Table des matières
Expérience utilisateur
Efficacité et performance
Sécurité
Maison Périphériques technologiques IA L'impact de la Gen AI sur la prochaine génération de transports

L'impact de la Gen AI sur la prochaine génération de transports

Mar 06, 2024 pm 02:50 PM
人工智能 交通 gen ai

La prochaine génération de transports repose sur l'électronique, la durabilité et l'expérience au cœur de sa conception. La génération AI a un impact sur chaque mode de l'écosystème de transport de nouvelle génération envisagé. Le marché s'articule autour de cinq domaines d'intervention spécifiques : EV (véhicules électriques), AV (véhicules autonomes), Micro mobilité (connectivité du premier kilomètre), Hyperloops (transports publics ultra-rapides) et UAM (mobilité aérienne urbaine). Les évolutions et changements sont nombreux, comme l'eVOLT (décollage et atterrissage vertical électrique) ou la signalisation intégrée pour la gestion du contrôle du trafic. De nombreux domaines évoluent, tels que l'intégration intermodale (intégration transparente des itinéraires), la durabilité (conception des véhicules), la connectivité et l'automatisation (gestion du trafic, alternatives), la mobilité partagée (partage des ressources et réduction de l'empreinte des véhicules). La transformation du secteur des transports offre des opportunités infinies à la génération IA en tant qu’élément important de la technologie native.

Gen AI对下一代交通领域的影响

La Gen AI a révolutionné les domaines de la conduite autonome, de l'optimisation d'itinéraires, de l'évitement d'obstacles et de l'autogestion (stationnement, angles morts, etc.). Cependant, nous devons élargir nos horizons pour gérer efficacement l’environnement et parvenir à un transport sans souci. Nous nous concentrerons sur 3 domaines clés : l'expérience utilisateur, l'efficacité et la performance, et la sécurité.

Expérience utilisateur

L'expérience avant de faire un trajet peut être divisée en deux domaines différents : l'expérience d'achat et l'expérience de sélection de trajet. La génération AI peut influencer les décisions d'achat en fonction des fonctionnalités, des préférences personnelles, de l'abordabilité, de la durabilité et des coûts d'assurance complets basés sur l'historique de conduite. Dans le processus, en utilisant des casques VR/VR pour les essais routiers et en les combinant avec des données historiques au-delà de l'agrégation des médias sociaux, la génération AI peut personnaliser les sélections de personnages pour changer l'expérience globale de conduite.

La taille du marché des voitures d'occasion devrait être de 31,62 milliards de dollars américains, donc l'analyse des données et les recommandations pour la location, l'achat et les voitures d'occasion sont effectuées via le système Gen AI, l'analyse de l'historique des véhicules basée sur le VIN et la prévision efficace de la durée de vie basée sur les modèles de véhicules, le terrain utilisé par le véhicule, l'historique des accidents, etc., peuvent ajouter de la valeur à l'acheteur.

La sélection des trajets est un autre domaine dans lequel l'IA aura un impact énorme. L'agrégation des modes de déplacement, l'agrégation des données environnementales, la prévision du transport le plus rentable entre les segments, le timing optimal et l'intégration des transports seront la clé d'un transport efficace. La génération AI jouera un rôle clé dans le transport urbain grâce à sa capacité à prédire les itinéraires optimaux et les options de transport rentables. Il existe d'autres domaines, notamment les POI et la gestion du budget de voyage/mois, qui seront efficacement transférés vers les meilleures applications de voyage basées sur Gen-AI.

Efficacité et performance

L'efficacité et la performance dans les transports urbains sont un autre domaine avec une gamme de cas d'utilisation qui peuvent être efficacement servis grâce à l'intégration de la génération AI. Si la maintenance prédictive, l’inspection et l’analyse à distance des composants internes font en tout cas partie de la norme. La génération AI peut fournir des conseils en temps réel aux conducteurs en recommandant l'accélération et le freinage, plusieurs paramètres clés qui contrôlent la longévité des véhicules électriques, en fonction de l'environnement (trafic, météo) et du flux de circulation attendu. La génération AI peut contribuer à activer des mécanismes adaptatifs de freinage et de régénération en déterminant la quantité d’énergie temporairement stockée et les mécanismes permettant de la dissiper ou de la réintroduire dans le système en fonction du scénario. Gen AI peut gérer efficacement le contrôle du groupe motopropulseur et ajuster la puissance délivrée en optimisant le couple délivré dans des situations spécifiques en fonction des prédictions des données en temps réel.

Les performances des véhicules sont affectées par de nombreux facteurs, parmi lesquels le climat et le terrain sont les plus importants. Une autonomie est définie pour chaque changement de véhicule, mais la consommation réelle dépend de la climatisation et du terrain de conduite. Par rapport aux routes plates, la conduite sur terrain vallonné consomme 10 à 20 % d’énergie en plus. La technologie Gen AI peut être utilisée efficacement pour la planification de voyages, la détermination de la fréquence de recharge et la sélection optimale de distance et de terrain en fonction des itinéraires. Ce système avancé d'intelligence artificielle peut analyser la situation réelle du véhicule et fournir au conducteur les meilleures suggestions pour améliorer l'efficacité de la conduite et économiser la consommation d'énergie. Grâce à la puissance de calcul intelligente de la génération AI, la conduite d'une

micromobilité composée d'un réseau de stations d'accueil, de points de recharge, d'intégration des transports, de sécurité et de planification du terrain peut être facilement réalisée à l'aide des prédictions basées sur la génération AI, de l'état actuel de l'inventaire d'une station d'accueil spécifique. points. Temps de transfert, temps de trajet moyen en fonction de l'âge, du sexe, des modèles de micromobilité, de la santé des utilisateurs, etc.

Le comportement de conduite peut être ajusté en fonction du profil du conducteur, y compris le rôle, le contrôle de la suspension, la direction, le freinage et l'accélération, et est prédit avec précision par la génération AI.

Sécurité

La sécurité dans les transports de nouvelle génération offre un large éventail d'opportunités grâce à la génération AI, dont certaines sont déjà mises en œuvre dans des espaces facilement accessibles, comme la reconnaissance faciale et le contrôle des portes. Mais d’un autre côté, la surface d’attaque augmente avec les communications externes, notamment le V2X utilisant DSRC (Directed Short Range Communications) ainsi que les technologies WIFI et cellulaires standards. GenAI peut être intégré aux systèmes de sécurité pour jouer un rôle clé dans l'analyse des modèles et la génération de trafic utilisable. Les calculateurs s'appuient fortement sur des systèmes d'exploitation en temps réel tels qu'Autosar, QNX ou des versions personnalisées, et il existe une gamme d'attaques de sécurité possibles. Les systèmes basés sur GenAI peuvent détecter les modèles de trafic et émettre des alertes ou empêcher les modifications de paramètres non standard. Gen AI, utilisé pour gérer l'état valide de divers paramètres vulnérables, peut être géré dans un espace de noms isolé et renvoyer les paramètres valides à l'ECU pour fonctionnement.

Bien que la génération AI ouvre de nombreuses possibilités pour la modernisation des transports, de nouveaux mécanismes et données synthétiques permettant de modéliser efficacement des scénarios prendront du temps. Espérons qu’à mesure que la génération AI élargira ses capacités et deviendra plus efficace dans l’interprétation de la logique, elle pourra changer radicalement le secteur des transports dans les années à venir.

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

AI Hentai Generator

AI Hentai Generator

Générez AI Hentai gratuitement.

Article chaud

R.E.P.O. Crystals d'énergie expliqués et ce qu'ils font (cristal jaune)
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Meilleurs paramètres graphiques
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Comment réparer l'audio si vous n'entendez personne
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
Où trouver la courte de la grue à atomide atomique
1 Il y a quelques semaines By DDD

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.

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

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.

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

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.

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