nachricht

shanghai, 25. september (reporter yang yu) heute morgen fand in pudong, shanghai, das sonderforum „decoding the future: global digital intelligence trends“ erfolgreich statt. dieses sonderforum ist eines der unterforen des internationalen forums zur industriellen zivilisation, das vom zentrum für industrielle kulturentwicklung des ministeriums für industrie und informationstechnologie, der shanghaier kommunalkommission für wirtschaft und informationstechnologie und der volksregierung von shanghai veranstaltet wird pudong new area.

auf dem sonderforum stellte mathieu laurière, assistenzprofessor für mathematik und datenwissenschaft an der nyu shanghai, maschinelles lernen und generative ki für große multiagentensysteme vor. multi-agenten-systeme oder multi-agenten-systeme sind in unserem täglichen leben keine seltenheit, wie z. b. menschenmengenbewegungen und verkehrsleitsysteme in großstädten, und werden häufig in multi-agenten-systemen eingesetzt. das merkmal von multiagentensystemen ist, dass eine große anzahl von agenten interagieren und entscheidungen treffen, und dass die umgebung sehr komplex ist.

mathieu laurière hielt eine grundsatzrede. fotoquelle: foto vom veranstalter bereitgestellt.

mathieu laurière wies darauf hin, dass das verhalten und die entscheidungsfindung von menschen durch multiagentensysteme verstanden werden können. beispielsweise ist die u-bahn-station überfüllt und sie möchten das verhalten aller personen in der u-bahn-station verstehen, z. b. welche bereiche eine höhere dichte an menschen aufweisen, welche bereiche eine geringere dichte aufweisen und wie ihre bewegungspfade aussehen mit der zeit wird sich die dichte der menschenmenge ändern, was bedeutet, dass sich ihr verhalten ändert. „wir wollen die prinzipien hinter ihren handlungsänderungen verstehen. im transportbereich können wir multiagentensysteme nutzen, um die funktionsweise des transportwesens zu verstehen.“

welcher zusammenhang besteht zwischen multiagentensystemen und generativer ki? mathieu laurière sagte, um die handlungen von menschen, also das verhalten oder die entscheidungsfindung eines agenten, zu verstehen, sei es notwendig, eine verteilungskarte des agenten zu erstellen, die viele generative ki-probleme lösen könne. darüber hinaus kann im sinne von deep learning das tiefe neuronale netzwerk so parametrisiert werden, dass es der realen situation möglichst nahe kommt, und dann können die daten darauf abgebildet werden.

tägliche wirtschaftsnachrichten