在线观看www成人影院-在线观看www日本免费网站-在线观看www视频-在线观看操-欧美18在线-欧美1级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

人工智能和機器學習助力情報界進行關鍵決策

bzSh_drc_iite ? 來源:未知 ? 作者:工程師曾玲 ? 2018-07-23 09:50 ? 次閱讀

人工智能機器學習將有助于提高未來情報分析人員的工作效率,增加獲得和保持競爭優(yōu)勢或時間優(yōu)勢的機會。數(shù)字化轉型、多域數(shù)據(jù)集成和算法戰(zhàn)將是情報集團保持長期競爭優(yōu)勢的核心。

2017年7月,參謀長聯(lián)席會議主席發(fā)布了聯(lián)合出版物JP1《美國武裝部隊條令》的修訂版,將“信息”作為新的第7項聯(lián)合職能。這一變化預示著聯(lián)合部隊計劃和實施跨地區(qū)、多域和多職能行動的方式將發(fā)生重大變化。同樣地,這為重新思考“聯(lián)合軍種”在21世紀戰(zhàn)爭中的內涵提供了機會。

在可預見的將來,戰(zhàn)爭極有可能以前所未有的形式展開,武器和戰(zhàn)術都讓美國措手不及。今天的彈道導彈飛越海洋需要幾十分鐘,但未來的高超音速武器可能只需要幾分鐘。城市戰(zhàn)爭可能在超連接的城市中爆發(fā),天上的傳感器也許只能提供有限的信息,而無處不在的地面?zhèn)鞲衅鲃t可以為分析人員提供海量的數(shù)據(jù)供其挖掘。在網絡領域,當操作員檢測到一次“發(fā)射”時,那枚武器可能已經抵達了目的地,并收獲了預期的效果。對衛(wèi)星的攻擊、經濟攻擊以及隱蔽的影響活動,都會在暗中進行,人們發(fā)現(xiàn)時已為時過晚。

數(shù)據(jù)的向量、體積、速度、多樣性和普遍性正在改變國家安全政策、軍事行動和情報活動的傳統(tǒng)工具和方法。影響范圍只會越來越大并且變化速度也只會越來越快。在“信息就是力量”這一格言的指導下,社會創(chuàng)造的技術能夠產生海量的結構化和非結構化的數(shù)據(jù),其規(guī)模之大足以顛覆以往所有的諜報分析技術和模式識別。2017年1月,美國國防創(chuàng)新委員會表示,不管是誰,只要收集并組織了最多有關美國及美國對手的數(shù)據(jù),都將保持技術優(yōu)勢。如果我們不能將數(shù)據(jù)作為戰(zhàn)略資產,就會把寶貴的時間和空間拱手讓給競爭對手。

美國情報界(IC),包括國防情報事業(yè),都不光面臨著純粹規(guī)模上(數(shù)量和速度)上的挑戰(zhàn),還面臨數(shù)據(jù)越來越復雜(多樣性和準確性)的嚴峻挑戰(zhàn)。情報界面臨的挑戰(zhàn)是獲取、管理、關聯(lián)、融合和分析各機構之間以及與盟國和伙伴之間不斷增長的數(shù)據(jù)。在我們的經驗中,情報界中的數(shù)據(jù)以太多不同的格式生成,在太多的不連接或不可訪問的系統(tǒng)中生成,沒有標準化的結構,也沒有統(tǒng)一的本體。這種情況有可能導致收集浪費、缺乏及時性、指示和警告漏報以及缺乏決策相關性等風險。其結果是,無法在情報周期早期融合數(shù)據(jù)構建多源情報,并盡可能接近收集點。分析師的任務太艱巨、太繁瑣,而且還需要清除太多障礙,以向決策者和作戰(zhàn)人員提供及時和相關的分析判斷或可操作的情報。

這些挑戰(zhàn)可以用下列方法應對:

使用能夠解析數(shù)據(jù)、從數(shù)據(jù)中學習,然后做出響應的機器學習算法;

鼓勵情報專家的創(chuàng)造力和深度思考;

設計策略、信息技術(IT)、敏捷獲取和安全環(huán)境,使人機交互能夠蓬勃發(fā)展。

這些問題不可能只在任何一個機構、一個項目或情報部門內得到解決。我們認為,迫切需要以創(chuàng)造性的方式來適應這種新環(huán)境,其中必須包括利用能夠操縱和理解大數(shù)據(jù)的系統(tǒng)和機器來提高情報界的技術和操作優(yōu)勢,并推進人機和機器協(xié)作,這樣情報分析人員就能夠最好地利用他們的時間來處理最困難的問題。

同時,機器學習“黑匣子”的不可預見性仍然存在嚴重問題,這種“黑匣子”能人類操作員無法解釋的方式產生解決方案。人工智能(AI)系統(tǒng)創(chuàng)造它們自己的語言,并教會了自己如何使用人類沒有教授也無法理解的策略來玩游戲。這些影響在國家安全系統(tǒng)中仍是未知且未經過檢驗的,而且其中大部分仍未得到研究。

未來的戰(zhàn)場

未來的戰(zhàn)斗空間不只由船只、坦克、導彈和衛(wèi)星組成,還包括算法、網絡和傳感器。同歷史上任何時期一樣,未來的戰(zhàn)爭將在衛(wèi)星系統(tǒng)、電網、通信網絡和運輸系統(tǒng)的民用和軍事基礎設施以及人的網絡內進行。這兩個戰(zhàn)場——電子戰(zhàn)場和人類戰(zhàn)場——都容易受到敵手算法的操縱。

在電子環(huán)境中,算法已經被用于監(jiān)測和控制大多數(shù)關鍵基礎設施領域(電力、水、糧食、金融、通信等)。俄羅斯和中國已表示有興趣測試美國這些系統(tǒng)的能力和弱點,情報機構需要能夠融合多源數(shù)據(jù),以了解對手活動和預期結果。

為了破壞人際網絡,人事管理辦公室違規(guī)的政府工作人員會竊取個人數(shù)據(jù),為對手提供了豐富的數(shù)據(jù)集,使其能夠針對每一位軍事領導人或決策者量身定制隱秘的影響活動。如果將這些數(shù)據(jù)與Equifax公司被盜的財務記錄、雅虎的電子郵件記錄、Anthem health保險公司的醫(yī)療信息以及其他來源的數(shù)據(jù)結合起來,算法可能會生成針對美國的高度復雜、個性化且隱秘的影響活動。北大西洋公約組織軍事部隊最近報告說,在一個不那么復雜的戰(zhàn)役中,俄羅斯在軍事訓練演習期間竊聽了美國士兵的電話,以“獲取作戰(zhàn)信息、衡量部隊兵力和恐嚇士兵”。

融合來自不同數(shù)據(jù)集的大量數(shù)據(jù)并提供有意義的答案正是人工智能和機器學習的用途所在。只要商業(yè)部門能夠找到使用數(shù)據(jù)預測消費者可能購買的汽車或牙刷品牌的方法,供應商就會出售識別用戶偏好和弱點的功能,情報人員可以在心理層面發(fā)現(xiàn)用戶的精確偏好和弱點。

美國面臨著讓對手加速并竊取競爭優(yōu)勢的風險。中國為人工智能制定了一項國家戰(zhàn)略,承諾今后5年在人工智能技術上投資數(shù)十億美元。中國研究人員發(fā)表的關于人工智能的期刊文章也比美國同行更多。中國人民解放軍的戰(zhàn)略家正在為一個人類無法跟上戰(zhàn)場決策腳步的世界做準備。

在美國,最近公布的《國家安全戰(zhàn)略》和《國防戰(zhàn)略》都提到了人工智能和自主系統(tǒng)對國家安全和戰(zhàn)爭的重要性。然而,除了2016年《國家人工智能研究和發(fā)展戰(zhàn)略計劃》(主要側重于研究和開發(fā)),美國目前還沒有一個全面的人工智能國家戰(zhàn)略。

前Alphabet(谷歌母公司)CEO兼國防創(chuàng)新咨詢委員會主席埃里克·施密特描述了中國與美國相比在人工智能方面取得的進展:“到2020年,中國將趕上美國。到2025年,中國將比美國做得更好。到2030年,中國將主導這個行業(yè)。”

面臨失敗風險的情報工作

未來的情報技術將取決于數(shù)據(jù)訪問、圍繞數(shù)據(jù)塑造正確的企業(yè)架構、開發(fā)基于人工智能的能力,通過人機協(xié)同工作極大加快對數(shù)據(jù)的語境理解,以及不斷增長的能夠在海量數(shù)據(jù)中操作和定位的分析技能。情報界需要開發(fā)用于訪問、安排和分析數(shù)據(jù)的諜報技術和方法,包括結構化分析技術和用于機器智能的分析諜報技術標準。新技術的發(fā)展速度超過了國防部和情報界實施、培訓和有效利用這些技術的能力。

在國防情報事業(yè)中,對收集器和傳感器的投資正在大幅提升傳感器收集數(shù)據(jù)的能力。美國國防部為無人系統(tǒng)描述了一個藍圖,為數(shù)以千計的無人空中、海上和地面系統(tǒng)制定了一個計劃,但還沒有明確的路徑來確定如何分析這些系統(tǒng)中的所有數(shù)據(jù),從而創(chuàng)造出價值。這是對空間系統(tǒng)和公開可用的非機密系統(tǒng)的補充。收集能力的提升,包括高度機密的精密傳感器的應用,不一定等同于更多或更好的情報和方向,尤其是在面對那些可能同樣善于適應信息環(huán)境的競爭者時。

由香農(Shanahan)中將領導的國防部項目Maven的目標是,克服人類情報分析員無法有效地處理各個領域的大量收集活動的有限性,這一困境被稱為“成功的災難”。作為一個起點和探索性項目,前國防部副部長羅伯特·沃克委托Maven團隊尋找人工智能和計算機視覺的解決方案,以增強、放大和自動利用無人飛行系統(tǒng)的全動態(tài)視頻

目前的情報工作涉及從大量的跨學科(跨情報)信息集中提取有價值的信息——就像找一根藏在草堆里的針。在收集和儲存的大量干草里,希望最終能找到所有藏在里面的針。在一個更加以數(shù)據(jù)為導向的時代,越來越有可能從總體數(shù)據(jù)(例如時間和地理空間行為模式)中提取價值情報。這可能導致一個具有諷刺意味的兩難局面,即人類有太多的數(shù)據(jù)而無法有效地搜索那一根“針”,同時又沒有足夠的可獲取的數(shù)據(jù)來獲取和驗證有用的情報。

下一個問題是,一旦獲得情報,該如何處理它。軍事部門正在開發(fā)和采購對數(shù)據(jù)和情報的渴求比以往更加強烈的作戰(zhàn)系統(tǒng),并且情報任務數(shù)據(jù)必須在采購周期中以可攝取的數(shù)據(jù)結構和作戰(zhàn)系統(tǒng)能夠處理的分類層次盡早被轉移到這些系統(tǒng)中,然后要頻繁更新并盡快用于作戰(zhàn)。同時,在政策界,當機密情報來得太慢或過于機密而沒有用處時,決策者會越來越多地依賴非機密的開源信息。

美國空軍上校約翰·博伊德在關于觀察、調整、決策和行動(OODA循環(huán))的開創(chuàng)性研究中,強調了以一種對手無法理解或跟得上的節(jié)奏作戰(zhàn)的重要性。在對手的OODA循環(huán)內進行操作,可以通過擾亂或扭曲對手的心理圖像來幫助實現(xiàn)這些目標,這樣他就不能評估或應對周圍發(fā)生的一切。在當今快節(jié)奏和不斷變化的數(shù)據(jù)驅動時代,“信息領先”或“信息優(yōu)勢”這兩個術語是不現(xiàn)實的;相反,“時間優(yōu)勢”可能產生最好的結果。然而,即使這樣,如果美國作戰(zhàn)人員可以留在對手的OODA循環(huán)中,同時以富有想象力的方式使用數(shù)據(jù)來扭曲對手的方向的話,這也足以占上風。

人工智能和機器學習通過在數(shù)據(jù)到達時實時地了解數(shù)據(jù),以毫秒為單位評估選項并啟動一個動作,從而為加速OODA循環(huán)的每個步驟提供了機會。此類決定可包括在操作人員有時間閱讀警報或在預先確定的一組經批準的參數(shù)內啟動響應之前對指示和警告作出響應。機器學習為縮小OODA循環(huán)的前兩個階段提供了機會,極大地增加了人類加速決策和采取行動的潛力。

我們很可能會面臨一個算法與算法進行對決未來,這讓我們質疑21世紀的作戰(zhàn)人員是否會把幾分鐘的決策時間看作是過去的奢侈遺物。

可及范圍內的解決方案

情報機構能夠而且應該投資于跨領域、跨項目和跨學科的機器學習能力,并要求情報人員最大限度地利用這些能力。在隔離區(qū)、專有數(shù)據(jù)庫和算法無法到達的機密領域中,保留的任何數(shù)據(jù)都需要情報人員進行人工整合、延遲情報評估、并創(chuàng)建受保護的數(shù)據(jù)氣泡,以防情報分析人員無法看到內部全貌,導致在情報分析時無法考慮所有情報來源。這一情景威脅到“按需知密”(need to know)的原則,并將迫使收集和分析部門,包括反間諜和安全辦公室,將來自外部的威脅和來自內部的威脅調和起來。數(shù)據(jù)保護策略可以讓算法訪問人類分析人員無法查看的數(shù)據(jù)字段,不過這也取決于人類對機器的信任程度以及如何對機器工作的漏洞(包括自然發(fā)生的和敵人制造的)進行審計。

要達到這種終結狀態(tài),應該考慮幾件事情。

首先,要找到任何情報問題的答案,必須先提出這樣的主張:每個分析員都需要來自各種可能來源的所有潛在相關數(shù)據(jù)。這意味著要在經典演繹法(尋找已知的未知數(shù))和歸納(綜合發(fā)現(xiàn)未知數(shù))分析方法之間找到一個不同的平衡點。它還要求采取不同的收集方法,因為所有數(shù)據(jù)在收集之后的很長時間內都可能是相關的,并且應能夠在可發(fā)現(xiàn)的檔案中被查閱;這樣做的過程在很大程度上取決于數(shù)據(jù)集是否包括有關美國人和其他受保護實體的信息,同時數(shù)據(jù)控制和數(shù)據(jù)質量保證也是必不可少的功能。

機器學習和人工智能的廣泛融合將為欺騙行為提供新的機會,而欺騙行為則來自于被改變或操縱的數(shù)據(jù)。反人工智能的言論將甚囂塵上,而影響行動將在新的尚未被理解的層面進行,這都需要重新強調以進攻和防御認知為中心的行動。情報分析人員需要被培訓,以了解如何識別對手篡改或操縱數(shù)據(jù)的企圖,其中還包括了解如何最大限度地利用人工智能,以防止甚至更為復雜的影響行動達到其預期的行動結果。

第二,數(shù)據(jù)不會被視為IT問題;相反,IT系統(tǒng)應該由它們所解決的操作問題組成。這就需要從封閉的專有架構和不可持續(xù)的數(shù)據(jù)標準的缺乏,轉向開放架構和敏捷方法(開放的架構和新技術和應用程序的快速瞬時采用),任何分析師都可以隨時查找和獲取任何來源的任何數(shù)據(jù)。更常見的情況是,算法被移動到數(shù)據(jù)中,而不是試圖將數(shù)據(jù)移動到算法中。全局云解決方案對于集成、針對人工智能的所有方面進行優(yōu)化都必不可少的,而不再是僅僅用于數(shù)據(jù)存儲或搜索。我們必須掌握數(shù)據(jù)訪問,以便為機器學習和人機合作提供動力。反過來,快速的數(shù)據(jù)訪問需要有效的數(shù)據(jù)管理,這就需要新的技能和專門知識,例如數(shù)據(jù)架構師和數(shù)據(jù)科學家。跨所有安全域的網絡訪問、對所有相關數(shù)據(jù)類型的訪問以及對顛覆性技術的敏捷集成是實現(xiàn)和保持決策優(yōu)勢的關鍵。

第三,公開可用的信息和開源信息將為我們的情報知識提供第一層基礎。這就需要從“認為最高機密情報是最可靠的”到“接受和整合非傳統(tǒng)和非機密來源”的重大轉變。從所有其他情報學科中收集的精準資料將增強基礎情報,并填補現(xiàn)有知識空白。當機密性不再是信息具有情報價值的必要條件,這就顛覆了60年的范式并對“情報”概念提出了挑戰(zhàn)。

第四,將聯(lián)合和組合的分析人員隊伍從工業(yè)時代生產線處理和利用單一的數(shù)據(jù)收集流程,轉變?yōu)橐粋€信息時代的企業(yè)模式,在這種模式下,一些分析人員與聯(lián)盟、國家和國際伙伴充分結合,進行多源和全源的關聯(lián)和融合。將情報數(shù)據(jù)分層是一個不錯的開始,但這還不夠。更要為決策提供時間和空間,這既需要人的決策,也需要人工智能系統(tǒng)的決策。這樣還引入了更廣泛的問題,即分析工作隊伍未來的廣度和深度的平衡。培訓需要更加注重分析中的綜合與創(chuàng)新能力。

最后,上述解決辦法將需要對人力資本、預算編制、收購以及研、發(fā)的情報界生命周期進行一次革命。持續(xù)2年甚至更長時間的雇用和安全審批流程將導致2年前(在一個數(shù)據(jù)驅動的世界中,這就意味著一個時代)處于行業(yè)領先地位的雇員入職,而對于事業(yè)中期雇員的招聘,職位要求具有政府的價值經驗,而不是商業(yè)和學術部門的科學、技術和分析經驗。在最好的情況下,國防部和情報界面臨著在4年規(guī)劃、方案擬訂、預算編制和執(zhí)行過程中制定多年預算戰(zhàn)略的挑戰(zhàn),而在今天這個長期持續(xù)決議的環(huán)境中,制定預算戰(zhàn)略只是一種美好的愿望,并不會經常發(fā)生。情報機構一再嘗試使用一小部分預算和“創(chuàng)新辦公室”來創(chuàng)建創(chuàng)新的收購改革,但當這些解決方案在跨國家或軍事情報項目中會停滯不前。

改變情報界傳統(tǒng)的采購程序,需要一代訂約官員,他們擁有培訓經驗和資源來管理對合同程序的全面改革,他們要將重點放在質量、結果和相關性的速度上,而不是被技術上可接受的最低價格所桎梏。采用敏捷方法將有助于加快技術開發(fā)、實施和改進的步伐。最后,每項改革都將創(chuàng)造一個環(huán)境,讓研發(fā)(R&D)辦公室(在情報界機構和軍事服務部門)能夠蓬勃發(fā)展。研發(fā)機構需要最優(yōu)秀的技術專家在收集者、分析者和行業(yè)供應商之間建立伙伴關系,他們需要來自訂約官員的積極主動的支持和有效的預算環(huán)境,以取得成功,最終助力于形成一種可用于人工智能的原型戰(zhàn)爭文化。

結語

我們的提議至少有一個致命弱點,美國應該為其做準備并減輕其影響:對技術的過度依賴。即使在自主系統(tǒng)的時代,戰(zhàn)爭仍將是人類的主場。如果國家要與技術落后的敵人作斗爭,例如在阿富汗的山區(qū)或非洲的叢林,作戰(zhàn)人員和情報官員就面臨著過于依賴需要大量數(shù)據(jù)的系統(tǒng)的風險。另一種情況是,有朝一日,美國可能會與一個發(fā)現(xiàn)并利用我們技術弱點的敵人作戰(zhàn),他能蒙蔽我們的作戰(zhàn)人員,或以新的和有創(chuàng)意的方式使用數(shù)據(jù)來對付我們。鑒于這兩種情況,美國仍將重視在低技術測試和可靠的諜報技術和解決方案方面熟練的情報分析員和作戰(zhàn)人員的價值。

最好的情報分析來自藝術與科學的恰當融合。今天,情報的藝術可能和2000年前一樣。然而,不同的是,有必要大大加快以數(shù)據(jù)為中心的諜報技術的發(fā)展速度。分析人員必須具備處理大量信息所需的工具,使他們能夠縮小情報差距,以數(shù)據(jù)速度取得更好的作戰(zhàn)成果。

人工智能和機器學習將有助于提高未來情報分析人員的工作效率,增加獲得和保持競爭優(yōu)勢或時間優(yōu)勢的機會。數(shù)字化轉型、多域數(shù)據(jù)集成和算法戰(zhàn)將是情報集團保持長期競爭優(yōu)勢的核心。這既是戰(zhàn)略創(chuàng)新,也是戰(zhàn)術或分析師層面的創(chuàng)新,二者缺一不可。

情報界正在利用人工智能和機器學習進行關鍵決策。盡管在16年間的持續(xù)反恐和反叛亂行動中存在一些固有不利因素,但國際反恐怖主義委員會建立了一支經驗豐富、訓練有素的分析人員隊伍,與世界上任何其他機構都不同。情報界最大的潛在非對稱優(yōu)勢仍然是它能夠快速理解數(shù)據(jù)并保持在對手的OODA循環(huán)中。美國和它的對手會不會放慢他們機器的速度,以人類思維的速度來維持在一個OOAD循環(huán)中?或者每個國家都會盡最大可能追求人工智能,并擔心如果不這么做它的對手就會取得先機么?是時候讓情報界來決定如何回答這些問題了。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 人工智能
    +關注

    關注

    1793

    文章

    47567

    瀏覽量

    239424
  • 機器學習
    +關注

    關注

    66

    文章

    8434

    瀏覽量

    132873

原文標題:數(shù)據(jù)驅動時代的情報

文章出處:【微信號:drc_iite,微信公眾號:全球技術地圖】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦

    【「具身智能機器人系統(tǒng)」閱讀體驗】+初品的體驗

    動態(tài)互動的。 該理論強調智能行為源于智能體的物理存在和行為能力,智能體必須具備感知環(huán)境并在其中執(zhí)行任務的能力。具身智能的實現(xiàn)涵蓋了機器
    發(fā)表于 12-20 19:17

    嵌入式和人工智能究竟是什么關系?

    嵌入式和人工智能究竟是什么關系? 嵌入式系統(tǒng)是一種特殊的系統(tǒng),它通常被嵌入到其他設備或機器中,以實現(xiàn)特定功能。嵌入式系統(tǒng)具有非常強的適應性和靈活性,能夠根據(jù)用戶需求進行定制化設計。它廣泛應用于各種
    發(fā)表于 11-14 16:39

    人工智能機器學習和深度學習存在什么區(qū)別

    人工智能指的是在某種程度上顯示出類似人類智能的設備。AI有很多技術,但其中一個很大的子集是機器學習——讓算法從數(shù)據(jù)中學習
    發(fā)表于 10-24 17:22 ?2517次閱讀
    <b class='flag-5'>人工智能</b>、<b class='flag-5'>機器</b><b class='flag-5'>學習</b>和深度<b class='flag-5'>學習</b>存在什么區(qū)別

    《AI for Science:人工智能驅動科學創(chuàng)新》第6章人AI與能源科學讀后感

    、優(yōu)化等方面的應用有了更清晰的認識。特別是書中提到的基于大數(shù)據(jù)和機器學習的能源管理系統(tǒng),通過實時監(jiān)測和分析能源數(shù)據(jù),實現(xiàn)了能源的高效利用和智能化管理。 其次,第6章通過多個案例展示了人工智能
    發(fā)表于 10-14 09:27

    《AI for Science:人工智能驅動科學創(chuàng)新》第二章AI for Science的技術支撐學習心得

    人工智能在科學研究中的核心技術,包括機器學習、深度學習、神經網絡等。這些技術構成了AI for Science的基石,使得AI能夠處理和分析復雜的數(shù)據(jù)集,從而發(fā)現(xiàn)隱藏在數(shù)據(jù)中的模式和規(guī)
    發(fā)表于 10-14 09:16

    《AI for Science:人工智能驅動科學創(chuàng)新》第一章人工智能驅動的科學創(chuàng)新學習心得

    人工智能:科學研究的加速器 第一章清晰地闡述了人工智能作為科學研究工具的強大功能。通過機器學習、深度學習等先進技術,AI能夠處理和分析海量
    發(fā)表于 10-14 09:12

    risc-v在人工智能圖像處理應用前景分析

    RISC-V和Arm內核及其定制的機器學習和浮點運算單元,用于處理復雜的人工智能圖像處理任務。 四、未來發(fā)展趨勢 隨著人工智能技術的不斷發(fā)展和普及,RISC-V在
    發(fā)表于 09-28 11:00

    人工智能ai4s試讀申請

    目前人工智能在繪畫對話等大模型領域應用廣闊,ai4s也是方興未艾。但是如何有效利用ai4s工具助力科研是個需要研究的課題,本書對ai4s基本原理和原則,方法進行描訴,有利于總結經驗,擬按照要求準備相關體會材料。看能否有助于入門和
    發(fā)表于 09-09 15:36

    FPGA在人工智能中的應用有哪些?

    定制化的硬件設計,提高了硬件的靈活性和適應性。 綜上所述,F(xiàn)PGA在人工智能領域的應用前景廣闊,不僅可以用于深度學習的加速和云計算的加速,還可以針對特定應用場景進行定制化計算,為人工智能
    發(fā)表于 07-29 17:05

    人工智能機器學習和深度學習是什么

    在科技日新月異的今天,人工智能(Artificial Intelligence, AI)、機器學習(Machine Learning, ML)和深度學習(Deep Learning,
    的頭像 發(fā)表于 07-03 18:22 ?1374次閱讀

    5G智能物聯(lián)網課程之Aidlux下人工智能開發(fā)(SC171開發(fā)套件V2)

    ://t.elecfans.com/v/27221.html *附件:初學者完整學習流程實現(xiàn)手寫數(shù)字識別案例_V2-20240506.pdf 人工智能 語音對話機器人案例 26分03秒 https
    發(fā)表于 05-10 16:46

    人工智能在戰(zhàn)略評估系統(tǒng)中的應用有哪些

    等,并進行清洗、整合和預處理。 人工智能可以幫助企業(yè)對海量數(shù)據(jù)進行處理和分析,從而識別出潛在的商機和威脅。通過機器學習算法,可以對市場數(shù)據(jù)、
    的頭像 發(fā)表于 04-24 14:54 ?591次閱讀

    機器學習怎么進入人工智能

    人工智能已成為一個熱門領域,涉及到多個行業(yè)和領域,例如語音識別、機器翻譯、圖像識別等。 在編程中進行人工智能關鍵是使用機器
    的頭像 發(fā)表于 04-04 08:41 ?363次閱讀

    5G智能物聯(lián)網課程之Aidlux下人工智能開發(fā)(SC171開發(fā)套件V1)

    *附件:初學者完整學習流程實現(xiàn)手寫數(shù)字識別案例.pdf 人工智能 語音對話機器人案例 26分03秒 https://t.elecfans.com/v/27185.html *附件:語音對話
    發(fā)表于 04-01 10:40

    嵌入式人工智能的就業(yè)方向有哪些?

    聯(lián)網ARM開發(fā) NB-IoT開發(fā)及實戰(zhàn) 七:python工程師,人工智能工程師 python語法基礎 python核心編程 基于OpenCV的機器視覺開發(fā) 嵌入式人工智能滲入生活的方方面面,廣泛應用
    發(fā)表于 02-26 10:17
    主站蜘蛛池模板: 免费国产在线视频| 成人中文字幕一区二区三区| 久久网站免费观看| 天堂在线中文网| 国产精品久久精品福利网站| 在线最新版www资源网| 韩国特黄特色a大片免费| 七月色婷婷| 色婷婷色| 婷婷丁香在线观看| 99热都是精品| 国产免费高清在线精品一区| 亚洲欧美色鬼久久综合| 亚洲高清国产拍精品影院| 中文字幕婷婷| 狠狠色噜噜狠狠狠狠888奇米| 一女被多男玩很肉很黄文| 日韩性插| 欧美黑人性xxx猛交| 全亚洲最大的777io影院| 在线观看不卡一区| 亚洲欧美日韩特级毛片| 一区二区网站| 伊人精品视频在线| 激情久久婷婷| 婷婷精品视频| 久久久久性| 午夜不卡影院| 日韩欧美伦理| 男人天堂网2021| 久久久精品午夜免费不卡| 久久福利影视| 69日本xxxxxxxxx78| 男男h啪肉np文总受| 免费在线亚洲| 天堂成人在线观看| 精品你懂的| 欧美在线视频免费| 国模私拍视频在线| 四虎comwww最新地址| 九九热在线免费|