Périphériques technologiques
IA
IA cloud ou edge : qu'est-ce qui convient le mieux à votre installation ?
IA cloud ou edge : qu'est-ce qui convient le mieux à votre installation ?
Les gestionnaires d'immeubles intègrent la technologie intelligente dans les propriétés dont ils sont responsables à un rythme sans précédent. Selon Juniper Research, le nombre de bâtiments intelligents dans le monde augmentera de 150 % d'ici 2026, passant de 45 millions de bâtiments cette année à plus de 115 millions. Il y a de bonnes raisons à cette augmentation spectaculaire du déploiement. Les logiciels et systèmes d'automatisation de pointe offrent aux propriétaires la possibilité de surveiller en permanence les paramètres de fonctionnement tels que l'occupation, la qualité de l'air intérieur (QAI) et l'utilisation des services publics pour contribuer à atteindre des niveaux de sécurité et d'efficacité sans précédent.
Cependant, l’intégration de technologies intelligentes dans les installations peut être déstabilisante pour certains gestionnaires d’immeubles. Les décisions à prendre lors de l’adoption de systèmes automatisés sont complexes et peuvent inclure des éléments avec lesquels ils ne sont pas familiers. Mais tout comme ils maîtrisent le CVC, les commandes d’éclairage et les refroidisseurs, les gestionnaires d’immeubles peuvent également en apprendre davantage sur l’Internet des objets (IoT), les réseaux et l’intelligence artificielle (IA).
Les systèmes Internet des objets (AIoT) basés sur l'intelligence artificielle peuvent être particulièrement intimidants, mais ils peuvent constituer l'un des moyens les plus puissants d'optimiser l'efficacité, la sécurité et la durabilité des bâtiments. L’IA peut être appliquée en périphérie (Edge AI) ou dans le cloud (cloud AI). Les deux ont leurs avantages, en fonction des objectifs et des besoins de l’application, et les chefs de chantier qui savent quand les utiliser (ou une combinaison des deux) seront avantagés.
Comprenez la différence entre le stockage distant et le stockage local
L'IA déployée aujourd'hui est née à l'origine comme une technologie de cloud computing. Les algorithmes d'apprentissage automatique derrière ces systèmes nécessitent une puissance de calcul importante, à la fois pour entraîner les algorithmes et pour les invoquer afin de fournir des informations, un processus appelé inférence. Jusqu'à récemment, les infrastructures locales disposaient rarement des ressources nécessaires pour effectuer ces tâches efficacement, de sorte que les exploitants de bâtiments devaient exécuter leurs applications d'IA en dehors des centres de données.
Cependant, l’exécution d’applications de bâtiment intelligent en dehors des centres de données distants a ses propres limites. La connectivité, les coûts de bande passante, la sécurité et la latence (le temps nécessaire pour envoyer et revenir des données vers le cloud) peuvent avoir un impact sur l'efficacité d'un système. Si une machine ou l'ensemble du système d'automatisation du bâtiment est sur le point de tomber en panne, les alarmes et les réponses automatisées doivent être aussi immédiates que possible.
Une nouvelle génération de technologie informatique de pointe atténue ce problème dans une large mesure : l'infrastructure installée dans les installations dispose de la puissance de traitement requise pour ces charges de travail gourmandes en calcul.
Des entreprises comme FogHorn, fondée il y a sept ans, ont développé une technologie d'IA de pointe qui crée de nouvelles possibilités pour transformer numériquement les opérations des bâtiments. Cela inclut des techniques avancées (appelées Edgification) pour optimiser les modèles d’IA afin qu’ils fonctionnent efficacement sur des appareils informatiques de pointe à faible coût. Johnson Controls a acquis FogHorn début 2022 et a désormais intégré la technologie de pointe dans sa plateforme OpenBlue.
En comblant le déficit de capacités locales, les appareils de pointe fournissent un élément architectural important pour atteindre l'objectif de gérer un bâtiment de la manière la plus efficace et efficiente possible.
Choisir entre le cloud et l'IA Edge
Avec l'avènement de l'IA Edge, les responsables de la construction qui envisagent de mettre en œuvre une technologie d'automatisation intelligente sont désormais presque inévitablement confrontés à la question de savoir s'ils doivent déployer l'IA sur site ou dans le cloud. Pour ceux qui sont confrontés à ce problème, il existe quelques règles empiriques simples à considérer.
Edge AI fonctionne mieux lorsque :
- Une opération doit être effectuée en temps réel ou quasiment en temps réel. Les systèmes d'automatisation intelligents qui détectent les problèmes opérationnels et émettent automatiquement des alertes ou des réponses ont tendance à fonctionner mieux lorsque les retards sont minimisés.
- Nécessite un contrôle local du système. L'arrêt des machines ou l'ajustement des systèmes de contrôle à partir du cloud s'accompagnent souvent de problèmes de sécurité et de latence.
- Il existe des limites sur les coûts de transfert et de stockage de données. Prenons, par exemple, un système de vidéosurveillance dans lequel les images haute fidélité de plusieurs caméras sont analysées par un modèle d'IA de vision par ordinateur, une application d'IA populaire. Envoyer toutes vos données et les stocker dans le cloud peut rapidement devenir coûteux.
Le Cloud peut être meilleur si :
- Effectuez une analyse rigoureuse des données. Les responsables de la construction souhaitent souvent mieux comprendre leur fonctionnement en s’appuyant sur l’analyse de l’IA ou exécuter des exercices de simulation sur des versions « jumelles numériques » de leurs installations. Ce type d'analyse de données n'a généralement pas besoin d'être effectué en temps réel. Il est donc préférable de l'effectuer dans le cloud, où les responsables peuvent exploiter les outils matériels et logiciels les plus puissants pour effectuer le travail à n'importe quelle échelle.
Une combinaison des deux pourrait être la meilleure lorsque :
- Gérer plusieurs bâtiments et corréler les informations entre eux. Le cloud permet un centre d'échange de données et un centre de commande centralisés. Dans la pratique, une approche hybride est souvent adoptée, dans laquelle un certain traitement initial dans des bâtiments individuels est effectué via l'IA de périphérie, puis l'IA dans le cloud est exécutée sur des données agrégées provenant de plusieurs bâtiments, éventuellement combinées avec d'autres sources de données.
FAITES LES PREMIERS PAS VERS L'ADOPTION DE L'IA
Il est important de se rappeler que ce sont des décisions que les chefs de chantier n'ont pas besoin de prendre seuls : il existe des fournisseurs de technologie spécialisés qui peuvent garantir que l'IA est déployée là où elle vous convient le mieux. endroit avec des besoins uniques. Les chefs de chantier n’ont pas besoin d’être des data scientists et de comprendre parfaitement tous les aspects de l’IA et de ses algorithmes d’apprentissage automatique sous-jacents, mais peuvent plutôt travailler avec des fournisseurs de technologies spécialisés pour laisser l’IA opérer sa magie en coulisses.
Oracle, comme de nombreuses organisations qui se lancent désormais dans des politiques de retour au travail massif, considère les conséquences de la pandémie comme un moment unique pour introduire des systèmes de bâtiments intelligents. Après plusieurs années de fermetures liées à la pandémie, les employés s'accrochent à des lieux de travail physiques où les commodités sont à portée de main, les outils de collaboration sont omniprésents, la qualité de l'air est surveillée, la fréquentation est limitée et leurs entreprises sont en pleine énergie. Les objectifs de développement durable sont atteints en termes de l’énergie et de la consommation d’énergie, de l’eau et de la réduction des déchets. Alors que les taux d’occupation des bâtiments restent à des niveaux historiquement bas, l’arrêt des systèmes qui n’ont pas besoin de fonctionner peut contribuer à augmenter considérablement l’efficacité.
Ces dynamiques et attentes changeantes sur le lieu de travail peuvent être l'occasion d'évaluer de nouveaux investissements dans les technologies IoT, les réseaux avancés qui les connectent et les systèmes d'intelligence artificielle qui les contrôlent. C'est également l'occasion de faire évoluer le lieu de travail pour prendre de meilleures décisions en fonction de l'occupation, des besoins en matière d'expérience des employés, de la propriété du site et de la criticité de son cas d'utilisation (par exemple, laboratoire de recherche ou espace de bureau).
Les gestionnaires d'immeubles ont toujours donné la priorité aux calendriers lorsqu'ils décident d'investir ou non dans des systèmes de contrôle automatisés. plus maintenant. La nouvelle considération clé concerne les mesures d’utilisation. Ils ne peuvent pas tenir pour acquis que tout le monde reviendra, et de nombreuses entreprises adoptent des politiques de travail hybride.
Créer des espaces plus intelligents, plus sûrs et plus durables
Pour la première fois, les bureaux doivent rivaliser avec la maison en tant qu'environnement de travail attrayant et efficace. Les gens veulent avoir la certitude que la qualité de l'air intérieur (QAI) de leur bureau est surveillée, que les ressources comme l'eau et l'énergie sont utilisées efficacement et que les pièces dans lesquelles ils vivent sont confortables. Les systèmes AIoT peuvent contribuer à rendre les bâtiments plus économes en énergie, plus sains, plus autonomes, plus sûrs et plus réactifs aux besoins de leurs occupants.
En réponse, les gestionnaires d'immeubles, nouveaux et existants, recherchent le soutien de fournisseurs de technologies intelligentes pour les aider à acquérir les nouvelles compétences nécessaires pour mettre en œuvre des systèmes d'automatisation AIoT et optimiser les opérations. Une leçon précieuse est de savoir quand déployer l’IA sur site ou dans le cloud. Une fois qu’ils ont déterminé si l’IA en périphérie ou dans le cloud correspond à leurs objectifs de bâtiment et à leurs besoins en matière d’applications, les gestionnaires d’immeubles informés peuvent être sûrs que l’IA les aidera à garantir un air sain, des espaces confortables et des opérations efficaces pour les aider à revitaliser leurs bâtiments.
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
