Périphériques technologiques
IA
Trois défis majeurs auxquels est confrontée la vulgarisation et l'application de l'intelligence artificielle
Trois défis majeurs auxquels est confrontée la vulgarisation et l'application de l'intelligence artificielle
L’utilisation d’appareils intelligents connectés connaît une croissance rapide, mais ils ne sont pas encore généralisés, et l’adoption généralisée de l’IA se heurte à de nombreux défis.
De nombreux amis ont peut-être réalisé que l'intelligence artificielle a affecté nos vies. Parvenir à une intelligence artificielle omniprésente pourrait changer la vie à l’avenir. Par exemple, notre alimentation ne se détériore jamais et tout ce que nous mangeons est sain. Même lors de vos achats, le magasin saura immédiatement que nous sommes entrés et commencera à recommander des produits personnalisés. C'est pourquoi il est crucial de comprendre et d'éliminer les obstacles à l'adoption de l'IA.
3 obstacles à l'adoption des applications d'intelligence artificielle :
- La compatibilité matérielle et matérielle est essentielle, et la technologie n'est pas encore mature.
- Les gens ont des raisons de s'inquiéter des problèmes de confidentialité.
- La technologie nécessaire coûte très cher.
Le premier défi : le matériel
comme le réfrigérateur intelligent. Samsung a lancé un tel appareil en 2018, mais il s'agissait plutôt d'une nouveauté. Selon les données d'une organisation, les réfrigérateurs intelligents étaient les plus populaires en Amérique du Nord en 2019, représentant 31 % du marché mondial. Cependant, ce ne sont pas des appareils de style Star Trek avec écrans tactiles, mais ils sont intelligents grâce à des circuits internes qui permettent une plus grande efficacité et une plus grande autosurveillance, et les utilisateurs ne réalisent peut-être même pas à quel point l'appareil est intelligent.
Les gros appareils électroménagers prennent plus de temps à remplacer que les téléphones portables, et les consommateurs remplaceront les gros articles si nécessaire, donc la probabilité d'acheter un nouveau téléphone simplement parce qu'il est plus efficace est moindre que d'acheter un nouveau téléphone car la durée de vie de la batterie est légèrement possibilité plus longue.
La mise à jour du matériel n'est pas non plus une tâche simple. Nous ne pouvons pas simplement ajouter une carte Wi-Fi à n’importe quel réfrigérateur et espérer qu’elle transmette les enregistrements d’entretien au centre de réparation local. La plupart des appareils électroniques de nos vies ne sont pas modulaires ni conçus pour évoluer bien au-delà de leur conception actuelle. Il s’agit d’une sérieuse limitation pour l’intégration des appareils IoT, car comme vous le dira toute personne possédant seulement quelques ampoules intelligentes, le matériel et la compatibilité matérielle sont essentiels, et nous n’en sommes pas encore là.
Cela dit, les réfrigérateurs intelligents, ainsi que d'autres exemples de matériel intelligent, sont absolument nécessaires pour construire une vie future pilotée par l'intelligence artificielle. Il faudra un certain temps avant que nous puissions tous convenir que certains d’entre nous adhéreront plus tôt que d’autres à un avenir de matériel basé sur l’IA. Ce groupe d’adoptants précoces est essentiel pour ouvrir la voie à une adoption massive, en aidant à remédier aux vulnérabilités et en prouvant que ces produits non seulement fonctionnent, mais qu’ils apportent de la valeur à la vie des gens.
Deuxième défi : confidentialité
Nous entrons dans une ère où les données personnelles sont plus précieuses que jamais, et les consommateurs commencent à se rendre compte de ce fait. Un rapport de 2019 a montré que plus de 60 % des personnes interrogées pensaient que les appareils connectés étaient effrayants, ce qui pourrait réduire l'adoption de ces appareils.
Bien que tout cela puisse paraître intimidant, il existe quelques innovations intéressantes qui répondent à ces problèmes. Nous profitons peut-être des avantages de ce type de réflexion sans même nous en rendre compte. Pour comprendre cela, nous devons entrer dans une pièce remplie de périphériques réseau.
La plupart d'entre nous connaissent les salles de serveurs, grâce à certains centres de données banals mais de haute technologie que nous voyons dans les émissions de télévision et les films. Ce que la plupart des consommateurs ne réalisent pas, c'est que les entreprises ne mettent pas à niveau tout le matériel de leur centre de données en même temps. Tout comme lorsque vous achetez un nouvel ordinateur portable, vous n'achetez probablement pas un nouveau routeur : au fil du temps, les composants du centre de données sont remplacés ici et là, et cela peut finir par devenir une mosaïque de fournisseurs et de services.
Il y a quelque temps, les administrateurs réseau unifiaient la gestion tout en permettant au système sous-jacent de microgérer les composants individuels. Cela nécessite un logiciel spécial pour intégrer toutes les différentes exigences de tous les différents appareils, en les contrôlant selon les besoins tout en obscurcissant les détails pour les gestionnaires.
À mesure que les centres de données continuent d'être mis à niveau, de plus en plus de confidentialité y est intégrée. Même si nous ne pouvons pas encore pleinement faire confiance à chaque étape que nous franchissons vers l'intelligence artificielle, nous pouvons nous attendre à ce qu'au cours des prochaines années, la plupart des centres de données soient centrés sur la confidentialité.
Défi final : Coût
Le coût des solutions d'IA actuelles est souvent prohibitif. Cependant, ce n’est pas toujours le cas.
Nous poussons déjà l'IA à la pointe de manière plus rentable, en superposant les logiciels au-dessus du matériel existant plutôt que d'attendre des puces spécialisées spécifiques à l'IA. Nous pouvons ajouter des fonctionnalités aux machines en tirant parti de leurs réseaux et réseaux électriques.
Revenant à notre réfrigérateur pas si intelligent, que se passerait-il si le boîtier électrique était remplacé par un boîtier électrique intelligent qui détecterait le réfrigérateur de votre maison en fonction de sa consommation électrique ? Le boîtier électrique intelligent connaîtra le fabricant et le modèle du réfrigérateur et prendra des décisions concernant le contenu du réfrigérateur en fonction de ces informations. Ajoutez une caméra de cuisine intelligente ou une balance anti-embarquée, et nous pouvons ajouter des capteurs sans trop de coûts.
À terme, les meilleures solutions d’IA franchiront toutes ces barrières. Ils pousseront l’IA jusqu’aux consommateurs finaux sans recourir à des puces spécialisées, ce qui obligera les consommateurs à remplacer leurs appareils par de nouveaux. Après tout, l’IA omniprésente en dépend partout où elle est nécessaire.
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)
Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA
Jun 28, 2024 am 03:51 AM
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
Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag
Jun 10, 2024 am 11:08 AM
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.
Sept questions d'entretien technique Cool GenAI et LLM
Jun 07, 2024 am 10:06 AM
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
Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations
Jun 11, 2024 pm 03:57 PM
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.
Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG.
Jul 25, 2024 am 06:42 AM
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
Cinq écoles d'apprentissage automatique que vous ne connaissez pas
Jun 05, 2024 pm 08:51 PM
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.
Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire
Jul 17, 2024 pm 06:37 PM
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
Préparant des marchés tels que l'IA, GlobalFoundries acquiert la technologie du nitrure de gallium de Tagore Technology et les équipes associées
Jul 15, 2024 pm 12:21 PM
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
