Digitrode

Большинство разговоров об искусственном интеллекте (ИИ), которые доходят до широкой публики, сосредоточены вокруг приложений, чат-инструментов и программ для повышения продуктивности. Но именно там сейчас не ощущается настоящее давление.

Настоящее испытание для ИИ происходит на заводах, где у этой технологии нет «кредита доверия». Системы управляют физическим оборудованием, где ошибки видны в реальном времени и могут дорого обойтись. Решения влияют на время безотказной работы, качество продукции, стоимость и, что самое важное, безопасность. Когда что-то идёт не так на производстве, это замечают сразу.

Развитие искусственного интеллекта радикально перестраивает инфраструктуру электронной и полупроводниковой отрасли. Сбор, обработка, обучение и передача массивов данных предъявляют всё более высокие требования к вычислительным мощностям и сетям, что приводит к непрерывным итерациям и обновлению как серверной, так и телекоммуникационной инфраструктуры.

ИИ стал ключевым драйвером спроса на высокопроизводительные вычисления и фактически запустил новый цикл модернизации глобальной электронной информационной инфраструктуры.

Область высокочастотной (ВЧ) инженерии переживает глубокую трансформацию, обусловленную развитием искусственного интеллекта (ИИ) и многочиповых системных упаковок. По мере роста спроса на частоты до 3 ТГц в сетях следующего поколения 6G, а также требований к более широкой полосе пропускания, масштабируемости и адаптивной производительности, отрасль стремительно выходит за рамки традиционных монолитных ВЧ-решений. Модульные архитектуры на базе чиплетов становятся основой будущих беспроводных систем, радикально переопределяя технические возможности, методологии проектирования и кооперационные экосистемы.

Метеоритный рост технологий GPU от NVIDIA для ускорения ИИ захватил внимание всего мира и, в то же время, породил устойчивые мифы. Эта статья разбирает 11 наиболее распространённых заблуждений о процессорах для ИИ.

Искусственный интеллект (ИИ) стремительно изменяет мир, и интеграция ускорителей и процессоров ИИ в приложения становится всё более распространённой. Тем не менее, существует множество мифов о том, что они из себя представляют, как работают, как могут улучшать приложения и где заканчивается реальность и начинается маркетинговый хайп.

Искусственный интеллект (ИИ) уже вышел за рамки прогнозирования и общения. Следующий шаг — системы ИИ, которые могут самостоятельно планировать и выполнять работу — в определённых пределах — реагируя на изменяющиеся условия без ожидания команды. Такой уровень автономии, называемый агентным ИИ (agentic AI), превращает цели в пошаговые планы и выполняет их с помощью инструментов и оборудования, которым инженеры уже доверяют. Внедрение агентного ИИ позволяет быстрее диагностировать потенциальные проблемы, снижает количество передач задач между людьми и обеспечивает более стабильную работу при отклонениях от нормы.

В этом материале мы рассматриваем, как агентный ИИ переопределяет автоматизацию в различных отраслях, давая системам возможность ставить цели, планировать и активно корректировать многошаговые стратегии, а также выполнять задачи с минимальным участием человека.

Arduino UNO Q — это не просто следующее поколение универсальной платформы UNO; это новый подход к разработке. Двухъядерная архитектура UNO Q сочетает в себе микропроцессор Qualcomm® Dragonwing™ QRB2210 (MPU) и микроконтроллер реального времени STM32U585 (MCU), предоставляя пользователям доступ как к мощным вычислениям на базе Linux® Debian, так и к быстрым откликам в реальном времени. Такая комбинация вычислительных возможностей стирает границу между цифровым и физическим мирами, помогая воплощать идеи в жизнь при поддержке широкого набора инструментов для разработки.

Плата UNO Q объединяет стремление Arduino к демократизации технологий с опытом Qualcomm в области микропроцессоров, предлагая универсальную платформу для разработки, которая оживляет ваши идеи в одно мгновение.

Современные языковые модели достигли впечатляющих успехов в понимании и генерации текста. Однако, несмотря на это, у них остаётся одно ключевое ограничение — статичность знаний. Даже самые продвинутые модели опираются на данные, на которых они были обучены, и не могут получать актуальную информацию из внешних источников. Именно здесь на сцену выходит технология Retrieval-Augmented Generation, или RAG, которая объединяет нейросетевую генерацию текста и поиск в базах данных или документах.

За последние несколько лет популярность периферийного ИИ (Edge AI) значительно возросла. Ожидается, что к 2035 году мировой рынок периферийного ИИ будет расти со среднегодовым темпом в 27,8%, достигнув общей стоимости в 356,84 миллиарда долларов.

Микросхемы искусственного интеллекта (AI-чипы) стали неотъемлемой частью современных устройств, особенно смартфонов. Вот несколько примеров применения AI в камерах смартфонов:

• Автоматическая настройка параметров камеры для получения оптимального результата;

• Применение фильтров в реальном времени при съемке фото и видео;

• Отслеживание движущихся объектов для сохранения фокуса;

• Автоматическое определение сцен и их оптимизация;

• Создание размытых фонов и выделение объектов;

• Улучшение качества фотографий при слабом освещении за счет снижения шума, повышения яркости и коррекции размытия.

Еще одна важная область применения AI в смартфонах — распознавание и анализ голоса. AI повышает точность распознавания речи даже в шумной обстановке, улучшает работу голосовых ассистентов и позволяет им лучше понимать сложные команды. Также AI может анализировать контекст разговоров для предоставления более релевантных ответов.

По мере усложнения приложений искусственного интеллекта (ИИ) энергоэффективность становится всё более значимой.

Экологическое, экономическое и операционное воздействие уже велико. По словам Джесси Доджа, старшего научного сотрудника Института искусственного интеллекта Аллена, один запрос к ChatGPT использует примерно столько же электроэнергии, сколько требуется для освещения одной лампочки в течение двадцати минут. Более того, ожидается, что к 2030 году потребности дата-центров в энергии удвоятся, главным образом из-за развития и распространения технологий ИИ.

Вычисления ИИ, особенно в больших масштабах, оставляют огромный углеродный след. С ростом спроса на эту технологию энергоэффективность становится критически важной, чтобы поддерживать масштабирование без увеличения потребления энергии. Кроме того, оптимизация энергопотребления технологий не только способствует устойчивому развитию, но и снижает операционные расходы.