localisation actuelle:Maison > Articles techniques > Périphériques technologiques > IA
- Direction:
- tous web3.0 développement back-end interface Web base de données Opération et maintenance outils de développement cadre php programmation quotidienne Applet WeChat Problème commun autre technologie Tutoriel CMS Java Tutoriel système tutoriels informatiques Tutoriel matériel Tutoriel mobile Tutoriel logiciel Tutoriel de jeu mobile
- Classer:
-
- Le département américain du Commerce sollicite publiquement des commentaires et des suggestions sur la préparation des données GenAI
- Les données sont au cœur de l’intelligence artificielle. Sans données fiables, les chances de développer des modèles d’IA utiles sont minces. Dans cet esprit, le département américain du Commerce a publié la semaine dernière une demande publique de commentaires sur la manière de mieux préparer de nombreux ensembles de données publiques pour la création de modèles d'intelligence artificielle de production (GenAI). Cette demande publique répond à un problème critique auquel est actuellement confronté le domaine de l’intelligence artificielle : le manque d’ensembles de données publiques diversifiés et de haute qualité. Ces ensembles de données sont essentiels pour former des modèles d’apprentissage automatique, favoriser l’innovation et piloter le développement d’applications d’IA. Grâce à cette demande publique, le Ministère espère recueillir les commentaires de toutes les parties pour mieux comprendre comment créer et gérer des ensembles de données publiques. Ils veulent savoir que le Département américain du Commerce a publié le 17 avril
- IA 949 2024-04-28 11:52:10
-
- Utilisez Spring Boot et Spring AI pour créer des applications d'intelligence artificielle générative
- En tant que leader du secteur, Spring+AI fournit des solutions de pointe pour divers secteurs grâce à son API puissante et flexible et ses fonctions avancées. Dans cette rubrique, nous examinerons les exemples d'application de Spring+AI dans divers domaines. Chaque cas montrera comment Spring+AI répond à des besoins spécifiques, atteint ses objectifs et étend ces LEÇONS APPRISES à une gamme plus large d'applications. J'espère que ce sujet pourra vous inciter à comprendre et à utiliser plus profondément les possibilités infinies de Spring+AI. Le framework Spring a une histoire de plus de 20 ans dans le domaine du développement logiciel, et cela fait 10 ans que la version Spring Boot 1.0 est sortie. Maintenant, personne ne peut contester ce printemps
- IA 586 2024-04-28 11:46:01
-
- L'« usine d'assemblage » intelligente d'Alibaba est open source ! 0 expérience pour gérer des dizaines de milliers d'agents simultanément
- Faisant du développement multi-agents des éléments de base, AgentScope, le cadre de programmation multi-agents open source et la plateforme de développement d'Alibaba Tongyi Lab. La plate-forme est spécialement conçue pour les développeurs d'applications multi-agents, dans le but de fournir une expérience de programmation très simple à utiliser, des garanties d'exécution stables et fiables, et fournit aux développeurs un support technique distribué et multimodal. Il dispose d'API de modèle intégrées pour diverses plates-formes telles que OpenAI, DashScope, Gemini, Ollama, etc., et est profondément compatible avec l'écosystème open source actuel de grands modèles. AgentScope fournit une variété de fonctions prêtes à l'emploi, vous permettant de créer des applications multi-agents par simple glisser-déposer. Même les développeurs sans expérience en développement distribué peuvent facilement l'implémenter sur la plateforme AgentScope.
- IA 748 2024-04-28 11:40:26
-
- Pourquoi les robots humanoïdes sont-ils si populaires ?
- Avec les progrès rapides de la technologie et l’intégration de l’intelligence artificielle (IA) dans de nombreux aspects de nos vies, les robots humanoïdes sont devenus une innovation nouvelle et populaire. En raison de leur capacité à interagir, à apprendre et à effectuer des tâches de manière autonome, ces robots humanoïdes sont de plus en plus demandés dans divers secteurs, notamment le divertissement, l'hôtellerie, la santé et l'éducation. Cet article révèle pourquoi les robots humanoïdes sont nécessaires. Pourquoi les robots humanoïdes sont-ils nécessaires ? Comprendre cela, c’est comprendre ce qui motive leur demande. L’une des raisons est leur capacité à augmenter et automatiser le travail humain. Les robots humanoïdes transforment les industries et sont très demandés. À mesure que l’intelligence artificielle, les machines avancées et la technologie des capteurs se développeront, ces robots deviendront plus sophistiqués et capables d’effectuer des tâches normalement effectuées par des humains. Par exemple, bien équipé
- IA 885 2024-04-28 11:37:33
-
- Les performances de quantification low-bit de Llama 3 diminuent considérablement ! Les résultats complets de l'évaluation sont ici |
- La puissance des grands modèles a permis à LLaMA3 d'atteindre de nouveaux sommets : sur les données 15T+Token pré-entraînées à très grande échelle, il a obtenu des améliorations de performances impressionnantes et a une fois de plus déclenché des discussions dans la communauté open source car il dépassait de loin le volume recommandé de Chinchilla. Dans le même temps, au niveau des applications pratiques, un autre sujet brûlant a également fait surface : quelle sera la performance quantitative de LLaMA3 dans des scénarios aux ressources limitées ? L'Université de Hong Kong, l'Université d'aéronautique et d'astronautique de Pékin et l'École polytechnique fédérale de Zurich ont lancé conjointement une étude empirique qui a révélé de manière exhaustive les capacités de quantification à bits faibles de LLaMA3. Les chercheurs ont évalué les résultats de LLaMA3 avec 1 à 8 bits et divers ensembles de données d’évaluation en utilisant 10 méthodes de réglage fin quantifiées LoRA existantes après la formation.
- IA 791 2024-04-28 09:01:12
-
- CVPR 2024 | Bons pour traiter des scènes et des expressions linguistiques complexes, Tsinghua & Bosch ont proposé une nouvelle architecture de réseau de segmentation d'instances MagNet
- La colonne AIxiv est une colonne où ce site publie du contenu académique et technique. Au cours des dernières années, la rubrique AIxiv de ce site a reçu plus de 2 000 rapports, couvrant les meilleurs laboratoires des principales universités et entreprises du monde entier, favorisant efficacement les échanges et la diffusion académiques. Si vous souhaitez partager un excellent travail, n'hésitez pas à contribuer ou à nous contacter pour un rapport. Courriel de soumission : liyazhou@jiqizhixin.com ; zhaoyunfeng@jiqizhixin.com. La segmentation d'images de référence (RIS) est une tâche multimodale très difficile qui nécessite que l'algorithme comprenne à la fois le langage humain et les informations visuelles de l'image, et identifie les objets auxquels font référence les phrases dans l'image.
- IA 702 2024-04-26 18:10:01
-
- Dix limites de l'intelligence artificielle
- Dans le domaine de l’innovation technologique, l’intelligence artificielle (IA) est l’un des développements les plus transformateurs et les plus prometteurs de notre époque. L'intelligence artificielle a révolutionné de nombreux secteurs, depuis la santé et la finance jusqu'aux transports et au divertissement, grâce à sa capacité à analyser de grandes quantités de données, à tirer des leçons de modèles et à prendre des décisions intelligentes. Cependant, malgré ses progrès remarquables, l’IA est également confrontée à d’importantes limites et défis qui l’empêchent d’atteindre son plein potentiel. Dans cet article, nous examinerons les dix principales limites de l'intelligence artificielle, révélant les limites auxquelles sont confrontés les développeurs, les chercheurs et les praticiens dans ce domaine. En comprenant ces défis, il est possible de naviguer dans les complexités du développement de l’IA, de réduire les risques et d’ouvrir la voie à un progrès responsable et éthique de la technologie de l’IA. Disponibilité limitée des données : le développement de l’intelligence artificielle dépend des données
- IA 739 2024-04-26 17:52:01
-
- Dix méthodes de découverte des risques liés à l'IA
- Au-delà des chatbots ou des recommandations personnalisées, la puissante capacité de l’IA à prédire et éliminer les risques prend de l’ampleur dans les organisations. Alors que les quantités massives de données prolifèrent et que les réglementations se durcissent, les outils traditionnels d’évaluation des risques peinent sous la pression. La technologie de l’intelligence artificielle peut analyser et superviser rapidement la collecte de grandes quantités de données, permettant ainsi d’améliorer les outils d’évaluation des risques sous compression. En utilisant des technologies telles que l’apprentissage automatique et l’apprentissage profond, l’IA peut identifier et prédire les risques potentiels et fournir des recommandations en temps opportun. Dans ce contexte, tirer parti des capacités de gestion des risques de l’IA peut garantir la conformité aux réglementations changeantes et répondre de manière proactive aux menaces imprévues. Tirer parti de l’IA pour s’attaquer aux complexités de la gestion des risques peut sembler alarmant, mais pour ceux qui souhaitent rester au top de la course au numérique
- IA 403 2024-04-26 17:25:19
-
- Andrew Ng : La collaboration multi-agents est la nouvelle clé, et des tâches telles que le développement de logiciels seront plus efficaces
- Il n'y a pas si longtemps, Andrew Ng, professeur à l'Université de Stanford, a évoqué l'énorme potentiel des agents intelligents dans son discours, qui a également suscité de nombreuses discussions. Parmi eux, Ng Enda a déclaré que le flux de travail d'agent construit sur la base de GPT-3.5 fonctionne mieux dans les applications que GPT-4. Cela montre qu'il n'est pas forcément conseillé de se limiter aux grands modèles, et que l'agent peut être meilleur que le modèle de base qu'il utilise. Dans le domaine du développement logiciel, ces agents ont démontré leur capacité unique à collaborer efficacement, à gérer des problèmes complexes de programmation et même à générer automatiquement du code. Les dernières tendances technologiques montrent que la communication intelligente IA a un grand potentiel dans le développement de logiciels. Tu te souviens de Devin ? Connu comme le premier ingénieur logiciel d'IA au monde, il nous a étonnés lors de sa sortie. Un agent intelligent peut nous apporter un tel résultat.
- IA 850 2024-04-26 17:20:10
-
- Que sont l'intelligence artificielle de pointe et l'informatique de pointe ?
- Edge AI est l’un des nouveaux domaines les plus passionnants de l’intelligence artificielle, permettant aux utilisateurs d’exécuter des processus d’intelligence artificielle sans avoir à se soucier de la confidentialité ou des ralentissements causés par la transmission de données. Edge AI rend l’utilisation de l’intelligence artificielle plus large et plus répandue, permettant aux appareils intelligents de répondre rapidement aux entrées sans accéder au cloud. Bien qu’il s’agisse d’une définition rapide de l’IA de pointe, prenons un moment pour mieux comprendre l’IA de pointe en explorant quelques cas d’utilisation. Premièrement, l’IA de pointe a de nombreuses applications dans le secteur de la santé. Par exemple, l’intégration de l’IA de pointe sur les appareils de surveillance permet de surveiller et d’analyser avec plus de précision les signes vitaux des patients et de réagir immédiatement en cas de besoin. Cette capacité peut accroître l'efficacité des soins de santé tout en gérant de manière fiable les numéros personnels sensibles.
- IA 820 2024-04-26 17:10:10
-
- Sous la direction de Yan Shuicheng, l'Institut mondial de recherche Kunlun Wanwei 2050 a publié conjointement Vitron avec NUS et NTU, établissant la forme ultime de grands modèles visuels multimodaux généraux.
- Récemment, sous la direction du professeur Yan Shuicheng, l'Institut mondial de recherche Kunlun Worldwide 2050, l'Université nationale de Singapour et l'équipe de l'Université technologique de Nanyang de Singapour ont publié conjointement et en open source le grand modèle de langage visuel multimodal universel au niveau des pixels Vitron. Il s'agit d'un grand modèle visuel multimodal majeur à usage général qui prend en charge une série de tâches visuelles allant de la compréhension visuelle à la génération visuelle, du bas niveau au haut niveau, et résout la séparation des modèles image/vidéo qui a tourmenté le grand langage. problème de l'industrie du modélisme depuis longtemps, il fournit un modèle multimodal visuel général au niveau des pixels qui unifie complètement les tâches de compréhension, de génération, de segmentation et d'édition d'images statiques et de contenu vidéo dynamique, jetant ainsi les bases de la forme ultime de le modèle visuel général de nouvelle génération, et marquant également un autre grand pas vers l'intelligence artificielle générale (AGI) avec de grands modèles. Vi
- IA 580 2024-04-26 17:00:30
-
- Ce que LinkedIn a appris en utilisant de grands modèles linguistiques pour servir son milliard d'utilisateurs
- Avec plus d'un milliard d'utilisateurs dans le monde, LinkedIn continue de repousser les limites de la technologie d'entreprise actuelle. Peu d’entreprises fonctionnent comme LinkedIn ou disposent de ressources de données aussi vastes. Cette plateforme de médias sociaux axée sur les affaires et l'emploi met en relation des candidats qualifiés avec des employeurs potentiels, et contribuer à pourvoir les postes vacants est son activité principale. Il est également important de garantir que les publications sur la plateforme reflètent les besoins des employeurs et des consommateurs. Selon le modèle de LinkedIn, ces processus de mise en relation se sont toujours appuyés sur la technologie. À l’été 2023, alors que GenAI commençait à prendre de l’ampleur, LinkedIn a commencé à réfléchir à l’opportunité de tirer parti des grands modèles linguistiques (LLM) pour mettre en relation les candidats avec les employeurs et rendre le flux d’informations plus utile. donc,
- IA 415 2024-04-26 16:49:11
-
- FisheyeDetNet : le premier algorithme de détection de cible basé sur une caméra fisheye
- La détection de cibles est un problème relativement mature dans les systèmes de conduite autonome, parmi lesquels la détection des piétons est l'un des premiers algorithmes à être déployés. Des recherches très complètes ont été menées dans la plupart des articles. Cependant, la perception de la distance à l’aide de caméras fisheye pour une vue panoramique est relativement moins étudiée. En raison de la distorsion radiale importante, la représentation standard du cadre de délimitation est difficile à mettre en œuvre dans les caméras fisheye. Pour alléger la description ci-dessus, nous explorons les conceptions étendues de boîtes englobantes, d'ellipses et de polygones généraux dans des représentations polaires/angulaires et définissons une métrique de segmentation d'instance mIOU pour analyser ces représentations. Le modèle fisheyeDetNet proposé avec une forme polygonale surpasse les autres modèles et atteint simultanément 49,5 % de mAP sur l'ensemble de données de la caméra fisheye Valeo pour la conduite autonome.
- IA 747 2024-04-26 11:37:01
-
- Parlons de la collision entre l'apprentissage automatique et la gestion des ressources humaines ?
- Introduction Ces dernières années, de nombreuses avancées majeures ont été réalisées dans le domaine de l'apprentissage automatique, et les produits de services de gestion des ressources humaines pilotés par la technologie de l'intelligence artificielle disposent également d'un marché énorme et dynamique. De plus en plus d'entreprises et d'agences gouvernementales réfléchissent progressivement à appliquer la technologie d'apprentissage automatique à la gestion des ressources humaines, à prendre des décisions efficaces via les réseaux de neurones et à prédire avec précision les résultats de la gestion des ressources humaines. Cet article présente quatre aspects de l'application de l'apprentissage automatique à la recherche sur la gestion des ressources humaines, notamment les difficultés techniques, l'introduction aux systèmes décisionnels en matière de gestion des ressources humaines, les méthodes de conception de systèmes et la sécurité des systèmes. Nous espérons que les lecteurs pourront avoir une compréhension préliminaire des recherches connexes. . Difficultés techniques En 2019, les PDG de 20 grandes entreprises aux États-Unis ont organisé des séminaires pertinents. Les résultats ont montré que l'application de la technologie d'apprentissage automatique dans la gestion des ressources humaines.
- IA 575 2024-04-26 10:25:07
-
- Docker achève le déploiement local du grand modèle open source LLama3 en trois minutes
- LLaMA-3 (LargeLanguageModelMetaAI3) est un modèle d'intelligence artificielle générative open source à grande échelle développé par Meta Company. Il ne présente aucun changement majeur dans la structure du modèle par rapport à la génération précédente LLaMA-2. Le modèle LLaMA-3 est divisé en différentes versions, notamment petite, moyenne et grande, pour répondre aux différents besoins d'application et ressources informatiques. La taille des paramètres des petits modèles est de 8B, la taille des paramètres des modèles moyens est de 70B et la taille des paramètres des grands modèles atteint 400B. Cependant, lors de la formation, l'objectif est d'atteindre une fonctionnalité multimodale et multilingue, et les résultats devraient être comparables à GPT4/GPT4V. Installer OllamaOllama est un grand modèle de langage open source (LL
- IA 1356 2024-04-26 10:19:21