


Menghilangkan tekanan dari tempat letak kereta di bandar yang sibuk menggunakan teknologi AI
Universiti Bath sedang membangunkan kecerdasan buatan untuk membantu pemandu mencari tempat letak kereta di pusat bandar yang sibuk.
Perisian ini juga akan memberi insentif kepada pemandu untuk bekerjasama dengan majlis tempatan kerana mereka berusaha mengekalkan pencemaran di pusat bandar yang sibuk dalam had selamat, dalam langkah yang bertujuan mengurangkan udara toksik di bandar pusat.
Apabila populasi bandar terus meningkat (penduduk bandar dunia dijangka meningkat lebih daripada dua kali ganda antara sekarang dan 2050, dengan 7 daripada 10 orang tinggal di bandar), gunakan teknologi baharu untuk mengurangkan pencemaran dan Keperluan kesesakan semakin mendesak. Walau bagaimanapun, sebarang langkah untuk membendung penggunaan kereta di bandar juga perlu mengambil kira keperluan penduduk di luar bandar, yang mungkin bergantung kepada kereta untuk mengakses perkhidmatan asas.
Projek baharu ialah kerjasama antara saintis komputer di Bath dan Chipside Ltd, peneraju dalam IT pengurusan tempat letak kereta dan trafik. Potensi untuk teknologi baharu ini diguna pakai oleh majlis di seluruh UK adalah tinggi: Chipside pada masa ini bertanggungjawab untuk menyampaikan permit tempat letak kereta digital dan tempat letak kereta tanpa tunai kepada lebih 50% majlis di seluruh UK.
Pelepasan karbon sifar bersih
Dalam perkongsian 2.5 tahun dengan Bath, Chipside akan membangunkan satu set perisian yang direka untuk membantu majlis tempatan mematuhi tempat letak kereta seperti yang dinyatakan dalam pelan sepuluh perkara kerajaan , Satu peristiwa penting dalam akses bandar dan mobiliti kenderaan. Dilancarkan pada November 2020, pelan itu menggunakan pelaburan awam dan swasta untuk memacu UK ke arah matlamat pelepasan karbon bersih-sifar menjelang 2050.
Di bawah Akta Alam Sekitar, yang menjadi undang-undang pada 2021, pihak berkuasa tempatan amat diberi insentif untuk melancarkan inisiatif "bandar pintar" seperti yang dicadangkan dalam projek Bath-Chipsside, kerana jika mereka terlepas Sasaran alam sekitar, mereka semakin berkemungkinan menghadapi denda yang tinggi. Matlamat penting yang sedang dicadangkan adalah untuk mengekalkan zarah halus (PM2.5) - yang berasal daripada pembakaran bahan api - dalam julat yang disyorkan oleh Pertubuhan Kesihatan Sedunia.
Mempengaruhi tingkah laku pemandu
Projek baharu ini akan menggunakan teknologi kecerdasan buatan terkini untuk mencipta perkhidmatan yang membolehkan pihak berkuasa tempatan menganalisis sejumlah besar data tentang tingkah laku pemandu dan mengawal model perjalanan tempatan dengan lebih baik.
Dr. Özgür Şimşek, Timbalan Pengarah Sains Komputer dan Ketua Kumpulan Penyelidikan Kepintaran Buatan di Bath, akan menjadi peneraju akademik projek itu. Dia menerangkan sebab masuk akal untuk membangunkan perkhidmatan untuk mengubah tingkah laku pemandu semasa jarak terakhir ke pusat bandar.
“Bayangkan anda pergi ke bandar pada pagi Khamis dan, tanpa disedari, kereta anda adalah satu-satunya enjin yang mencetuskan bandar itu melebihi tahap pencemaran yang dibenarkan, mengakibatkan denda yang besar daripada kerajaan tempatan Sekarang Bayangkan daripada ini berlaku, anda menerima cadangan untuk meletak kereta di tempat lain yang lebih baik dan anda mendapat tempat letak kereta percuma Sistem ini juga menunjukkan kepada anda laluan trafik rendah ke tempat letak kereta percuma. Perkhidmatan akan disesuaikan dengan keperluan individu anda sambil turut membantu untuk mencapai sasaran sifar bersih
Dr Tom Haines, Pensyarah Pembelajaran Mesin di Jabatan Sains Komputer Bath dan rakan sekerja dalam pasukan KTP, menambah: “Kunci kepada projek ini ialah Matlamat penting adalah untuk membuat pengangkutan perkhidmatan lebih responsif kepada pengguna. Pada masa ini, orang ramai membuat keputusan, seperti tempat meletak kenderaan, dan kerajaan bertindak balas kemudian. Perkhidmatan masa nyata menyediakan aliran data terkumpul tetapi tidak digunakan tentang tingkah laku pemanduan. Apabila kami menggunakan kecerdasan buatan, kami mencipta sistem dinamik yang menyesuaikan diri dengan keperluan pemandu dan persekitaran, yang akhirnya memberi manfaat kepada semua orang.
David Wright, Pengasas Chipside dan Ketua Industri di KTP, berkata: “Pengetahuan baharu yang diperoleh daripada perkongsian itu akan menjadi transformatif untuk syarikat kami Ia akan menjadi bahagian intrinsik dalam strategi pembangunan perisian masa depan kami, yang membolehkan Kami dapat mengembangkan keupayaan kami dan lebih penting lagi mengurangkan pencemaran dan mengurus bekalan dan permintaan mobiliti dalam masa nyata
Perkongsian ini telah difasilitasi oleh Izaro Lopez Garcia, Pengurus Perkongsian Perniagaan di Perkhidmatan Penyelidikan dan Inovasi Universiti Bath (RIS). ), beliau berkata: “Projek ini akan menjadi yang pertama di UK untuk pihak berkuasa tempatan berkongsi tempat letak kereta rentas sempadan dan data mobiliti dalam masa nyata. Sistem Chipside sudah pun menggabungkan data rentas sempadan, dan kecerdasan buatan boleh melangkah lebih jauh ke arah mencapai sasaran sifar bersih kerajaan UK.
Atas ialah kandungan terperinci Menghilangkan tekanan dari tempat letak kereta di bandar yang sibuk menggunakan teknologi AI. 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

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

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

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

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 |. 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 5 Julai, GlobalFoundries mengeluarkan kenyataan akhbar pada 1 Julai tahun ini, mengumumkan pemerolehan teknologi power gallium nitride (GaN) Tagore Technology dan portfolio harta intelek, dengan harapan dapat mengembangkan bahagian pasarannya dalam kereta dan Internet of Things dan kawasan aplikasi pusat data kecerdasan buatan untuk meneroka kecekapan yang lebih tinggi dan prestasi yang lebih baik. Memandangkan teknologi seperti AI generatif terus berkembang dalam dunia digital, galium nitrida (GaN) telah menjadi penyelesaian utama untuk pengurusan kuasa yang mampan dan cekap, terutamanya dalam pusat data. Laman web ini memetik pengumuman rasmi bahawa semasa pengambilalihan ini, pasukan kejuruteraan Tagore Technology akan menyertai GLOBALFOUNDRIES untuk membangunkan lagi teknologi gallium nitride. G
