notícias

xangai, 25 de setembro (repórter yang yu) esta manhã, o fórum especial "decodificando o futuro: tendências globais de inteligência digital" foi realizado com sucesso em pudong, xangai. este fórum especial é um dos subfóruns do fórum internacional sobre civilização industrial, organizado pelo centro de desenvolvimento da cultura industrial do ministério da indústria e tecnologia da informação, pela comissão municipal de economia e tecnologia da informação de xangai e pelo governo popular de xangai. nova área de pudong.

no fórum especial, mathieu laurière, professor assistente de matemática e ciência de dados na nyu shanghai, compartilhou aprendizado de máquina e ia generativa para sistemas multiagentes em grande escala. sistemas multiagentes ou sistemas multiagentes não são incomuns em nossa vida diária, como movimento de multidões, roteamento de tráfego em grandes cidades e são frequentemente usados ​​em sistemas multiagentes. a característica dos sistemas multiagentes é que existe um grande número de agentes que interagem e tomam decisões, e o ambiente é muito complexo.

mathieu laurière fez um discurso de abertura. fonte da foto: foto fornecida pelo organizador.

mathieu laurière destacou que o comportamento e a tomada de decisões das pessoas podem ser compreendidos através de sistemas multiagentes. por exemplo, a estação de metrô está lotada e você deseja entender o comportamento de todos na estação de metrô, como quais áreas têm maior densidade de pessoas, quais áreas têm menor densidade e quais são suas trajetórias de movimento. com o passar do tempo, a densidade da multidão mudará, o que significa que seu comportamento mudará. “queremos compreender os princípios por detrás das suas mudanças nas ações. no domínio dos transportes, podemos utilizar sistemas multiagentes para compreender o funcionamento do transporte.”

qual é a conexão entre sistemas multiagentes e ia generativa? mathieu laurière disse que para compreender as ações das pessoas, ou seja, o comportamento ou a tomada de decisão de um agente, é necessário gerar um mapa de distribuição do agente, que pode resolver muitos problemas de ia generativa. além disso, em termos de aprendizagem profunda, a rede neural profunda pode ser parametrizada para estar o mais próximo possível da situação real e, em seguida, os dados podem ser mapeados nela.

notícias econômicas diárias