XiaoMi-AI文件搜索系统
World File Search System识别率
无人驾驶人工智能技术及应用
摘要：无人机 (UAV) 是一种自主空中平台，具有基本飞行能力，包括起飞和降落程序、导航、路线跟踪和任务执行。无人机在各个领域用于民用和军用目的，执行超越人类能力的任务。这些飞行器具有多种硬件和软件配置，包括起飞和降落系统、导航模块、应急响应机制、传感装置、成像仪器和能源供应系统等基本组件。无人机具有飞行管理、目标识别和任务分析能力，可利用从预加载数据集、控制中心和实时环境线索收集的数据。无人机利用各种人工智能 (AI) 算法自主处理瞬时数据，结合人工神经网络、图像处理算法、学习算法和优化技术等方法。本文分析了无人机使用的数据分析方法和 AI 技术。此外，还实现了使用卷积神经网络 (CNN) 算法的图像处理应用程序来提供对象识别。用 Python 语言开发的应用程序的物体识别率经计算为 0.7107，准确率达 0.7107。这一发现表明，通过使用人工智能算法分析通过机载传感器获取的图像，可以提高无人机执行目标获取、避障和防撞等关键操作的能力。关键词：无人机、人工智能、机器学习、图像处理、物体识别简介近年来，人们十分关注以信息技术 (IT) 为基础的系统进步，这些系统旨在为超越人类能力或承担巨大风险的事业提供支持。这些系统主要被称为机器人系统或人工智能系统。“机器人”一词在捷克语中意为“繁重而乏味的劳动”，最早由卡雷尔·恰佩克于 1921 年创造。“机器人技术”一词最早由科幻小说作家艾萨克·阿西莫夫于 1950 年使用。机器人技术是一种软件和硬件系统，用于根据编程指令控制、拆卸和组装机器人对象（Ozfırat，2009 年）。在机器人系统的架构中，有物理组件，包括机械、电气、电子和计算模块，以及软件组件，例如操作系统、控制软件、通信协议和特定于任务的软件（Cosar，2023 年）。术语“机器人”和“机器人技术”经常互换使用，但它们确实有一些概念上的区别。“机器人”通常是指一个可以自行移动的实体，而“机器人”则涵盖了构成这种实体的系统。随着人工智能的加入，这些系统变得自主，能够独立收集数据、学习和解决问题。当机器人系统能够模仿人类行为，展示出执行这些行为的能力时，它就表明了它的智能和学习能力。
新闻稿 赛诺菲全力投入人工智能和数据科学，为患者加速突破 巴黎，2023 年 6 月 13 日。赛诺菲
Paul Hudson 赛诺菲首席执行官 “我们的目标是成为第一家大规模采用人工智能的制药公司，为我们的员工提供专注于洞察的工具和技术，使他们能够做出更好的日常决策。人工智能和数据科学的使用已经支持了我们团队在加速药物发现、增强临床试验设计以及改善药品和疫苗的生产和供应等领域的努力。我们才刚刚开始了解如何利用这些颠覆性技术来实现改变医疗实践的雄心。” plai 是全公司数字化转型和数据民主化进程中的重要推动因素。人工智能工具可帮助赛诺菲团队做出更好、更快的数据驱动决策，从而提高整个价值链的生产力：从研究到临床运营，再到制造和供应，再到业务分析。在研究方面，赛诺菲已经构建了多个人工智能程序，通过改进预测模型来缩短研究时间并自动化耗时活动。因此，AI 使研发团队能够扩大和加速突破性研究过程，从几周缩短到几个小时，并将免疫学、肿瘤学或神经病学等治疗领域的潜在靶点识别率提高 20% 至 30%。AI 还加速了 mRNA 研究工作。为了使 mRNA 疫苗到达指定细胞并产生抗病蛋白，必须通过一种特殊的粒子（称为脂质纳米颗粒）由稳定的药物输送系统携带。虽然赛诺菲拥有一个庞大的脂质纳米颗粒库，但研发团队现在使用 AI 创建数字模型来预测最强的颗粒选择。它将脂质纳米颗粒预测过程的速度从数月提高到数天。在临床运营方面，plai 洞察的日益数字化和利用使赛诺菲团队能够重新思考如何更好地开展临床试验。例如，研发团队可以为目标群体寻找并建立新的、更方便的试验地点，为来自历史上代表性不足的社区的人们提供参与临床研究的机会。通过提高代表性，赛诺菲继续致力于实现未来，即所有试验都能反映出受研究疾病影响最大的人群的多样性。在制造和供应方面，赛诺菲正在将质量评估流程数字化，从纸质记录转向电子批记录，利用数字和数据来提高资产利用率，并通过实施新的制造 4.0 功能提高生产力。赛诺菲还开发了一种内部人工智能产量优化解决方案，该解决方案可以从过去和当前的批次性能中学习，从而始终保持更高的产量水平。这有助于优化原材料的使用，有助于实现公司的环境目标，并支持提高成本效率。此外，赛诺菲生物制药供应链中最近采用的 plai 已证明能够预测 80% 的低库存情况，从而使团队能够比以往更快地采取缓解措施来确保供应。