Table des matières
L'avenir du projet Burnham
Maison Périphériques technologiques IA Il a été révélé qu'Amazon développait secrètement un nouveau robot domestique doté de fonctions similaires à ChatGPT

Il a été révélé qu'Amazon développait secrètement un nouveau robot domestique doté de fonctions similaires à ChatGPT

May 11, 2023 pm 12:43 PM
人工智能 burnham

Il a été révélé quAmazon développait secrètement un nouveau robot domestique doté de fonctions similaires à ChatGPT

Le 10 mai, selon des documents internes divulgués, le géant de la vente au détail Amazon développe secrètement une version améliorée de son robot domestique Astro afin qu'il puisse mieux comprendre ce qu'il observe et devenir plus intelligent pour réagir aux choses.

Les documents montrent que le projet, qui porte le nom de code interne « Burnham », ajoute une couche « d'interface vocale intelligente et conversationnelle » à Astro. Amazon a décrit la nouvelle technologie, appelée « compréhension de la situation », comme « notre technologie d'intelligence artificielle la plus récente et la plus avancée, conçue pour rendre les robots plus intelligents, plus utiles et plus conversationnels », indique le dossier.

Dans le dossier relatif à Burnham, Amazon a décrit un produit Astro à 995 $. Selon le dossier, "Burnham Plus" avec des fonctionnalités de surveillance domestique standard coûte 24,99 $ par mois, tandis que Burnham Plus avec la caméra de sonnette Ring d'Amazon coûte 34,99 $ par mois.

Burnham est assez polyvalent et peut prendre en charge une gamme d'autres produits. La technologie « peut se souvenir de ce qu’elle voit et comprend » et comprendre le sens plus profond de ces interactions, indique le document. Il peut également utiliser la technologie basée sur le Large Language Model (LLM) courante dans des applications telles que ChatGPT pour tenir des conversations sur ce qu'il voit et comprend, et prendre les mesures appropriées en fonction de cela.

Par exemple, si Burnham remarque que le feu n'est pas éteint ou que le robinet fonctionne sans surveillance, il trouvera le propriétaire et le portera à son attention. Si une personne âgée glisse et tombe dans la cuisine, Burnham peut l'aider à vérifier qu'elle va bien et appeler les autres à l'aide. S'il s'agit d'une urgence, Burnham composera automatiquement le numéro d'urgence approprié pour obtenir de l'aide.

Le propriétaire peut demander à Burnham où il a mis les clés. Il peut également vérifier si la fenêtre de la cuisine était ouverte la nuit dernière et si les enfants ont des amis après l'école.

Un document interne indique : « En termes simples, notre robot a déjà un corps solide, et la prochaine étape est un cerveau. Un robot avec Burnham peut comprendre les diverses choses insignifiantes qui se produisent chaque jour à la maison comme le font les humains, sans avoir à le faire. de s'en soucier. Tout est codé parce que la connaissance du « bon sens » est implicite dans les données sur lesquelles le modèle de langage est basé. »

Cette décision représente la prochaine étape de croissance pour Astro. Astro est le robot de surveillance domestique très investi d'Amazon, alimenté par Alexa, mais jusqu'à présent, il ne semble pas être à la hauteur des attentes élevées d'Amazon. Malgré des années d'investissement et les efforts de centaines de personnes, les capacités d'Astro restent médiocres et il est toujours difficile de l'acheter car il est toujours sur invitation, même 18 mois après son lancement.

Avec des concurrents comme Microsoft et Google en tête sur le marché des chatbots IA, il s'agit du dernier exemple d'Amazon intégrant l'intelligence artificielle générative (AIGC) et la technologie LLM dans ses produits et services existants. Amazon aurait l'intention de mettre à niveau sa technologie vocale Alexa pour disposer d'une fonctionnalité de type ChatGPT, et souhaite également créer des outils d'intelligence artificielle pour générer automatiquement des images et des vidéos pour les annonceurs.

Le directeur financier d'Amazon, Brian Olsavsky, a déclaré le mois dernier que davantage d'investissements s'éloignaient de son activité principale de logistique vers des technologies d'IA et de LLM.

Dans un e-mail, un porte-parole d'Amazon a déclaré qu'Astro avait "un début prometteur" et que les demandes d'invitations "restaient fortes", mais il n'a pas fourni de chiffres précis. Le porte-parole a ajouté : "Nous sommes enthousiasmés par le potentiel des technologies d'intelligence artificielle et sommes impatients de les exploiter pour créer de nouvelles expériences pour Astro qui raviront les clients et leur faciliteront la vie à l'avenir."

Amazon L'inspiration pour développer Burnham est venue. à partir d'un article de recherche dans le domaine des modèles de langage à grande échelle. Amazon a déclaré dans le dossier qu'à mesure que les LLM évoluent, ils commencent à démontrer « de nouvelles compétences en raisonnement et en résolution de problèmes ». L'inférence se produit lorsqu'un modèle d'IA effectue une prédiction basée sur de nouvelles données.

Par exemple, Amazon a découvert qu'avec LLM, les robots domestiques peuvent effectuer des tâches simples telles que découvrir si une lumière est éteinte ou si une porte est ouverte. Au lieu de cela, ils peuvent désormais effectuer des tâches plus complexes, comme détecter du verre brisé sur le sol, sachant que les éclats de verre sont dangereux et doivent être nettoyés avant que quelqu'un marche dessus.

Amazon a réalisé une démonstration de concept pour tester la capacité de son nouveau robot domestique à démontrer le raisonnement et la résolution de problèmes. Le test a été un succès. Un document interne de l'entreprise indique : "Vous pouvez imaginer notre enthousiasme lorsque nous avons appris ce que cela signifiait pour nos robots. Nous savions que nous avions encore un long chemin à parcourir avant que Burnham puisse être intégré dans les produits. "Mais nous en avons suffisamment appris pour Je crois que cela réussira."

Comme d'autres équipes d'Amazon, l'unité Astro a été confrontée à d'importantes pressions sur les coûts au cours de l'année écoulée, selon des personnes proches du dossier. L’année dernière, l’équipe a abandonné ses projets internes visant à publier un modèle à faible coût et a annoncé à la place une nouvelle orientation vers la sécurité des petites entreprises.

L'avenir du projet Burnham

Burnham ne se limite peut-être pas à un seul produit. Dans un document interne, Amazon l'a défini comme un ensemble de technologies de base, plutôt que comme un produit lui-même, et a déclaré qu'il s'attendait à ce que Burnham « apparaisse dans une gamme de futurs robots ».

Alors qu'Amazon tente de faire passer sa technologie d'IA du domaine numérique à des environnements physiques réels, comme dans les centres de rénovation, Burnham teste peut-être les limites des grands modèles linguistiques.

Selon les documents, Amazon semble croire que Burnham est une version considérablement améliorée du robot de surveillance domestique qui "peut donner aux familles la certitude que tout va bien à la maison".

Le document indique également : "La personnalité amicale de Burnham, sa conscience sociale et sa maîtrise de la conversation le rendent extrêmement utile et seraient un ajout bienvenu à n'importe quelle maison

."

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!

Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn

Outils d'IA chauds

Undresser.AI Undress

Undresser.AI Undress

Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover

AI Clothes Remover

Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool

Undress AI Tool

Images de déshabillage gratuites

Clothoff.io

Clothoff.io

Dissolvant de vêtements AI

Video Face Swap

Video Face Swap

Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !

Outils chauds

Bloc-notes++7.3.1

Bloc-notes++7.3.1

Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise

SublimeText3 version chinoise

Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1

Envoyer Studio 13.0.1

Puissant environnement de développement intégré PHP

Dreamweaver CS6

Dreamweaver CS6

Outils de développement Web visuel

SublimeText3 version Mac

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 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 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 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 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 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. 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 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. 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

See all articles