Inhaltsverzeichnis
„Evolutionsgeschichte“ des humanoiden Roboters von Tesla
Heim Technologie-Peripheriegeräte KI Teslas humanoider Optimus-Roboter arbeitet in der Fabrik, ist geschickt darin, Batterien zu zerlegen, sich selbst zu reparieren und kann sogar noch weiter gehen

Teslas humanoider Optimus-Roboter arbeitet in der Fabrik, ist geschickt darin, Batterien zu zerlegen, sich selbst zu reparieren und kann sogar noch weiter gehen

May 06, 2024 pm 02:52 PM
人工智能 人形机器人 optimus

Der humanoide Tesla-Roboter hat neue Fähigkeiten freigeschaltet!

Gestern hat Tesla Optimus offiziell ein neues Demovideo veröffentlicht, das die neuesten Fortschritte des humanoiden Roboters Optimus der zweiten Generation zeigt.

Teslas humanoider Optimus-Roboter arbeitet in der Fabrik, ist geschickt darin, Batterien zu zerlegen, sich selbst zu reparieren und kann sogar noch weiter gehen

Dieses Mal begann Optimus in der Fabrik zu arbeiten, lernte in der Tesla-Batteriefabrik, wie man Batterien zusammenbaut, und ging schneller, weiter und gleichmäßiger als zuvor.

Werfen wir einen ersten Blick auf die neuesten Fähigkeiten und Trainingsdetails von Optimus.

Das durchgängige neuronale Netzwerk von Optimus ist jetzt darauf trainiert, Batteriezellen in Tesla-Fabriken präzise zusammenzubauen.

Teslas humanoider Optimus-Roboter arbeitet in der Fabrik, ist geschickt darin, Batterien zu zerlegen, sich selbst zu reparieren und kann sogar noch weiter gehen

Teslas humanoider Optimus-Roboter arbeitet in der Fabrik, ist geschickt darin, Batterien zu zerlegen, sich selbst zu reparieren und kann sogar noch weiter gehen

Laufen in Echtzeit auf dem FSD-Computer des Roboters und verlassen sich ausschließlich auf 2D-Kameras, Handberührungs- und Kraftsensoren. Optimus nutzt seine Beine, um das Gleichgewicht zu halten, während das Netzwerk seinen gesamten Oberkörper antreibt.

Teslas humanoider Optimus-Roboter arbeitet in der Fabrik, ist geschickt darin, Batterien zu zerlegen, sich selbst zu reparieren und kann sogar noch weiter gehen

Während des Einfügevorgangs sind sehr präzise Bewegungen erforderlich und die Fehlertoleranzrate ist sehr gering. Das neuronale Netzwerk findet automatisch den nächsten freien Steckplatz. Optimus ist auch in der Lage, Fehler autonom wiederherzustellen.

Teslas humanoider Optimus-Roboter arbeitet in der Fabrik, ist geschickt darin, Batterien zu zerlegen, sich selbst zu reparieren und kann sogar noch weiter gehen

Die Trainingsdaten von Optimus werden über menschliche Fernoperationen gesammelt und für eine Vielzahl von Aufgaben skaliert.

Teslas humanoider Optimus-Roboter arbeitet in der Fabrik, ist geschickt darin, Batterien zu zerlegen, sich selbst zu reparieren und kann sogar noch weiter gehen

Optimus wird im Werk getestet und die Zahl der menschlichen Eingriffe nimmt weiter ab.

Teslas humanoider Optimus-Roboter arbeitet in der Fabrik, ist geschickt darin, Batterien zu zerlegen, sich selbst zu reparieren und kann sogar noch weiter gehen

Natürlich kann Optimus jetzt regelmäßig im Büro herumlaufen, nicht nur schneller, sondern auch immer weiter.

Teslas humanoider Optimus-Roboter arbeitet in der Fabrik, ist geschickt darin, Batterien zu zerlegen, sich selbst zu reparieren und kann sogar noch weiter gehen

In diesem Zusammenhang erläuterte Tesla Optimus (Tesla Bot)-Ingenieur Milan Kovac weitere Details des Optimus-Trainings.

Teslas humanoider Optimus-Roboter arbeitet in der Fabrik, ist geschickt darin, Batterien zu zerlegen, sich selbst zu reparieren und kann sogar noch weiter gehen

In den letzten Monaten hat Teslas großartiges Fertigungsteam mehr Roboter gebaut, um Forschung zu betreiben und KI-Daten zu sammeln.

Das Team trainierte und implementierte ein neuronales Netzwerk, das es Optimus ermöglichte, nützliche Aufgaben auszuführen, wie etwa das Aufnehmen von Batteriezellen von einem Förderband und das präzise Einsetzen in Paletten.

Dieses neuronale Netzwerk arbeitet vollständig Ende-zu-Ende, was bedeutet, dass Optimus nur Videos von der 2D-Kamera des Roboters und Daten von den integrierten Propriozeptoren verarbeitet und direkt Gelenksteuerungssequenzen erzeugt.

Optimus läuft vollständig auf dem integrierten FSD-Computer des Roboters, der von einer integrierten Batterie gespeist wird. Dieses Design ermöglicht es einem einzelnen neuronalen Netzwerk, mehrere Aufgaben auszuführen, indem es dem Trainingsprozess vielfältigere Daten hinzufügt.

Obwohl Optimus noch nicht perfekt und immer noch etwas langsam ist, sehen wir immer höhere Erfolgsquoten und immer weniger Fehler. Tesla trainierte Optimus außerdem darin, Fehlerfälle zu beheben, und sah, dass spontane Korrekturen erfolgten.

Tesla hat mehrere humanoide Optimus-Roboter in einer Fabrik eingesetzt, wo sie täglich an echten Arbeitsplätzen getestet und kontinuierlich verbessert werden.

Das Team arbeitet an weiteren Arbeiten, um Optimus schneller zu machen und raueres Gelände zu bewältigen, ohne auf seine benutzerfreundlichen Funktionen zu verzichten. Das Team wird sich auch auf die Wiederholbarkeit konzentrieren und neuronale Netze trainieren, um mit dynamischer Kalibrierung und kleinen Unterschieden zwischen Robotern umzugehen. Es wird bald weitere Updates geben.

Darüber hinaus lobte Jim Fan, leitender Forschungswissenschaftler und Leiter der KI-Agenten bei Nvidia, die im neuen Video von Optimus demonstrierten Fähigkeiten.

Teslas humanoider Optimus-Roboter arbeitet in der Fabrik, ist geschickt darin, Batterien zu zerlegen, sich selbst zu reparieren und kann sogar noch weiter gehen

Er glaubt, dass das Video uns einen Einblick in die reale Szene der menschlichen Datenerfassung gibt, was Optimus‘ größter Vorteil ist. Was braucht es, um eine solche Pipeline zu bauen? Optimus macht Folgendes:

Optimus‘ Hand ist eine der geschicktesten Fünf-Finger-Roboterhände der Welt. Sie verfügt über eine taktile Wahrnehmung und 11 Freiheitsgrade (DOF), verglichen mit nur 6–7 DOF, und ist robust genug um einer großen Anzahl von Objektinteraktionen standzuhalten, ohne dass eine laufende Wartung erforderlich ist.

Fernbedienungssoftware: Wir können menschliche Bediener sehen, die VR-Brillen und Handschuhe tragen. Es ist ziemlich bemerkenswert, die Software so einzurichten, dass Echtzeit-Streaming von First-Person-Videos und eine präzise Steuerung der Ausgabe bei gleichzeitig extrem geringer Latenz möglich sind. Der Mensch reagiert sehr empfindlich auf kleinste Verzögerungen zwischen seinen eigenen Bewegungen und denen eines Roboters. Optimus verfügt über einen flüssigen Ganzkörper-Controller, der menschliche Posen in Echtzeit ausführen kann.

Flotte im großen Maßstab: Sie benötigen mehr als einen Roboter, um Daten parallel zu sammeln, geschulte Mitarbeiter, die in mehreren Schichten pro Tag arbeiten (vorzugsweise rund um die Uhr), und ein Wartungsteam auf Abruf, um sicherzustellen, dass die Roboter immer einsatzbereit sind Besetztstatus. Das ist eine Menge betrieblicher Komplexität, die akademische Forschungslabore nicht einmal berücksichtigen.

Aufgabe und Umgebung: Ebenso wichtig ist es, herauszufinden, was Sie aus der Ferne bedienen möchten. Derzeit ist der Großteil dieser Arbeit demogesteuert: Sammeln Sie Daten zu Aufgaben, die Sie in Social-Media-Videos integrieren möchten. Aber um das Problem der Allzweckroboter zu lösen, müssen wir die Verteilung von Aufgaben und Umgebungen sorgfältig abwägen. Im 43- bis 51-sekündigen Teil des Videos können wir Werks- und Heimeinstellungen sehen, etwa das Bewegen von Batterien, das Bearbeiten von Wäsche und das Sortieren von Alltagsgegenständen in Regale.

Dies ist eine offene Forschungsfrage: Wenn Sie nur das Budget hätten, um Trainingsdaten für 1000 Aufgaben zu sammeln, was würden Sie wählen, um den Kompetenztransfer und die Verallgemeinerung zu maximieren?

Fazit: Teleoperation ist notwendig, aber nicht ausreichend, um das Problem humanoider Roboter zu lösen. Es ist grundsätzlich nicht skalierbar.

Im Kommentarbereich gab Musk eine Vorschau auf das neueste Ziel für die humanoide Roboterhand Optimus, die später in diesem Jahr 22 Freiheitsgrade (DoF) haben wird. Das ist noch spannender.

Teslas humanoider Optimus-Roboter arbeitet in der Fabrik, ist geschickt darin, Batterien zu zerlegen, sich selbst zu reparieren und kann sogar noch weiter gehen

Zuvor hatte Musk bei der Gewinnmitteilung bekannt gegeben, dass der humanoide Roboter Tesla Optimus möglicherweise bis Ende dieses Jahres in der Lage sein könnte, „nützliche Fabrikaufgaben“ zu erledigen, und plant, noch vor diesem Jahr die Führung in seiner eigenen Fabrik zu übernehmen Ende dieses Jahres verwenden. Gleichzeitig dürfte Tesla Optimus noch vor Ende 2025 verkaufen.

„Evolutionsgeschichte“ des humanoiden Roboters von Tesla

Der humanoide Roboter von Tesla lässt sich auf die Veranstaltung „Tesla AI Day“ im August 2021 zurückführen, als Musk erstmals seine Absicht enthüllte, humanoide Roboter zu entwickeln ein Roboter (Tesla Bot).

Dieser humanoide Roboter ist etwa 1,72 Meter groß, wiegt etwa 112 Kilogramm, hat eine wohlproportionierte Figur und verfügt über einen Gesichtsbildschirm. Er kann sich mit einer Geschwindigkeit von etwa 8 Kilometern pro Stunde bewegen.

Teslas humanoider Optimus-Roboter arbeitet in der Fabrik, ist geschickt darin, Batterien zu zerlegen, sich selbst zu reparieren und kann sogar noch weiter gehen

Im Oktober 2022 feierte beim diesjährigen „Tesla AI Day“ der humanoide Roboter Optimus sein Debüt. Zu dieser Zeit war es nicht möglich, Tanz- und andere ausgefallene Darbietungen durchzuführen. Der Roboter verbraucht beim Arbeiten 500 W Strom, wiegt 73 Kilogramm und verfügt über 27 Freiheitsgrade für die Handbewegung.

Teslas humanoider Optimus-Roboter arbeitet in der Fabrik, ist geschickt darin, Batterien zu zerlegen, sich selbst zu reparieren und kann sogar noch weiter gehen

In der Demo-Demonstration zeigte Optimus jedoch Bilder davon, wie er Kisten bewegt, Blumen gießt und in der Tesla Gigafactory arbeitet.

Teslas humanoider Optimus-Roboter arbeitet in der Fabrik, ist geschickt darin, Batterien zu zerlegen, sich selbst zu reparieren und kann sogar noch weiter gehen

Im Mai 2023, nach mehr als einem halben Jahr Winterschlaf, erlangte Tesla Optimus endlich die Fähigkeit, reibungslos zu gehen und Gegenstände zu greifen.

Teslas humanoider Optimus-Roboter arbeitet in der Fabrik, ist geschickt darin, Batterien zu zerlegen, sich selbst zu reparieren und kann sogar noch weiter gehen

Im September 2023 hat sich Tesla Optimus erneut weiterentwickelt und kann Objekte autonom klassifizieren. Der Höhepunkt ist das vollständige End-to-End-Training des neuronalen Netzwerks: Eingabevideo, Ausgabesteuerung. In seiner Freizeit macht er auch gerne Yoga.

Teslas humanoider Optimus-Roboter arbeitet in der Fabrik, ist geschickt darin, Batterien zu zerlegen, sich selbst zu reparieren und kann sogar noch weiter gehen

Teslas humanoider Optimus-Roboter arbeitet in der Fabrik, ist geschickt darin, Batterien zu zerlegen, sich selbst zu reparieren und kann sogar noch weiter gehen

Im Dezember 2023 kam die zweite Generation von Optimus auf den Markt, und die Leute konnten im Film „Public Enemy“ wirklich sehen, wie es aussah.

Teslas humanoider Optimus-Roboter arbeitet in der Fabrik, ist geschickt darin, Batterien zu zerlegen, sich selbst zu reparieren und kann sogar noch weiter gehen

Mit der Veröffentlichung eines neuen Videos ist die Geschwindigkeit des Fortschritts bei Teslas humanoiden Robotern wieder einmal erstaunlich.

Teslas humanoider Optimus-Roboter arbeitet in der Fabrik, ist geschickt darin, Batterien zu zerlegen, sich selbst zu reparieren und kann sogar noch weiter gehen

Das obige ist der detaillierte Inhalt vonTeslas humanoider Optimus-Roboter arbeitet in der Fabrik, ist geschickt darin, Batterien zu zerlegen, sich selbst zu reparieren und kann sogar noch weiter gehen. 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)
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Beste grafische Einstellungen
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. So reparieren Sie Audio, wenn Sie niemanden hören können
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Wie man alles in Myrise freischaltet
1 Monate 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

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

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

Der universelle humanoide Roboter Qinglong in Originalgröße debütiert am WAIC und beschleunigt den Eintritt in die Ära der verkörperten Intelligenz Der universelle humanoide Roboter Qinglong in Originalgröße debütiert am WAIC und beschleunigt den Eintritt in die Ära der verkörperten Intelligenz Jul 11, 2024 pm 02:03 PM

Am Nachmittag des 4. Juli fand dies unter der Leitung des Organisationskomitees der World Artificial Intelligence Conference statt, veranstaltet vom Büro des Organisationskomitees der World Artificial Intelligence Conference und organisiert vom National and Local Humanoid Robot Innovation Center und dem China Institute of Electronics Website „Robotiktechnologie und -anwendungen“ Das von der Zeitschrift mitorganisierte WAIC World Artificial Intelligence Conference Humanoid Robot and Embodied Intelligence Development Forum 2024 findet am Nachmittag des 4. Juli im Shanghai World Expo Exhibition and Convention Center statt. Dieses Forum lud 12 in- und ausländische Wissenschaftler, Unternehmensvertreter und Entwicklervertreter auf dem Gebiet humanoider Roboter und verkörperter Intelligenz ein, Keynote-Berichte, Technologieaustausch und Diskussionsrunden zu halten und innovative Ergebnisse humanoider Roboter zu veröffentlichen. Das Forum zog mehr als 200 Fachpublikum aus den Bereichen humanoide Roboter und verkörperte Intelligenz an und konnte online über mehrere Live-Übertragungsplattformen verfolgt werden.

Mit Apple Vision Pro Roboter aus der Ferne steuern, NVIDIA: „Mensch und Maschine zu integrieren ist nicht schwer' Mit Apple Vision Pro Roboter aus der Ferne steuern, NVIDIA: „Mensch und Maschine zu integrieren ist nicht schwer' Aug 01, 2024 am 03:16 AM

Huang Renxun sagte: „Die nächste Welle der KI sind Roboter, und eine der aufregendsten Entwicklungen sind humanoide Roboter.“ Heute hat ProjectGR00T einen weiteren wichtigen Schritt getan. Gestern sprach NVIDIA-Gründer Huang Renxun in seiner SIGGRAPH2024-Keynote-Rede über sein universelles Basismodell des humanoiden Roboters „ProjectGR00T“. Das Modell erhält eine Reihe von Updates hinsichtlich der Funktionalität. Zhu Yuke, Assistenzprofessor an der University of Texas in Austin und leitender Forschungswissenschaftler bei NVIDIA, twitterte und demonstrierte in dem Video, wie NVIDIA die Systeme RoboCasa und MimicGen, das groß angelegte Simulationstrainings-Framework für allgemeine Haushaltsroboter, in das System integriert NVIDIA Omniverse-Plattform und Isaac-Maschine

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

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