智慧城市的未來:獨立思考的新篇章
想像一下,一個獨立思考的城市,確保貨物第一時間到達,透過「分流」交通,讓緊急車輛順利到達目的地,甚至讓人們與丟失的寵物團聚
被稱為「認知城市」的前景是下一代智慧城市的發展方向
重寫後的內容如下: 第一批智慧城市可以感知但不能行動,但認知城市會感知並做出反應。要實現這個目標的關鍵是分佈在街道上的感測器和邊緣運算。許多未來的智慧城市將是「綠地」:全新的城市,從零開始建造並融入智能,從路燈到垃圾箱的一切都內建了邊緣運算。對於居住在這些城市的人們來說,邊緣運算將為他們的生活帶來真正的、可衡量的改善——從立即找到停車位到使用預測智能減少能源賬單
強調認知城市的邊緣
在創造認知城市時,最基本的需求是將運算能力轉移到資料產生的地方:人們生活、工作和旅行的地方。無論是在建造一個全新的智慧城市,還是在一個原有的"棕色地帶"城市改造技術,這都是適用的。不管怎樣,邊緣是關鍵。例如,在處理垃圾箱、下水道或交通燈中攝影機裡的感測器資訊時,需要即時對這些問題做出反應
#在當前的智慧城市中,主要關注的一直是數據的獲取:無論是用於監控交通熱點,還是用於尋找水外洩。然而,在未來幾年裡,城市本身將對不斷變化的物理世界做出動態反應,例如根據即時天氣狀況調整能源使用
隨著物聯網(IoT)和現代人工智慧(AI)的引入,監控的演變源自於機器對機器的基礎,對智慧技術的變革具有革命性。新興的人工智慧技術,如大型語言模型,也將在未來發揮作用,使城市規劃者和一般居民能夠輕鬆與所在城市互動。邊緣技術將成為我們有效控制未來城市的關鍵因素
為了實現這種快速反應的服務,邊緣運算變得至關重要:需要將運算能力遷移到街道上。這是從使用交通或煙霧感測器等一次性模擬感測器轉向使用智慧攝影機的更廣泛轉變的一部分,智慧攝影機既可以產生數據,又可以保護隱私
智慧街道
在未來的智慧城市中,科技將滿足人類的需求。永續性是城市面臨的最大問題,到目前為止,最大的貢獻者是汽車。智慧城市將有助於減少交通流量,並有效率地引導自動駕駛汽車通過街道。第一次沒有成功的交付就是一個例子。這是造成擁堵的主要原因,因為駕駛員必須反覆返回同一個地址。在一個認知城市中,顯示顧客何時在家的位置資料可以在徵得其同意的情況下匿名分享給快遞企業,這樣更多的快遞就能在第一次嘗試時送達
智慧停車是一種重要的方式,可以減少交通擁堵,提高街道的效率。邊緣運算節點能夠感知空閒停車位,並即時引導車輛前往。它還將成為自動駕駛的關鍵推動者,為汽車自動駕駛系統提供更多數據。在未來的智慧城市中,道路將圍繞自動駕駛進行設計,實現車輛與車輛、車輛與基礎設施之間的通訊
#邊緣運算可以加速第一響應者到達事故現場。智慧城市基礎設施利用基於視覺的感測器來偵測建築物內的火災並觸發警報。緊急服務收到警報後,人工智慧可以事先規劃最安全、最快的路線供到達現場的人員使用,並在需要時調整其他車輛的行駛路線
優先處理隱私問題
重寫後的內容如下:影片的用途不僅僅是監視,而是用於提供各種情境感知,例如溢出的垃圾箱和交通狀況。智慧攝影機可以幫助失散寵物的主人找到它們,例如,當寵物在攝影機之間移動時,人工智慧可以識別出它們。在任何智慧城市中,隱私都是最重要的議題。未來的智慧城市不會只是為了取得數據而取得數據,而是為了提供更好的服務。如果市民信任城市規劃者提供的信息,就需要得到比他們提供的更多的回報
邊緣還可以幫助實現家庭的可持續發展。即使是最聰明的智慧家庭也能偵測到佔用情況,只有在有人離開時才會關閉空調。透過使用感測器和人工智慧來預測,在有人離開前的一個小時裡,可以慢慢將其調低。城市將使用先進的計算技術來監控建築物的即時活動,使當局能夠匹配能源供應和需求。
未來的認知城市將提供擴增實境體驗,以幫助視力或聽力受損的人實現文字轉語音和語音到文字的轉換。在這裡,邊緣運算將起到關鍵作用:當視障人士過馬路時,每一毫秒都至關重要。運算能力不再侷限於資料中心,而是在真正的認知城市中,街道本身也會隨著資料而波動
節點、道路和工作負荷
##從零開始建構一個智慧城市時,涉及到的是遍布整個城市的數十萬個運算節點。這需要進行規劃。這些節點需要成為建築環境的一部分,就像街道上的燈一樣。每種設備在冷卻和延遲時間方面也有不同的要求,例如電腦不能放在櫥櫃裡。在建造新的智慧城市時,可以更有效地整合這些節點,這樣服務工程師就更容易看到和接近它們了然而,如果要進行改裝,無論是在智慧路燈還是櫥櫃中,都有方法將計算能力傳遞到需要的地方。在許多大城市中,有大量的服務櫃提供行動或電信服務,甚至提供供水。服務工程師可以調整其與網路的互動。這些服務櫃,將成為未來的資料中心未來的城市
未來的智慧城市將以人為中心,無論是在現有城市中還是在“綠地」中建造,都將整合智慧科技。這些大型基礎設施項目將以公民參與為基礎,匯集關鍵的基礎設施,支持通訊網路、交通、公共安全和能源效率等各個方面未來的城市將以每條街道上的邊緣計算節點為核心,這些節點將收集來自感測器和攝影機的信息,讓城市自己進行「思考」。智慧城市只是一個起點,未來的認知城市將創造更安全、更快樂、更永續的生活方式以上是智慧城市的未來:獨立思考的新篇章的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

熱門話題

本站6月27日訊息,剪映是由位元組跳動旗下臉萌科技開發的一款影片剪輯軟體,依託於抖音平台且基本面向該平台用戶製作短影片內容,並相容於iOS、安卓、Windows 、MacOS等作業系統。剪映官方宣布會員體系升級,推出全新SVIP,包含多種AI黑科技,例如智慧翻譯、智慧劃重點、智慧包裝、數位人合成等。價格方面,剪映SVIP月費79元,年費599元(本站註:折合每月49.9元),連續包月則為59元每月,連續包年為499元每年(折合每月41.6元) 。此外,剪映官方也表示,為提升用戶體驗,向已訂閱了原版VIP

透過將檢索增強生成和語意記憶納入AI編碼助手,提升開發人員的生產力、效率和準確性。譯自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。雖然基本AI程式設計助理自然有幫助,但由於依賴對軟體語言和編寫軟體最常見模式的整體理解,因此常常無法提供最相關和正確的程式碼建議。這些編碼助手產生的代碼適合解決他們負責解決的問題,但通常不符合各個團隊的編碼標準、慣例和風格。這通常會導致需要修改或完善其建議,以便將程式碼接受到應

大型語言模型(LLM)是在龐大的文字資料庫上訓練的,在那裡它們獲得了大量的實際知識。這些知識嵌入到它們的參數中,然後可以在需要時使用。這些模型的知識在訓練結束時被「具體化」。在預訓練結束時,模型實際上停止學習。對模型進行對齊或進行指令調優,讓模型學習如何充分利用這些知識,以及如何更自然地回應使用者的問題。但是有時模型知識是不夠的,儘管模型可以透過RAG存取外部內容,但透過微調使用模型適應新的領域被認為是有益的。這種微調是使用人工標註者或其他llm創建的輸入進行的,模型會遇到額外的實際知識並將其整合

想了解更多AIGC的內容,請造訪:51CTOAI.x社群https://www.51cto.com/aigc/譯者|晶顏審校|重樓不同於網路上隨處可見的傳統問題庫,這些問題需要跳脫常規思維。大語言模型(LLM)在數據科學、生成式人工智慧(GenAI)和人工智慧領域越來越重要。這些複雜的演算法提升了人類的技能,並在許多產業中推動了效率和創新性的提升,成為企業保持競爭力的關鍵。 LLM的應用範圍非常廣泛,它可以用於自然語言處理、文字生成、語音辨識和推薦系統等領域。透過學習大量的數據,LLM能夠產生文本

編輯|ScienceAI問答(QA)資料集在推動自然語言處理(NLP)研究中發揮著至關重要的作用。高品質QA資料集不僅可以用於微調模型,也可以有效評估大語言模型(LLM)的能力,尤其是針對科學知識的理解和推理能力。儘管目前已有許多科學QA數據集,涵蓋了醫學、化學、生物等領域,但這些數據集仍有一些不足之處。其一,資料形式較為單一,大多數為多項選擇題(multiple-choicequestions),它們易於進行評估,但限制了模型的答案選擇範圍,無法充分測試模型的科學問題解答能力。相比之下,開放式問答

機器學習是人工智慧的重要分支,它賦予電腦從數據中學習的能力,並能夠在無需明確編程的情況下改進自身能力。機器學習在各個領域都有廣泛的應用,從影像辨識和自然語言處理到推薦系統和詐欺偵測,它正在改變我們的生活方式。機器學習領域存在著多種不同的方法和理論,其中最具影響力的五種方法被稱為「機器學習五大派」。這五大派分別為符號派、聯結派、進化派、貝葉斯派和類推學派。 1.符號學派符號學(Symbolism),又稱符號主義,強調利用符號進行邏輯推理和表達知識。該學派認為學習是一種逆向演繹的過程,透過現有的

編輯|KX在藥物研發領域,準確有效地預測蛋白質與配體的結合親和力對於藥物篩選和優化至關重要。然而,目前的研究並沒有考慮到分子表面訊息在蛋白質-配體相互作用中的重要作用。基於此,來自廈門大學的研究人員提出了一種新穎的多模態特徵提取(MFE)框架,該框架首次結合了蛋白質表面、3D結構和序列的信息,並使用交叉注意機制進行不同模態之間的特徵對齊。實驗結果表明,該方法在預測蛋白質-配體結合親和力方面取得了最先進的性能。此外,消融研究證明了該框架內蛋白質表面資訊和多模態特徵對齊的有效性和必要性。相關研究以「S

本站7月5日消息,格芯(GlobalFoundries)於今年7月1日發布新聞稿,宣布收購泰戈爾科技(TagoreTechnology)的功率氮化鎵(GaN)技術及智慧財產權組合,希望在汽車、物聯網和人工智慧資料中心應用領域探索更高的效率和更好的效能。隨著生成式人工智慧(GenerativeAI)等技術在數位世界的不斷發展,氮化鎵(GaN)已成為永續高效電源管理(尤其是在資料中心)的關鍵解決方案。本站引述官方公告內容,在本次收購過程中,泰戈爾科技公司工程師團隊將加入格芯,進一步開發氮化鎵技術。 G
