


L'académicien Liu Jingnan discute de la relation entre l'intelligence naturelle et l'intelligence artificielle
Liu Jingnan pense quel'intelligence artificielle peut être comprise et définie du point de vue de l'intelligence naturelle et de la perspective espace-temps ("Journal of Surveying and Mapping", numéro 4, 2020 Liu Jingnan, et al. : "Rethinking Ubiquitous Surveying and La cartographie à l'ère de l'intelligence").
Actuellement, les réseaux d'information évoluent vers l'Internet des objets et les réseaux omniprésents. Ils sont pilotés par le big data, une puissance de calcul plus puissante et des méthodes informatiques plus intelligentes, ce qui donne lieu à une nouvelle génération d'intelligence artificielle, c'est-à-dire des ordinateurs capables de capacités d'apprentissage et de réflexion. Dans le même temps, afin de réaliser la gestion intelligente et le contrôle collaboratif du monde physique par les réseaux informatiques, le système cyber-physique CPS (également connu sous le nom de réseau omniprésent) a émergé au fur et à mesure que les temps l'exigent, et est intégré à l'intelligence artificielle pour accélérer la production et la consommation sociales d'industrialisation en industrialisation. Avec le passage à l'automatisation et à l'intelligence, les êtres humains sont entrés dans l'ère de l'intelligence. L'intelligence est la capacité de perception biologique, de cognition et d'adaptation à l'environnement naturel. La biologie est intelligente car elle peut percevoir les changements dans le monde extérieur et, en reconnaissant les avantages et les inconvénients des changements, agir. Après avoir pris une décision, elle s'ajuste pour obtenir des avantages et éviter les inconvénients. Pour atteindre cet objectif, il est nécessaire de le faire. trouver le lieu, l'heure, l'orientation, la posture précis, etc. pour s'ajuster. Par conséquent, le cœur de l'intelligence biologique dans la nature est de percevoir, de faire des choix et des comportements qui recherchent des avantages et évitent les inconvénients en fonction de l'emplacement précis dans le temps et dans l'espace des changements. dans le monde extérieur.
Par conséquent, l'intelligence naturelle peut être définie comme la capacité des êtres vivants à percevoir les changements dans le monde extérieur, à apprendre et à se souvenir pour former des expériences, s'élever à la cognition, prendre des décisions pour s'adapter aux changements dans le monde extérieur et à leurs propres besoins de sécurité, et se réguler ou changer localement à un moment et un lieu précis. L'état du monde extérieur pour atteindre l'objectif de rechercher des avantages et d'éviter les inconvénients. L'intelligence peut résoudre les problèmes actuels, tandis que la sagesse peut résoudre les problèmes futurs et inconnus. l'avenir grâce à l'expérience et aux connaissances formées par la perception et la cognition. Changements dans le monde extérieur à un moment et à un lieu donnés, et autorégulation à l'avance pour changer l'état de soi ou d'une partie du monde extérieur afin d'obtenir des avantages et d'éviter tout préjudice. Ce type de régulation est souvent basé sur des positions temporelles et spatiales précises pour coordonner avec précision plusieurs comportements et actions visant à changer le monde extérieur. Par conséquent, la capacité de se positionner, de naviguer et de connaître l'heure est la capacité de survie innée des êtres vivants pour obtenir des avantages et. éviter les inconvénients et appartient à l'intelligence naturelle. En ce sens, la cartographie consiste à percevoir, enregistrer et exprimer quelque chose qui se produit à un moment et à un lieu, puis à aider le processus et les moyens de cognition, de communication et de prise de décision. extension des méthodes techniques de comportements intelligents tels que le positionnement humain, la navigation et le timing.
En résumé, l'intelligence et la sagesse sont des capacités uniques au monde biologique.L'intelligence artificielle consiste à donner l'intelligence biologique de la nature (y compris l'intelligence et la sagesse humaines) aux machines et aux environnements grâce à la technologie et aux méthodes, afin que les machines et les environnements puissent le faire. percevoir, reconnaître les changements dans le monde extérieur et effectuer la gestion et la réglementation correspondantes pour rechercher des avantages et éviter les inconvénients.
Définir l'intelligence artificielle sur la base de la définition de l'intelligence naturelle est plus précis et plus universel que la définition actuelle de l'intelligence artificielle utilisée par l'industrie informatique comme le test de Turing pour "faire percevoir et penser les machines comme les humains". de l'intelligence artificielle. La connotation de 6 types d'intelligence tels que la perception, l'apprentissage, la cognition, la prise de décision, la régulation et même l'émotion. L'intelligence artificielle devrait inclure au moins 5 types de connotation d'intelligence à l'exception de l'émotion. L'intelligence du règne animal dépasse de loin Outre les êtres humains, donner l'intelligence perceptuelle et l'intelligence de groupe du monde animal aux machines et à l'environnement est un axe de recherche majeur de l'intelligence artificielle.
L'intelligence naturelle (NI) fait référence à la capacité des gens à produire des comportements précieux grâce à des opérations cérébrales et à la prise de décision. Ces comportements comprennent la pensée et la prise de décision du cerveau humain, l'audition et le jugement des oreilles, la vision et le jugement des yeux, l'odorat et le jugement du nez, le toucher et le jugement de la peau, etc., et se reflètent dans tous les aspects du comportement humain.
L'intelligence artificielle (IA) utilise des machines pour remplacer les personnes et réaliser des comportements intelligents possédés par les humains. La phrase peut être réécrite comme ceci : elle fait principalement référence aux ordinateurs, aux données et aux logiciels associés, et peut même couvrir les équipements terminaux intelligents associés. À l'heure actuelle, les domaines techniques relativement matures pour les applications de l'intelligence artificielle comprennent les jeux sur machines (robots intelligents), la reconnaissance vocale, la reconnaissance d'images (texte, empreintes digitales, visages, etc.), ainsi que l'analyse et la prédiction de données fournies par des capteurs. Les principales disciplines de recherche en intelligence artificielle couvrent l'informatique, la théorie de l'information, la cybernétique, l'automatisation, la bionique, la biologie, la psychologie, la logique mathématique, la linguistique, la médecine et la philosophie, etc.
Le Machine Learning (ML) est l'étude scientifique des algorithmes et des modèles statistiques, qui sont utilisés par les systèmes informatiques pour effectuer efficacement des tâches spécifiques sans utiliser d'instructions explicites, mais en s'appuyant sur des modèles et un raisonnement. Elle est considérée comme un sous-ensemble de l’intelligence artificielle et constitue le cœur de l’intelligence artificielle. L'apprentissage automatique doit « apprendre » à l'aide de données. L’apprentissage automatique peut être divisé en apprentissage supervisé, apprentissage semi-supervisé, apprentissage non supervisé et apprentissage par renforcement.
Le Deep Learning (DL) (également connu sous le nom d'apprentissage structuré profond ou apprentissage hiérarchique) fait partie d'une famille de méthodes d'apprentissage automatique basées sur l'apprentissage de représentations de données, plutôt que sur des algorithmes spécifiques à des tâches. L’apprentissage profond s’inspire des modèles de traitement de l’information et de communication dans les systèmes nerveux biologiques, mais diffère de la structure et du fonctionnement des cerveaux biologiques. Actuellement, les architectures d'apprentissage profond, telles que les réseaux neuronaux profonds, les réseaux de croyance profonde et les réseaux neuronaux récurrents, ont été utilisées dans la vision par ordinateur, la reconnaissance vocale, le traitement du langage naturel, la reconnaissance audio, le filtrage des réseaux sociaux, la traduction automatique, la bioinformatique, la conception de médicaments, et médecine Analyse d'images et autres domaines.
(Les concepts ci-dessus et leurs relations sont des créations originales du blogueur CSDN "Simple Little Bitter Melon", lien original : https://blog.csdn.net/weixin_44482877/article/details/122273597)
La sélection d'articles ci-dessus est un moyen pour l'auteur d'explorer les organismes à base de silicium et la vie à base de carbone dans son ensemble, ou d'explorer la méthodologie cognitive de l'interface cerveau-ordinateur, afin de comprendre la bionique et les réseaux neuronaux du cerveau.
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'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

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.

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 Web du 5 juillet, GlobalFoundries a publié un communiqué de presse le 1er juillet de cette année, annonçant l'acquisition de la technologie de nitrure de gallium (GaN) et du portefeuille de propriété intellectuelle de Tagore Technology, dans l'espoir d'élargir sa part de marché dans l'automobile et Internet. des objets et des domaines d'application des centres de données d'intelligence artificielle pour explorer une efficacité plus élevée et de meilleures performances. Alors que des technologies telles que l’intelligence artificielle générative (GenerativeAI) continuent de se développer dans le monde numérique, le nitrure de gallium (GaN) est devenu une solution clé pour une gestion durable et efficace de l’énergie, notamment dans les centres de données. Ce site Web citait l'annonce officielle selon laquelle, lors de cette acquisition, l'équipe d'ingénierie de Tagore Technology rejoindrait GF pour développer davantage la technologie du nitrure de gallium. g
