


Jumeaux numériques et perspectives de développement de l'intelligence artificielle en 2024
L'intelligence artificielle (IA) et les jumeaux numériques sont des domaines technologiques qui ont beaucoup retenu l'attention et sont largement utilisés. Voici quelques-unes de leurs tendances :
1. Mettre en œuvre l'IA générative dans les villes
D'ici 2024, l'intelligence artificielle (IA) jouera un rôle important dans l'élaboration du paysage technologique urbain. Les villes ont déjà fait de grands progrès, notamment en utilisant l’intelligence artificielle dans des domaines tels que la gestion du trafic et les interventions d’urgence. Cependant, le développement marquant des 18 derniers mois a été une meilleure compréhension du potentiel de l’IA générative, en particulier dans l’application des grands modèles de langage (LLM).
L'intelligence artificielle générative, représentée par LLM, démontre la capacité potentielle des villes à améliorer leur efficacité et à promouvoir des interactions uniques avec l'information. Les villes devraient adopter de plus en plus de LLM, principalement pour mieux servir leurs résidents. Cette adoption devrait non seulement accroître l’efficacité et la productivité, mais vise également à combler le fossé entre les besoins des résidents et les solutions opportunes.
Cependant, l’intégration généralisée de l’intelligence artificielle dans les villes se heurte à de nombreux défis. Les problèmes de confidentialité, les risques de cybersécurité et les considérations éthiques, en particulier les biais potentiels dans les résultats de l’IA, sont des problèmes importants auxquels les villes sont confrontées. Les villes doivent élaborer des politiques et des réglementations appropriées pour protéger la vie privée et renforcer les mesures de cybersécurité pour lutter contre les menaces croissantes à la sécurité. De plus, des principes directeurs éthiques et des exigences d'impartialité doivent également être intégrés dans le développement de l'IA
Lorsque les villes envisagent les risques, un équilibre doit être trouvé entre l'obtention des gains de productivité apportés par les outils d'IA et la garantie de l'expérience utilisateur. Les discussions sur l’équité et l’inclusion entourent la formation sur les modèles d’IA et font partie intégrante de la création d’outils conviviaux et pertinents. Cette discussion se déroule dans différents contextes urbains pour garantir que les outils sont équitables et inclusifs.
D’ici 2024, les dirigeants des villes s’appuieront de plus en plus sur les jumeaux numériques pour résoudre les défis urbains. Cependant, la complexité technique des jumeaux numériques augmente également progressivement. Les villes sont confrontées à la décision d’affiner les modèles existants ou de s’appuyer sur des modèles pré-entraînés. Grâce à une combinaison d’expérience et de pilotage, les villes peuvent trouver les moyens d’interagir au mieux avec ces outils. De telles décisions fourniront aux dirigeants municipaux de meilleures orientations pour répondre aux besoins du développement urbain.
Même si les gens sont enthousiasmés par le potentiel de l’intelligence artificielle, il est également reconnu que même certains chercheurs scientifiques en savent encore très peu sur cette technologie. Bien que des modèles et des ensembles de formation de plus grande taille conduisent à de meilleures performances, de petites différences dans la formation et le déploiement des modèles nécessitent encore une exploration et une expérimentation.
En 2024, la ville est entrée dans une période d’essais et d’erreurs, inévitable. Pendant cette période, les organisations peuvent être confrontées à des incidents de protection des données et à des utilisations abusives, ce qui incitera les citoyens à exiger davantage de protections lors de l'utilisation d'outils d'IA générative. En outre, la désinformation générée par l’intelligence artificielle pourrait avoir des implications juridiques, en particulier dans des contextes tels que le commerce municipal réglementé. Les villes doivent donc mettre en place des mesures fortes pour résoudre ce problème important. Au cours de cette période d’essais et d’erreurs, les villes tireront des leçons pour façonner une intégration généralisée et responsable de l’IA.
2. Établir une réglementation de l'intelligence artificielle au niveau local
Lorsqu'il s'agit de réglementer l'utilisation de l'intelligence artificielle dans les villes et d'équilibrer les politiques gouvernementales nationales et locales, certaines questions complexes doivent être soigneusement examinées.
Le défi de la législation actuelle est le développement rapide de la technologie, surtout au cours de la dernière année. En 2024, il y aura une incertitude quant aux capacités des technologies émergentes. La question est de savoir si LLM connaîtra cela si de nouveaux acteurs influents comme OpenAI et Anthropic remodèlent le paysage technologique, ou si des géants établis comme Google et Microsoft maintiennent leur domination grâce à des acquisitions ou à une large intégration de la technologie.
Les villes peuvent être la force motrice dans l'élaboration de lignes directrices pour l'utilisation du LLM au niveau local
Au niveau du gouvernement national, il y a généralement plus de délibérations et d'attention aux questions théoriques entourant la politique technologique. Cependant, les villes sont connues pour leur caractère proactif et leur capacité à mettre en œuvre et à adopter de nouvelles technologies plus rapidement. Les villes utilisent déjà des outils d’IA dans le cadre des entreprises et des services publics, mais souvent sans réglementation spécifique. L’utilisation de ces outils est un secret de Polichinelle, et les villes comprennent de manière proactive comment les employés utilisent l’IA dans le but d’établir des pratiques sûres minimisant les risques pour les résidents.
Les villes peuvent être la force motrice dans l’élaboration de lignes directrices pour l’utilisation du LLM au niveau local. Reconnaissant la nécessité d’une réglementation en l’absence d’un cadre national clair, les villes peuvent prendre l’initiative d’élaborer des lignes directrices pour régir l’utilisation responsable de l’IA. Cela reflète une réponse pragmatique à l’évolution du paysage technologique et un engagement à garantir que les avantages de l’IA soient exploités sans compromettre le bien-être des résidents.
La réglementation de l'IA dans les villes se déroule comme un processus dynamique et décentralisé, les villes prenant l'initiative de s'adapter aux avancées technologiques et d'élaborer des lignes directrices pour relever les défis pratiques posés par l'utilisation de l'IA dans un environnement technologique en constante évolution. Parvenir à l'agilité. et la réactivité.
3. Adoption continue des jumeaux numériques dans les villes
L'utilisation des jumeaux numériques dans les villes continuera de croître jusqu'en 2024, et leur polyvalence commencera à en faire un outil important pour les urbanistes et les dirigeants.
Les demandes des résidents pour une croissance des infrastructures plus rapide et plus résiliente poussent les villes à explorer des solutions innovantes. Les jumeaux numériques offrent la possibilité de cartographier et de comprendre de manière exhaustive l’infrastructure physique d’une ville. Ceci est particulièrement important dans les villes plus anciennes, où les projets exposent souvent des canalisations, des câbles et même des tunnels inattendus. La cartographie précise fournie par les jumeaux numériques permet une meilleure planification et simulation, en particulier face aux impacts croissants du changement climatique tels que l'élévation du niveau de la mer.
D'ici 2024, les dirigeants des villes se tourneront de plus en plus vers les jumeaux numériques pour relever les défis de la construction de logements plus rapides et plus denses et de la planification des technologies émergentes comme la conduite autonome. Les capacités de simulation des jumeaux numériques permettent aux planificateurs d'évaluer des scénarios allant des projets d'infrastructure à l'intégration future des modes de transport.
Il existe toujours un lien entre le battage médiatique autour des mondes virtuels et des jumeaux numériques, mais les villes se concentrent principalement sur l'utilisation des jumeaux numériques pour résoudre des problèmes concrets et réels. Le moteur de l’adoption des jumeaux numériques est leur capacité à résoudre des défis du monde réel, améliorant ainsi la qualité de vie des citoyens.
Malgré le potentiel fascinant d'engagement communautaire dans les univers virtuels, en particulier parmi les jeunes générations habituées aux interactions sociales en ligne, les principales utilisations des jumeaux numériques restent ancrées dans la résolution des défis physiques des villes. Les dirigeants municipaux peuvent donner la priorité aux avantages tangibles des jumeaux numériques dans l’amélioration des infrastructures plutôt que de se concentrer sur les aspects virtuels et sociaux associés aux mondes virtuels.
4. Pilotes de transport autonome
Malgré les récents défis réglementaires, on peut s'attendre à une augmentation du déploiement de navettes et de chauffeurs de bus autonomes. Compte tenu de la pénurie persistante de chauffeurs d’autobus et de personnel de transport en commun, les villes reconnaissent la valeur des transports en commun autonomes, en particulier ceux capables d’accueillir un plus grand nombre de passagers.
D’un autre côté, l’adoption généralisée des avions électriques à décollage et atterrissage verticaux (eVTOL) dans le ciel semble être une vision plus lointaine. Même si les projets pilotes et les partenariats sont prometteurs, des défis pratiques tels que la planification des vertiports et le contrôle du bruit demeurent, sans parler de la complexité de l'environnement réglementaire.
Justifier de tels investissements pilotes face à des problèmes de transport urbain plus immédiats et plus urgents peut être difficile.
Bien que les eVTOL aient des cas d'utilisation intéressants, notamment dans des domaines tels que la recherche et le sauvetage et le transport médical, l'idée de passagers faisant régulièrement la navette entre les hubs régionaux dans les eVTOL est une vision à long terme.
Le public est las du public lorsqu'il s'agit de projets qui, bien que potentiellement utiles, sont considérés comme tape-à-l'œil. Alors que le public cherche des solutions aux problèmes de transport en commun, de congestion et de sécurité, les dirigeants des villes et les maires du monde entier pourraient avoir du mal à maintenir leur soutien à de tels projets pilotes.
Justifier de tels investissements pilotes face à des problèmes de transport urbain plus immédiats et plus urgents peut être difficile. À mesure que nous progressons, l’accent sera probablement mis sur des solutions pratiques et efficaces qui répondent directement aux défis quotidiens auxquels sont confrontés les résidents des environnements urbains.
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
