Jadual Kandungan
05 Kesimpulan" >05 Kesimpulan
Rumah Peranti teknologi AI Kecerdasan buatan, permulaan pemikiran tentang pemanduan autonomi

Kecerdasan buatan, permulaan pemikiran tentang pemanduan autonomi

Apr 14, 2023 am 09:01 AM
AI

Perkembangan pemanduan autonomi, sebagai teknologi yang berkait rapat dengan makanan, pakaian, perumahan dan pengangkutan setiap orang, telah berkembang pesat dalam beberapa tahun kebelakangan ini dan telah menjadi tumpuan perhatian. Namun, merealisasikan teknologi pemanduan autonomi memerlukan sokongan banyak teknologi, salah satunya ialah teknologi kecerdasan buatan.

Kecerdasan buatan, permulaan pemikiran tentang pemanduan autonomi

01 Gambaran Keseluruhan Kepintaran Buatan

Kecerdasan Buatan (pendek kata AI) ialah Merujuk kepada keupayaan sistem komputer untuk menyelesaikan tugas yang serupa dengan yang diperlukan oleh kecerdasan manusia. Ia adalah teknologi kompleks yang belajar dengan memasukkan sejumlah besar data ke dalam algoritma, sentiasa melaraskan dan menambah baik algoritmanya sendiri, dengan itu terus mengoptimumkan prestasinya. Ia boleh digunakan untuk pelbagai bidang, termasuk pemprosesan bahasa semula jadi, pengecaman imej, pengecaman pertuturan, terjemahan mesin, pemanduan autonomi, rumah pintar, penjagaan perubatan, kewangan, tenaga dan persekitaran.

Kepintaran buatan boleh dibahagikan kepada dua kategori: kecerdasan buatan yang lemah dan kecerdasan buatan yang kuat. Kepintaran buatan yang lemah (juga dikenali sebagai kecerdasan buatan sempit) merujuk kepada sistem kecerdasan buatan yang hanya boleh menunjukkan kecerdasan seperti manusia dalam bidang tugas tertentu. Contohnya, sistem pengecaman pertuturan, sistem pemanduan autonomi, dsb. Kepintaran buatan yang kuat (juga dipanggil kecerdasan buatan umum) merujuk kepada sistem kecerdasan buatan yang boleh menunjukkan kecerdasan seperti manusia dalam pelbagai bidang tugas seperti manusia. Pada masa ini, kecerdasan buatan yang kuat masih belum direalisasikan dan masih dalam peringkat penyelidikan dan penerokaan.

Pembangunan teknologi kecerdasan buatan bergantung terutamanya pada data besar, pembelajaran mesin, pembelajaran mendalam dan pemprosesan bahasa semula jadi serta teknologi lain. Dengan memasukkan sejumlah besar data ke dalam algoritma, sistem kecerdasan buatan boleh terus meningkatkan prestasi dan kecekapan mereka melalui pembelajaran kendiri dan penambahbaikan. Teknologi pembelajaran mendalam ialah algoritma yang meniru struktur rangkaian saraf otak manusia Ia boleh mensimulasikan cara penglihatan dan bahasa manusia diproses, dengan itu mencapai pengiktirafan automatik dan pengelasan imej, bunyi, teks dan maklumat lain.

Walaupun teknologi kecerdasan buatan telah mencapai banyak pencapaian, masih terdapat banyak cabaran dan halangan, seperti privasi data, kelegapan algoritma, isu etika, isu keselamatan, dsb. Oleh itu, pembangunan teknologi kecerdasan buatan perlu menyelesaikan masalah ini secara beransur-ansur dan memastikan keselamatan, ketelusan, kebolehpercayaan dan tanggungjawabnya.

02 Kecerdasan buatan membantu pembangunan pemanduan autonomi

Teknologi pemanduan autonomi ialah teknologi kompleks yang melibatkan pelbagai bidang teknologi adalah bahagian penting daripadanya. Dalam pemanduan autonomi, kecerdasan buatan bertanggungjawab terutamanya untuk merealisasikan membuat keputusan autonomi dan persepsi pintar. Antaranya, membuat keputusan secara autonomi melibatkan membuat keputusan terbaik berdasarkan pelbagai faktor dalam pelbagai situasi pemanduan. Faktor-faktor ini termasuk keadaan jalan raya, keadaan lalu lintas, keadaan cuaca, tindakan pejalan kaki dan kenderaan lain, dan pelbagai faktor lain. Persepsi pintar bertanggungjawab terutamanya untuk merealisasikan persepsi persekitaran sekeliling, termasuk pemerolehan dan analisis maklumat seperti kedudukan, kelajuan, dan arah kenderaan dan pejalan kaki Maklumat ini akan memberikan sokongan kepada kenderaan autonomi untuk membuat keputusan dan tindakan terbaik .

Dalam teknologi pemanduan autonomi, teknologi kecerdasan buatan terutamanya terdiri daripada pembelajaran mendalam, penglihatan komputer dan teknologi pemprosesan bahasa semula jadi.

Antaranya, pembelajaran mendalam adalah salah satu teknologi penting dalam teknologi pemanduan autonomi ialah kaedah pembelajaran mesin yang mencapai pelbagai tugas dengan mempelajari sejumlah besar data. Dalam teknologi pemanduan autonomi, teknologi pembelajaran mendalam digunakan terutamanya dalam pengecaman imej, pengecaman objek dan ramalan tingkah laku. Contohnya, teknologi pembelajaran mendalam boleh mengenali pelbagai jenis kenderaan dan pejalan kaki dengan belajar daripada data imej dan video serta membuat keputusan terbaik berdasarkan maklumat seperti lokasi dan kelajuan kenderaan tersebut.

Selain itu, teknologi penglihatan komputer juga merupakan bahagian penting dalam teknologi pemanduan autonomi. Teknologi penglihatan komputer digunakan terutamanya untuk menganalisis dan memproses data imej dan video. Dalam teknologi pemanduan autonomi, teknologi penglihatan komputer digunakan terutamanya untuk merealisasikan persepsi dan pengiktirafan persekitaran di sekeliling kenderaan. Sebagai contoh, teknologi penglihatan komputer dapat merealisasikan pengiktirafan dan analisis elemen seperti jalan raya, lorong, papan tanda jalan, dan lampu isyarat, serta persepsi kedudukan dan pergerakan kenderaan dan pejalan kaki lain.

Teknologi pemprosesan bahasa semula jadi juga merupakan bahagian penting dalam teknologi pemanduan autonomi. Teknologi pemprosesan bahasa semula jadi digunakan terutamanya untuk memahami dan menganalisis bahasa manusia. Dalam teknologi pemanduan autonomi, teknologi pemprosesan bahasa semula jadi boleh digunakan untuk merealisasikan komunikasi antara kenderaan dan pemandu, seperti pengiktirafan dan pelaksanaan arahan suara, dan untuk merealisasikan interaksi semula jadi antara pemandu dan kenderaan teknologi adalah Peningkatan pintar kokpit pintar memberikan kemungkinan.

Ringkasnya, teknologi kecerdasan buatan memainkan peranan penting dalam teknologi pemanduan autonomi Ia adalah teknologi teras untuk mencapai membuat keputusan autonomi dan persepsi pintar. Dengan menggunakan teknologi seperti pembelajaran mendalam, penglihatan komputer dan pemprosesan bahasa semula jadi, teknologi pemanduan autonomi boleh melihat dan mengenal pasti persekitaran sekeliling serta membuat keputusan dan tindakan yang optimum.

03 Pemanduan autonomi mempercepatkan pembangunan kecerdasan buatan

Pembangunan teknologi pemanduan autonomi memberi impak yang mendalam terhadap pembangunan teknologi kecerdasan buatan. Di satu pihak, perkembangan pesat teknologi pemanduan autonomi telah menggalakkan pembangunan teknologi kecerdasan buatan. Dalam aplikasi teknologi pemanduan autonomi, pelbagai jenis penderia dan peranti mengumpul sejumlah besar data, yang boleh digunakan untuk melatih dan mengoptimumkan algoritma kecerdasan buatan. Sebagai contoh, dengan belajar daripada sejumlah besar data imej dan video, pengenalan tepat dan ramalan tingkah laku kenderaan dan pejalan kaki boleh dicapai, dengan itu menjadikan teknologi kecerdasan buatan lebih pintar dan maju, dan menggalakkan pembangunan teknologi kecerdasan buatan.

Sebaliknya, pembangunan teknologi pemanduan autonomi juga telah menggalakkan penyelidikan lanjut dan penambahbaikan teknologi kecerdasan buatan. Contohnya, dalam penyelidikan teknologi pemanduan autonomi, teknologi kecerdasan buatan perlu menyelesaikan satu siri isu seperti cara melihat dan mengenal pasti persekitaran di sekeliling kenderaan, cara membuat keputusan dan tindakan terbaik, dan cara berkomunikasi dengan pemandu. dan kenderaan lain. Masalah ini memerlukan penyelidikan dan penyelesaian yang mendalam oleh teknologi kecerdasan buatan, sekali gus menggalakkan pembangunan teknologi kecerdasan buatan.

Pembangunan teknologi pemanduan autonomi akan menggalakkan pembangunan selanjutnya teknologi kecerdasan buatan. Teknologi pemanduan berautonomi dengan berkesan boleh meningkatkan keselamatan dan kemudahan pengangkutan, dan akan memberi impak yang mendalam kepada industri pengangkutan dan pekerjaan berkaitan Pembangunan pemanduan berautonomi tidak dapat dipisahkan daripada berkat teknologi kecerdasan buatan. Melalui aplikasinya dalam teknologi pemanduan autonomi, teknologi kecerdasan buatan boleh disahkan dan digunakan secara lebih meluas, sekali gus menggalakkan pembangunan dan pengoptimuman teknologi kecerdasan buatan selanjutnya.

Ringkasnya, teknologi pemanduan autonomi akan memberi impak yang mendalam kepada industri pengangkutan dan masyarakat secara keseluruhannya. Ia bukan sahaja membawa kemudahan dan kecekapan, tetapi juga membawa cabaran dan peluang baharu. Untuk Untuk menggalakkan pembangunan teknologi pemanduan autonomi, adalah perlu untuk terus memperkukuh penyelidikan dan pembangunan teknologi kecerdasan buatan.

04 Prospek untuk pembangunan pemanduan autonomi di bawah kecerdasan buatan

Kecerdasan buatan mempunyai kesan yang mendalam terhadap pembangunan pemanduan autonomi , yang terutamanya dicerminkan dalam Beberapa aspek berikut:

Meningkatkan ketepatan dan kebolehpercayaan teknologi pemanduan autonomi

Teknologi kecerdasan buatan boleh meningkatkan ketepatan dan kebolehpercayaan teknikal pemanduan autonomi. Sebagai contoh, teknologi penglihatan mesin dan teknologi pembelajaran mendalam dapat merealisasikan persepsi dan pemahaman tentang persekitaran di sekeliling kenderaan, seterusnya meningkatkan keselamatan pemanduan kenderaan. Selain itu, teknologi kecerdasan buatan boleh meramalkan persekitaran di sekeliling kenderaan, sekali gus meningkatkan kecekapan pemanduan dan keselesaan kenderaan.

Mengurangkan kos teknologi pemanduan autonomi

Teknologi kecerdasan buatan boleh mengurangkan kos teknologi pemanduan autonomi. Teknologi pemanduan autonomi memerlukan sejumlah besar penderia, perkakasan dan perisian komputer serta peralatan dan sumber lain, dan teknologi kecerdasan buatan boleh merealisasikan pengoptimuman dan pengurusan pintar peralatan dan sumber ini melalui teknologi pembelajaran mendalam, sekali gus mengurangkan kos teknologi pemanduan autonomi.

Mempercepatkan aplikasi komersial teknologi pemanduan autonomi

Teknologi kecerdasan buatan boleh mempercepatkan aplikasi komersial teknologi pemanduan autonomi . Teknologi pemanduan autonomi perlu menghadapi pelbagai undang-undang dan peraturan, piawaian jalan raya, tabiat pengguna dan isu lain, dan teknologi kecerdasan buatan boleh membantu teknologi pemanduan autonomi menyesuaikan diri dengan lebih baik kepada keperluan pasaran dan keperluan pengguna melalui analisis dan ramalan isu ini. Aplikasi komersil pemanduan autonomi juga akan membawa lebih banyak masalah:

Membawa isu keselamatan dan privasi baharu

Aplikasi komersial teknologi pemanduan autonomi juga akan membawa isu keselamatan dan privasi baharu Contohnya, penderia dan sistem komputer kenderaan autonomi mungkin diserang, mengakibatkan kehilangan kawalan ke atas kenderaan dan isu keselamatan. Selain itu, penderia dalam kenderaan pandu sendiri mungkin mengumpul maklumat peribadi pengguna dan maklumat lokasi, menimbulkan isu privasi.

Menukar perancangan bandar dan standard jalan

Aplikasi komersial teknologi pemanduan autonomi akan mengubah perancangan bandar dan standard jalan . Kenderaan autonomi memerlukan piawaian jalan raya dan peraturan lalu lintas yang lebih lengkap untuk mengawal dan mengurus kenderaan. Di samping itu, penggunaan kenderaan autonomi juga akan menjejaskan lalu lintas bandar dan aliran trafik, memerlukan pelarasan dan pengoptimuman perancangan bandar dan piawaian jalan raya.

Tukar pekerjaan dan masyarakat manusia

Aplikasi komersial teknologi pemanduan autonomi akan mengubah pekerjaan dan masyarakat manusia. Teknologi pemanduan autonomi boleh menggantikan sebahagian daripada kerja pemandu manusia, yang membawa kepada masalah pengangguran dan perubahan sosial. Di samping itu, aplikasi komersial teknologi pemanduan autonomi juga akan membawa isu sosial baharu dan corak tingkah laku manusia, seperti kepercayaan manusia dan kebolehsuaian kepada teknologi pemanduan autonomi.

Membawa teknologi baharu dan pembangunan perindustrian

Aplikasi komersial teknologi pemanduan autonomi akan membawa Teknologi baharu dan pembangunan perindustrian . Contohnya, teknologi pemanduan autonomi perlu menghadapi pelbagai cabaran dan penyelesaian teknikal, seperti teknologi penderia, teknologi perkakasan dan perisian komputer, teknologi komunikasi, dsb. Di samping itu, aplikasi komersial teknologi pemanduan autonomi juga akan menghasilkan rantaian industri dan model perniagaan baharu, seperti pembuatan dan penjualan kenderaan autonomi, pengumpulan dan pemprosesan data, perkhidmatan Internet Kenderaan, dsb.

05 Kesimpulan

Teknologi pemanduan autonomi ialah hala tuju pembangunan penting industri pengangkutan masa hadapan, dan teknologi kecerdasan buatan ialah teknologi utama untuk direalisasikan teknologi pemanduan autonomi satu. Teknologi kecerdasan buatan boleh meningkatkan persepsi dan keupayaan pemahaman kenderaan autonomi, mengurangkan kos teknologi pemanduan autonomi, dan mempercepatkan aplikasi komersial teknologi pemanduan autonomi.

Walau bagaimanapun, aplikasi komersial teknologi pemanduan autonomi masih perlu menghadapi pelbagai piawaian teknikal, undang-undang, standard jalan raya dan tabiat pengguna, dsb. Oleh itu, pelbagai faktor perlu dipertimbangkan secara menyeluruh untuk menggalakkan autonomi memandu. Dalam pembangunan masa depan, teknologi pemanduan autonomi akan membawa impak ekonomi dan sosial yang besar, maka panduan dasar dan pendidikan sosial perlu diperkukuh untuk mencapai pembangunan mampan teknologi pemanduan autonomi dan kemajuan masyarakat manusia.

Atas ialah kandungan terperinci Kecerdasan buatan, permulaan pemikiran tentang pemanduan autonomi. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Arahan sembang dan cara menggunakannya
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI 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 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 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 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 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 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 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. 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

See all articles