Périphériques technologiques
IA
Comment utiliser l'intelligence artificielle pour résoudre les efforts de décarbonation à l'échelle industrielle
Comment utiliser l'intelligence artificielle pour résoudre les efforts de décarbonation à l'échelle industrielle
Notre monde a atteint un point où la société reconnaît que la planète est soumise à une pression énorme. Les entreprises d'un large éventail de secteurs ont annoncé leur intention de réduire leur empreinte carbone à « zéro nette » au cours des prochaines décennies, la plupart visant à atteindre l'objectif entre 2030 et 2050. Alors que les stratégies autour du zéro net ont été au cœur des plans opérationnels dans certains des secteurs les plus touchés, tels que l’énergie, le pétrole et le gaz, l’établissement d’objectifs de développement durable est devenu la norme dans la plupart des secteurs.
Les questions environnementales, sociales et gouvernementales (ESG) sont devenues un sujet de discussion de plus en plus important. Une récente enquête McKinsey a révélé que 83 % des dirigeants et des professionnels de l'investissement estiment que les programmes ESG apporteront plus de valeur aux actionnaires dans cinq ans qu'ils ne le sont aujourd'hui, ce qui suggère qu'ils ont un potentiel de valeur à court et à long terme.
Alors que les émissions de CO2 devraient atteindre environ 43,08 milliards de tonnes d'ici 2050, les entreprises doivent adopter des solutions pour réduire ou compenser leur empreinte carbone. Cependant, la difficulté et les coûts liés à la mesure des efforts en matière d’émissions de carbone et à la réduction ou à la compensation de ces défis ont contraint de nombreuses entreprises à retarder leurs efforts. Cependant, les solutions d’IA cognitive peuvent jouer un rôle clé en aidant les entreprises et les industries à atteindre facilement et à moindre coût leurs objectifs de zéro émission nette.
Approche humaine basée sur l'IA
La plupart des outils d'IA ont tendance à fonctionner dans une boîte noire, où les utilisateurs humains ignorent comment ils arrivent à des conclusions, des réponses et des recommandations. Ces solutions offrent souvent simplement un remède sans explicabilité, traçabilité ou auditabilité, ce qui ne contribue guère à renforcer la confiance des utilisateurs. Les opportunités croissantes permettant à l’intelligence artificielle d’améliorer les talents et les capacités des individus nécessitent leur confiance. Dans le cas contraire, la capacité des deux parties à travailler ensemble efficacement pour résoudre nos problèmes de développement durable les plus importants sera sérieusement limitée.
Contrairement aux capacités d'IA traditionnelles, les solutions d'IA cognitive utilisent un raisonnement proche de celui des humains pour identifier les opportunités d'amélioration et de rationalisation opérationnelles, une capacité essentielle pour les entreprises qui cherchent à réduire considérablement leurs émissions tout en gérant efficacement les ressources. Ce type d’IA explicable fonctionne de manière transparente, révélant directement le raisonnement derrière ses recommandations et affichant facilement les données complètes qui soutiennent son processus décisionnel avec une piste d’audit clairement lisible. Plutôt que d’utiliser l’IA pour remplacer la contribution humaine, l’IA cognitive sert d’outil permettant aux humains de prendre des décisions plus sûres. L’équilibre entre les connaissances cognitives et le numérique permet aux décideurs d’identifier des opportunités inattendues et de prendre des mesures immédiates dans des situations critiques, comme atteindre les objectifs de zéro émission nette.
Donner la priorité aux investissements dans l'IA
Le changement climatique est à un point d'inflexion critique et les organisations devraient adopter des technologies d'IA cognitive pour aider à fixer des objectifs zéro émission nette réalistes mais ambitieux et à suivre les progrès avec plus de précision.
Les gouvernements et les entreprises privées qui cherchent à accélérer les investissements dans l'IA et le déploiement de systèmes devraient donner la priorité aux domaines suivants :
- Commencer petit, résoudre des problèmes spécifiques, évoluer avec l'expérience
- Exploiter et exploiter les données du nombre croissant de capteurs installés et mesuré à grande échelle ensembles de données
- Identifiez des cas d'utilisation spécifiques avec un retour sur investissement clair
- Expertise du domaine numérique et enrichissez-la avec l'IA/ML
- Alignez les parties prenantes et leurs priorités sur les investissements en IA
Alors que les coûts des produits sont souvent un facteur majeur lorsqu'on envisage des investissements dans les technologies comme l’IA, mais les dirigeants et autres décideurs devraient considérer le retour sur investissement à long terme de ces solutions. Les entreprises doivent garder à l’esprit que les coûts continueront de baisser en raison des évolutions technologiques en matière de matériel et de logiciels, et que les avantages ne feront que se généraliser. En plus d'aider les entreprises à définir et à atteindre leurs objectifs en matière de développement durable, la technologie de l'IA peut également les aider à améliorer leur efficacité opérationnelle, à garantir la sécurité, à accroître la confiance et les relations avec les clients, à augmenter la productivité, à étendre les capacités de traitement des données, et bien plus encore.
Lutter contre les impacts du changement climatique
L’intelligence artificielle peut apporter une contribution significative aux efforts des entreprises pour atteindre les objectifs de zéro émission nette, tout en aidant également à se préparer aux futures perturbations liées au changement climatique. Pour le secteur de l’énergie électrique, un objectif clé est de faire correspondre avec précision la demande et la production afin de fournir en permanence la quantité d’énergie nécessaire aux clients des services publics.
Lorsque la demande dépasse la capacité du réseau, elle peut provoquer des arrêts incontrôlés des équipements de production d’électricité, entraînant un effet domino catastrophique et des pannes du réseau. Ce scénario potentiel est devenu réalité l’année dernière lorsque des conditions météorologiques extrêmes ont fait que la demande a dépassé l’offre, entraînant des pannes de courant persistantes en Californie et au Texas. Alors que les effets du changement climatique devraient continuer à intensifier les conditions météorologiques cet été, l'examen de la fiabilité de l'été 2022 de la North American Reliability Corporation (NERC) tire la sonnette d'alarme : le réseau obsolète des États-Unis est confronté à un risque élevé de pannes dans les mois à venir.
La capacité des producteurs et des opérateurs de réseau à prévoir et à gérer avec précision les flux d’électricité sur l’infrastructure physique du réseau afin d’adapter la production disponible à la demande est une étape cruciale dans l’atténuation des futures perturbations liées au changement climatique. Les sociétés énergétiques et les opérateurs de réseau ont donc besoin de l’IA pour prédire et prévoir la demande avec précision et en temps opportun, ce qui leur permet d’aligner la production sur leur variabilité inhérente à mesure que les points de consigne changent et que la variabilité due à l’impact des nuages et du vent sur les énergies renouvelables tarde à s’adapter. Le plus grand avantage que l’IA peut apporter aux objectifs de zéro émission nette est de permettre aux gestionnaires d’installations d’utiliser autant d’énergie renouvelable que possible tout en tenant compte de tous ces paramètres et de cette variabilité. L’intelligence artificielle jouera un rôle clé en soutenant les objectifs du secteur énergétique d’un avenir plus efficace, connecté et durable.
D'autres exemples de la façon dont les initiatives d'IA abordent les problèmes climatiques incluent :
- la mise en œuvre de l'IA et de l'apprentissage automatique pour améliorer la production d'énergie en temps réel.
- L'automatisation des opérations en aval augmente l'efficacité de l'usine de 8 à 12 %.
- Améliorer les systèmes de réseau pour améliorer la prévisibilité et les performances, permettant des stratégies d'énergie renouvelable plus réfléchies.
- L'optimisation du trafic et de la navigation grâce à des applications d'IA et de ML telles que Google Maps et Waze, ainsi que d'autres solutions de collecte de données sur les véhicules, réduisent les émissions et la pollution en fournissant aux consommateurs des données pertinentes sur l'efficacité des véhicules, le trafic et d'autres données similaires sur les embouteillages.
- Utilisez la robotique équipée de puces IA à la pointe pour éviter les pannes d'équipement catastrophiques et plus encore en inspectant de manière autonome les oléoducs, les raffineries ou autres.
AI Now & Future
Travailler vers un avenir à faibles émissions de carbone nécessitera des actions autour de l'efficacité opérationnelle, de l'amélioration des stratégies de production et de la réduction des déchets – tout cela peut être réalisé grâce à des solutions d'IA cognitive. L’importance des initiatives mondiales pour parvenir à un monde plus durable ne peut être surestimée, mais la technologie a un rôle essentiel à jouer : aider à identifier et à atteindre des objectifs audacieux et réalisables. L’intelligence artificielle deviendra un outil pratique encore plus essentiel pour aider les entreprises, les industries et les villes à atteindre d’importants objectifs de zéro émission nette.
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.
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.
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
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.
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
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
SK Hynix présentera de nouveaux produits liés à l'IA le 6 août : HBM3E à 12 couches, NAND à 321 hauteurs, etc.
Aug 01, 2024 pm 09:40 PM
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
