首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏技术积累

    AI 发展 && MCP

    文章目录 一、AI发展历程 二、关键技术演进 2.1 架构演进 2.2 训练方法演进 2.3 应用领域扩展 三、重要里程碑产品/工具 3.1 开发框架 3.2 AI 应用 四、MCP 4.1 什么是 新的 AI 应用也很多,但我们都能感受到的一点是,目前市场上的 AI 应用基本都是全新的服务,和我们原来常用的服务和系统并没有集成,换句话说,AI 模型和我们已有系统集成发展的很缓慢。 看看 Cursor 的 AI Agent 发展过程,我们会发现整个 AI 自动化的过程发展会是从 Chat 到 Composer 再进化到完整的 AI Agent。 = os.getenv('WEATHER_API_KEY') # 需要在mcp.json里配置 API_URL = "https://mq564tupt3.re.qweatherapi.com/v7/ )发展历程 MCP 终极指南

    1.3K12编辑于 2025-07-20
  • 来自专栏悦思悦读

    AI 入行那些事儿(7)深度神经网络的发展及其应用

    2021 巨献 —— 系列文章《AI 入行那些事儿》,为您讲述: 人工智能的基础原理、发展历程、当前应用 成为 AI 技术人员所需的入门技能和学习途径 以及求职、面试的全过程 几度沉浮的神经网络 神经网络模型的发展几经沉浮 几十年来,计算机硬件的运算能力、训练数据和算法的欠缺一直是困扰和制约神经网络发展的重要原因。 ? 直到2006年,加拿大多伦多大学的辛顿(Hinton)教授发表了一篇关于深度神经网络的论文,把当时硬件的发展和神经网络结合起来,将GPU应用到深度学习的训练中。 同一时期大数据技术的发展又为训练深层神经网络提供了原材料。 ? 神经网络又一次被推上了高潮,深度神经网络成了学术界和工业界共同的青睐,深度学习领域也随之出现了。

    1.1K10发布于 2021-03-04
  • 来自专栏老齐教室

    图说AI发展

    翻译:洪贤斌 1943年,可以认为是AI肇始,自此人类打开了一个盒子,对于从中放出来的巨兽,尚未定论。但,它来了。 ? ? ? ? ? ? ? AI发展并如开始期望那样,自1974年,进入了第一次寒冬。尽管在寒冬,聪明的头脑也没有放弃思考。 ? 寒冬总会过去,AI的春天再次来临。 ? ? 重要突破刚刚萌芽,又遇到了问题,AI再次被冷落,史称第二次寒冬,而且,这次持续时间较长,直到1993年AI才回归到人们的视野中。 ? ? 寒冬没有挡住AI发展,特别是互联网和相关计算技术的发展AI不仅仅是理论研究,开始步入生产生活中。 ? ? 从深蓝开始,关于“机器人会不会取代人”的讨论似乎其必要性更紧迫了。 ? ? ? ? ? 原文链接:https://figshare.com/articles/AI_History_svg/12363890

    99510发布于 2020-06-01
  • 来自专栏智能大数据分析

    AI大模型学习】AI领域技术发展

    当涉及AI大模型学习引发的伦理和社会问题时,还有一些其他重要议题值得关注和探讨。 就业和劳动力变革:AI技术的不断发展可能导致部分工作岗位的自动化,对就业和劳动力市场产生影响。 通过深入研究和广泛讨论这些议题,我们可以更好地理解和解决AI大模型学习所带来的伦理和社会问题,促进科技的发展与社会的共荣。 五、未来发展趋势与挑战 展望AI大模型学习的未来发展趋势,可以预见以下几个方面的发展: 持续的模型扩展和改进:随着对大型神经网络模型需求的增长,未来将会看到更多规模更大、效果更好的AI大模型的涌现。 个性化模型和小样本学习:针对个体差异的需求,未来的AI大模型可能朝向个性化定制和小样本学习的方向发展,以提供更加精准和个性化的服务。 通过共同努力,我们可以推动AI大模型学习朝着更加可持续、负责任和有益于社会的方向发展

    40310编辑于 2025-01-22
  • 来自专栏AI科技大本营的专栏

    AI芯片发展的前世今生

    本文将对人工智能芯片的研究进展及市场发展进行介绍 。 ? 人工智能芯片的发展 据了解 ,人工智能(AI)技术的发展和应用在美 国 、中国和欧盟等世界主要国家中已经成为国家战 略 ,在国家的科技发展和产业竞争中占据越来越重要的位置。 2.2 人工智能芯片中的后CPU时代 基于 CPU 的算力问题 ,近年来人工智能芯片领域的科学家们进行了富有成果的广泛研究 ,主要集 中在 AI 芯片目前的两种发展方向。 根据 Gartner 的预测数据 , 未来 5 年内全球人工智能芯片市场规模将呈飙升趋 势 ,自 2018 年的 42.7 亿美元 ,升高至 343 亿美元 ,增 长已超过7倍,可见AI芯片市场有较大增长空间 AI 芯片行业生命 周期正处于幼稚期 ,市场增长快 ,至 2022 年将从2018 年的 42.7 亿美元 ,发展至 343 亿美元 ,但芯片企 业与客户的合作模式仍在探索中。

    1.4K10发布于 2020-02-20
  • 来自专栏DrugOne

    2021AI年度发展报告

    编译 | 董靖鑫 审稿 | 程玉 2021AI年度发展报告由Nathan Benaich (Air Street Capital)和Ian Hogarth (angel investor)合作撰写,它指出了研究人员在过去一年中在 参考资料: https://www.stateof.ai/

    44920发布于 2021-10-21
  • 来自专栏AI系统

    AI系统】谷歌 TPU 历史发展

    在本文中,我们将深入探讨谷歌的 Tensor Processing Unit(TPU)的发展历程及其在深度学习和 AI 领域的应用。 7nm 芯片大小 (mm²) 330 625 700 400 在这个 AI 爆发的大时代,谷歌在移动端的 AI 掷下豪赌,对于最新发布的 Tensor G3,谷歌 Silicon 的高级总监 Monika Gupta 是这样评价的:“我们的合作与 Tensor 一直不仅仅局限于追求速度和性能这样的传统评价标准 在最新的 Tensor G3 芯片中,我们对每个关键的系统组件都进行了升级,以便更好地支持设备上的生成式 AI 技术。 总的来说,BF16 数据格式通过减少尾数位数至 7 位,同时保留 8 位的指数部分,用一定的数据精度换来了更宽的数值范围。

    1.9K10编辑于 2024-11-27
  • 来自专栏AI科技大本营的专栏

    AI芯片行业发展的来龙去脉

    与此同时 , Google、FaceBook、Amazon、Intel等巨头纷纷成立AI团队 ,促进人工智能技术的进一步发展。 , 也是未来人工智能时代的战略制高点 ,但由于目前的 AI 算法往往都各具优劣,只有给它们设定一个合 适的场景才能最好地发挥它们的作用,因此,确定应用领域就成为发展人工智能芯片的重要前提。 AI 芯片发展需要应用和架构创新双轮驱动 [C]. GTIC 2018 全球 AI 芯片创新峰会 . 上海, 2018. WEI S J. [7 ] YIN S Y, YANG P O, TANG S B, et al. Micro/nano Electronics and Intelligent Manufacturing, 2019, 1 (2): 7-11.

    89800发布于 2020-02-20
  • 来自专栏人工智能AI

    AI 技术发展趋势

    ▶ 通用基础大模型 : 从弱人工智能到强人工智能发展的路线上,提高机器解决问题的“泛化”能力,是重要的手段。 基于 3D虚拟形象的舞台演出、直播带货、教育互动等应用层出不穷,成为 AI 内容产业全新发展方向。 ▶ 安全 AI: 近年来算法后门攻击、对抗样本攻击、模型窃取攻击等针对人工智能算法的攻击技术持续发展,通过篡改构造特殊数据诱骗人工智能应用产生不可信的错误结果,带来了更大的算法安全风险,因此保障人工智能应用安全可靠的需求日渐迫切 ▶ 多点协作: 在 AI 技术发展过程中,算力、数据和模型作为人工智能三要素被呈现,然而实际上位于大型数据中心或者说云端的大算力节点不具备访问位于边缘的具备海量数据的节点的权限;位于边缘的具备海量数据的节点不具备将数据转化为模型的算力 这些因素促使 AI 技术向多点协作的方向发展

    79110编辑于 2024-05-21
  • 来自专栏大数据文摘

    2016大数据发展7大趋势

    但是,非常专业的AI已经存在,2016年我们将见证算法商务的崛起。 2.数据湖服务作为一种解决方案(Data-Lake-as-a-Service Solutions) ? 一个政府,或智慧政府,将会于实现目标做出重要贡献,在2016年,在全球范围内将会有越来越多的政府向智能政府方向发展。 我们已经看到一些例子。迪拜当局正努力把政府变成智能政府。 7.智能机器带来的雾分析(Fog Analytic s)起步 ? 雾计算正在迅速地获得大量动力。雾计算是指推进连接到物联网的终端设备和存储数据的云计算之间的存储、传输和计算。 原文链接:https://datafloq.com/read/7-big-data-trends-for-2016/1699? utm_source=Datafloq%20newsletter&utm_campaign=41776c079a-Datafloq_newsletter_12_7_2015&utm_medium=email

    1.2K60发布于 2018-05-22
  • 来自专栏BestSDK

    2018,云计算的7发展趋势

    美国中央情报局遭遇Vault 7黑客攻击,WannaCry勒索软件爆发,以及Equifax公司数据泄露等网络攻击都是IT行业日后将面临的威胁的例子。新技术带来的威胁也在不断变化。 7. 云计算作为物联网的促进者   近几年来,各行业经历了迅速的转型。特别是在通信和商业交易方面。如今,人们使用移动设备访问互联网,查询业务,购买物品等等。 这些和其他一些需求将导致云计算以创新的方式驱动物联网的发展,人们应该期望在2018年看到大量的实际应用。

    2.1K30发布于 2018-03-02
  • 来自专栏浅聊区块链

    元宇宙发展7大顶级技术

    元宇宙是一个新生的、不断发展的空间,其定义可能会根据询问的对象而大不相同。目前,挑战在于编制一份全面且可靠的技术列表,将帮助元宇宙在未来十年蓬勃发展。而我们成功做到了。 空间计算、数字人、虚拟空间、共享体验、游戏和代币化资产都属于这些主题,它们包含了一系列有助于促进元宇宙发展的技术。 根据专家的意见和广泛的研究,以下是7个最常被提及的技术,它们将有助于推动元宇宙及其发展。 1、人工智能 人工智能在开发机器人和聊天机器人中扮演着核心角色,并为现实世界中的计算机视觉带来智能。 7、区块链 Gownder推测,区块链与当今的员工或企业元宇宙并不是超级相关的。然而,讨论集中在如何使用该技术来保护元宇宙中的数字内容和数据。 该中心可以使用数字人类作为对话AI或非玩家角色,与客户交谈并建立信任。 Gartner还预测,企业可能会首先关注虚拟空间和共享体验。可能未来几年最大的投资领域将是Gartner所说的内宇宙技术。

    97930编辑于 2022-11-26
  • 来自专栏coderidea

    Web应用扩展的7发展阶段

    网站的发展往往是一个从简单到复杂、由易到难的过程。John Engales,Rackspace的首席技术官,深刻地概述了一个典型成功网站的发展阶段。 阶段7 - 进入未知领域 开始考虑剩余的瓶颈问题。 未来规划: 识别剩余的瓶颈,如电力、空间、带宽、CDN、防火墙、负载均衡器、存储、人力资源、流程和数据库。 结论 John Engales的网站发展阶段概述,为企业和技术领导者提供了一个宝贵的蓝图,以有效地扩展他们的数字平台。

    44010编辑于 2023-12-26
  • 来自专栏云计算D1net

    云计算发展和变化的7种方式

    只要租赁比构建更加经济有效,那么云计算就将被任何需要电脑和数据存储来推动业务发展的人员所接受。 没有服务器可以进行计算吗?还是没有代码也能进行编程? 人们需要在采用不断发展的云计算技术中思考这些创新。 “云”是人们一直在使用的定义并不明确的术语之一。就像政客在陷入困境时喜欢说解决问题的方法更多的是“教育”一样。 以下是云计算发展和变化的七种重要方式: 1 节省成本的计算粒度变小可以节省成本 第一代无服务器计算具有相对较大的计算单元。 7 边缘计算 云计算将继续发展,将越来越多的计算能力推到网络的边缘。像Cloudflare这样的公司现在提供智能计算服务。 总之,只要租赁比构建更加经济有效,那么云计算就将被任何需要电脑和数据存储来推动业务发展的人员所接受。

    82140发布于 2021-04-20
  • 来自专栏奇点大数据

    说真的,为什么要发展AI

    AI的热潮起源于2016年AlphaGO的秀肌肉,随后我国就进行了运动式的AI学习与产业革命。 ? 当然在这个过程中有不少怪相,比如一些很传统的数据分析项目也把自己粉饰成AI项目等等。 所以这也招致很多科学家对盲目AI跟随浪潮的批评。 不过,说真的,我们为什么要发展AI?难道所有人都是为了赶时髦吗?其实并不是的。 在我看来,无论是在个人层面还是国家层面,发展AI几乎可以说都是必须走的不能回头的路。 第一、这是不可逆的产业升级 AI本质上是一种高质量的自动化过程。 AI产业的必须性,不管是从自然科学领域,还是从经济学领域,都能讲得通。 ? (无人仓库) 第二、形势所迫 前两天大家可能也看到一则新闻,标题有点耸人听闻——2035年我国养老金即将耗竭。 我是一个务实主义者,在我看来,AI这种东西不求去实现超高智商的智能人形机器人,只求以高的性价比完成重复量大的工作。而且在未来相当长的时间内这类工作的取代趋势还是非常明显的,需要大量的人工智能产业工人。

    1.3K30发布于 2019-05-05
  • 来自专栏C语言

    AIAI 发展下的伦理挑战,应当如何应对 ?

    人工智能(AI)的快速发展带来了诸多便利,但也伴随着伦理和隐私保护方面的挑战。以下是一些应对这些挑战的思路和策略: 1. 加强法律法规的制定和执行 1.1 现有法规的改进 尽管一些国家已经出台了相关的法律法规,但现有法规还需要不断改进和完善,以适应AI技术的快速发展。 跨国合作和全球治理 6.1 国际合作 AI技术的发展和应用具有全球性,单靠某一国家的努力难以解决所有问题。需要加强国际合作,共同制定和推行全球性的AI伦理和隐私保护框架。 6.2 全球治理 推动建立全球范围内的AI治理机构和机制,协调各国政策和行动,确保AI技术的安全、透明和公正应用。 总结 面对AI发展带来的伦理和隐私挑战,我们需要多方努力,共同应对。 通过加强法律法规的制定和执行、推动技术透明和算法公平、建立有效的隐私保护机制、加强行业自律和企业责任、增强公众意识和教育以及跨国合作和全球治理,可以更好地促进AI技术的健康发展,保护个人隐私和社会利益。

    1.3K10编辑于 2024-12-11
  • 来自专栏人工智能

    现在,医疗 AI 发展的怎样了?

    影像科皮肤科首当其冲 人工智能发展至今,已涉足医学影像、基因检测、临床手术、辅助决策等多个医疗领域。其中,医学影像属于介入较早且卓有成效的板块之一。 轻松识别糖尿病早期视网膜病变的 AI 2016 年,Google DeepMind Health 团队给自家 AI 喂养了 12.8 万副视网膜眼底图像,打造出一只可以轻松识别糖尿病早期视网膜病变的 AI 图片来源:Google research Blog 皮肤病智能诊断 AI 视网膜病变检测,仅仅是 AI 介入医疗诊断的冰山一角。 AI 皮肤癌检测 图源: Stanford university 官网 识别甲状腺 B 超的 AI 在今年,知名电商大佬就发布展示用于甲状腺结节病灶识别的 AI。 但国民不断增长的医疗健康需求为 AI 催生了广阔的发展空间,相信在不久的将来,国产人工智能会带给我们更多惊喜。

    1.2K70发布于 2018-02-01
  • 来自专栏架构师专栏

    2026年AI发展趋势预测

    某四大会计师事务所的试点项目显示,Agent将审计周期从30天缩短到7天,准确率提升至人类审计师水平。 2026年,能源效率将成为AI发展的硬约束,推动技术路线的调整:稀疏模型架构普及。传统密集模型的每个参数都参与计算,效率低下。 这些规则涉及数据使用(需征得用户同意,保护隐私)、算法透明(高风险系统必须可解释)、责任归属(AI出错谁负责)等核心问题,为AI发展划定了红线。但坦率讲,现有治理框架仍处于摸索阶段。 这将催生新的审计行业,预计2026年会有数十家专业机构成立,提供AI审计服务。也会推动可解释AI技术的发展——企业需要向审计员展示模型如何做出决策。数据权益保护强化。 类似金融领域的巴塞尔协议,AI领域也会有统一的安全标准、测试方法、认证流程。这有助于避免监管套利和技术壁垒,促进全球AI产业健康发展。治理的目标不是限制创新,而是让创新更负责任。

    2.4K20编辑于 2026-01-03
  • 来自专栏智能大数据分析

    【2024年AI辅助研发趋势】AI辅助科技发展

    前言 随着人工智能技术的持续发展与突破,2024年AI辅助研发正成为科技界和工业界瞩目的焦点。从医药研发到汽车设计,从软件开发到材料科学,AI正逐渐渗透到研发的各个环节,变革着传统的研发模式。 但鉴于虚拟环境中人工智能迭代速度可能远超想象,其可能在不远的将来自主发展出在各个领域均可超过人类水平的AI。 目前,以AI大模型为基础的编程辅助工具已经发展到一个新的阶段,能够根据用户十分模糊的指令来生成软件或网页代码。 机遇:这些挑战推动了可解释AI(XAI)和数据科学领域的发展。通过开发更加透明和可解释的模型,不仅可以增强用户对AI系统的信任,还可以促进AI技术在更广泛领域的应用。 AI辅助研发领域的挑战虽然多样且复杂,但正是这些挑战激发了技术创新和法规发展。通过跨学科合作、技术创新和政策制定,我们可以不仅克服这些挑战,还能开拓AI技术的新应用领域,推动社会和经济的进步。

    69410编辑于 2025-01-22
  • 亚马逊Nova AI挑战赛加速生成式AI发展

    亚马逊Nova AI挑战赛加速生成式AI领域发展首届全球大学竞赛,致力于推动安全、可信的AI辅助软件开发。发布时间:2025年3月10日在负责任AI发展框架下,通过与顶尖大学合作以培育突破性研究。 虽然该挑战赛将探索生成式AI的多个方面,但今年的重点聚焦于“可信AI:推进安全的AI辅助软件开发,以构建更安全、更可靠的应用程序”。 挑战赛本质上是跨学科的——位于负责任AI、生成式AI、安全、对话式AI和自动化软件开发的交叉点。因此,它汇集了在多个研究领域具有专业知识的团队,为竞赛带来了不同的才能和视角。 “我们立即获得了AWS Trainium芯片的访问权限,这是一个由AWS专为AI训练和推理构建的AI芯片系列,旨在降低成本的同时提供高性能。 研究领域对话式AI安全、隐私和滥用防护标签生成式AI负责任AI大语言模型学术合作某Nova关于作者撰稿人

    9410编辑于 2026-01-13
领券