


L'avenir de l'intelligence artificielle réside dans l'intelligence système de l'environnement homme-machine
Le renseignement militaire c'est comme la guerre, c'est un brouillard, il y a beaucoup d'incertitude, c'est imprévisible et imprévisible. À en juger par la tendance actuelle au développement de l'intelligence artificielle, dans les guerres futures prévisibles, il existe de nombreux dangers cachés de l'intégration homme-machine qui n'ont pas encore été résolus, notamment : # (1 ) Dans un environnement informationnel complexe, les humains et les machines absorbent, digèrent et utilisent des informations limitées dans un laps de temps précis. Pour les humains, plus la pression est forte, plus ils comprennent mal les informations et plus il est facile de semer la confusion. et la confusion et les accidents. Il est encore très difficile pour les machines d’apprendre, de comprendre et de prédire les données non structurées inter-domaines.
(2) Les informations nécessaires à la prise de décision en temps de guerre sont largement réparties dans le temps et dans l'espace, ce qui fait que certaines informations clés sont encore difficiles à obtenir. De plus, il est difficile de coordonner et d’intégrer les données physiques objectives importantes collectées par les machines avec les informations et connaissances subjectivement traitées obtenues par les humains.
(3) Dans les guerres futures, il y aura un grand nombre de caractéristiques non linéaires et une variabilité inattendue, qui conduisent souvent à l'imprévisibilité du processus et des résultats du combat, formel. le raisonnement logique basé sur des axiomes est loin de répondre aux besoins de prise de décision dans des situations de combat complexes et en constante évolution. Compte tenu de la prolifération continue des armes nucléaires, le coût des guerres futures entre pays, quelle que soit leur ampleur, deviendra de plus en plus élevé. Quelle que soit la manière dont l'intelligence artificielle se développe, l'avenir appartient à l'humanité. Les êtres humains devraient définir conjointement les règles du jeu pour les guerres futures et déterminer le sort de l'intelligence artificielle, plutôt que l'intelligence artificielle ne décide du sort de l'humanité. est logique, et les guerres futures sont non seulement logiques, mais contiennent également un grand nombre de facteurs illogiques.
(4) Au vu des différentes classifications des équipements autonomes selon les pays, il existe une énorme lacune dans la définition et la compréhension du concept d'intelligence artificielle forte ou armes générales d'intelligence artificielle, donc actuellement Le travail le plus important n'est pas de savoir comment résoudre des problèmes techniques spécifiques (la technologie est mise à jour très rapidement), mais comment parvenir à un consensus sur les concepts et définitions de base des applications d'intelligence artificielle, tels que : ① Qu'est-ce que L'IA ? ②Qu'est-ce que l'autonomie ? ③Quelle est la différence entre l'automatisation et l'intelligence ? ④Quelle est la différence entre le calcul machine et le calcul humain ? ⑤Quelle est la limite de la répartition des fonctions/capacités homme-machine ? ⑥Quelle est la relation entre les données, l'IA et la responsabilité en matière de risque ? ⑦La différence entre calculabilité et décidabilité, etc.
Certaines définitions sont encore très approximatives et doivent être affinées davantage. Par exemple, du point de vue de la sécurité humaine, interdire les armes autonomes avec des « personnes extérieures à la boucle » est une mesure. conformément aux valeurs universelles. Il est nécessaire de réduire le risque de perte de contrôle, mais quels types de personnes sont souvent ignorées dans la boucle du système, et certaines personnes irresponsables peuvent être pires dans le système de prévention des épidémies ; 🎜#
# 🎜🎜# (5) Concernant le développement de technologies indépendantes dans le monde, il est recommandé de mettre en place une équipe d'évaluation conjointe pour mener régulièrement une évaluation détaillée et une alerte précoce sur le développement de technologies indépendantes. , vérifier les étapes du développement technologique, effectuer une analyse prédictive du développement technologique et mener des activités Les institutions clés et le personnel de R&D dans le développement de technologies sensibles doivent effectuer une supervision ciblée et établir un certain degré d'exigences d'ouverture académique. (6) Les risques et défis de sécurité rencontrés par le développement de la militarisation de l'IA comprennent principalement : ① L'intelligence artificielle et les systèmes autonomes peuvent conduire à des escalades inattendues et à une instabilité de crise ; les relations stratégiques entre la Chine, les États-Unis et la Russie deviendront plus tendues (prise de décision, jugement automatique + prise de décision humaine, jugement automatique) ; + prise de décision automatique) affectera l'escalade de la situation des deux parties ; )Mauvais ; ⑤ Les accidents dans lesquels des systèmes autonomes attaquent involontairement des forces amies ou des civils augmenteront plus de questions ;#🎜 🎜#⑥ L'intelligence artificielle et les systèmes autonomes peuvent conduire à la déstabilisation d'une course aux armements ; #⑦ La prolifération des systèmes autonomes peut déclencher une recherche sérieuse de contre-mesures qui intensifieront l'incertitude, et les pays seront préoccupés par les problèmes de sécurité.
Le calcul traite de la « complexité », et le calcul traite de la « complexité ». L'écriture d'une composition est un processus de calcul, mais elle n'utilise pas de chiffres ni de graphiques, mais des symboles textuels. .
Les êtres humains ne peuvent pas maîtriser complètement le monde, mais ils peuvent essayer de comprendre le monde. Ce type d'intelligence donnera naissance à de nouvelles catégories et pensées philosophiques.
Le dernier livre sur la relation entre le cerveau et les ordinateurs publié par von Neumann de son vivant était "L'ordinateur et le cerveau"), von Neumann a résumé son point de vue et Il a reconnu que non seulement le cerveau était bien plus complexe qu'une machine, mais que le cerveau semblait remplir ses fonctions selon des modalités différentes de celles qu'il avait initialement imaginées. De manière presque concluante, il a conclu que les ordinateurs binaires étaient totalement inadaptés à la simulation du cerveau. C'est parce qu'il a presque conclu que la structure logique du cerveau est complètement différente de la structure logique de la logique et des mathématiques. Ensuite, « du point de vue de l'évaluation des mathématiques ou du discours logique réellement utilisé par le système nerveux central, les mathématiques que nous utilisons. utiliser La forme externe est totalement inadaptée à un tel travail.”
Des recherches scientifiques récentes le confirment également. Les découvertes du neuroscientifique français Romain Brette remettent fondamentalement en question la cohérence de l’architecture sous-jacente du cerveau et des ordinateurs, connue sous le nom de codage neuronal. Influencés par la métaphore entre le cerveau et l'ordinateur, les scientifiques ont déplacé la connexion entre les stimuli et les neurones d'un sens technique vers un sens représentationnel dans lequel le codage neuronal représente minutieusement le stimulus. En fait, la manière dont le réseau neuronal transmet le signal à la « structure en aval » de l’observateur idéalisé dans le cerveau de manière optimale est encore inconnue et n’est pas claire, même dans des hypothèses de modèles simples. Cette métaphore conduit donc les scientifiques à se concentrer uniquement sur les connexions entre les sensations et les neurones, tout en ignorant le véritable impact du comportement des animaux sur les neurones.
Les résultats de l'étude du neuroscientifique hongrois Gyorgi Bussaki sont encore plus radicaux. Dans son livre The Brain Inside Out, Bussaki souligne que le cerveau ne représente pas réellement l’information en la codant, mais qu’il la construit. Selon lui, le cerveau n'accepte pas simplement passivement les stimuli et les représente ensuite par le biais d'un codage neuronal, mais recherche activement diverses possibilités pour tester diverses options possibles. Il s’agit sans aucun doute d’un renversement complet de la métaphore de l’utilisation des ordinateurs comme métaphore du cerveau.
Que ce soit du point de vue de la science du cerveau ou de l'informatique, la durée de vie métaphorique consistant à comparer le cerveau à un ordinateur risque de ne plus durer. Cobb a vivement souligné que ce type de métaphore a été appliqué à la recherche sur ordinateur, aveuglant les gens et réduisant la portée de la recherche réelle.
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
