


Ape Programming : préparer l'éducation à la future ère de l'intelligence artificielle
Le 17 octobre, la conférence GET Education Technology 2023 s'est ouverte à Pékin. Ape Programming a été invité à participer à l'exposition. Le fondateur Li Yi a prononcé un discours sur le thème « Cultiver la jeunesse technologique à l'ère de l'intelligence artificielle ». Il a souligné que dans le contexte social actuel marqué par le développement rapide des technologies de l'information et de l'intelligence artificielle, il est crucial de former la jeunesse technologique avec l'alphabétisation des « Quatre Uns ».
Le fondateur d'Ape Programming, Li Yi, a prononcé un discours sur "Cultiver la jeunesse technologique à l'ère de l'intelligence artificielle"
Les « Quatre Uns » incluent : maîtriser les langages de programmation, développer la pensée informatique, avoir des capacités créatives et avoir une vision de l'avenir. Grâce à la culture des « Quatre Uns », la maîtrise des compétences des enfants, leur compréhension technologique et leurs connaissances scientifiques à l'ère de l'intelligence artificielle sont améliorées, de sorte que l'apprentissage de la programmation par les enfants n'est plus seulement un « petit intérêt », mais un « grand idéal » avec l'avenir. vision. ".
« Petits intérêts » fait référence à l'utilisation de jeux, de modèles et d'autres choses qui les intéressent comme guides lorsque les enfants commencent à apprendre la programmation. Même les enfants d'à peine cinq ou six ans peuvent utiliser des modules qui encapsulent des programmes pour créer des bateaux-dragons pouvant être contrôlés par la voix, des coffres-forts pouvant être définis avec des mots de passe, etc. Ce type de création directe rend la programmation amusante.
Plus tard, au fur et à mesure que le niveau du cours progresse, ApeBusiness utilise des connaissances technologiques et des cas réels appliqués dans divers domaines pour faire comprendre aux enfants que la programmation peut résoudre des problèmes réels, tels que la recommandation d'algorithmes, les prévisions météorologiques, les appels vidéo, etc. Les enfants peuvent apprendre les codes pertinents, écrire leurs propres mini-programmes et partager les mini-programmes avec d'autres via la plateforme. Le sentiment d'accomplissement et de responsabilité généré par la résolution de problèmes et le partage du travail est le « grand idéal » qui peut guider l'apprentissage à long terme des enfants.
Li Yi a déclaré que l'industrie actuelle des programmes pour enfants met l'accent sur « l'externalisation des effets », c'est-à-dire que pour ce type d'éducation non rigide, les parents devraient être en mesure de voir immédiatement les résultats éducatifs. Mais il espère également que les gens de l'industrie pourront « internaliser » leurs connaissances sur les compétences en programmation et les technologies futures, afin d'avoir un impact plus profond sur les enfants. "L'une s'appelle la technologie éducative et l'autre l'éducation technologique. Pour nous, nous devons avoir les deux caractéristiques. La technologie éducative fait référence à l'amélioration des méthodes éducatives par des moyens technologiques, tandis que l'éducation technologique fait référence au contenu pédagogique qui peut rendre les enfants meilleurs." s’adapter aux évolutions technologiques futures.
Afin de mettre en œuvre ce concept, Ape Programming cultive non seulement les compétences en codage, mais considère également les technologies futures comme une formation générale. Li Yi a expliqué que pour les enfants ayant du potentiel en programmation, une exposition précoce aux connaissances pertinentes les aidera à devenir les meilleurs talents dans les industries connexes à l'avenir, en plus d'aider à former les meilleurs talents, cela permettra également aux enfants d'acquérir des connaissances et des compétences communes dans le domaine ; À l'ère de l'intelligence artificielle, atteindre les normes du modèle « Quatre uns » est également un objectif important de la conception du système pédagogique. « Il ne fera peut-être pas de recherche et de développement de base sur l'intelligence artificielle à l'avenir, mais il possède certaines qualités de base nécessaires à cette époque. .."
Li Yi a présenté qu'Ape Programming a développé 7 laboratoires pour différentes étapes et domaines d'apprentissage du codage, notamment un laboratoire de robotique, un laboratoire Internet, un laboratoire d'intelligence artificielle, etc. "Quand les enfants apprennent la programmation, c'est comme aller dans un parc d'attractions. Chaque manège a sa propre particularité. On dirait qu'ils jouent tous, mais la sensation de jouer est différente. Ils passent d'un domaine à l'autre, et puis il y a ce genre de spirale "À l'avenir, Ape Programming continuera d'optimiser et d'itérer en termes de systèmes de contenu et de services, et continuera à travailler dur pour préparer l'éducation dans la future ère de l'intelligence artificielle.
Source : Guangming.com
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
