


L'intelligence artificielle est en plein essor. Comment progresse le développement de la sécurité intelligente ?
En tant qu'industrie où l'intelligence artificielle a déjà une place de marché, l'industrie de la sécurité a une compréhension plus claire et une demande plus urgente pour le développement de l'intelligence artificielle. L'intelligence artificielle favorise le troisième changement technologique dans l'industrie de la sécurité après la haute définition et la mise en réseau.
Dans le contexte du développement rapide de l'intelligence artificielle, le secteur de la sécurité a entamé un nouveau voyage intelligent autour de l'IA. Dans ce parcours, comment progressent le développement de la sécurité intelligente ?
"Progress"
Edge computing favorise le développement de l'intelligence de pointe
Edge computing fait référence à une plate-forme ouverte qui intègre les capacités de réseau, de calcul, de stockage et d'application à la périphérie du réseau, à proximité de la source de des objets ou des données, et les fournit à proximité. Les services Edge Intelligence répondent aux besoins clés de la numérisation de l'industrie en termes de connexion agile, d'activité en temps réel, d'optimisation des données, d'intelligence applicative, de sécurité et de protection de la vie privée. En une phrase, l’edge computing peut être compris comme faisant référence aux procédures informatiques effectuées en périphérie, à proximité de la source de données.
Avec l'avancement continu de la technologie, le concept d'« intelligence de pointe » est apparu, qui propose un nouveau modèle : permettre à chaque appareil de pointe de l'Internet des objets de disposer de données de collecte, d'analyse et de calcul, de communication et d'intelligence importante. Le nouveau Edge Computing intelligent tire également parti des capacités du cloud computing. Il utilise le cloud pour configurer, déployer et gérer en toute sécurité les appareils Edge à grande échelle, et peut allouer des capacités intelligentes en fonction des types d'appareils et des scénarios, afin que l'intelligence puisse être exploitée. intégré entre le cloud et la périphérie. Circulez entre les espaces et obtenez le meilleur des deux mondes.
Edge Intelligence est devenue une tendance générale. Avec l'avènement de l'ère de l'Internet of Everything, la quantité de données image et vidéo générées par les équipements frontaux dans le domaine de la vision par ordinateur est énorme si toutes ces données sont rassemblées dans des centres de données de cloud computing pour une analyse intelligente, elles apporteront. exigences de bande passante illimitées et exigences en temps réel pour la pression de communication. Cela nécessite de fournir des services d’intelligence de pointe à proximité et de migrer progressivement la puissance de calcul de l’intelligence artificielle ou les capacités d’inférence du cloud vers la périphérie, ce qui contribuera à alléger la pression sur les liaisons de transmission.
La construction du deep learning favorise le développement d'AI-City
En tant que terrain de formation naturel et champ d'application de la technologie de l'intelligence artificielle, le secteur de la sécurité a un besoin urgent de mise en œuvre de l'intelligence artificielle. Ces dernières années, avec l'émergence de « cerveaux » tels que le « cerveau de la ville », le « cerveau de la circulation » et le « cerveau de la police », la technologie d'apprentissage profond de l'intelligence artificielle combinée à la perception multidimensionnelle a favorisé le développement ultérieur d'AI-City.
Les principaux domaines de recherche de l'apprentissage profond concernent la reconnaissance vocale et la vision, et l'application de l'apprentissage profond dans diverses directions peut entraîner différentes innovations technologiques dans différents domaines. Pour l'industrie de la sécurité qui maîtrise de nombreuses ressources d'images vidéo, la combinaison de l'apprentissage profond et de la sécurité présente un degré de compatibilité relativement élevé, c'est-à-dire l'analyse d'images et de vidéos, notamment : la reconnaissance d'images ;
Le deep learning dans le secteur de la sécurité se concentre principalement sur quatre domaines majeurs : l'analyse des volumes, l'analyse des véhicules, l'analyse des comportements et l'analyse des images. Grâce aux percées dans les algorithmes d'apprentissage profond, les technologies d'analyse intelligente telles que la reconnaissance de cibles, la détection d'objets, la segmentation de scènes et l'analyse des attributs des personnages et des véhicules ont toutes fait des progrès révolutionnaires.
"Obstruction"
La sécurité de l'intelligence artificielle manque de "noyau"
Dans le secteur de la sécurité, on peut dire que les puces parcourent tout le processus, du front-end au back-end, de la transmission, de l'enregistrement au stockage, sécurité sans "core", elle est forcément incomplète.
Le domaine de la vidéosurveillance de sécurité dispose de données massives, qui peuvent fournir suffisamment de scénarios pour une formation en apprentissage profond. De plus, ces dernières années, le développement d'algorithmes intelligents s'appuie sur des données massives, réalisant des avancées importantes dans la reconnaissance vocale et la vision, et présentant des itérations plus rapides. La mise en œuvre de l'intelligence artificielle dans le domaine de la sécurité nécessite des puces de traitement dotées d'une puissance de calcul suffisante. Cependant, au niveau des puces, il n'existe pas de puce d'application de sécurité d'intelligence artificielle qui réponde pleinement aux besoins réels.
Il est difficile de mettre de côté l'intervention humaine
Bien que l'intelligence artificielle ait réalisé certains ponts de pierre bleue que les humains ne peuvent pas réaliser, l'application à grande échelle de l'intelligence artificielle n'est pas encore nécessaire pour distinguer les différences entre des objets étroitement similaires. .
À partir de cas réels, lorsqu'une vidéo d'une seule scène est extraite, les images associées peuvent être rapidement révélées en recherchant des images, et sur cette base, la trajectoire du suspect peut être découverte et la cible peut finalement être verrouillée. , les experts ont franchement souligné que ce processus repose sur des algorithmes d'intelligence artificielle et qu'il est difficile de mettre de côté l'intervention humaine, et qu'il reste indissociable de l'analyse et du jugement des enquêteurs criminels vidéo.
Conclusion : De nos jours, le secteur de la sécurité est entré dans l'ère de l'explosion des données. Face à la croissance explosive du volume de données, les algorithmes intelligents traditionnels ne peuvent plus répondre aux besoins d'exploration approfondie de la valeur des données. L'approfondissement et l'approfondissement de la recherche sur l'intelligence artificielle ont apporté plus de changements qu'on ne l'imaginait dans le secteur de la sécurité, et il existe de plus en plus de scénarios d'application dans lesquels elle peut jouer un rôle.
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)

Sujets chauds

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

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

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.

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
