lokasi sekarang:Rumah > Artikel teknikal > Peranti teknologi > AI
- Arah:
- semua web3.0 pembangunan bahagian belakang hujung hadapan web pangkalan data Operasi dan penyelenggaraan alat pembangunan rangka kerja php pengaturcaraan harian applet WeChat masalah biasa lain teknologi Tutorial CMS Java Tutorial sistem tutorial komputer Tutorial Perkakasan Tutorial mudah alih Tutorial perisian Tutorial permainan mudah alih
- Mengelaskan:
-
- Daripada reka bentuk bahan dan sintesis kepada inovasi pemangkin dan neutraliti karbon, pasukan Tsinghua Wang Xiaonan meneroka sempadan dan pelaksanaan 'bahan AI+'
- Pengarang |. Editor Wang Xiaonan dari Universiti Tsinghua |. Daripada storan tenaga kepada teknologi maklumat kepada bioperubatan, reka bentuk, sintesis dan pencirian kefungsian bahan-bahan inovatif adalah asas kejayaan dalam bidang ini. Penyelidikan dan pembangunan bahan baharu telah menunjukkan trend kejayaan dalam banyak bidang. Dari segi penyimpanan tenaga, penyelidik sedang berusaha untuk membangunkan bahan bateri yang lebih cekap dan selamat untuk memenuhi keperluan penyimpanan tenaga boleh diperbaharui. Pada masa yang sama, kemajuan teknologi maklumat juga telah mendorong saintis bahan untuk mengikuti kemajuan berterusan teknologi kecerdasan buatan (AI) Aplikasinya dalam penyelidikan bahan baharu telah membuka paradigma penyelidikan baharu dan menjadi tenaga produktif baharu yang mengatasi tradisional model R&D. istimewa
- AI 1490 2024-04-29 21:19:01
-
- Cabaran Elit Perisian Huawei telah berjaya diadakan selama sepuluh kali, dan lebih daripada 2,000 elit perisian telah menyertai Huawei
- Pada 28 April 2024, acara anugerah dan majlis anugerah global Huawei Software Elite Challenge 2024-"Planck Project" ke-10 telah berakhir dengan jayanya. Berlangsung dua bulan, hampir 30,000 pemain dan lebih 5,700 pasukan daripada lebih 800 universiti di seluruh dunia bersaing hebat di peringkat awal serantau, separuh akhir serantau dan peringkat akhir global bagi lapan kawasan pertandingan utama Pada akhirnya, Beijing-Tianjin Bahagian Timur Laut datang dari Institut Teknologi Harbin Pasukan "Bintang Yuanmeng" memenangi kejuaraan global dalam satu masa dan memenangi hadiah 200,000 yuan. Gambar kumpulan finalis Cabaran Elit Perisian Huawei 2023 Juara global Cabaran Elit Perisian Huawei 2024 ialah pertandingan pengaturcaraan perisian berskala besar yang dianjurkan oleh Huawei untuk pelajar kolej di seluruh dunia tema "Planck Plan", ia bertujuan untuk Mencari
- AI 503 2024-04-29 19:22:29
-
- Daya hidup kecerdasan super membangkitkan! Tetapi dengan kedatangan AI yang mengemas kini sendiri, ibu tidak perlu lagi bimbang tentang kesesakan data
- Saya menangis hingga mati. Dunia sedang membina model besar. Data di Internet tidak mencukupi. Model latihan kelihatan seperti "The Hunger Games", dan penyelidik AI di seluruh dunia bimbang tentang cara memberi makan data ini kepada pemakan yang rakus. Masalah ini amat ketara dalam tugas berbilang modal. Pada masa mereka mengalami kerugian, pasukan pemula dari Jabatan Universiti Renmin China menggunakan model baharu mereka sendiri untuk menjadi yang pertama di China untuk menjadikan "suapan data yang dijana model itu sendiri" menjadi kenyataan. Selain itu, ia merupakan pendekatan serampang dua mata dari segi pemahaman dan sisi penjanaan Kedua-dua pihak boleh menjana data baharu berbilang modal yang berkualiti tinggi dan memberikan maklum balas data kepada model itu sendiri. Apakah model? Awaker 1.0, model berbilang modal besar yang baru sahaja muncul di Forum Zhongguancun. Siapa pasukan itu? Enjin Sophon. Diasaskan oleh Gao Yizhao, pelajar kedoktoran di Sekolah Kecerdasan Buatan Hillhouse Universiti Renmin.
- AI 1168 2024-04-29 18:55:14
-
- Kenal pasti overfitting dan underfitting melalui lengkung pembelajaran
- Artikel ini akan memperkenalkan cara mengenal pasti pemasangan lampau dan kekurangan dalam model pembelajaran mesin secara berkesan melalui keluk pembelajaran. Underfitting dan overfitting 1. Overfitting Jika model terlampau latihan pada data sehingga ia mempelajari bunyi daripadanya, maka model tersebut dikatakan overfitting. Model yang dipasang terlebih dahulu mempelajari setiap contoh dengan sempurna sehingga ia akan salah mengklasifikasikan contoh yang tidak kelihatan/baharu. Untuk model terlampau, kami akan mendapat skor set latihan yang sempurna/hampir sempurna dan set pengesahan/skor ujian yang teruk. Diubah suai sedikit: "Punca overfitting: Gunakan model yang kompleks untuk menyelesaikan masalah mudah dan mengekstrak bunyi daripada data. Kerana set data kecil sebagai set latihan mungkin tidak mewakili perwakilan yang betul bagi semua data. 2. Underfitting Heru
- AI 1341 2024-04-29 18:50:15
-
- Revolusi Industri 4.0: Rangka Tindakan Empat Fasa untuk Kejayaan Penyelenggaraan Ramalan
- Mereka bentuk penyelesaian penyelenggaraan ramalan untuk Industri 4.0 mewakili anjakan paradigma dalam cara perniagaan mengekalkan dan beroperasi. Pencegahan proaktif terhadap cabaran operasi melalui penggunaan teknologi penyelenggaraan ramalan termaju adalah aspek utama era perindustrian baharu ini. Penyelesaian ini bukan sahaja membantu menjana aliran hasil baharu dan menjimatkan kos, tetapi juga memainkan peranan penting dalam mencegah masa henti dan masa henti pengeluaran. Dalam era Industri 4.0, syarikat perlu menggunakan peranti dan penderia IoT pintar untuk mengumpul dan menganalisis sejumlah besar data pengeluaran. Data ini boleh digunakan untuk meramalkan kegagalan peralatan dan keperluan pembaikan. Dengan menggunakan teknologi penyelenggaraan ramalan ini, syarikat boleh mengenal pasti masalah yang berpotensi lebih awal dan mengambil tindakan yang sewajarnya, meminimumkan masa henti dan gangguan pengeluaran. Pendekatan proaktif untuk penyelenggaraan pencegahan ini boleh
- AI 492 2024-04-29 18:22:23
-
- Apakah pencapaian AI generatif dalam bidang pembangunan permainan video?
- AI Generatif membawa cara baharu yang menarik untuk pembangun permainan video untuk mencipta kandungan yang menarik, visual realistik dan pengalaman permainan yang mengasyikkan. Dalam artikel ini, kami akan meneroka melalui satu siri contoh praktikal bagaimana AI generatif boleh meningkatkan dan mempercepatkan pembangunan permainan. Apakah yang boleh dilakukan oleh AI generatif? Mari kita mulakan dengan memecahkan beberapa elemen utama dalam pembangunan permainan dan lihat cara AI generatif boleh memudahkan proses kreatif: penjanaan prosedur. Persekitaran yang besar, kompleks dan tidak dapat diramalkan dicipta secara algoritma untuk menyampaikan pengalaman permainan yang unik dan dinamik dalam setiap permainan. Penjanaan rupa bumi. AI Generatif boleh membantu menjana rupa bumi yang realistik dan meningkatkan daya tarikan visual dunia permainan. Pemodelan automatik. AI Generatif boleh memudahkan penciptaan model 3D watak dan elemen lain,
- AI 763 2024-04-29 18:04:26
-
- Satu kad menjalankan Llama 70B lebih pantas daripada dua kad, Microsoft hanya meletakkan FP6 ke dalam A100 |
- FP8 dan ketepatan pengiraan titik terapung yang lebih rendah bukan lagi "paten" H100! Lao Huang mahu semua orang menggunakan INT8/INT4, dan pasukan Microsoft DeepSpeed memaksa diri mereka menjalankan FP6 pada A100 tanpa sokongan rasmi daripada Nvidia. Keputusan ujian menunjukkan bahawa kaedah baharu TC-FPx FP6 kuantisasi pada A100 adalah hampir atau kadangkala lebih pantas daripada INT4, dan mempunyai ketepatan yang lebih tinggi daripada yang terakhir. Selain itu, terdapat juga sokongan model besar hujung ke hujung, yang telah bersumberkan terbuka dan disepadukan ke dalam rangka kerja inferens pembelajaran mendalam seperti DeepSpeed. Keputusan ini juga mempunyai kesan serta-merta pada mempercepatkan model besar - di bawah rangka kerja ini, menggunakan satu kad untuk menjalankan Llama, daya pemprosesan adalah 2.65 kali lebih tinggi daripada dua kad. satu
- AI 1235 2024-04-29 16:55:12
-
- Peningkatan AI dalam teknologi pemasaran: Mengubah strategi pemasaran digital
- Dalam dunia pemasaran digital yang sentiasa berkembang, AI telah menjadi alat yang berkuasa untuk jenama yang ingin mengemudi corong pemasaran mereka dengan ketepatan dan kecekapan. Dengan menganalisis corak dan arah aliran dalam set data yang besar, AI membolehkan pemasar memperoleh cerapan berharga tentang tingkah laku pengguna, pilihan dan corak pembelian. Pendekatan dipacu data ini membolehkan jenama menyesuaikan strategi pemasaran pada setiap peringkat corong—daripada kesedaran kepada penukaran—dengan ketepatan yang tiada tandingan. AI menggunakan pembelajaran mesin dan teknologi pembelajaran mendalam untuk mengumpul, menganalisis dan mentafsir sejumlah besar data secara automatik, mengubah data menjadi strategi pemasaran yang boleh diambil tindakan. Kelebihan AI ialah ia secara automatik boleh menemui corak dan trend yang tersembunyi dalam data besar-besaran dan merumuskan strategi pemasaran dengan lebih tepat daripada manusia. Melalui aplikasi AI, pemasar boleh memahami dengan lebih baik
- AI 722 2024-04-29 16:43:10
-
- Xiaohongshu mentafsir pengambilan maklumat daripada mekanisme ingatan dan mencadangkan paradigma baharu untuk mendapatkan EACL Oral
- Baru-baru ini, kertas kerja "GenerativeDenseRetrieval: MemoryCanBeaBurden" daripada pasukan algoritma carian Xiaohongshu telah diterima sebagai Oral oleh EACL2024, sebuah persidangan antarabangsa dalam bidang pemprosesan bahasa semula jadi, dengan kadar penerimaan 11.32% (144/1271). Dalam kertas kerja mereka, mereka mencadangkan paradigma perolehan maklumat baru—Generative Dense Retrieval (GDR). Paradigma ini dapat menyelesaikan dengan baik cabaran yang dihadapi oleh pencarian semula generatif tradisional (GR) apabila berurusan dengan set data berskala besar. Ia diilhamkan oleh mekanisme ingatan. Dalam amalan lalu
- AI 1188 2024-04-29 16:16:07
-
- Evolusi kecerdasan buatan dalam penerokaan angkasa lepas dan kejuruteraan penempatan manusia
- Pada tahun 1950-an, kecerdasan buatan (AI) dilahirkan. Ketika itulah penyelidik mendapati bahawa mesin boleh melakukan tugas seperti manusia, seperti berfikir. Kemudian, pada tahun 1960-an, Jabatan Pertahanan A.S. membiayai kecerdasan buatan dan menubuhkan makmal untuk pembangunan selanjutnya. Penyelidik sedang mencari aplikasi untuk kecerdasan buatan dalam banyak bidang, seperti penerokaan angkasa lepas dan kelangsungan hidup dalam persekitaran yang melampau. Penerokaan angkasa lepas ialah kajian tentang alam semesta, yang meliputi seluruh alam semesta di luar bumi. Angkasa lepas diklasifikasikan sebagai persekitaran yang melampau kerana keadaannya berbeza daripada di Bumi. Untuk terus hidup di angkasa, banyak faktor mesti dipertimbangkan dan langkah berjaga-jaga mesti diambil. Para saintis dan penyelidik percaya bahawa meneroka ruang dan memahami keadaan semasa segala-galanya boleh membantu memahami cara alam semesta berfungsi dan bersedia untuk menghadapi kemungkinan krisis alam sekitar
- AI 811 2024-04-29 15:25:01
-
- Kebangkitan AI seperti manusia: Mengubah pasaran pekerjaan dan tenaga kerja
- Kemunculan kecerdasan buatan sedang membentuk semula pasaran pekerjaan dan tenaga kerja global. Apabila robot AI menjadi semakin canggih dan mampu melaksanakan pelbagai tugas, daripada buruh manual kepada kebolehan kognitif yang kompleks, mereka dijangka merevolusikan industri dan mentakrifkan semula konsep kerja tradisional. Artikel ini meneroka kebangkitan kecerdasan buatan dan kesan transformatifnya terhadap pasaran pekerjaan dan tenaga kerja merentas industri. Automasi tugas rutin: AI cemerlang dalam mengautomasikan tugas rutin dan berulang, membolehkan pekerja manusia menumpukan pada kerja yang lebih kreatif dan strategik. Dalam bidang seperti pembuatan, logistik dan runcit, robot humanoid digunakan untuk melaksanakan tugas seperti operasi barisan pemasangan, pengurusan gudang dan perkhidmatan pelanggan. Walaupun automasi ini meningkatkan kecekapan dan produktiviti, ia juga memerlukan pekerja manusia untuk dilatih semula dan
- AI 495 2024-04-29 13:20:01
-
- Gaussian-LIC: Sistem gabungan 3DGS-SLAM berbilang sensor pertama (Universiti Zhejiang & TUM)
- Ungkapan tersirat gabungan berbilang penderia dan 3DGS "memerlukan keupayaan masa nyata untuk tugasan SLAM intensif secara pengiraan berdasarkan pensampelan dalam ruang 3D" memerlukan pendekatan berasaskan NeRF+SLAM. 3DGS menonjol kerana kelajuan pemaparan yang pantas dan kualiti visual yang unggul. Sebagai representasi yang jelas dan boleh ditafsir, 3DGS menjadikan pengeditan adegan menjadi mudah dan memudahkan pelaksanaan pelbagai tugas hiliran. Sistem SLAM berasaskan medan sinaran sedia ada diuji terutamanya dalam persekitaran dalaman berskala kecil dengan pencahayaan yang baik dan memperoleh hasil yang memuaskan menggunakan input RGB-D atau RGB berjujukan. Kesukaran akan dihadapi apabila kaedah ini diperluaskan kepada pemandangan luar yang tidak terkawal berskala besar yang mencabar, seperti pencahayaan yang mencabar
- AI 839 2024-04-29 11:49:20
-
- Bagaimana untuk mengintegrasikan pelayan awan GPU ke dalam infrastruktur AI?
- Pelayan awan GPU ialah sumber pengkomputeran berasaskan awan yang menggunakan unit pemprosesan grafik untuk mengendalikan tugas berprestasi tinggi. Tidak seperti pelayan tradisional yang bergantung semata-mata pada CPU, pelayan awan GPU direka untuk pemprosesan selari, menjadikannya sesuai untuk aplikasi intensif pengiraan seperti pembelajaran mesin dan kecerdasan buatan. Dalam bidang B2B, menyepadukan pelayan awan GPU ke dalam infrastruktur AI telah menjadi langkah strategik untuk meningkatkan prestasi dan kebolehskalaan. Model pembelajaran mesin selalunya memerlukan kuasa pengkomputeran yang sengit, dan pelayan awan GPU menyediakan penyelesaian berskala yang membolehkan perusahaan memproses set data yang besar dan menjalankan algoritma kompleks dengan lebih cekap. Keupayaan ini penting untuk perniagaan yang ingin mengekalkan kelebihan daya saing dalam persekitaran teknologi yang berkembang pesat, kerana AI memacu perubahan merentas industri.
- AI 833 2024-04-28 17:34:37
-
- Beberapa pemikiran tentang model dunia untuk operasi robot
- Dalam beberapa tahun kebelakangan ini, populariti model dunia nampaknya memainkan beberapa peranan penting dalam operasi robot. Untuk kecerdasan yang terkandung, manipulasi adalah perkara paling penting untuk ditembusi pada peringkat ini. Terutama untuk tugas-tugas longhorizon berikut, bagaimana untuk membina robot "cerebellum" untuk mencapai pelbagai keperluan operasi yang kompleks adalah masalah paling mendesak yang perlu diselesaikan pada masa ini. Adakah perlu untuk membahagikan kemahiran kepada operasi atom? Apabila menggunakan LM untuk memohon kepada robot, pendekatan biasa ialah menyediakan pelbagai API dalam konteks, dan kemudian biarkan LLM menulis kod perancangan secara automatik mengikut gesaan tugasan Sila rujuk artikel: Kelebihan kaedah ini adalah sangat intuitif dan boleh difahami dengan jelas Menguasai pecahan tugas
- AI 735 2024-04-28 17:31:10
-
- Model besar berbilang modal pertama Yuanxiang XVERSE-V ialah sumber terbuka, menyegarkan senarai model besar berwibawa, dan menyokong sebarang input nisbah aspek
- 83% daripada maklumat yang diperoleh manusia berasal daripada penglihatan Model grafik dan teks berbilang mod yang besar dapat melihat maklumat dunia sebenar yang lebih kaya dan lebih tepat serta membina kecerdasan kognitif yang lebih komprehensif, dengan itu mengambil langkah yang lebih besar ke arah AGI (Kecerdasan Am Buatan). Yuanxiang hari ini mengeluarkan model besar berbilang mod XVERSE-V, yang menyokong input imej dengan sebarang nisbah aspek dan mendahului dalam penilaian arus perdana. Model ini adalah sumber terbuka sepenuhnya dan tersedia untuk kegunaan komersial percuma tanpa syarat, terus mempromosikan R&D dan inovasi aplikasi untuk sebilangan besar perusahaan kecil dan sederhana, penyelidik dan pembangun. XVERSE-V mempunyai prestasi cemerlang, mengatasi model sumber terbuka seperti Yi-VL-34B, OmniLMM-12B pintar menghadap dinding dan DeepSeek-VL-7B dalam beberapa penilaian berbilang modal yang berwibawa, dan dalam penilaian keupayaan komprehensif MMBen
- AI 690 2024-04-28 16:43:08