Peranti teknologi
AI
Amerika Syarikat terus mempromosikan penggunaan kecerdasan buatan dalam pertempuran
Amerika Syarikat terus mempromosikan penggunaan kecerdasan buatan dalam pertempuran
Menurut laporan media asing, Jabatan Pertahanan A.S. baru-baru ini mengeluarkan dokumen perancangan strategik teknologi kecerdasan buatan untuk mengukuhkan reka bentuk peringkat atas dan menggalakkan perkembangan pesat teknologi berkaitan. Pada masa yang sama, tentera A.S. terus memperkukuh aplikasi tempur teknologi kecerdasan buatan.
Mengeluarkan dokumen perancangan strategik
Baru-baru ini, Timbalan Setiausaha Pertahanan AS Hicks menandatangani dokumen strategik "Strategi Kepintaran Buatan Bertanggungjawab dan Pendekatan Pelaksanaan", menjelaskan asas prinsip dan rangka kerja utama pelaksanaan strategi kecerdasan buatan Jabatan Pertahanan A.S. Kandungan utama merangkumi dua aspek berikut.
Luruskan "bahagian permintaan". Yang pertama ialah melaraskan struktur dan proses pengurusan dan terus mengikuti perkembangan teknologi kecerdasan buatan Kementerian Pertahanan Negara. Yang kedua ialah memberi perhatian kepada penyelidikan dan pembangunan serta perolehan produk kecerdasan buatan dan melaraskan kelajuan pembangunan teknologi kecerdasan buatan tepat pada masanya. Yang ketiga ialah menggunakan prosedur pengesahan keperluan untuk memastikan keupayaan kecerdasan buatan adalah konsisten dengan keperluan operasi.
Optimumkan "Tamat R&D". Yang pertama ialah mencipta sistem kecerdasan buatan yang boleh dipercayai dan sistem pemerkasaan kecerdasan buatan. Yang kedua adalah untuk menggalakkan pemahaman bersama tentang konsep "kepintaran buatan yang bertanggungjawab" melalui kerjasama domestik dan antarabangsa. Ketiga ialah menambah baik tahap teori dan operasi personel berkaitan kecerdasan buatan di Kementerian Pertahanan Negara.
Selain laporan perancangan strategik tentera, baru-baru ini, badan pemikir Amerika juga telah membuat cadangan untuk kerjasama antara Amerika Syarikat dan sekutunya dalam aplikasi teknologi kecerdasan buatan. Pusat Keselamatan dan Teknologi Baru Muncul di Universiti Georgetown di Amerika Syarikat mengeluarkan laporan yang menyatakan bahawa kerajaan A.S., universiti, institusi penyelidikan dan sektor swasta harus mempromosikan kerjasama penyelidikan teknologi kecerdasan buatan dengan Australia, India, dan Jepun melalui pelbagai kaedah untuk mencapai ekosistem teknologi Akses dan selamat yang terbuka dan boleh diakses untuk meningkatkan prestasi senjata dan peralatan berkaitan ketenteraan A.S.
Mempercepatkan kadar aplikasi teknologi
Selain merumuskan "peta jalan" untuk pembangunan teknologi kecerdasan buatan dari segi reka bentuk peringkat atas, tentera AS baru-baru ini telah mengambil pelbagai langkah untuk cuba gunakan teknologi matang yang relevan ke dalam amalan ketenteraan.
Dari perspektif pembinaan perkhidmatan, "Rancangan Integrasi" Tentera Darat, "Rancangan Kemenangan" Tentera Laut dan "Sistem Pengurusan Tempur Lanjutan" Tentera Udara ialah tiga rancangan kecerdasan buatan utama tentera AS. Ketiga-tiga rancangan utama sedang dimajukan serentak. Baru-baru ini, A.S. Army Contracting Command menganugerahkan kontraktor tentera A.S. Kejuruteraan dan Simulasi Komputer kontrak berjumlah $63.28 juta untuk mereka bentuk dan membangunkan algoritma kecerdasan buatan baharu. Komander Pasukan Permukaan Tentera Laut A.S. Kitchener berkata bahawa Angkatan Permukaan Tentera Laut A.S. akan menumpukan pada penyepaduan keupayaan seperti kecerdasan buatan dan pembelajaran mesin dalam masa terdekat untuk meningkatkan kelebihan pertempuran dengan ketara. Tentera Udara A.S. baru-baru ini berjaya menunjukkan algoritma kecerdasan buatan yang dipanggil Artuu, yang secara automatik boleh mengendalikan pesawat peninjau U-2 untuk mencari pelancar peluru berpandu musuh dan menjana gambaran operasi masa nyata ancaman merentas domain.
Dari perspektif penjanaan kuasa tempur, tentera AS mempercepatkan aplikasi teknologi kecerdasan buatan dalam pertempuran sebenar. Artikel baru-baru ini di laman web majalah dwibulanan A.S. "The National Interest" menyatakan bahawa Tentera Laut dan Tentera Udara A.S. sedang membangunkan sistem latihan generasi baharu untuk membantu jet pejuang mereka menangani ancaman udara baharu dengan lebih baik. Teknologi pintar yang dipanggil "Sistem Latihan Tempur P5" ini boleh membantu juruterbang tentera AS menjalankan latihan maya dalam senario pertempuran ancaman tinggi dan konfrontasi tinggi.
Agensi Projek Penyelidikan Lanjutan Pertahanan A.S. sedang sibuk mengesahkan "sistem serangan rangkaian autonomi berdasarkan cip kecerdasan buatan." Dilaporkan bahawa sistem boleh menjana satu set kod serangan setiap 24 jam dan boleh melaraskan program serangan secara dinamik mengikut persekitaran rangkaian masa nyata. Memandangkan kod serangan baru dijana, sukar bagi sistem anti-virus yang bergantung pada pangkalan data virus sedia ada dan pengecaman tingkah laku untuk mengenal pastinya, dan kod itu sangat tersembunyi dan merosakkan. Agensi Projek Penyelidikan Lanjutan Pertahanan A.S. percaya bahawa sistem ini mempunyai potensi aplikasi yang sangat tinggi dan boleh membantu tentera A.S. memperoleh kelebihan teknologi dalam operasi rangkaian masa hadapan.
Mencetuskan persaingan ketenteraan yang canggih
Secara amnya, tentera AS telah membuat pergerakan yang kerap dalam pembinaan kecerdasan buatan baru-baru ini. Aliran yang berkaitan mungkin mencetuskan pusingan baharu persaingan ketenteraan sempadan global.
Di satu pihak, kami mempromosikan "semua perkara boleh menjadi pintar" secara dalaman. Tentera AS mendakwa sama ada ia adalah jet pejuang, kereta kebal, stesen kawalan darat atau kapal permukaan, ia bukan sahaja boleh digunakan sebagai entiti yang mempunyai keupayaan tempur, tetapi juga sebagai nod untuk memantau medan perang dan mendapatkan maklumat perang. . Untuk mencapai matlamat ini, kecerdasan buatan akan memainkan peranan yang tidak boleh ditukar ganti. Berdasarkan dokumen perancangan strategik ketenteraan AS, tidak sukar untuk melihat bahawa untuk mewujudkan lebih banyak nod, tentera AS akan memainkan sepenuhnya peranan yang membolehkan kecerdasan buatan dalam langkah seterusnya untuk membantu pelbagai platform senjata menemui dan menyerang sasaran. lebih pantas.
Sebaliknya, ia mempengaruhi corak pembangunan ketenteraan global secara luaran. Tentera AS dan sekutunya bersungguh-sungguh mempromosikan pembangunan teknologi kecerdasan buatan Tujuan utama adalah untuk menggunakan teknologi canggih ini untuk menindas negara-negara saingan Kesan tindak balas amalan berkaitan mungkin serta-merta. Pada masa ini, banyak negara di seluruh dunia sedang giat membangunkan teknologi berkaitan. Adalah dijangkakan bahawa dengan perkembangan pesat dan sokongan kecerdasan buatan dan teknologi lain, medan perang masa depan akan mempercepatkan peralihan kepada medan perang yang bijak dan tanpa pemandu, dan operasi selaras merentas domain seperti darat, laut, udara, angkasa dan rangkaian akan menjadi tumpuan utama perang masa depan memacu pembangunan dan transformasi aplikasi teknologi peralatan dan menggalakkan perubahan besar dalam corak pembangunan ketenteraan global.
Atas ialah kandungan terperinci Amerika Syarikat terus mempromosikan penggunaan kecerdasan buatan dalam pertempuran. 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
1382
52
Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI
Jun 28, 2024 am 03:51 AM
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
Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag
Jun 10, 2024 am 11:08 AM
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
Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi
Jun 11, 2024 pm 03:57 PM
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
Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool
Jun 07, 2024 am 10:06 AM
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
Lima sekolah pembelajaran mesin yang anda tidak tahu
Jun 05, 2024 pm 08:51 PM
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
Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG
Jul 25, 2024 am 06:42 AM
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
Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama
Jul 17, 2024 pm 06:37 PM
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
SK Hynix akan memaparkan produk berkaitan AI baharu pada 6 Ogos: HBM3E 12 lapisan, NAND 321 tinggi, dsb.
Aug 01, 2024 pm 09:40 PM
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
