色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

對(duì)AI發(fā)展軌跡、趨勢(shì)、技術(shù)需求分析 以創(chuàng)造更有用的AI和容易實(shí)現(xiàn)的目標(biāo)

KIyT_gh_211d74f ? 2018-01-15 13:41 ? 次閱讀

在2018年及其以后,深層神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)在更大的人工智能AI)領(lǐng)域會(huì)如何發(fā)展?我們?nèi)绾文荛_(kāi)發(fā)出越來(lái)越復(fù)雜的機(jī)器以在日常生活中幫助人類(lèi)?

這些都是普渡大學(xué)機(jī)器學(xué)習(xí)硬件教授尤金尼奧·庫(kù)魯爾塞羅(Eugenio Culurciello)關(guān)注的問(wèn)題。請(qǐng)注意,本文的重點(diǎn)并非有關(guān)AI的預(yù)測(cè),而是對(duì)該領(lǐng)域發(fā)展軌跡、趨勢(shì)以及技術(shù)需求的詳細(xì)分析,以幫助創(chuàng)造更有用的AI。當(dāng)然,并非所有的機(jī)器學(xué)習(xí)都是針對(duì)AI的,還有些其他容易實(shí)現(xiàn)的目標(biāo),下面我們就仔細(xì)審視下。

目標(biāo)

AI領(lǐng)域的目標(biāo)是通過(guò)機(jī)器上實(shí)現(xiàn)人類(lèi)和超人的能力,以便讓它們?cè)谌粘I钪袔椭覀儭?a href="http://www.1cnz.cn/tags/自動(dòng)駕駛/" target="_blank">自動(dòng)駕駛車(chē)輛、智能家居、人工助理以及安全攝像頭將是植入AI技術(shù)的首批目標(biāo),家庭烹飪和清潔機(jī)器人、無(wú)人偵察機(jī)和機(jī)器人則是第二批目標(biāo)。

其他目標(biāo)還有移動(dòng)設(shè)備上的助理,全職陪伴助理(可以聽(tīng)到和看到我們的生活經(jīng)歷)。而AI領(lǐng)域的終極目標(biāo)是打造完全自主的合成實(shí)體,它可以在日常工作中以相當(dāng)于人類(lèi)或超越人類(lèi)的水平行事。

軟件

在這里,軟件被定義為通過(guò)優(yōu)化算法訓(xùn)練的神經(jīng)網(wǎng)絡(luò)構(gòu)架以解決特定的任務(wù)。今天,神經(jīng)網(wǎng)絡(luò)是用來(lái)學(xué)習(xí)解決問(wèn)題的實(shí)際工具,其中涉及通過(guò)大數(shù)據(jù)集進(jìn)行分類(lèi)學(xué)習(xí)。但這并不是全部AI,它要求在現(xiàn)實(shí)世界中,在沒(méi)有監(jiān)督的情況下學(xué)習(xí),也要吸取以前從未見(jiàn)過(guò)的經(jīng)驗(yàn),常常需要把以前學(xué)到的知識(shí)結(jié)合起來(lái)以解決當(dāng)前的挑戰(zhàn)。

如何讓目前的神經(jīng)網(wǎng)絡(luò)演變成AI?

神經(jīng)網(wǎng)絡(luò)架構(gòu):幾年前,當(dāng)神經(jīng)網(wǎng)絡(luò)架構(gòu)發(fā)展起來(lái)的時(shí)候,我們經(jīng)常認(rèn)為從數(shù)據(jù)中自動(dòng)學(xué)習(xí)算法的參數(shù)擁有巨大優(yōu)勢(shì),而且這比手工編寫(xiě)的算法功能更強(qiáng)大。對(duì)AI發(fā)展軌跡、趨勢(shì)、技術(shù)需求分析 來(lái)創(chuàng)造更有用的AI和容易實(shí)現(xiàn)的目標(biāo)

我們必須嘗試從頭開(kāi)始訓(xùn)練多個(gè)架構(gòu),并看看哪一個(gè)最有效。這就是我們今天使用的、非常耗時(shí)的試錯(cuò)過(guò)程!我們應(yīng)該克服這一限制,并在這個(gè)非常重要的問(wèn)題上多加思考。

無(wú)監(jiān)督學(xué)習(xí):我們不能總是干預(yù)神經(jīng)網(wǎng)絡(luò),引導(dǎo)它們的每一次體驗(yàn)。我們不能在每個(gè)實(shí)例中都糾正它們,并提供它們的性能反饋。我們的生活也要持續(xù)下去!

但這正是我們今天利用受監(jiān)督神經(jīng)網(wǎng)絡(luò)所做的:我們?yōu)槊總€(gè)實(shí)例提供幫助,使它們能夠正確執(zhí)行。相反,人類(lèi)只需從少數(shù)幾個(gè)例子中學(xué)習(xí),并且能夠以連續(xù)的方式自我校正和學(xué)習(xí)更復(fù)雜的數(shù)據(jù)。

預(yù)測(cè)神經(jīng)網(wǎng)絡(luò):目前神經(jīng)網(wǎng)絡(luò)的一個(gè)主要局限是它們沒(méi)有人類(lèi)大腦最重要的特征之一,即預(yù)測(cè)能力。關(guān)于人腦如何工作的一個(gè)主要理論是它能不斷地預(yù)測(cè),即擁有預(yù)測(cè)代碼。

如果你仔細(xì)想想,就會(huì)發(fā)現(xiàn)我們每天都在使用它。你提起一個(gè)自認(rèn)為很輕的物體,但結(jié)果它卻很重。這會(huì)讓你感到驚訝,因?yàn)楫?dāng)你接近它的時(shí)候,你已經(jīng)預(yù)測(cè)它將如何影響你和你的身體,或者你的整體環(huán)境。對(duì)AI發(fā)展軌跡、趨勢(shì)、技術(shù)需求分析 來(lái)創(chuàng)造更有用的AI和容易實(shí)現(xiàn)的目標(biāo)

或者,在現(xiàn)代世界里,當(dāng)我們匆忙出門(mén)時(shí),我的手機(jī)落在哪里。構(gòu)建預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)是我們與現(xiàn)實(shí)世界互動(dòng)的核心,并能在復(fù)雜的環(huán)境中發(fā)揮作用。因此,這是任何強(qiáng)化學(xué)習(xí)的核心網(wǎng)絡(luò)。

當(dāng)前神經(jīng)網(wǎng)絡(luò)的局限性:無(wú)法預(yù)測(cè),無(wú)法解釋理由,以及暫時(shí)的不穩(wěn)定性,因此我們需要一種新的神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)膠囊(Neural Network Capsules)就是解決當(dāng)前神經(jīng)網(wǎng)絡(luò)局限性的一種方法,但我們認(rèn)為它必須有些額外的特點(diǎn):

1、視頻幀操作:這很簡(jiǎn)單,因?yàn)槲覀冃枰龅木褪亲屇z囊路由查看最近時(shí)間的多個(gè)數(shù)據(jù)點(diǎn)。這相當(dāng)于在最近的重要數(shù)據(jù)點(diǎn)上建立起關(guān)聯(lián)內(nèi)存。請(qǐng)注意,這些不是最近幀的最新表達(dá),而是它們最新的不同表達(dá)。

可以通過(guò)僅保存與預(yù)定義值不同的表達(dá)來(lái)獲得不同內(nèi)容的不同表達(dá)。這個(gè)重要的細(xì)節(jié)只允許保存最近歷史上的相關(guān)信息,而不是一系列無(wú)用的相關(guān)數(shù)據(jù)點(diǎn)。

2、預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)能力:這已經(jīng)是動(dòng)態(tài)路由的一部分,它迫使各層預(yù)測(cè)下一層表達(dá)。這是一種非常強(qiáng)大的自我學(xué)習(xí)技巧,在我們看來(lái),它勝過(guò)了我們?cè)谏鐓^(qū)中發(fā)展的所有其他非監(jiān)督表現(xiàn)學(xué)習(xí)。膠囊現(xiàn)在需要能夠預(yù)測(cè)長(zhǎng)期的時(shí)空關(guān)系,但目前還沒(méi)有實(shí)現(xiàn)。
對(duì)AI發(fā)展軌跡、趨勢(shì)、技術(shù)需求分析 來(lái)創(chuàng)造更有用的AI和容易實(shí)現(xiàn)的目標(biāo)

轉(zhuǎn)移學(xué)習(xí):或者稱(chēng)我們?nèi)绾巫屵@些算法通過(guò)觀看視頻自學(xué),就像我們學(xué)習(xí)如何烹飪新的東西一樣。這是一種能力,需要我們上面列出的所有因素,而且對(duì)于加強(qiáng)學(xué)習(xí)也很重要。現(xiàn)在你可以通過(guò)舉例子的方式來(lái)訓(xùn)練你的機(jī)器去做你想讓它做的事情,就像我們?nèi)祟?lèi)一樣。

強(qiáng)化學(xué)習(xí):這是深神經(jīng)網(wǎng)絡(luò)研究的“圣杯”,即教機(jī)器如何在真實(shí)的世界環(huán)境中學(xué)習(xí)!這需要自學(xué)、持續(xù)學(xué)習(xí)、預(yù)測(cè)能力,還有很多我們不知道的東西。在強(qiáng)化學(xué)習(xí)領(lǐng)域有很多東西需要了解,但對(duì)作者們來(lái)說(shuō),這只觸及到問(wèn)題的表面。

強(qiáng)化學(xué)習(xí)通常被稱(chēng)為“蛋糕上的櫻桃”,意思是它只是塑料合成大腦上微不足道的訓(xùn)練。但是,我們?nèi)绾尾拍艿玫揭粋€(gè)“通用”大腦輕松地解決所有的問(wèn)題呢?

這是個(gè)“先有雞還是先有蛋”的問(wèn)題!今天,要想一個(gè)個(gè)地解決強(qiáng)化學(xué)習(xí)的問(wèn)題,我們需要使用標(biāo)準(zhǔn)神經(jīng)網(wǎng)絡(luò):一個(gè)深度的神經(jīng)網(wǎng)絡(luò),它接收大量的數(shù)據(jù)輸入,如視頻或音頻,并將其壓縮成表示;一個(gè)序列學(xué)習(xí)神經(jīng)網(wǎng)絡(luò),如RNN,以便了解任務(wù)。

這兩個(gè)部分都是問(wèn)題的明顯解決方案,目前顯然是錯(cuò)誤的,但這是每個(gè)人都在使用的,因?yàn)樗鼈兪钱?dāng)前可用的構(gòu)建塊。對(duì)AI發(fā)展軌跡、趨勢(shì)、技術(shù)需求分析 來(lái)創(chuàng)造更有用的AI和容易實(shí)現(xiàn)的目標(biāo)

不要更多的遞歸神經(jīng)網(wǎng)絡(luò)(RNN):因?yàn)樗鼈冊(cè)诓⑿谢矫姹憩F(xiàn)特別糟糕,甚至在特殊的定制機(jī)器上也很慢,因?yàn)樗鼈兊膬?nèi)存帶寬使用率很高,內(nèi)存帶寬存在限制。基于注意力的神經(jīng)網(wǎng)絡(luò)更高效,可更快速地進(jìn)行訓(xùn)練和部署,并且在訓(xùn)練和部署方面的可伸縮性更少。

在神經(jīng)網(wǎng)絡(luò)中,注意力有可能使許多架構(gòu)發(fā)生真正的改變,但它并沒(méi)有得到應(yīng)有的認(rèn)可。聯(lián)想記憶和注意力的結(jié)合是下一波神經(jīng)網(wǎng)絡(luò)發(fā)展的核心。我們認(rèn)識(shí)到,基于注意力的神經(jīng)網(wǎng)絡(luò)將逐漸取代基于RNN的語(yǔ)音識(shí)別,并在強(qiáng)化學(xué)習(xí)構(gòu)架和通用人工智能中找到它們的方法。

分類(lèi)神經(jīng)網(wǎng)絡(luò)中信息的定位:實(shí)際上這是一個(gè)已經(jīng)解決的問(wèn)題,將被嵌入到未來(lái)的神經(jīng)網(wǎng)絡(luò)架構(gòu)中。

硬件

深度學(xué)習(xí)硬件才是進(jìn)步的核心。現(xiàn)在讓我們忘記2008-2012年深度學(xué)習(xí)的快速擴(kuò)展,近年的進(jìn)步主要取決于硬件:在社交媒體的幫助下,每部手機(jī)上的廉價(jià)圖像傳感器都可以收集巨大的數(shù)據(jù)集,但其只處于次級(jí)重要程度。GPU允許加速深層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。在過(guò)去2年里,機(jī)器學(xué)習(xí)硬件蓬勃發(fā)展,尤其是針對(duì)深度神經(jīng)網(wǎng)絡(luò)的硬件。

有幾家公司正在這個(gè)領(lǐng)域努力,包括英偉達(dá)英特爾、Nervana、Movidius、Bitmain、Cambricon、Cerebras、DeePhi、谷歌、Graphcore、Groq、華為、ARM以及Wave Computing等,他們都在開(kāi)發(fā)定制的高性能微型芯片,能夠訓(xùn)練和運(yùn)行深層神經(jīng)網(wǎng)絡(luò)。

關(guān)鍵是提供最低功耗和最高的可測(cè)量性能,同時(shí)計(jì)算最近有用的神經(jīng)網(wǎng)絡(luò)操作,而不是每秒鐘的原始理論操作。但是在這個(gè)領(lǐng)域很少有人了解硬件是如何真正改變機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和AI的,很少有人知道微型芯片的重要性以及如何開(kāi)發(fā)它們。

培訓(xùn)或推理:許多公司都在制造能提供神經(jīng)網(wǎng)絡(luò)訓(xùn)練的微型芯片。這是為了獲得英偉達(dá)市場(chǎng)的一部分,它是迄今為止事實(shí)上的培訓(xùn)硬件。但這種訓(xùn)練只占深層神經(jīng)網(wǎng)絡(luò)應(yīng)用的很小部分。對(duì)于每個(gè)訓(xùn)練步驟,實(shí)際應(yīng)用程序中都有上百萬(wàn)個(gè)部署。

例如,你現(xiàn)在可以在云端使用的一個(gè)目標(biāo)檢測(cè)神經(jīng)網(wǎng)絡(luò),它曾經(jīng)被訓(xùn)練過(guò)一次,并且在很多圖像上都是可以使用的。但是一旦經(jīng)過(guò)訓(xùn)練,它就可以被數(shù)以百萬(wàn)計(jì)的計(jì)算機(jī)用于數(shù)十億的數(shù)據(jù)。

我們?cè)谶@里想說(shuō)的是,訓(xùn)練硬件的重要性和你所使用的次數(shù)相比是微不足道的,而制作用于訓(xùn)練的芯片組需要額外的硬件和額外的技巧。

這將導(dǎo)致相同性能卻消耗更高的功率,因此不是當(dāng)前部署的最佳狀態(tài)。訓(xùn)練硬件是很重要的,而對(duì)推理硬件進(jìn)行修改卻很簡(jiǎn)單,但它并不像許多人認(rèn)為的那樣重要。

應(yīng)用程序:能夠更快、更低功率地提供培訓(xùn)的硬件在這個(gè)領(lǐng)域非常重要,因?yàn)樗鼘⒃试S更快地創(chuàng)建和測(cè)試新的模型和應(yīng)用程序。但真正重要的一步是應(yīng)用所需的硬件,主要是推理硬件。

今天有許多應(yīng)用之所以無(wú)法使用,主要是因?yàn)橛布皇擒浖@纾覀兊氖謾C(jī)可以是基于語(yǔ)音的助手,目前是次優(yōu)的,因?yàn)樗鼈儾荒芤恢边\(yùn)行。就連我們的家庭助理也離不開(kāi)電源,除非我們?cè)谥車(chē)惭b更多麥克風(fēng)或設(shè)備,否則就不能跟著我們。

但也許最大的應(yīng)用是將手機(jī)屏幕從我們的生活中移除,并將其嵌入到我們的視覺(jué)系統(tǒng)中。如果沒(méi)有超級(jí)高效的硬件,所有這些和更多的應(yīng)用將是不可能的。

贏家和輸家:在硬件方面,贏家將是那些能夠以最低功耗發(fā)揮更高性能、并能將設(shè)備迅速投入市場(chǎng)的公司。想象用手機(jī)代替SoC,這種情況每年都會(huì)發(fā)生。現(xiàn)在想象下將神經(jīng)網(wǎng)絡(luò)加速器嵌入到內(nèi)存中。這可能會(huì)更快地征服市場(chǎng),并快速滲透,這就是我們所說(shuō)的贏家。

應(yīng)用程序

我們?cè)谏厦娴摹澳繕?biāo)”部分簡(jiǎn)要地討論了應(yīng)用程序,但是我們需要詳細(xì)討論一下。AI和神經(jīng)網(wǎng)絡(luò)將如何進(jìn)入我們的日常生活?這是我們的名單:

分類(lèi)圖像和視頻:已經(jīng)存在于許多云服務(wù)中。下一步就是在智能攝像頭領(lǐng)域做同樣的事情,今天在這里也有許多供應(yīng)商。神經(jīng)網(wǎng)絡(luò)硬件將允許移除云并在本地處理越來(lái)越多的數(shù)據(jù),保護(hù)隱私和節(jié)省網(wǎng)絡(luò)帶寬將成為贏家。

語(yǔ)音助理:它們正在成為我們生活中的一部分,可以在我們的智能設(shè)備中播放音樂(lè)和控制基本設(shè)備。但是對(duì)話是一種基本的人類(lèi)活動(dòng),我們常常認(rèn)為它是理所當(dāng)然的。

你可以對(duì)話的小型設(shè)備是一場(chǎng)正在發(fā)生的革命。語(yǔ)音助理正變得越來(lái)越好,可以更好地服務(wù)于我們。但它們?nèi)匀慌c電網(wǎng)相連,我們想要的真正助理應(yīng)該能隨時(shí)伴在我們身側(cè)。

手機(jī)怎么樣?硬件在這里再次勝出,因?yàn)樗鼘⑹股鲜銎谕蔀榭赡堋lexa、Cortana以及Siri可以始終陪伴著你。手機(jī)很快就會(huì)成為你的智能家居設(shè)備,這又是智能手機(jī)的又一次勝利。

但我們也希望它在我們的車(chē)?yán)铮殡S我們?cè)诔鞘兄幸苿?dòng)。我們需要本地處理語(yǔ)音,減少云端支持。更多的隱私和更少的帶寬成本。硬件有望在1-2年內(nèi)提供給我們。對(duì)AI發(fā)展軌跡、趨勢(shì)、技術(shù)需求分析 來(lái)創(chuàng)造更有用的AI和容易實(shí)現(xiàn)的目標(biāo)

烹飪機(jī)器人:下一個(gè)最大的設(shè)備將是烹飪和清潔機(jī)器人。在這里,我們可能很快就有硬件,但我們顯然缺乏軟件。我們需要轉(zhuǎn)移學(xué)習(xí)、持續(xù)學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。

一切都像魔法那樣,因?yàn)槟阒溃好總€(gè)食譜都是不同的,每種烹飪成分看起來(lái)都不一樣。我們不能硬編碼所有這些選項(xiàng)。我們真的需要一個(gè)可以學(xué)習(xí)和推廣的合成實(shí)體來(lái)做這個(gè)。

我們離它還很遠(yuǎn),但并非遙不可及。以目前的速度前進(jìn),可能只需要幾年就能實(shí)現(xiàn)。正如我在過(guò)去幾年所做的那樣,我感肯定這些都能實(shí)現(xiàn)。

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4771

    瀏覽量

    100719
  • AI
    AI
    +關(guān)注

    關(guān)注

    87

    文章

    30747

    瀏覽量

    268901
  • 智能家居
    +關(guān)注

    關(guān)注

    1928

    文章

    9555

    瀏覽量

    184948
  • 人工智能
    +關(guān)注

    關(guān)注

    1791

    文章

    47200

    瀏覽量

    238271
  • 自動(dòng)駕駛
    +關(guān)注

    關(guān)注

    784

    文章

    13786

    瀏覽量

    166399

原文標(biāo)題:2018年以后的人工智能將如何發(fā)展?

文章出處:【微信號(hào):gh_211d74f707ff,微信公眾號(hào):重慶人工智能】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦

    AI云平臺(tái)的未來(lái)趨勢(shì)發(fā)展方向

    AI云平臺(tái)通過(guò)提供高效的數(shù)據(jù)處理、模型訓(xùn)練、推理服務(wù)以及便捷的開(kāi)發(fā)工具,極大地降低了企業(yè)應(yīng)用AI的門(mén)檻,加速了AI技術(shù)的普及與創(chuàng)新。以下是對(duì)AI
    的頭像 發(fā)表于 12-02 17:34 ?163次閱讀

    AI模型市場(chǎng)分析

    隨著人工智能技術(shù)的快速發(fā)展AI模型已成為全球科技競(jìng)爭(zhēng)的新高地、未來(lái)產(chǎn)業(yè)的新賽道以及經(jīng)濟(jì)發(fā)展的新引擎。下面,AI部落小編
    的頭像 發(fā)表于 11-01 09:51 ?149次閱讀

    Gartner發(fā)布2025年戰(zhàn)略技術(shù)趨勢(shì),AI成核心關(guān)鍵詞

    的必要性和風(fēng)險(xiǎn),以及計(jì)算技術(shù)和人機(jī)協(xié)同的最新發(fā)展。   其中,代理型AI是備受關(guān)注的技術(shù)之一。這種AI能夠自主規(guī)劃和采取行動(dòng),
    的頭像 發(fā)表于 10-23 16:14 ?548次閱讀

    未來(lái)AI大模型的發(fā)展趨勢(shì)

    未來(lái)AI大模型的發(fā)展趨勢(shì)將呈現(xiàn)多元化和深入化的特點(diǎn),以下是對(duì)其發(fā)展趨勢(shì)分析: 一、技術(shù)驅(qū)動(dòng)與創(chuàng)新 算法與架構(gòu)優(yōu)化 : 隨著Transfor
    的頭像 發(fā)表于 10-23 15:06 ?597次閱讀

    AI for Science:人工智能驅(qū)動(dòng)科學(xué)創(chuàng)新》第4章-AI與生命科學(xué)讀后感

    的深入發(fā)展。 3. 挑戰(zhàn)與機(jī)遇并存 盡管AI在生命科學(xué)領(lǐng)域取得了顯著的成果,但也面臨著諸多挑戰(zhàn)。例如,數(shù)據(jù)隱私、算法偏見(jiàn)、倫理道德等問(wèn)題都需要我們認(rèn)真思考和解決。同時(shí),如何更好地將AI技術(shù)
    發(fā)表于 10-14 09:21

    AI for Science:人工智能驅(qū)動(dòng)科學(xué)創(chuàng)新》第二章AI for Science的技術(shù)支撐學(xué)習(xí)心得

    人工智能在科學(xué)研究中的核心技術(shù),包括機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等。這些技術(shù)構(gòu)成了AI for Science的基石,使得AI能夠處理和分析
    發(fā)表于 10-14 09:16

    人工智能ai 數(shù)電 模電 模擬集成電路原理 電路分析

    人工智能ai 數(shù)電 模電 模擬集成電路原理 電路分析 想問(wèn)下哪些比較容易學(xué) 不過(guò)好像都是要學(xué)的
    發(fā)表于 09-26 15:24

    嵌入式系統(tǒng)的未來(lái)趨勢(shì)有哪些?

    (ML)技術(shù)的快速發(fā)展,嵌入式系統(tǒng)將更多地整合這些先進(jìn)技術(shù)支持智能決策和自動(dòng)化。在設(shè)備上直接運(yùn)行AI和ML模型,進(jìn)行圖像識(shí)別、自然語(yǔ)言處
    發(fā)表于 09-12 15:42

    嵌入式軟件開(kāi)發(fā)與AI整合

    嵌入式軟件開(kāi)發(fā)與AI整合是當(dāng)前技術(shù)發(fā)展的重要趨勢(shì)之一。隨著人工智能技術(shù)的快速發(fā)展,嵌入式系統(tǒng)越來(lái)越多地集成了
    的頭像 發(fā)表于 07-31 09:25 ?698次閱讀
    嵌入式軟件開(kāi)發(fā)與<b class='flag-5'>AI</b>整合

    平衡創(chuàng)新與倫理:AI時(shí)代的隱私保護(hù)和算法公平

    在人工智能技術(shù)飛速發(fā)展的今天,它不僅帶來(lái)了前所未有的便利和效率,也暴露出了一系列倫理和隱私問(wèn)題。從數(shù)據(jù)隱私侵犯到“信息繭房”的形成,再到“大數(shù)據(jù)殺熟”、AI歧視和深度偽造技術(shù)的威脅,
    發(fā)表于 07-16 15:07

    電磁軌跡預(yù)測(cè)分析系統(tǒng)設(shè)計(jì)方案

    智慧華盛恒輝電磁軌跡預(yù)測(cè)分析系統(tǒng)的設(shè)計(jì)方案是一個(gè)綜合性的項(xiàng)目,它結(jié)合了電磁學(xué)、運(yùn)動(dòng)學(xué)、數(shù)據(jù)分析以及可能的人工智能或機(jī)器學(xué)習(xí)技術(shù)
    的頭像 發(fā)表于 07-15 16:22 ?398次閱讀

    risc-v多核芯片在AI方面的應(yīng)用

    在極低的能耗下實(shí)現(xiàn)高效的AI元器件的運(yùn)行。這對(duì)于需要長(zhǎng)時(shí)間運(yùn)行和依賴(lài)電池供電的AI設(shè)備來(lái)說(shuō)尤為重要。 其次,RISC-V的模塊化架構(gòu)允許其不同部分模塊化的方式串在一起,從而滿足各種不
    發(fā)表于 04-28 09:20

    開(kāi)發(fā)者手機(jī) AI - 目標(biāo)識(shí)別 demo

    。 NNRt host 實(shí)現(xiàn)了NNRt HDI接口功能,通過(guò)對(duì)接底層AI芯片接口為上層應(yīng)用提供NPU硬件推理的能力。 功能實(shí)現(xiàn) JS從相機(jī)數(shù)據(jù)流獲取一張圖片,調(diào)用Native的接口進(jìn)行目標(biāo)
    發(fā)表于 04-11 16:14

    使用cube-AI分析模型時(shí)報(bào)錯(cuò)的原因有哪些?

    使用cube-AI分析模型時(shí)報(bào)錯(cuò),該模型是pytorch的cnn轉(zhuǎn)化成onnx ``` Neural Network Tools for STM32AI v1.7.0 (STM.ai
    發(fā)表于 03-14 07:09

    NanoEdge AI技術(shù)原理、應(yīng)用場(chǎng)景及優(yōu)勢(shì)

    是指將數(shù)據(jù)處理任務(wù)從云端遷移到離數(shù)據(jù)源更近的設(shè)備上,實(shí)現(xiàn)更快的響應(yīng)時(shí)間和更低的延遲。神經(jīng)網(wǎng)絡(luò)壓縮技術(shù)則通過(guò)減少模型參數(shù)和計(jì)算量來(lái)降低設(shè)備的計(jì)算需求,使其能夠在有限的資源下運(yùn)行復(fù)雜的人
    發(fā)表于 03-12 08:09
    主站蜘蛛池模板: 2020无码最新国产在线观看| 国产精品A久久久久久久久| 国产欧美日韩综合精品一区二区 | 无人区日本电影在线观看| ass女人下部欣赏| 久久怡红院国产精品| 亚洲一区二区三区免费看| 国产亚洲精品久久精品6| 手机在线免费| 耻辱の奴隷淑女中文字幕| 内射无码AV-区二区在线观看| 伊人22222| 久久国产精品自线拍免费| 亚洲视频免费在线观看| 国产午夜在线精品三级a午夜电影 国产午夜在线观看视频播放 | 变态露出野外调教| 欧美高清另类video| 99久久国产露脸精品麻豆| 九九热这里有精品| 夜色爽爽爽久久精品日韩| 久久国产香蕉| 中文字幕 日韩 无码 在线| 快播电影频道| 91女神娇喘| 年轻老师毛茸茸自由性| 99久久中文字幕伊人情人| 欧美丝袜女同| 成年视频国产免费观看| 色偷偷影院| 国产精品无码人妻在线| 亚洲成人日韩| 国产在线精彩亚洲久久| 亚洲一区精品伊人久久伊人| 久久99精品久久久久久园产越南| 一本到2v不卡区| 久久这里有精品| 91免费网站在线看入口黄| 欧美又粗又长又大AAAA片| 纲手裸乳被爆白浆| 性xxx欧美| 精品日韩视频|