


Bolehkah 6G dibenamkan dengan rangkaian generasi akan datang 'hijau' kecerdasan buatan?
Terdapat sesuatu yang menakjubkan tentang Kongres Dunia Mudah Alih (MWC) yang menjadikannya satu pengalaman yang menarik dan meletihkan. Terdapat lapan dewan yang penuh dengan lampu terang, pertandingan ratu dan kemajuan teknologi yang tiada tandingannya. Setiap tahun saya datang untuk melihat semuanya, dan setiap tahun saya pergi hanya melihat satu pertiga daripadanya.
Tema tahun ini ialah "Kelajuan" dan slogannya ialah "Lepaskan teknologi esok hari". Konsep seperti metaverse, kecerdasan buatan (AI) dan 6G boleh dilihat di mana-mana. Tetapi segala-galanya terikat dengan kebimbangan alam sekitar, dengan kebanyakan produk diletakkan untuk menangani jejak karbon yang semakin meningkat.
Ambil teknologi hijau
Masalahnya semakin teruk. Pakar storan Huawei Dr. Peter Zhou berkata menjelang 2030, jumlah data yang dijana oleh perusahaan setiap tahun akan diukur dalam "gigabait." Istilah ini sudah wujud, jika belum lagi diperlukan; ia adalah unit terbesar yang diiktiraf oleh Sistem Unit Antarabangsa (SI). Data hanya akan pergi ke arah ini, dan kami sudah menyimpan begitu banyak data itu sehingga membahayakan planet ini. Soalan ini bergantung kepada industri dan teknologi seperti Internet of Things (IoT) dan Metaverse yang banyak bergantung pada teknologi sensor dan kecerdasan buatan.
Huawei menggunakan acara Day Zero MWC untuk mempamerkan beberapa inisiatif teknologi hijau. Steven Moore, ketua tindakan iklim di GSMA, bercakap tentang jangka hayat peranti mudah alih kami - tiada satu pun yang boleh diperbaharui 100%. Beliau menyeru pengilang untuk meneruskan jangka hayat yang lebih lama, mencadangkan pelanjutan setahun pun akan bersamaan dengan mengambil 4.7 juta kereta dari jalan raya. Begitu juga, SVP Operasi dan Ekonomi Rangkaian Orange Emmanuel Chatard menggesa mengawal selia penggunaan peralatan terpakai dalam rangkaian mudah alih.
Walaupun ini boleh membantu mengurangkan e-waste, kami menghadapi cabaran yang lebih serius, dan itu adalah penggunaan kuasa - terutamanya pada rangkaian mudah alih. Seperti yang ramai orang sedia maklum, 5G menghabiskan bateri telefon dengan cepat. Ini sebahagiannya kerana telefon sendiri sedang mencari isyarat terbaik, tetapi isyarat rangkaian kami juga bekerja lebih keras daripada yang mereka perlukan.
Bagaimana rangkaian 6G akan memanfaatkan kecerdasan buatan
Nicolas Kourtellis, ketua saintis penyelidikan dan pengarah bersama Telefonica Research, berkata dalam ucapan di MWC bahawa 6G dijangka meningkatkan penggunaan dan kelajuan data dengan ketara dengan kependaman hampir sifar.
Generasi baharu teknologi rangkaian mudah alih muncul kira-kira setiap sepuluh tahun, dan 6G dijangka muncul sekitar tahun 2030. Walau bagaimanapun, untuk mengatasi kelemahan 5G, Huawei sedang mempertimbangkan produk yang dipanggil 5.5G, yang dijangka meningkatkan teknologi penderiaan dan kecekapan kuasa. Akhirnya, ini adalah titik tengah perjalanan 6G dan di mana keadaan menjadi lebih menarik.
Beberapa faktor akan menjadikan SSmart dan 6G sangat pantas menjadi kenyataan, termasuk kemajuan dalam kependaman rendah, kecerdasan buatan dan teknologi penderia. Huawei percaya bahawa rangkaian 6G perlu membenamkan kecerdasan buatan supaya ia boleh diklasifikasikan sebagai sistem kecerdasan buatan sendiri.
Sebahagian daripada kecerdasan akan digunakan untuk mengurus isyarat pembentuk pancaran, yang merupakan alat yang menghantar data ke peranti. Dan, dengan 6G, rangkaian akan cukup pintar untuk menyederhanakan isyarat untuk membolehkan automasi dalam kependaman rendah dan cara yang lebih cekap. Jika Huawei betul, 6G akan menjadi kedua-dua kemajuan teknologi dan penyelesaian asas kepada jejak karbon yang semakin meningkat bagi telekom mudah alih.
Gunakan teknologi untuk bekerja dengan lebih bijak, bukan lebih keras
Menggunakan AI untuk menyelamatkan planet ini agak berlawanan dengan intuisi, bagaimanapun, kerana pengkomputeran AI sangat mementingkan kuasa. Idea bahawa kita boleh menggunakan tenaga dengan lebih cekap mungkin kelihatan pelik, memandangkan ia adalah salah satu punca utama di sebalik jejak karbon besar teknologi.
"Saya rasa itu bahagian yang menarik," Carmen Fontana, ahli Institut Jurutera Elektrik dan Elektronik (IEEE), memberitahu IT Pro. "Pemproses ini semakin pintar dan mereka boleh melakukan lebih banyak lagi, tetapi mereka juga adalah babi tenaga."
Kita boleh melakukan semua perkara yang menarik ini, tetapi ia amat buruk untuk alam sekitar. Jadi saya fikir pemproses cip ini, atau persekitaran awan secara amnya, perlu lebih bijak dan menjadikan perkara itu sebagai keutamaan dan bukannya lebih banyak kuasa," sambungnya. "Sebaliknya, kita boleh Menggunakan sejumlah besar ini. peranti yang disambungkan dalam aplikasi seperti grid utiliti menjadikannya lebih bijak dalam cara kami menggunakan grid utiliti. Mungkin kita menentang penggunaan cip, tetapi ia juga akan membolehkan kita menggunakan elektrik dengan lebih cekap.
Terdapat satu lagi dimensi di sini; inisiatif ini bukan sahaja baik untuk alam sekitar tetapi juga boleh dimanfaatkan untuk mengurangkan kos. Kesusahan ekonomi telah memburukkan lagi krisis kos sara hidup yang memberi kesan kepada ekonomi global dan rantaian bekalan. Industri teknologi kehilangan pekerjaan dan perniagaan, terutamanya di UK, bergelut dengan belanjawan yang semakin mengecil. Di samping kemampanan, walaupun penting, kita semua memerlukan teknologi untuk membantu kita melakukan lebih banyak dengan lebih sedikit dan bekerja dengan lebih bijak, bukan lebih keras.
Atas ialah kandungan terperinci Bolehkah 6G dibenamkan dengan rangkaian generasi akan datang 'hijau' 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

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
