


Que peut nous apporter l'intelligence artificielle de pointe (Edge AI) ?
- L'intelligence artificielle (IA) est un type d'informatique décentralisée qui permet aux appareils de prendre des décisions basées sur les données au point d'interaction le plus proche avec l'utilisateur.
- Les avantages de cette technologie incluent une meilleure confidentialité et des économies de coûts, mais les données sont généralement supprimées après le traitement.
- Les progrès à venir, notamment la technologie 5G et les puces de traitement moins coûteuses, rendront l'IA de pointe de plus en plus utile pour certaines applications, des appareils domestiques intelligents à la technologie médicale.
Imaginez que vous souhaitiez que votre nouveau thermostat intelligent augmente rapidement la température afin que votre maison soit chaude lorsque vous rentrez du travail par une journée inhabituellement froide. Vous vous connectez depuis votre smartphone et lui demandez d'agir. Vous ne le sauriez pas, mais l'opération peut prendre quelques secondes car elle envoie votre demande au cloud et reçoit les instructions en retour.
Imaginez maintenant que la voiture autonome dans laquelle vous conduisez détecte soudainement un chien qui court sur la route devant vous. Les voitures doivent réagir en quelques millisecondes pour éviter une catastrophe. Cette réponse nécessite une intelligence artificielle (IA) de pointe – une technologie capable de prendre des décisions au point d’interaction le plus proche avec l’utilisateur, et dans ce cas, les capteurs de la voiture sont cruciaux. C’est la définition d’une décision prise en une fraction de seconde.
Données dynamiques
Avec l’Internet des objets (IoT) d’aujourd’hui, les données sont toujours en mouvement. Il circule depuis les systèmes existants vers le cloud, jusqu’aux appareils de périphérie et, au-delà des systèmes d’une organisation, vers les partenaires et les clients. Les réponses doivent être fournies en temps réel. L’utilisation d’une puissance de calcul centralisée n’est donc pas toujours efficace lorsque les données peuvent être traitées via des appareils de pointe. Lorsqu’une voiture autonome ne dispose que de quelques millisecondes pour réagir, elle n’a pas le temps d’attendre que le cloud prenne une décision.
Peu importe où se trouve l'appareil, de grandes quantités de données peuvent être introduites dans les algorithmes d'IA en périphérie, et les avantages sont nombreux. Les données dynamiques peuvent fournir des informations importantes sur les patients aux médecins, réduire les files d'attente dans les parcs d'attractions, alerter les compagnies d'électricité des pannes de courant potentielles et permettre aux voitures autonomes de réagir à temps pour éviter une tragédie.
Edge AI permet aux appareils de prendre ces décisions eux-mêmes au niveau de l'appareil. Il n’est pas nécessaire qu’il soit connecté à Internet pour traiter les données. Considérez une montre qui surveille vos habitudes de sommeil, mais au lieu de transférer les données vers le cloud pour les stocker et les traiter, elle enregistre les données sur la montre elle-même pour les traiter.
Les appareils d'IA compatibles Edge incluent également des jeux vidéo, des haut-parleurs intelligents, des drones et des robots. Les caméras de sécurité peuvent également offrir des fonctionnalités de pointe : les caméras situées dans l'usine recherchent les défauts des produits pendant le processus de fabrication et peuvent identifier rapidement les produits qui doivent être retirés immédiatement. Lorsque la vitesse sauve des vies, Edge AI
peut également être utilisée pour analyser des images pour les soins médicaux d’urgence. Plus les capacités de traitement sont proches, plus le temps de réponse est rapide.
Bien que la technologie Edge ne remplace pas le cloud, les données utilisateur qui n'appartiennent qu'à vous (telles que vos habitudes de sommeil ou vos données de jeu) peuvent être traitées dans des appareils compatibles Edge. Cette décentralisation des données résout les problèmes de confidentialité, qui constituent un problème important sur le marché de l'IoT. Edge
L'IA peut offrir de la commodité sans compromettre la confidentialité. Et, dans certains cas, cela pourrait être moins cher : une entreprise développe actuellement des appareils électroménagers à commande vocale, tels que des machines à laver et des lave-vaisselle, à l'aide de minuscules microprocesseurs qui coûtent quelques dollars chacun.
« En ce qui concerne les gadgets de ma maison, j'aurais aimé qu'ils soient moins intelligents. » - Clive Thompson, Wired
Par exemple, l'IA de reconnaissance vocale d'une machine à café n'a besoin de reconnaître qu'environ 200 mots, tous liés. à la tâche de préparer le café. Pensez-y, déclare le journaliste de Wired, Clive Thompson : « Je n'ai pas besoin d'une mauvaise blague ou d'un interrupteur pour prendre conscience d'eux-mêmes. Ils ont juste besoin de reconnaître « allumé » et « éteint » et peut-être « sombre ». aux gadgets avec lesquels je partage ma maison, je préférerais en fait qu'ils soient moins intelligents »
En plus d'un traitement plus rapide et moins cher, l'IA de pointe ne nécessite pas un Internet en constante expansion. Avec le développement rapide de l’Internet des objets, d’énormes quantités de données sont désormais détectées et générées en périphérie. Statistaestimeque ce nombre atteindra près de 80 zettaoctets d’ici 2025.
C'est tellement énorme qu'il n'est techniquement pas réalisable de transférer toutes ces données des appareils périphériques vers des serveurs cloud pour le stockage et le traitement en utilisant la bande passante de l'Internet actuel. Même si la bande passante est disponible, le centre de données doit disposer de suffisamment de ressources pour gérer toutes les données. Des besoins moindres en bande passante se traduisent par des économies de coûts. Environ 10 % des données générées par les entreprises sont créées et traitées en dehors des centres de données centralisés traditionnels ou du cloud. Gartner prévoit que ce chiffre atteindra 75 % d’ici 2025.
Équilibrer les risques et les récompenses
L'un des problèmes les plus épineux du monde de l'IoT est que le grand nombre de personnes qui n'ont pas les moyens de se procurer ces appareils ou qui vivent dans des zones rurales sans réseaux locaux pourraient ne pas être en mesure de participer à la transformation de notre vie quotidienne. . Un historique de capacité réseau limitée peut devenir un cercle vicieux. Les réseaux Edge ne sont pas simples à construire et peuvent être coûteux. Les pays en développement pourraient prendre encore plus de retard dans leur capacité à traiter les données via des appareils de pointe qui nécessitent des technologies plus récentes. La croissance de l’informatique de pointe est donc un autre moyen par lequel les inégalités structurelles peuvent augmenter, notamment en ce qui concerne l’accessibilité à l’intelligence artificielle et aux appareils IoT qui changent la vie.
Un autre risque avec l'IA de pointe est que les données peuvent être supprimées après le traitement – de par leur nature même, étant « à la périphérie », cela signifie qu'elles peuvent ne pas parvenir au cloud pour y être stockées. Les appareils peuvent être invités à supprimer les informations pour réduire les coûts. Même si le traitement et le stockage centralisés présentent certainement des inconvénients, l’avantage est que les données sont disponibles lorsque vous en avez besoin.
Intelligence artificielle, apprentissage automatique, technologie
Comment le Forum économique mondial s'assure-t-il que le développement de l'intelligence artificielle profite à toutes les parties prenantes ?
L'intelligence artificielle (IA) a un impact sur tous les aspects de la société : les maisons, les entreprises, les écoles et même les espaces publics. Mais à mesure que la technologie évolue rapidement, une collaboration multipartite est nécessaire pour optimiser la responsabilité, la transparence, la confidentialité et l’équité.
La plateforme du Forum économique mondial pour façonner l'avenir de la gouvernance technologique : l'intelligence artificielle et l'apprentissage automatique rassemblent diverses perspectives pour stimuler l'innovation et instaurer la confiance.
- L'un des domaines de travail qui peuvent tirer le meilleur parti de l'intelligence artificielle est celui des ressources humaines, notamment le recrutement, la rétention, la formation, les avantages sociaux et la satisfaction des employés. Le Forum a créé une boîte à outils d’IA RH centrée sur l’humain pour promouvoir une utilisation positive et éthique de l’IA centrée sur l’humain par les organisations, les travailleurs et la société.
- Les enfants et les jeunes d’aujourd’hui grandissent dans une ère de plus en plus numérique, où la technologie imprègne tous les aspects de leur vie. Des jouets robotiques aux réseaux sociaux en passant par les salles de classe et les foyers, l’intelligence artificielle fait partie de la vie. En élaborant des normes d’IA pour les enfants, le Forum travaille avec un éventail de parties prenantes pour élaborer des lignes directrices concrètes visant à éduquer, responsabiliser et protéger les enfants et les jeunes à l’ère de l’IA.
- Les dangers potentiels de l’intelligence artificielle peuvent également affecter la société au sens large. Pour réduire les risques, le Forum rassemble plus de 100 entreprises, gouvernements, organisations de la société civile et institutions universitaires au sein de la Global AI Action Alliance pour accélérer l'adoption d'une IA responsable dans l'intérêt public mondial.
- L'intelligence artificielle est l'une des technologies les plus importantes en entreprise. Pour garantir que les dirigeants de C-Suite comprennent les possibilités et les risques, le Forum a créé Empowering AI Leadership: AI C-Suite Toolkit pour fournir des outils pratiques pour les aider à comprendre l'impact de l'IA sur leurs rôles et à prendre des décisions sur la stratégie, les projets et la mise en œuvre de l'IA.
- Façonner la manière dont l’IA est intégrée dans les processus de passation des marchés publics aidera à identifier les meilleures pratiques pouvant être appliquées dans l’ensemble du secteur privé. Le Forum a élaboré un ensemble de recommandations conçues pour encourager une adoption généralisée, qui évolueront avec les enseignements d'une série d'essais.
S’il n’y a que vous et votre voiture autonome qui conduisent sur une route déserte, cette grande quantité de données peut ne pas sembler importante, mais détrompez-vous. Beaucoup de choses peuvent être apprises à partir des données sur cette route vide, notamment des informations sur les conditions routières et sur la manière dont le véhicule et d’autres véhicules similaires se comportent dans ces conditions. Enfin, lorsqu’il s’agit de Edge Computing, une analyse de rentabilisation claire doit être examinée pour garantir que le coût du réseau est équilibré par rapport à la valeur créée.
Pourtant, malgré les inégalités ou la perte de données, et avec les progrès de la technologie 5G et les puces de traitement moins chères, il est facile de voir à quel point « à la limite » est là pour rester – qu'il s'agisse de votre voiture autonome ou de votre machine à café pour obtenir vous êtes prêt pour votre trajet.
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.

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.

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

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.

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

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 le 1er août, SK Hynix a publié un article de blog aujourd'hui (1er août), annonçant sa participation au Global Semiconductor Memory Summit FMS2024 qui se tiendra à Santa Clara, Californie, États-Unis, du 6 au 8 août, présentant de nombreuses nouvelles technologies de produit. Introduction au Future Memory and Storage Summit (FutureMemoryandStorage), anciennement Flash Memory Summit (FlashMemorySummit) principalement destiné aux fournisseurs de NAND, dans le contexte de l'attention croissante portée à la technologie de l'intelligence artificielle, cette année a été rebaptisée Future Memory and Storage Summit (FutureMemoryandStorage) pour invitez les fournisseurs de DRAM et de stockage et bien d’autres joueurs. Nouveau produit SK hynix lancé l'année dernière
