AI dan IoT membantu meningkatkan pengalaman bandar pintar
Bandar-bandar menjadi semakin pintar disebabkan oleh pertumbuhan besar Internet Perkara (IoT) dan pemprosesan kecerdasan buatan untuk menjalankan dan memantau set data besar yang dihasilkan oleh pusat bandar. Majalah Teknologi melihat secara mendalam tiga daripada teknologi pintar yang menjanjikan untuk mengubah kehidupan bandar dan perniagaan serta kerajaan yang berkhidmat untuknya.
Menggunakan kecerdasan buatan untuk mengoptimumkan tenaga di bandar pintar
Kecerdasan buatan boleh digunakan di bandar pintar untuk menganalisis dan menjejaki cara perniagaan dan penduduk menggunakan tenaga untuk menjana Data, seterusnya, membantu membuat keputusan tentang tempat tenaga boleh diperbaharui harus digunakan. Ini juga boleh menunjukkan kepada perancang bandar tempat tenaga dibazirkan dan cara menjimatkan tenaga.
Editor kanan Persatuan Jurutera Mekanikal Amerika (ASME) John Kosowatz menjelaskan bahawa penyelesaian IoT pintar harus digunakan untuk mengoptimumkan infrastruktur dan membolehkan rakyat mengambil bahagian dalam pengurusan perkhidmatan.
Penderia, rangkaian dan aplikasi menerima data tentang penggunaan tenaga, trafik dan tahap pencemaran. Ini kemudiannya dianalisis dan digunakan untuk membetulkan dan meramalkan penggunaan dan corak. Dengan menjadikan data ini tersedia kepada semua orang melalui sistem akses terbuka, rakyat dan perniagaan boleh menggunakan maklumat ini sendiri.
Vinod Pangracious, Ketua dan Profesor Madya Kejuruteraan Elektrik dan Komputer di Universiti Amerika di Dubai, memperkenalkan konsep rangka kerja perdagangan tenaga peer-to-peer berasaskan blockchain untuk perdagangan tenaga bersih terdesentralisasi dalam masyarakat yang berkaitan .
Model perdagangan tenaga pintar direka untuk mengendalikan sebanyak mungkin secara automatik, termasuk pengeluaran, penggunaan dan pengagihan tenaga bersih menggunakan tenaga boleh diperbaharui.
AI dan IoT: Memperbaik pengangkutan di bandar pintar
Ahli teknologi hari ini menggunakan penglihatan komputer dan teknik pembelajaran mesin untuk mengubah infrastruktur pengangkutan bandar.
Satu syarikat yang menerajui ruang ini ialah Hayden AI, yang membangunkan platform pengurusan trafik autonomi pertama di dunia. Syarikat itu mengautomasikan proses yang kompleks dan menambah baik perkhidmatan awam.
Teknologi ini boleh menyokong pelbagai kenderaan perkhidmatan awam, termasuk bas, penyapu jalan, kenderaan keselamatan lapangan terbang dan kereta polis.
Sudah ada inovasi dalam pengangkutan awam dengan penggunaan kecerdasan buatan di bandar pintar. Teknologi ini membolehkan pengguna transit awam menerima dan mengakses kemas kini masa nyata, meningkatkan kepuasan pelanggan dengan masa dan butiran. Terdapat juga rancangan untuk bas autonomi di dalam bandar, yang boleh mengurangkan pelepasan, menambah baik laluan dan meningkatkan kekerapan.
Menggunakan teknologi pengecaman plat lesen, tempat letak kereta dapat mengesan kereta tinggal lebih lama daripada yang sepatutnya dan juga boleh menguatkuasakan pembayaran dan tiket. Teknologi lain termasuk keupayaan untuk mengesyorkan ruang berdasarkan kereta.
Kecerdasan Buatan dan Keselamatan di Bandar Pintar
Walaupun rakaman kamera keselamatan biasanya disemak apabila jenayah dilaporkan, ini tidak menghalang jenayah itu sendiri. Kamera keselamatan menggunakan kecerdasan buatan mampu menganalisis rakaman dalam masa nyata dan mengesan jenayah, yang kemudiannya boleh dilaporkan dan ditangani dengan segera.
Kamera ini juga boleh mengesan orang daripada pakaian mereka, membolehkan teknologi mencari suspek lebih pantas berbanding sebelum ini.
Bandar pintar juga boleh menggunakan kecerdasan buatan untuk melihat kesannya terhadap alam sekitar setempat, pemanasan global dan tahap pencemaran.
Menggunakan kecerdasan buatan dan pembelajaran mesin untuk kawalan pencemaran dan penggunaan tenaga, membolehkan agensi perbandaran dan bandar membuat keputusan termaklum yang terbaik untuk alam sekitar. Bandar pintar juga menggunakan kecerdasan buatan untuk mengesan karbon dioksida, yang kemudiannya boleh membuat keputusan pengangkutan.
Satu lagi inovasi yang patut ditonton ialah pusat tindak balas masa nyata (RTRC) yang dijangka muncul di bandar pintar masa hadapan. RTRC menerima data daripada pelbagai sumber dan memaparkan kecerdasan agregat pada paparan video skrin besar, bersama-sama dengan maklumat masa nyata daripada kamera, penderia trafik dan pengesan tembakan.
"Di pejabat penguatkuasaan undang-undang bandar pintar, RTRC ialah hab pusat untuk melindungi orang ramai," kata Sandeep Sinha, Ketua Pemasaran, SLED, Insight Digital Innovation. Sinha menjelaskan bahawa syarikat termasuk Insight, Genetec, Intel dan Microsoft sedang bekerjasama untuk membina infrastruktur IT keselamatan awam sedia ada dan membangunkan penyelesaian berasaskan awan.
Atas ialah kandungan terperinci AI dan IoT membantu meningkatkan pengalaman bandar pintar. 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

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 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
