


Les États-Unis continuent de promouvoir l'utilisation de l'intelligence artificielle au combat
Selon les médias étrangers, le département américain de la Défense a récemment publié un document de planification stratégique sur la technologie de l'intelligence artificielle afin de renforcer la conception de haut niveau et de promouvoir le développement rapide des technologies associées. Dans le même temps, l’armée américaine continue de renforcer ses applications au combat de la technologie de l’intelligence artificielle.
Document de planification stratégique publié
Récemment, le secrétaire adjoint américain à la Défense, Hicks, a signé le document stratégique « Stratégie et approche de mise en œuvre de l'intelligence artificielle responsable », clarifiant les principes et les sujets de base de la mise en œuvre de la stratégie d'intelligence artificielle par le ministère américain de la Défense. Le contenu principal du cadre comprend les deux aspects suivants.
Redresser le « côté demande ». La première consiste à ajuster la structure et les processus de gestion et à continuer de suivre le développement de la technologie d’intelligence artificielle du ministère de la Défense nationale. La deuxième consiste à prêter attention à la recherche, au développement et à l'achat de produits d'intelligence artificielle et à ajuster en temps opportun la vitesse de développement de la technologie de l'intelligence artificielle. La troisième consiste à utiliser des procédures de vérification des exigences pour garantir que les capacités d’intelligence artificielle sont cohérentes avec les besoins opérationnels.
Optimiser la "fin R&D". La première consiste à créer des systèmes d’intelligence artificielle crédibles et des systèmes d’autonomisation de l’intelligence artificielle. Le deuxième objectif est de promouvoir une compréhension commune du concept d’« intelligence artificielle responsable » par le biais de la coopération nationale et internationale. Le troisième est d'améliorer le niveau théorique et opérationnel du personnel lié à l'intelligence artificielle au sein du ministère de la Défense nationale.
En plus du rapport sur la planification stratégique de l’armée, des groupes de réflexion américains ont également récemment fait des suggestions pour une coopération entre les États-Unis et leurs alliés dans l’application de la technologie de l’intelligence artificielle. Le Centre pour la sécurité et les technologies émergentes de l'Université de Georgetown aux États-Unis a publié un rapport indiquant que le gouvernement américain, les universités, les instituts de recherche et le secteur privé devraient promouvoir la coopération en matière de recherche sur les technologies de l'intelligence artificielle avec l'Australie, l'Inde et le Japon par diverses méthodes pour parvenir à un accès ouvert et accessible et à un écosystème technologique sécurisé pour améliorer les performances des armes et équipements militaires américains.
Accélérer le rythme de l'application de la technologie
En plus de formuler une « feuille de route » pour le développement de la technologie de l'intelligence artificielle en termes de conception de haut niveau, l'armée américaine a récemment pris de multiples mesures pour tenter d'appliquer les technologies matures pertinentes dans l'armée. pratique.
Du point de vue de la construction de services, le « Plan d'intégration » de l'Armée de terre, le « Plan gagnant » de la Marine et le « Système avancé de gestion de combat » de l'Armée de l'Air sont les trois principaux plans actuels d'intelligence artificielle de l'armée américaine. Les trois grands projets avancent simultanément. Récemment, le Commandement des contrats de l’armée américaine a attribué à l’entrepreneur militaire américain Engineering and Computer Simulation un contrat totalisant 63,28 millions de dollars pour concevoir et développer de nouveaux algorithmes d’intelligence artificielle. Kitchener, commandant de la force de surface de la marine américaine, a déclaré que la force de surface de la marine américaine se concentrerait dans un avenir proche sur l'intégration de capacités telles que l'intelligence artificielle et l'apprentissage automatique afin d'améliorer considérablement les avantages au combat. L'US Air Force a récemment démontré avec succès un algorithme d'intelligence artificielle appelé Artuu, capable de faire fonctionner automatiquement un avion de reconnaissance U-2 pour détecter les lanceurs de missiles ennemis et générer une image opérationnelle en temps réel des menaces inter-domaines.
Du point de vue de la production d'énergie de combat, l'armée américaine accélère l'application de la technologie de l'intelligence artificielle dans les combats réels. Un récent article publié sur le site Internet du magazine bimensuel américain « The National Interest » indiquait que la marine et l'armée de l'air des États-Unis développaient une nouvelle génération de systèmes d'entraînement pour aider leurs avions de combat à mieux faire face aux nouvelles menaces aériennes. Cette technologie intelligente appelée « P5 Combat Training System » peut aider les pilotes militaires américains à mener une formation virtuelle dans des scénarios de combat à forte menace et à forte confrontation.
L'Agence américaine des projets de recherche avancée pour la défense est en train de vérifier un "système d'attaque de réseau autonome basé sur des puces d'intelligence artificielle". Il est rapporté que le système peut générer un ensemble de codes d'attaque toutes les 24 heures et ajuster dynamiquement le programme d'attaque en fonction de l'environnement réseau en temps réel. Étant donné que le code d'attaque est nouvellement généré, il est difficile pour les systèmes antivirus qui s'appuient sur les bases de données virales existantes et la reconnaissance comportementale de l'identifier, et le code est hautement dissimulé et destructeur. La Defense Advanced Research Projects Agency des États-Unis estime que ce système présente un potentiel d'application extrêmement élevé et peut aider l'armée américaine à obtenir des avantages technologiques dans les futures opérations de réseau.
Déclenchement d'une compétition militaire de pointe
De manière générale, l'armée américaine a récemment pris des mesures fréquentes dans la construction de l'intelligence artificielle. Des tendances connexes pourraient déclencher un nouveau cycle de compétition militaire frontalière mondiale.
D’une part, nous promouvons « tout peut être intelligent » en interne. L'armée américaine affirme que qu'il s'agisse d'un avion de combat, d'un char, d'une station de contrôle au sol ou d'un navire de surface, il peut non seulement être utilisé comme une entité dotée de capacités de combat, mais aussi comme un nœud pour surveiller le champ de bataille et obtenir des informations de guerre. . Pour atteindre cet objectif, l’intelligence artificielle jouera un rôle irremplaçable. Sur la base des documents de planification stratégique militaire américaine, il n'est pas difficile de voir que pour créer davantage de nœuds, l'armée américaine fera pleinement jouer le rôle de l'intelligence artificielle dans la prochaine étape pour aider diverses plates-formes d'armes à découvrir et à attaquer des cibles. plus rapide.
D’un autre côté, cela affecte le modèle de développement militaire mondial de l’extérieur. L'armée américaine et ses alliés promeuvent vigoureusement le développement de la technologie de l'intelligence artificielle, l'objectif principal étant d'utiliser ces technologies avancées pour réprimer les pays rivaux. Les conséquences de ces pratiques pourraient être immédiates. Actuellement, de nombreux pays dans le monde développent vigoureusement des technologies connexes. Il est prévisible qu'avec le développement rapide et le soutien de l'intelligence artificielle et d'autres technologies, le futur champ de bataille accélérera la transition vers un champ de bataille intelligent et sans pilote, et des opérations coordonnées entre domaines tels que la terre, la mer, l'air, l'espace et les réseaux. devenir le principal objectif des guerres futures. Les styles de combat stimulent le développement et la transformation des applications de la technologie des équipements et favorisent des changements majeurs dans le modèle de développement militaire mondial.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine

Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.

Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte

Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.

L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes

L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.

Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S

Selon les informations de ce site Web du 5 juillet, GlobalFoundries a publié un communiqué de presse le 1er juillet de cette année, annonçant l'acquisition de la technologie de nitrure de gallium (GaN) et du portefeuille de propriété intellectuelle de Tagore Technology, dans l'espoir d'élargir sa part de marché dans l'automobile et Internet. des objets et des domaines d'application des centres de données d'intelligence artificielle pour explorer une efficacité plus élevée et de meilleures performances. Alors que des technologies telles que l’intelligence artificielle générative (GenerativeAI) continuent de se développer dans le monde numérique, le nitrure de gallium (GaN) est devenu une solution clé pour une gestion durable et efficace de l’énergie, notamment dans les centres de données. Ce site Web citait l'annonce officielle selon laquelle, lors de cette acquisition, l'équipe d'ingénierie de Tagore Technology rejoindrait GF pour développer davantage la technologie du nitrure de gallium. g
