im Südwesten Chinas hat auch die starke Implementierung, Nachhaltigkeit und Reproduzierbarkeit der Mensch-Maschine-Kollaborationsplattform bestätigt. Einerseits ermöglicht die Plattform traditionellen Baggern, eine intelligente Produktion durch die Zusammenarbeit von Mensch und Maschine zu realisieren. Andererseits müssen sich traditionelle Baggermeister durch die Online-Verteilung von Crowdsourcing-Aufgaben nicht mehr mit repetitiven, langweiligen und gefährlichen Arbeiten befassen, was die Digitalisierung weiter fördert Wirtschaft Tief in die Realwirtschaft integrieren, um die Qualitäts- und Effizienzverbesserung der Realwirtschaft zu fördern. Zusätzlich zu den Anwendungsszenarien von Bergbaurobotern wurde die Plattform auch in Szenarien wie dem Gesichtskneifen von Spielcharakteren, der Erkennung von Bild- und Texterkennung, Smart Parks und Kunst-Crowdsourcing geübt und verifiziert.
In Zukunft werden intelligente Roboter mehr Szenarien der virtuellen und realen Integration erkunden, wodurch intelligente Agenten die Produktions- und Arbeitsbedürfnisse der Menschen besser erfüllen und Möglichkeiten für Zusammenarbeit und Co-Konstruktion vollständig eröffnen und so eine neue Ära des Menschen schaffen können -Maschinelle Zusammenarbeit mit ökologischen Partnern.
Das obige ist der detaillierte Inhalt vonNetEase Fuxi bringt die Betaversion des intelligenten Roboters auf den Markt, um die intelligente Modernisierung der Branche zu unterstützen. 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
