


Musk meramalkan: Pemanduan autonomi sepenuhnya Tesla akan direalisasikan tahun ini, bimbang tentang perubahan mendalam dalam AI
Beliau menegaskan bahawa Tesla hampir mencapai pemanduan autonomi sepenuhnya tanpa campur tangan manusia, dan menunjukkan kepraktisan pemanduan autonomi sepenuhnya dan kepentingan meningkatkan penggunaan kereta. Musk juga berkata Tesla sangat berminat untuk berkongsi dan melesenkan teknologi pandu sendirinya dengan pembuat kereta lain.
Selain itu, beliau sekali lagi menekankan kerumitan kecerdasan buatan, percaya bahawa kecerdasan buatan generatif akan memberi impak yang mendalam terhadap tamadun manusia, tetapi juga meminta perhatian dan pengawalseliaan kecerdasan buatan yang komprehensif.
Perlu disebut bahawa Musk menyatakan penghargaannya terhadap China dan percaya bahawa China akan mempunyai keupayaan yang kuat dalam bidang kecerdasan buatan.
Petikan ucapan Musk adalah seperti berikut:
Hello semua dari Shanghai!
Kecerdasan buatan akan memainkan peranan yang sangat mendalam dalam evolusi tamadun manusia. semasa. Nisbah komputer digital kepada komputer biologi di Bumi terus berkembang apabila bilangan komputer dan kuasa pengkomputeran meletup. Dari masa ke masa, manusia akan menyumbang bahagian yang lebih kecil daripada jumlah kuasa pemikiran di Bumi berbanding dengan mesin.
Ini akan menjadi perubahan yang mendalam, dan saya percaya bahawa manusia berada di tengah-tengah salah satu tempoh perubahan yang paling mendalam.
Pada masa hadapan, akan terdapat sejumlah besar robot di bumi. Persoalan yang patut difikirkan ialah apakah nisbah robot kepada manusia dari semasa ke semasa? Pada satu ketika pada masa hadapan, nisbah mungkin melebihi 1:1, yang bermaksud akan terdapat lebih banyak robot daripada manusia, atau lebih banyak lagi. Trend ini sudah sangat jelas.
Kemanusiaan akan menyambut era kemakmuran Tidak kira apa barangan atau perkhidmatan yang diperlukan oleh manusia, mereka boleh memilikinya dengan mudah. Pada masa hadapan dengan sejumlah besar robot, kecekapan pengeluaran global akan meningkat ke tahap yang luar biasa. Sudah tentu, kita perlu berhati-hati untuk memastikan bahawa robot memberi manfaat kepada manusia.
Saya percaya bahawa Tesla akan memainkan peranan penting dalam proses ini. Robot humanoid Tesla yang sedang dibangunkan direka untuk membantu orang ramai menyelesaikan tugas yang membosankan dan mengendalikan tugas yang membosankan, berulang atau berbahaya yang dielakkan oleh manusia. Oleh itu, ia tidak memerlukan tahap kecerdasan yang tinggi untuk melaksanakan tugas-tugas ini.
Aplikasi penting kecerdasan buatan ialah pemanduan automatik kereta. Apabila bercakap tentang pemanduan autonomi, Tesla sangat gembira untuk melesenkan teknologinya kepada pembuat kereta lain. Teknologi pemanduan autonomi akan membebaskan orang ramai daripada tugas memandu yang membosankan dan memberi mereka lebih kebebasan dan masa.
Pada masa yang sama, pemanduan autonomi akan meningkatkan penggunaan kenderaan. Kereta penumpang biasa digunakan selama kira-kira 10 hingga 12 jam seminggu, dan kebanyakan masa ia diletakkan di tempat letak kereta Sebuah kereta dengan keupayaan memandu autonomi sepenuhnya boleh digunakan selama 50 hingga 60 jam seminggu. Kadar penggunaan kenderaan autonomi adalah lima kali ganda berbanding kenderaan bukan autonomi. Tesla berharap untuk berkongsi jenis teknologi ini dengan lebih banyak syarikat.
Pada masa ini, teknologi Tesla sangat hampir dengan matlamat pemanduan autonomi sepenuhnya. Kenderaan Tesla yang diuji di jalan raya A.S. jarang memerlukan campur tangan manusia. Oleh itu, apabila kami memandu Tesla dengan versi terkini versi ujian pandu sendiri sepenuhnya dari satu destinasi ke destinasi lain, kami hampir tidak memerlukan kawalan manusia. Tesla menjangka untuk mencapai keupayaan pemanduan autonomi penuh pada akhir tahun ini, mencapai tahap L4 atau L5.
Berbanding dengan kecerdasan buatan seperti pemanduan autonomi dan robot humanoid Tesla, Artificial General Intelligence (AGI) sangat berbeza.
Kecerdasan Buatan Am ialah kecerdasan komputer yang boleh menjadi lebih pintar daripada semua manusia. Ini bukan bidang yang dikhususkan oleh Tesla pada masa ini, dan syarikat lain sedang mengusahakannya. Tetapi saya rasa ini juga satu bidang yang harus kita fokuskan. Terutamanya dalam menghadapi berpuluh-puluh ribu, malah ratusan ribu atau berjuta-juta komputer tercanggih untuk kecerdasan buatan yang mendalam, kami memerlukan langkah-langkah pengawalseliaan untuk memastikan bahawa komputer ini semua boleh bekerja bersama-sama dan dalam cara yang teratur untuk mencapai sistem bersepadu tunggal." Kecerdasan Super Buatan (ASI).
Di masa hadapan, "super intelligence" akan lebih berkemampuan daripada manusia, tetapi ada juga risikonya. Kita harus melakukan yang terbaik untuk mengelakkan perkara yang membimbangkan daripada berlaku dan menerima masa depan yang positif.
Saya sentiasa mengagumi ramai orang pintar dan berbakat di China Bakat dan semangat mereka memukau saya. China mampu melakukan apa sahaja yang dia mahu lakukan dengan kecemerlangan dalam setiap bidang, sama ada ekonomi atau kecerdasan buatan. Saya percaya bahawa China akan mempunyai keupayaan kecerdasan buatan yang sangat kuat pada masa hadapan.
Akhir sekali, terima kasih kepada persidangan kerana menjemput saya untuk berkongsi, dan saya berharap dapat bertemu dengan anda semua!
Atas ialah kandungan terperinci Musk meramalkan: Pemanduan autonomi sepenuhnya Tesla akan direalisasikan tahun ini, bimbang tentang perubahan mendalam dalam 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

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

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 |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

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
