目录
1.在城市中实施生成式人工智能
2.地方层面建立人工智能监管
城市可以成为制定地方层面法学硕士使用指南的驱动力
3.城市数字孪生的持续采用
4.自主交通试点
首页 科技周边 人工智能 2024年的数字孪生和人工智能发展展望

2024年的数字孪生和人工智能发展展望

Jan 25, 2024 pm 05:12 PM
人工智能 数字孪生

2024年的数字孪生和人工智能发展展望

人工智能(AI)和数字孪生是备受关注的技术领域,应用广泛。以下是它们的一些趋势:

1.在城市中实施生成式人工智能

到2024年,人工智能(AI)将在塑造城市技术格局方面发挥重要作用。城市已经取得了长足进展,特别是在交通管理和应急响应等领域运用人工智能。然而,过去18个月的突出发展是对生成式人工智能的潜力有了更深入的认识,尤其是在大型语言模型(LLM)的应用方面。

生成式人工智能,以LLM为代表,展示了城市在提高效率和促进与信息的独特交互方面的潜在能力。预计城市将越来越多地采用LLM,主要是为了更好地为居民提供服务。这种采用不仅有望提高效率和生产力,还旨在缩小居民需求与及时解决方案之间的差距。

然而,人工智能在城市中广泛融合面临许多挑战。隐私问题、网络安全风险和道德考虑,尤其是人工智能输出中的潜在偏见,是城市正努力解决的重要问题。城市需要制定合适的政策和法规来保护个人隐私,并加强网络安全措施,以应对不断增长的安全威胁。此外,道德指导原则和公正性要求也需要纳入人工智能的开发

在城市考虑风险时,需要在获得人工智能工具带来的生产力提升和确保用户体验之间取得平衡。公平性和包容性的讨论围绕着人工智能模型训练,成为创建用户友好且相关工具的不可或缺的一部分。这一讨论在不同城市环境中进行,以确保工具的公平性和包容性。

到2024年,城市领导者将越来越多地依赖数字孪生来解决城市挑战。然而,数字孪生的技术复杂性也在逐渐增加。城市面临着微调现有模型或依赖预先训练模型的决策。通过结合经验和试点,城市可以找到与这些工具最佳互动的方式。这样的决策将为城市领导者提供更好的指导,以应对城市发展的需求。

尽管人们对人工智能的潜力感到兴奋,但也承认,即使是一些研究科学家对该技术仍知之甚少。虽然模型和训练集的规模越大,性能越好,但对模型训练和部署的微小差异仍需进行探索和实验。

2024年,城市进入了一个试错期,这是不可避免的。在这个期间,组织可能会发生数据保护和使用不当的事件,这将促使公民要求更多的保护措施在使用生成式人工智能工具时。此外,虚假信息由人工智能产生可能对法律产生影响,特别是在受监管的市政交易等环境中。因此,城市需要建立强有力的措施来解决这个重要问题。通过这段试错期,城市将从中吸取经验教训,来塑造广泛且负责任的人工智能整合。

2.地方层面建立人工智能监管

在涉及城市人工智能使用的监管和国家地方政府政策平衡时,存在一些复杂问题需要认真思考。

当前立法面临的挑战在于技术的快速发展,特别是在去年。2024年,新兴技术的能力存在不确定性。问题在于,如果像OpenAI和Anthropic这样的新的有影响力的参与者将重塑技术格局,或者像谷歌和微软这样的老牌巨头是否会通过收购或广泛整合技术来保持主导地位,LLM是否会经历重大改进。

城市可以成为制定地方层面法学硕士使用指南的驱动力

在国家政府层面,往往会更多地审议和关注围绕技术政策的理论问题。然而,城市以其积极主动的性质而闻名,并且能够更快地实施和采用新技术。城市已经在企业和公共服务环境中使用人工智能工具,但通常没有具体的规定。公开的秘密是,这些工具正在使用中,城市正在主动了解员工如何使用人工智能,努力建立安全做法,最大限度地降低居民的风险。

城市可以成为制定地方层面LLM使用指南的驱动力。认识到在缺乏明确的国家框架的情况下监管的必要性,城市可以带头制定指导方针来管理人工智能的负责任使用。这反映了对不断发展的技术格局的务实反应,以及确保在不损害居民福祉的情况下利用人工智能的好处的承诺。

城市中的人工智能监管正在以一个动态和去中心化的过程展开,城市带头适应技术进步并制定指导方针,来解决人工智能使用带来的实际挑战,从而在仍然快速变化的技术环境中实现敏捷性和响应能力。

3.城市数字孪生的持续采用

到2024年,数字孪生在城市中的使用将继续增长,其多功能性将开始使其成为城市规划者和领导者的重要工具。

居民对更快、更有弹性的基础设施增长的需求正在推动城市探索创新解决方案。数字孪生提供了全面绘制和了解城市物理基础设施的能力。这对于老城市来说尤其重要,因为这些城市的项目经常会暴露出意想不到的管道、电线甚至隧道。数字孪生提供的准确绘图可以更好地进行规划和模拟,特别是在面对海平面上升等日益严重的气候变化影响时。

到2024年,城市领导者将越来越多地转向数字孪生,以应对建造更快、更密集的住房以及规划自动驾驶等新兴技术的挑战。数字孪生的模拟功能使规划人员能够评估从基础设施项目到未来交通方式整合的各种场景。

围绕虚拟世界和数字孪生的炒作之间仍然存在联系,但城市主要专注于利用数字孪生来解决切实的、现实世界的问题。采用数字孪生背后的驱动力是它们解决实际挑战的能力,最终提高公民的生活质量。

尽管虚拟宇宙中的社区参与具有令人着迷的潜力,特别是在习惯于在线社交互动的年轻一代中,但数字孪生的主要用途仍然植根于解决城市的物理挑战。城市领导者可能会优先考虑数字孪生在改善基础设施方面的切实好处,而不是关注与虚拟世界相关的虚拟和社会方面。

4.自主交通试点

尽管最近面临监管挑战,但我们可以预期自动驾驶班车和公交车驾驶员的部署将会增加。鉴于公交车司机和交通人员的劳动力持续短缺,城市正在认识到自主公共交通的价值,特别是那些能够容纳更高乘客吞吐量的交通。

另一方面,在天空中广泛采用电动垂直起降(eVTOL)飞机似乎是一个更遥远的愿景。尽管试点和合作伙伴关系前景广阔,但仍存在诸如垂直起落机场规划和噪音控制等实际挑战,更不用说监管环境的复杂性了。

面对更紧迫、更紧迫的城市交通问题,证明此类试点投资的合理性可能会很困难。

虽然eVTOL有一些有趣的用例,特别是在搜索救援和医疗运输等领域,但乘客定期乘坐eVTOL在区域枢纽之间通勤的想法是一个长期愿景。

当谈到那些虽然可能有用但被认为华而不实的项目时,公众会感到疲劳。当公众寻求公共交通、交通拥堵和安全问题的解决方案时,全球城市领导人和市长可能会发现维持对此类试点的支持具有挑战性。

面对更紧迫、更紧迫的城市交通问题,证明此类试点投资的合理性可能会很困难。随着我们的前进,重点可能会转向实用且有影响力的解决方案,直接解决城市环境中居民面临的日常挑战。

以上是2024年的数字孪生和人工智能发展展望的详细内容。更多信息请关注PHP中文网其他相关文章!

本站声明
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

热AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover

AI Clothes Remover

用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool

Undress AI Tool

免费脱衣服图片

Clothoff.io

Clothoff.io

AI脱衣机

AI Hentai Generator

AI Hentai Generator

免费生成ai无尽的。

热门文章

R.E.P.O.能量晶体解释及其做什么(黄色晶体)
3 周前 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.最佳图形设置
3 周前 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.如果您听不到任何人,如何修复音频
3 周前 By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25:如何解锁Myrise中的所有内容
4 周前 By 尊渡假赌尊渡假赌尊渡假赌

热工具

记事本++7.3.1

记事本++7.3.1

好用且免费的代码编辑器

SublimeText3汉化版

SublimeText3汉化版

中文版,非常好用

禅工作室 13.0.1

禅工作室 13.0.1

功能强大的PHP集成开发环境

Dreamweaver CS6

Dreamweaver CS6

视觉化网页开发工具

SublimeText3 Mac版

SublimeText3 Mac版

神级代码编辑软件(SublimeText3)

字节跳动剪映推出 SVIP 超级会员:连续包年 499 元,提供多种 AI 功能 字节跳动剪映推出 SVIP 超级会员:连续包年 499 元,提供多种 AI 功能 Jun 28, 2024 am 03:51 AM

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

使用Rag和Sem-Rag提供上下文增强AI编码助手 使用Rag和Sem-Rag提供上下文增强AI编码助手 Jun 10, 2024 am 11:08 AM

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

微调真的能让LLM学到新东西吗:引入新知识可能让模型产生更多的幻觉 微调真的能让LLM学到新东西吗:引入新知识可能让模型产生更多的幻觉 Jun 11, 2024 pm 03:57 PM

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

七个很酷的GenAI & LLM技术性面试问题 七个很酷的GenAI & LLM技术性面试问题 Jun 07, 2024 am 10:06 AM

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

为大模型提供全新科学复杂问答基准与测评体系,UNSW、阿贡、芝加哥大学等多家机构联合推出SciQAG框架 为大模型提供全新科学复杂问答基准与测评体系,UNSW、阿贡、芝加哥大学等多家机构联合推出SciQAG框架 Jul 25, 2024 am 06:42 AM

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

你所不知道的机器学习五大学派 你所不知道的机器学习五大学派 Jun 05, 2024 pm 08:51 PM

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

SOTA性能,厦大多模态蛋白质-配体亲和力预测AI方法,首次结合分子表面信息 SOTA性能,厦大多模态蛋白质-配体亲和力预测AI方法,首次结合分子表面信息 Jul 17, 2024 pm 06:37 PM

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S

布局 AI 等市场,格芯收购泰戈尔科技氮化镓技术和相关团队 布局 AI 等市场,格芯收购泰戈尔科技氮化镓技术和相关团队 Jul 15, 2024 pm 12:21 PM

本站7月5日消息,格芯(GlobalFoundries)于今年7月1日发布新闻稿,宣布收购泰戈尔科技(TagoreTechnology)的功率氮化镓(GaN)技术及知识产权组合,希望在汽车、物联网和人工智能数据中心应用领域探索更高的效率和更好的性能。随着生成式人工智能(GenerativeAI)等技术在数字世界的不断发展,氮化镓(GaN)已成为可持续高效电源管理(尤其是在数据中心)的关键解决方案。本站援引官方公告内容,在本次收购过程中,泰戈尔科技公司工程师团队将加入格芯,进一步开发氮化镓技术。G

See all articles