2019年,欧盟出台的《人工智能道德准则》中明确提出,人工智能的发展方向应该是“可信赖的”,能够包含安全、隐私和透明、可解释等多个方面。但随着人工智能技术不断普及,由此产生的风险也浮出水面,主要体现在两大方面:1、信任危机,即能否信任和依赖人工智能算法输出的结果。2、道德危机,Deepfake技术的出现在带来新鲜感的同时,也引发了人们对于深度学习和人工智能技术滥用的担忧。
近日,开放数据中心委员会发布了《AIoT智能边缘计算网关技术规范》白皮书,白皮书里面对AIoT智能边缘网关的总体架构、功能、性能、软硬件及相应测试标准等方面的技术要求做了详细解答。
智能汽车座舱发展主要经历了四个阶段:包括电子座舱阶段、智能助理阶段、人机共驾阶段、第三生活空间。当前随着智能汽车在AI算法、智能驾驶上的不断发展进入了L3级自动驾驶的“人机共驾阶段”。
使用 Pytorch 已经好几年了,我很喜欢这个框架。它清晰、直观、灵活,而且速度很快。后来一次偶然的机会,我决定使用 TensorFlow 构建一个新的计算机视觉项目。本文讲述的这个故事就始于此。
在本文中,我们将深入了解物联网 (IoT) 如何为智能家居提供动力,以及网状网络/每间房一个 pod 通信如何实现物联网连接。我们还将了解一些物联网挑战,以及新的技术进步如何帮助应对这些挑战。
数据中心安全几乎是每个现代企业面临的持续挑战。各种规模的企业都需要找到有效的方法来保护存储在任何地方的数据。日益复杂的数据管理方法和激增的网络犯罪活动正在促使企业迫切需要采取有效的数据中心安全措施。
人工智能正在颠覆人类社会,未来机器能思考吗?杨立昆的这部著作《科学之路:人、机器与未来》,讲述正是人工智能在我们面前崛起——这个历史上绝无仅有的时刻发生的故事。
预计到 2021 年将见证大规模机器对机器通信的兴起,而低功耗广域网 (LPWAN) 无疑是无线社区的中心话题。尽管如此,不熟悉这种无线技术的工业和商业用户可能很难理解当前的形势以及不同技术之间的区别。为了帮助您进一步了解LPWAN,我们将揭示物联网 (IoT) 中有关低功耗广域网(LPWAN)的 5 个常见误区。
最近研究了下OpenGL ES2.0的programing guide。看到shader里面声明的变量一般有三种类型,特地为此做个小的总结。
最近,有人在推特上讨论编程语言如何才能取得成功。有人提到了社区、营销、低成本的开发人员等等。然而,我认为这些因素与编程语言的成功并没有太大关联。20 多年来,我使用过很多编程语言,也反思过它们的优缺点。在本文中,我想总结一些常见的模式,说明为什么有些语言取得了成功,而有些语言则失败了。
GSMA发布了“2021年移动行业影响报告”。这是第六个年度报告,移动行业在2020年增加了对所有17项可持续发展目标(SDG)的贡献。尽管全球大流行带来了重大挑战,但该行业距离最大限度地发挥其对可持续发展目标的潜在影响还差一半。但是,进步不能被认为是理所当然的,因为实现2030年可持续发展目标的时间还剩不到10年。
边缘计算正在改变数百万台设备处理和传输数据的方式。互联网连接设备(IoT)的爆炸性增长,以及需要实时计算能力的新应用,继续推动着边缘计算系统的发展。更快的网络技术,如5G无线,使边缘计算系统能够加速创建或支持实时应用,例如视频处理和分析、自动驾驶汽车、人工智能和机器人等。





