Apakah konsep asas kecerdasan buatan
Kecerdasan buatan, singkatan daripada AI, ialah sains teknikal baharu yang mengkaji dan membangunkan teori, kaedah, teknologi dan sistem aplikasi untuk mensimulasikan, memanjangkan dan mengembangkan penyelidikan manusia dalam bidang ini termasuk Robot, bahasa; pengecaman, pengecaman imej, pemprosesan bahasa semula jadi dan sistem pakar, dsb.
Persekitaran pengendalian artikel ini: sistem Windows 7, komputer DELL G3
Apakah konsep asas kecerdasan buatan?
Kecerdasan Buatan, singkatan bahasa Inggeris ialah AI. Ia adalah sains teknikal baharu yang mengkaji dan membangunkan teori, kaedah, teknologi dan sistem aplikasi untuk mensimulasikan, meluaskan dan mengembangkan kecerdasan manusia.
Kecerdasan buatan ialah cabang sains komputer yang cuba memahami intipati kecerdasan dan menghasilkan mesin pintar baharu yang boleh bertindak balas dengan cara yang serupa dengan kecerdasan manusia dalam bidang ini termasuk robot, Pengecaman bahasa, imej pengiktirafan, pemprosesan bahasa semula jadi dan sistem pakar, dsb. Sejak kelahiran kecerdasan buatan, teori dan teknologi menjadi semakin matang, dan bidang aplikasi juga terus berkembang Dapat dibayangkan bahawa produk teknologi yang dibawa oleh kecerdasan buatan pada masa hadapan akan menjadi "bekas" kebijaksanaan manusia. . Kecerdasan buatan boleh mensimulasikan proses maklumat kesedaran dan pemikiran manusia. Kecerdasan buatan bukanlah kecerdasan manusia, tetapi ia boleh berfikir seperti manusia malah mungkin melebihi kecerdasan manusia.
Kecerdasan buatan ialah sains yang sangat mencabar, dan orang yang terlibat dalam kerja ini mesti memahami pengetahuan komputer, psikologi dan falsafah. Kecerdasan buatan ialah sains yang sangat luas, yang terdiri daripada bidang yang berbeza, seperti pembelajaran mesin, penglihatan komputer, dan lain-lain. Secara umumnya, matlamat utama penyelidikan kecerdasan buatan adalah untuk menjadikan mesin mampu melakukan tugas yang biasanya memerlukan kecerdasan manusia. Tetapi masa yang berbeza dan orang yang berbeza mempunyai pemahaman yang berbeza tentang "kerja kompleks" ini. Pada Disember 2017, kecerdasan buatan telah dipilih ke dalam "Sepuluh Kata Kunci Dalam Media Cina pada 2017". Pada 25 September 2021, untuk menggalakkan perkembangan kecerdasan buatan yang sihat, "Kod Etika Kecerdasan Buatan Generasi Baharu" telah dikeluarkan.
Peringkat pembangunan
Pada musim panas 1956, sekumpulan saintis muda yang berpandangan jauh yang diketuai oleh McCarthy, Minsky, Rochester dan Shannon telah berkumpul bersama mengkaji dan membincangkan satu siri isu berkaitan dalam menggunakan mesin untuk mensimulasikan kecerdasan, dan mencadangkan istilah "kecerdasan buatan" buat kali pertama, yang menandakan kelahiran rasmi disiplin "kecerdasan buatan" yang muncul. Komputer "Deep Blue" IBM mengalahkan juara catur dunia manusia, yang merupakan manifestasi sempurna teknologi kecerdasan buatan.
Sejak subjek kecerdasan buatan dicadangkan secara rasmi pada tahun 1956, ia telah mencapai kemajuan besar dalam lebih daripada 50 tahun dan telah menjadi sains silang yang meluas dan canggih. Secara umumnya, tujuan kecerdasan buatan adalah untuk menjadikan komputer, mesin, berfikir seperti manusia. Jika anda ingin membuat mesin yang boleh berfikir, anda mesti tahu apa itu pemikiran, dan lebih-lebih lagi, apa itu kebijaksanaan. Apakah jenis mesin yang pintar? Para saintis telah membuat kereta, kereta api, kapal terbang, radio dan lain-lain, yang meniru fungsi organ tubuh kita, tetapi adakah mereka boleh meniru fungsi otak manusia? Setakat ini, kami hanya tahu bahawa perkara yang terkandung dalam Tianling Cap kami adalah organ yang terdiri daripada berbilion sel saraf Kami tahu sangat sedikit tentang perkara ini, dan menirunya mungkin perkara yang paling sukar di dunia.
Apabila komputer muncul, manusia mula benar-benar mempunyai alat yang boleh mensimulasikan pemikiran manusia Pada tahun-tahun berikutnya, ramai saintis bekerja keras ke arah matlamat ini. Pada masa kini, kecerdasan buatan bukan lagi paten segelintir saintis yang mempelajari subjek ini di jabatan komputer hampir semua universiti di seluruh dunia juga mesti mempelajari kursus sedemikian Komputer nampaknya telah menjadi sangat pintar. Sebagai contoh, pada Mei 1997, komputer Deep Blue yang dibangunkan oleh IBM mengalahkan ahli catur Kasparov. Anda mungkin tidak perasan bahawa di sesetengah tempat komputer membantu orang melaksanakan tugas lain yang pada asalnya hanya untuk manusia Komputer memainkan peranannya untuk manusia dengan kelajuan dan ketepatan yang tinggi. Kecerdasan buatan sentiasa menjadi subjek canggih dalam sains komputer Bahasa pengaturcaraan komputer dan perisian komputer lain wujud kerana kemajuan kecerdasan buatan.
Pada 4 Mac 2019, sesi kedua Kongres Rakyat Kebangsaan ke-13 mengadakan sidang akhbar Zhang Yesui, jurucakap persidangan itu, berkata bahawa projek perundangan yang berkait rapat dengan kecerdasan buatan telah dimasukkan dalam rancangan perundangan. . Pada masa ini, banyak kolej dan universiti telah membuka utama kecerdasan buatan, yang terus mempromosikan pembangunan AI.
Atas ialah kandungan terperinci Apakah konsep asas kecerdasan buatan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas