Masa depan bandar pintar: lembaran baharu dalam pemikiran bebas
Bayangkan bandar yang berfikir secara bebas, memastikan barang tiba secepat mungkin, dengan "mengalihkan" lalu lintas supaya kenderaan kecemasan dapat sampai ke destinasi dengan lancar, malah membenarkan orang ramai bersatu semula dengan haiwan peliharaan mereka yang hilang
Dikenali sebagai " pengiktirafan" Prospek "Bandar Bermaklumat" ialah hala tuju pembangunan bandar pintar generasi akan datang
Kandungan yang ditulis semula adalah seperti berikut: Bandar pintar pertama boleh merasakan tetapi tidak bertindak, tetapi bandar kognitif merasakan dan bertindak balas. Kunci untuk mencapai matlamat ini ialah penderia yang diedarkan di jalanan dan pengkomputeran tepi. Kebanyakan bandar pintar pada masa hadapan akan menjadi "padang hijau": bandar baharu sepenuhnya, dibina dari bawah dan diselitkan dengan kecerdasan, dengan pengkomputeran tepi terbina dalam segala-galanya daripada lampu jalan hingga tong sampah. Bagi penduduk yang tinggal di bandar ini, pengkomputeran tepi akan membawa penambahbaikan sebenar dan boleh diukur kepada kehidupan mereka - daripada mencari tempat letak kereta serta-merta kepada menggunakan kecerdasan ramalan untuk mengurangkan bil tenaga
Penekanan pada pinggir bandar kognitif
Semasa mencipta bandar kognitif, keperluan yang paling asas adalah untuk memindahkan kuasa pengkomputeran ke tempat data dijana: tempat orang tinggal, bekerja dan mengembara. Ini terpakai sama ada anda sedang membina bandar pintar serba baharu atau memasang semula teknologi bandar "medan perang" sedia ada. Walau apa pun, tepi adalah kunci. Contohnya, apabila memproses maklumat penderia daripada kamera dalam tong sampah, pembetung atau lampu isyarat, adalah perlu untuk bertindak balas terhadap masalah ini dalam masa nyata
Di bandar pintar semasa, tumpuan utama sentiasa tertumpu pada pemerolehan data: sama ada untuk memantau kawasan panas Trafik, atau untuk mencari kebocoran air. Walau bagaimanapun, pada tahun-tahun akan datang, bandar sendiri akan bertindak balas secara dinamik kepada dunia fizikal yang berubah-ubah, seperti melaraskan penggunaan tenaga berdasarkan keadaan cuaca masa nyata
Dengan pengenalan Internet Perkara (IoT) dan kecerdasan buatan (AI) moden , pengawasan Evolusinya berpunca daripada asas mesin ke mesin dan merupakan revolusioner untuk transformasi teknologi pintar. Teknologi AI yang baru muncul, seperti model bahasa berskala besar, juga akan memainkan peranan pada masa hadapan, membolehkan perancang bandar dan penduduk biasa berinteraksi dengan mudah dengan bandar mereka. Teknologi tepi akan menjadi faktor utama dalam kawalan berkesan kami ke atas bandar masa hadapan
Untuk mencapai perkhidmatan responsif seperti ini, pengkomputeran tepi menjadi penting: kuasa pengkomputeran perlu dialihkan ke jalanan. Ini adalah sebahagian daripada peralihan yang lebih luas daripada menggunakan penderia analog pakai buang seperti penderia trafik atau asap kepada menggunakan kamera pintar yang menjana data dan melindungi privasi
Jalan Pintar
Di bandar pintar masa depan, Teknologi akan memenuhi keperluan manusia . Kemampanan adalah isu terbesar yang dihadapi bandar, dan setakat ini penyumbang terbesar ialah kereta. Bandar pintar akan membantu mengurangkan lalu lintas dan memandu kereta pandu sendiri dengan cekap melalui jalan. Penyampaian pertama yang tidak berjaya adalah contoh ini. Ini adalah punca utama kesesakan kerana pemandu terpaksa kembali ke alamat yang sama berulang kali. Di bandar kognitif, data lokasi yang menunjukkan apabila pelanggan berada di rumah boleh dikongsi tanpa nama dengan syarikat penghantaran dengan persetujuan mereka, jadi lebih banyak penghantaran boleh dihantar pada percubaan pertama
Tempat letak kenderaan pintar ialah Satu cara penting untuk mengurangkan kesesakan lalu lintas dan menjadikan jalan lebih cekap . Nod pengkomputeran tepi boleh mengesan tempat letak kereta kosong dan memandu kenderaan ke sana dalam masa nyata. Ia juga akan menjadi pemboleh utama pemanduan autonomi, menyediakan lebih banyak data untuk sistem pemanduan sendiri kereta. Di bandar pintar masa hadapan, jalan raya akan direka bentuk mengikut pemanduan autonomi, membolehkan komunikasi antara kenderaan dan kenderaan, dan antara kenderaan dan infrastruktur
Pengkomputeran tepi boleh mempercepatkan responden pertama ke tempat kemalangan. Infrastruktur bandar pintar menggunakan penderia berasaskan penglihatan untuk mengesan kebakaran dalam bangunan dan mencetuskan penggera. Selepas perkhidmatan kecemasan menerima amaran, AI boleh pra-merancang laluan paling selamat dan terpantas untuk mereka yang tiba di tempat kejadian, dan melaraskan laluan kenderaan lain jika perlu
Mengutamakan isu privasi
Ditulis Semula Inilah yang dikatakan: Video ialah digunakan bukan sahaja untuk pengawasan, tetapi untuk menyediakan pelbagai kesedaran situasi, seperti tong sampah yang melimpah dan keadaan lalu lintas. Kamera pintar boleh membantu pemilik mencari haiwan peliharaan yang hilang, contohnya, dengan menggunakan kecerdasan buatan untuk mengenal pasti haiwan peliharaan semasa mereka bergerak antara kamera. Di mana-mana bandar pintar, privasi adalah isu yang paling penting. Bandar pintar masa depan tidak akan memperoleh data hanya untuk memperoleh data, tetapi untuk menyediakan perkhidmatan yang lebih baik. Jika rakyat mempercayai maklumat yang diberikan oleh perancang bandar, mereka perlu mendapat lebih banyak balasan daripada apa yang mereka sediakan
Edge juga boleh membantu mencapai pembangunan mampan di rumah. Malah rumah pintar yang paling bijak boleh mengesan penghunian dan hanya mematikan penghawa dingin apabila seseorang keluar. Dengan menggunakan penderia dan kecerdasan buatan untuk meramal, ia boleh ditolak perlahan-lahan dalam satu jam sebelum seseorang pergi. Bandar raya akan menggunakan teknologi pengkomputeran termaju untuk memantau aktiviti masa nyata dalam bangunan, membolehkan pihak berkuasa memadankan bekalan dan permintaan tenaga.
Bandar kognitif pada masa hadapan akan menyediakan pengalaman realiti tambahan untuk membantu orang yang mengalami masalah penglihatan atau pendengaran dengan penukaran teks ke pertuturan dan pertuturan ke teks. Di sini, pengkomputeran tepi akan memainkan peranan penting: apabila orang cacat penglihatan melintas jalan, setiap milisaat dikira. Kuasa pengkomputeran tidak lagi terhad kepada pusat data, tetapi dalam bandar yang benar-benar kognitif, jalanan itu sendiri berubah-ubah dengan data
nod, jalan raya dan beban kerja
Apabila membina bandar pintar dari awal, Apa yang terlibat ialah ratusan ribu pengkomputeran nod tersebar di seluruh bandar. Ini memerlukan perancangan. Nod ini perlu menjadi sebahagian daripada persekitaran terbina, seperti lampu di jalan. Setiap peranti juga mempunyai keperluan yang berbeza dari segi penyejukan dan kependaman, contohnya komputer tidak boleh diletakkan di dalam almari. Apabila membina bandar pintar baharu, nod ini boleh disepadukan dengan lebih cekap supaya ia lebih kelihatan dan boleh diakses oleh jurutera perkhidmatan
Walau bagaimanapun, jika pengubahsuaian perlu dilakukan, sama ada dalam lampu jalan pintar atau kabinet, terdapat cara untuk mengintegrasikan kuasa Pengkomputeran dihantar ke tempat yang diperlukan. Di banyak bandar besar terdapat banyak kabinet perkhidmatan yang menawarkan perkhidmatan mudah alih atau telekomunikasi dan juga bekalan air. Jurutera perkhidmatan boleh melaraskan interaksi mereka dengan rangkaian. Kabinet perkhidmatan ini akan menjadi pusat data masa hadapan
Bandar masa depan
Bandar pintar masa depan akan berpusatkan rakyat dan akan mengintegrasikan teknologi pintar, sama ada dibina di bandar sedia ada atau di "padang hijau". Projek infrastruktur berskala besar ini akan berdasarkan penyertaan rakyat dan menghimpunkan infrastruktur kritikal untuk menyokong aspek seperti rangkaian komunikasi, pengangkutan, keselamatan awam dan kecekapan tenaga
Kota masa depan akan berpusat pada nod pengkomputeran tepi di setiap jalan. , Nod ini akan mengumpul maklumat daripada penderia dan kamera, membolehkan bandar untuk "berfikir" sendiri. Bandar pintar hanyalah titik permulaan Bandar kognitif masa hadapan akan mewujudkan gaya hidup yang lebih selamat, lebih bahagia dan lebih mampan
Atas ialah kandungan terperinci Masa depan bandar pintar: lembaran baharu dalam pemikiran bebas. 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
