发烧友10周年庆典,全网超值优惠来袭!千元现金券,下单抽奖赶紧参与》》

公平公正的AI也学会了人类的偏见

人工智能学家 2018-06-01 11:18 次阅读

人工智能也许已经破解了某些通常需要人类智慧的任务代码,但是为了学习,这些算法需要海量人类产生的数据。

算法根据数据中发现的模式来进行分类或者做出预测。但这些算法的聪明程度只能跟训练它的数据相比。这也就意味着我们的限制——我们的偏见,我们的盲点,我们的疏忽也会变成那些算法的。Danielle Groen详细解释了算法是如何产生偏见的,并且介绍了一些可能的解决方案。

算法的歧视

2010年秋天的一个早晨,Safiya Umoja Noble正坐在伊利诺斯州家中的餐桌上往Google里面输入了几个词。她正准备给自己14岁的继女以及5位侄女准备一次sleepover(在朋友家过夜的晚会)。既不想让孩子们碰手机,又担心女孩们会直奔她的笔记本,Noble决定自己先查查看她们会发现些什么。她说:“我原先想搜搜‘黑人女孩’,因为这是我喜欢一群黑人小女孩。”

但这次无伤大雅的搜索出来的东西令人警醒:结果网页整整一页都是明显色情的网页。当时任何人搜索黑人女孩都会得到一样的东西。Noble说:“几乎所有有色人种女孩的搜索结果都是超级色情的内容,哪怕退一步说这也非常的令人失望。”现在是南加州大学传播学教授的Noble说:“我只好把计算机也收起来,希望女孩子们不会提出要玩电脑的要求。”

大概与此同时,在另一个地方,Joy Buolamwini也发现了另一个表示问题。这位父母来自加纳、在加拿大出生的女计算机科学家意识到一些先进的热恋识别系统,比如微软使用的那些系统,在检测她的黑皮肤方面有很大的困难。有时候程序根本就不知道她的存在。当时是乔治亚理工学院一名学生的她正在做一个机器人项目,结果发现本该要跟人类用户玩躲猫猫的那个机器人没法把她给辨认出来。后来她只有靠室友的浅肤色的脸才完成了项目。

2011年,在香港的一家初创企业那里,她又用另一个机器人去试试自己的运气——结果还是一样。4年后,身为MIT硕士研究生的她发现最新的计算机软件仍然看不到她。不过当Buolamwini敷上一种万圣节用的白色面具时,技术识别就很顺利了。她靠化装才完成了自己的项目。

脸部识别和搜索引擎只是人工智能的两个应用而已。这是一个训练计算机执行通常只有人脑才能处理的任务的学科,牵涉到数学、逻辑、语言、视觉以及运动技能等。(就像色情一样,智能这东西很难定义,但是当你看到时你就会知道。)无人车可能还没那么快可以上路,但虚拟助手,比如Alexa等已经可以帮你在喜欢的咖啡厅预定中午会议了。语言处理的改进意味着你可以在手机用英语看一张翻译过的俄罗斯报纸。推荐系统极其擅长根据你的品味选择音乐或者建议Netflix系列片供你度过周末。

这些评估会影响我们的生活,但这并不是AI系统介入的唯一领域。在某些情况下,要紧的只是我们的时间:比方说,当你打电话给银行请求支持时,你在等待列表中的位置未必是顺序的,而是要取决于你作为客户对银行的价值如何。(如果银行认为你的投资组合更有前途的话,你的等待时间也许就只有3分钟而不是11分钟)但是AI也日益影响到我们的就业、我们对资源的使用以及我们的健康。

申请跟踪系统扫描简历,寻找关键字以便为招聘经理排出一个短名单。算法还在评估谁有资格拿到贷款,数倍追究欺诈责任。风险预测模型识别哪一位病人更有可能在45天内再次入院并且能从免费照顾与延续服务中受益最大。

AI还告诉当地警方和安全部门该去哪里。2017年3月,加拿大边境服务局宣布将在最繁忙的国际机场实现人脸识别软件;好几个地方的报摊现在开始用这套系统来确认护照身份,“提供自动化的旅行者风险评估”。自2014年开始卡尔加里警方已经运用人脸识别将视频监控与面部照片进行比对,去年秋天,多伦多警察服务局宣布将用部分拨款实现类似技术。

跟传统警方仅对已发生事件作出反应不同,预测性治安维护会依靠历史模式和统计建模在某种程度上预测哪一个街区的犯罪风险更高,然后引导巡逻车去到那些热点。美国的主要辖区已经推出了这一软件,去年夏天,温哥华成为加拿大推出类似举措的首座城市。

这些技术因其效能、成本效益、可伸缩性以及有望带来中立性而受到重视。AI初创企业Integrate.ai的产品副总裁Kathryn Hume说:“统计系统有一层客观性与权威性的光环。”人类决策有可能会混乱、不可预测,并且受到情绪或者午饭过去多少小时的影响,而“数据驱动算法却展现了一个不受主观性或者偏见影响的未来。但情况其实没那么简单。”

人工智能可能已经破解了通常需要人类智慧的某些任务的代码,但为了能学习,这些算法需要人类产生的大量数据。它们大量吸收各种信息,仔细搜查以便找出其中的共性和关联,然后基于检测出的模式提供分类或预测(是否癌症,是否会拖欠还款)。但是AI的聪明程度智能跟训练它们的数据一样,这就意味着我们的限制——我们的偏见、盲点以及疏忽,也会变成它们的。

今年早些时候,Buolamwini跟一位同事一起发表了对三项领先的脸部识别程序(分别由微软、IBM和Face++开发)进行测试的结果。测试要验证的是识别不同肤色种族性别的能力。超过99%的时间内,系统哦欧能都能正确识别出浅肤色的人。但是考虑到数据集严重向白人男性倾斜,这个成绩就不算什么了。

在另一个受到广泛使用的数据集里,那个用于训练识别的照片是一个78%为男性,84%为白人的照片集。当Buolamwini用黑人女性的照片测试这些程序时,算法的出错率接近34%。而且肤色越黑,程序的表现越差,错误率一直都在47%左右——这几乎跟抛硬币差不多了。系统看到一位黑人女性时并不能死别出来。

因为这些程序都是公开的,所以Buolamwini可以计算出这些结果,然后她可以用自己的1270张照片去测试他们。她的照片集由非洲政治家和办公室女性占比很高的北欧国家组成,为的是看看程序表现如何。这是一个评估某些情况下为什么技术会预测失败的难得机会。

但是透明性是例外,不是规则。商用应用(我们用来找工作、评信用和贷款等服务)使用的绝大部分AI系统都是专有的,其算法和训练数据是公众看不到的。所以个人要想质询机器的决定或者想了解用带人类偏见的历史例子训练出来的算法何时不利于自己是极其困难的。想证明AI系统违反了人权?研究伦理、法律及技术的加拿大首席研究员Ian Kerr说:“大多数算法都是黑箱。”因为公司会利用政府或商业机密法律来保守算法的模糊。但他补充道“即便组织提供完全透明,算法或AI本身也是不可解释或者不可理解的。”

最近出版了新书《压迫的算法》的Noble说,大家过去也主张过自身权利,反对歧视性的贷款行为。“现在我们又遇到了类似歧视性的决策,只不过它是由难以理解的算法做出的——而且你还没法呈堂证供。我们正日益陷入到那些系统的包围之中——它们做出决定,给我们打分,但其实他们也是人类的产品,只不过我们越来越看不清楚那背后的人。”

从专家系统到深度学习

如果你想造一台智能机器的话,从挖掘一位聪明人的知识开始不算坏主意。1980年代,开发者在AI方面就取得了一些早期突破,也就是所谓的专家系统,由有经验的诊断医生或者机械工程师帮助设计代码去解决特定问题。可以想想看恒温器是如何工作的:它可以按照一系列的规则将房子保持在恒定的温度或者当有人进入时排出暖气。听起来似乎很不错,但其实这只是规则和传感器的小花招罢了——如果[温度低于X]则[加热到Y]。恒温器既不识天象也也不知道你下班后的安排,它没法适配自己的行为。

机器学习则是人工智能的另一个分支,它通过分析模式而不是系统应用规则来教计算机执行任务。这通常是通过所谓的有监督学习实现的。这个过程还需要人类的参与:程序员必须整理数据,也就是输入,给它分配标签,也就是输出,这样一来系统就知道要找什么了。

比方说我们的计算机科学家想开发一套能够区分草莓和香蕉的水果沙拉对象识别系统。那么他就得选择特征——姑且定为颜色和形状——这跟水果是高度关联的,靠这两个机器就能识别水果。他给红色圆形的对象的图片打上草莓的标签,把黄色长条的图片打上香蕉的标签,然后他写了一些代码分配一个值来表征颜色,另一个来归纳形状。他把大量的草莓和香蕉图片喂给机器,后者从而建立起对这些特征关系的理解,从而可以对自己要找什么样的水果做出有根据的猜测。

一开始的时候系统表现不会太好;它需要通过一组有力的例子去学习。我们的监督者计算机科学家知道,这个特别的输入是草莓,所以如果程序选择了香蕉的输出,他会因为给出错误答案而惩罚计算机。根据这个新信息,系统会调整自己做出的特征之间的连接从而下次改进预测。由于一对输出并不是什么难事,很快机器就能够正确识别出自己从未见过的草莓和香蕉了。

贵湖大学机器学习研究小组负责人Graham Taylor说:“一些东西很容易概念化并且编程实现。”但是你可能希望系统能够识别比水果更复杂的对象。也许你希望在海量的面孔中识别出一张脸。Taylor说:“于是就引出了深度学习。它扩展到非常庞大的数据集,迅速解决问题,并且不受定义规则的专家知识的限制。”

深度学习时机器学习的一个极其热门的分支,它的出现其实是受到了我们人脑机制的启发。简而言之,大脑是一个数十亿神经元用数万亿突触连接起来的集合,而那些连接的相对强度——比如红色与红色水果之间,以及红色水果与草莓之间的连接——都是通过逐渐的学习过程进行调整的。

深度学习系统依靠的是这种神经网络的电子模型。深度学习领域的先驱之一Yoshua Bengio说:“在你的大脑里,神经元会发送信息给其他神经元。”一对神经元之间的信号强弱叫做突触权重:当权重很大时,一个神经元就会对另一个神经元产生强大影响;而当它很小时,影响力也会很小。他说:“通过改变这些权重,不同神经元之间的连接强度也会改变。这就是AI研究人员想到的用来训练这些人工智能网络的点子。”

这就是AI能够从对草莓香蕉分类进展到识别面部的办法之一。一位计算机科学家提供标签化的数据——所有那些跟正确名字挂钩的脸部。但是他不是要求也是告诉机器照片中哪些特征对识别很重要,计算机就会完全靠自己来析取出那些信息。Taylor说:“在这里你的输入是面部的照片,然后输出就是关于这个人是谁的决定。”

人脸识别的机制:1)机器学习时:训练数据——学习——调整——形成有用的算法;2)使用程序时:输入——分析——输出

为了从输入走到输出,图像要经过几次转换。他说:“图像首先要转换成非常低级的表征,只是枚举边的类型和位置。”接下来可能是那些边线的边角和交叉点,再就是形成形状的边线的模式。几个圆圈可能最后会成为一只眼睛。Taylor解释说:“在特征方面每一层的表示都是不同程度的抽象,这样一直到你得到非常高级的特征,那些开始看起来代表着身份的东西——比如发型和下巴轮廓——或者像面部匀称性这样的属性。”

这整个过程是怎么发生的呢?数字。数量多到令人难以置信的数字。比方说,一套人脸识别系统会按照像素级别来分析一张图像。(百万像素级摄像头使用1000x1000像素的网格,每一个像素都有红绿蓝三基色的值,每个值的范围在0到255之间,所以这里面的信息量有多大可想而知)系统通过这些表示层分析像素,构建抽象,直到最后自己做出识别。

不过请等一下,尽管这张脸很显然是Christopher Plummer,但机器却以为它是Margaret Trudeau。Taylor说:“模型一开始的时候表现非常糟糕。我们可以从给它看图片然后问谁在里面开始,但在经过训练或者完成任何学习之前,机器会一直给出错误的答案。”这是因为在算法见效之前,网络上人工神经元之间的权重是随机设定的。

经过一个逐步试错的过程之后,系统调整了不同层之间的连接的强度,所以当它看到另一幅Christopher Plummer的图片时,它表现得稍微好点了。小的调整稍微改善了一下连接,把错误率稍微降低了一点,直到最后系统可以用很高的准确率识别出脸部。正是因为这项技术,Facebook会在一张图片中有你时向你发出提醒,哪怕你还没有被打上标签。Taylor说:“深度学习很酷的一点是,我们不需要在有人说‘哦,这些特征对识别特定的脸很有用’的情况下析取出一切。这都是自动发生的,这就是它的神奇之处。”

带偏见的数据

这里有个小花招:往Google Images里面输入CEO你会变出一堆几乎难以分辨的白人男性面孔。如果你是在加拿大,你会看到剩下起到点缀作用的大部分都是白人女性,以及少数有色人种,还有神奇女侠的盖尔·加朵。去年在加州举行的一场机器学习会议上,一名演讲者必须在一堆穿着深色西装的白人男性中向下翻滚了很久之后才找到了第一位女侠。CEO芭比。

数据对于AI系统的运作必不可少。系统越复杂——神经网络的层数就越多,要想翻译语音或者识别面部或者计算某人拖欠贷款的可能性——需要收集的数据就越多。程序员可能要依靠图库或者危机百科条目、归档的新闻文章或者音频记录。他们可能会看大学招生的历史和假释记录。它们想要临床研究和信用评分。McGill计算机科学学院的Doina Precup教授说:“数据非常非常重要,(数据越多,)解决方案越好。”

但并不是每个人都能够公平地得到那些数据的表示。有时候,这是由来已久的排斥的结果:2017年,女性在财富500强中的占比仅为6.4%,但这已经比上一年的数字增长了52%。

直到1997年之前加拿大卫生部都没有明确要求女性纳入到临床试验里面;据中风基金会的《2018心脏报告》,2/3的心脏病临床研究仍然以男性为主,这帮助解释了为什么最近的一项研究发现超过一半女性并没有那些心脏病的症状。既然我们知道女性被排除在那些高层和试验之外,说她们的缺席会令任何用这些数据训练的系统的结果产生扭曲就是安全的假设了。

有时候,就算有充足的数据,那些建立训练集的人仍然不会采取审慎的举措去保证多样性,这导致了人脸识别程序在面对不同人群时会出现差异很大的错误率。其结果就是所谓的取样偏差,这是由于缺乏代表性数据导致的。算法优化是为了尽可能少犯错;其目标是降低错误数。但是数据的构成决定了算法将注意力引导到哪里去。

多伦多大学计算机科学教授Toniann Pitassi的研究重点是机器学习的公平性,他提供了一个招生计划的例子。Pitassi说:“比方说你有5%的黑人申请,如果这所大学95%的申请都是白人的话,则几乎你所有的数据都将是白人的。在决定谁应该进入大学这件事情上算法试图在整体上考虑将自己的错误最小化。但是它不会投入太多的努力到那5%上面,因为这对总体错误率的影响很小。”

犹他大学计算学院的Suresh Venkatasubramanian教授解释说:“很多算法是通过看在训练数据中自己得到了多少正确答案来进行训练的。这很好,但如果你只是把答案累计的话,就会有一部分小群体总是会有问题。这么做对你的伤害不太大,但是因为你系统性的对那一小群人的全体犯错,错误决定的影响就要比你的错误分散到多个群体的影响严重多了。”

正是因为这个原因,Buolamwini人肉干发现IBM的脸部识别技术准确率为87.9%。当一个系统识别浅肤色女性的准确率为92.9%,识别浅肤色男性的准确率为99.7%时,黑人女性的识别率仅为35%就无关紧要了。微软的算法也一样,她发现其预测性别的准确率为93.7%。但Buolamwini发现,那些性别错误中几乎有同样的比例——93.6%是发生在深肤色受试者的脸上。但是算法并不需要关心这个。

垃圾进,垃圾出

在跟人工智能专家花费了足够多的时间进行了足够深入的对话之后,到了一定时候,他们都会得出一条公理:垃圾进,垃圾出。绕开样本偏差确保系统基于丰富的均衡数据而进行训练是有可能的,但如果数据受到我们社会的偏见和歧视困扰的话,则算法也好不到哪里去。Precup说:“我们想要的是忠于现实的数据。”而当现实存在偏见时,“算法别无选择,只有反映那种偏见。算法就是这么做出来的。”

偶尔,所反映出来的偏见在预测性方面几乎是很滑稽的。Web搜索,聊天机器人,给图像加字幕程序,机器翻译等日益依赖于一种叫做词嵌入的技术。这是通过把单词之间的关系变成数值,然后让系统已数学的方式表示语言的社会背景。通过这项技术,AI系统了解到了巴黎和法国之间的关系,以及东京与日本之间的关系;它能觉察到东京与巴黎之间的不同联系。

2016年,波士顿大学和微软研究院的研究人员把来自于Google News文字的超过300万个英语单词提供给一个算法,他们先是提供一段使用得最多的话,然后让算法填空。他们问道:“男人之于计算机程序员正如女人之于什么?”机器在那堆单词里面折腾了半天之后给出的答案是家庭主妇。

这些统计关联就是所谓的隐含偏差:这就是为什么一所人工智能研究机构的图像收集将烹饪与女性招聘关联起来的可能性会增加68%的原因,这也解释了Google Translate在使用性别中立的代词的语言时为什么会遇到麻烦。

土耳其语的句子不会指明医生是男性还是女性,但是英语翻译会假定,如果屋子里有个医生的话,那他一定是个男的。这种推测延伸到了网上到处跟踪我们的广告身上。2015年,研究人员发现,在许诺薪水高于20万美元的Google工作岗位广告里面,男性出现的机率比女性高6倍。

Kathryn Hume说,系统的威力在于其“识别性别与职业之间的关联的能力。其不好之处在于系统背后是没有目的性的——只是由数学来选择关联。它并不知道这是个敏感问题。”这种技术存在着未来主义和陈旧作风的冲突。AI的演进速度要比它要处理的数据的演进快得多,所以这注定了它不仅折射和反映出过去的偏见,而且还延长并加强了它们。

因此,当判断被移交给机器之后,那些曾经是包括警察、法院在内的机构系统性歧视目标的群体并不能得到更好的对待。多伦多大学犯罪学和社会法学研究中心的Kelly Hannah-Moffat教授说:“那种认为可以制造出公平客观的AI工具的看法是有问题的,因为你会把犯罪发生的背景简化成是或否的二元性。

我们都知道种族跟盘查政策、梳理以及更严格的警方检查相关,所以如果你正在研究跟警察的接触或者之前的逮捕率时,其实你看的已经是一个带偏见的变量。”一旦那个变量被纳入到机器学习系统里面,偏见就被嵌入到算法评估之中。

两年前,美国调查新闻机构ProPublica仔细审查了一个使用广泛的程序,其名字叫做COMPAS,这个程序被用来确定被告再犯的风险。记着收集了超过7000名在佛罗里达州被捕的人的分数,然后评估其中有多少人在随后2年实施了犯罪——使用的是跟COMPAS一样的基准。他们发现,算法存在很大的缺陷:黑人被告被错误地标记为存在再犯的高风险的机率是实际的2倍多。相反,被标记为低风险的白人被告在随后被指控犯罪的情况是其估计的2倍。

美国已经有5个州靠COMPAS来进行刑事司法判决,其他辖区也已经有其他的风险评估程序就位。加拿大因为仍然沿用过时的体系,所以还没有受到有问题的算法之影响。

实现算法公平

要想实现算法的公平性,程序员可以简单地摒弃种族和性别这样的属性。但根深蒂固的历史关联——那种将女性与厨房关联,或者将一部分人口跟特定邮编关联的做法,使得系统很容易就能弄清楚这些属性,哪怕这些属性已经被移除了。所以计算机科学家弄出的这种解决方案令人想到管弦乐世界的盲听:为了掩饰某人的身份,他们竖起了一道幕布。

深度学习先驱Yoshua Bengio说:“假设我们考虑到种族是歧视的因素之一,如果我们在数据里面看到这个的话,我们就可以衡量它。”可以往神经网络里面添加另一个约束,强迫它忽视有关种族的信息,不管这种信息是不是隐含的(比如邮编)。Bengio说,这种方案无法对这些受保护的特征建立完全的不敏感性,但是还是做了相当好的工作。

其实现在已经有越来越多的研究在设法用算法性解决方案来解决算法性偏见问题。其中反设事实可能是手段之一——让算法分析如果女性获得贷款的话会发生什么,而不是简单地去梳理过去发生的事情。这可能意味着要给算法它增加约束,确保它在犯错时这些错误是均匀分布到每一种代表群体里面的。给算法增加不同的约束来降低阈值是有可能的,比方说对特定群体的大学录取率,从而保证达到代表性的百分比——姑且称之为算法性平权行动。

尽管如此,算法干预也只能到此为止;解决偏见还需要训练机器的程序员的多样性。McGill教授Doina Precup说:“这甚至还不是说意图不好,只是那些没有来自特定背景的人完全就没意识到那种背景会是什么样的,也不了解这会如何影响着一切。”如果数据集汇编进来的时候Joy Buolamwini在场的话,她当场就能发现那尖端的脸部识别技术在黑肤色的表现太过糟糕。

《压迫的算法》作者Safiya Noble补充说:“我们对种族主义和性别歧视的理解不够深入时可能会出现的风险远不止是公关混乱以及偶尔的新闻头条。这不仅意味着公司失去了更深入更多元化的消费者参与的可能性,而且有可能他们也没有意识到自己的产品和服务已经成为了会对社会造成破坏的权力体系的一部分。”

对算法性偏见认知的增强不仅是干预我们AI系统开发方式的一个机会。这也是一个质询的好机会,质询为什么我们创建的数据会像这样,质询还有哪些偏见在继续塑造一个允许这些模式在数据中出现的社会。毕竟,算法只是一组指令罢了。Bengio强调:“我们使用的算法是中立的。不中立的是(神经)网络,只要用带偏见的数据对它进行过训练之后,涡轮就不再中立了。我们充满着各种偏见。”

这正是为什么我们要非常非常当心自己收集的数据的原因。今年3月,微软领导的一群研究人员参加在旧金山举行的一场会议时提出了一个可能的解决方案。因为识别数据集创建方式缺乏标准,也没有警示可能存在偏见的警告标签,他们提出做一张包含有公共数据集和商用软件的数据表。文档将明确说明训练数据集是什么时候在哪里以及如何汇编出来的,并且提供使用的受试者的人口统计信息,提供必要的信息给研究人员和组织,从而确定如何利用数据集以及在和背景下加以使用。

在欧洲,已经出台了一部全新的隐私法律,General Data Protection Regulation(GDPR,通用数据保护条例)规定要限制对敏感数据的手机,要求对算法决策进行解释,并且保护个人不会被机器唯一来决定。

当然,还有一种优雅简洁且公平公正的解决方案:获得更好的数据。这就是Joy Buolamwin的发现指责IBM的人脸识别系统在性别和肤色平衡上做的不够之后发生的事情。这家公司目前正在提高用于训练的图片集的广泛性。后来拿瑞典、芬兰、南非、塞内加尔等过议员的照片去测试这套新系统时,算法执行得很好,这一点并不奇怪。可喜的是对所有人都是。

虽然不够完美:深肤色的女性错误率依然是最高的,3.46%。但这比之前已经改进了10倍——这已经远远足以证明改变是有可能的,只要你把它当作优先事项。哪怕是不彻底的智能机器都知道这一点。

原文标题:本应公平公正的 AI,从数据中学会了人类的偏见

文章出处:【微信号:AItists,微信公众号:人工智能学家】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
分享:

评论

相关推荐

四轴机器人编程与应用

主题简介:本次直播主要讲解四轴机器人控制器基本原理及组成。四轴机器人的核心技术内嵌人工智能算法的工业级运动控制技术和伺服
发表于 10-30 00:00 11587次 阅读
四轴机器人编程与应用

未来语音识别技术的发展趋势将会怎样

语音识别主要趋于远场化和融合化的方向发展,但在远场可靠性还有很多难点没有突破,比如多轮交互、多人噪杂....
发表于 09-16 16:02 22次 阅读
未来语音识别技术的发展趋势将会怎样

人工智能的发展将影响着我们的生活

第三次产业革命带来的不仅仅是计算机网络技术的深入发展,更是人们生活方式的变革,使得人们的生活方式发生....
发表于 09-16 15:50 35次 阅读
人工智能的发展将影响着我们的生活

对人工智能最好不要报有太高的期望

与人们理想中的人工智能最为近似的,可能是亚马逊的Alexa、谷歌的Google Assistant、....
发表于 09-16 15:47 109次 阅读
对人工智能最好不要报有太高的期望

机器视觉的不断发展带来了什么

机器视觉技术的不断创新,推动了工业自动化、智慧安防以及人工智能等行业的进步,也为各个行业领域的应用带....
发表于 09-16 15:41 86次 阅读
机器视觉的不断发展带来了什么

融资将用于支持其物联网的民主化

“我们对投资者对Helios Wire的使命感兴趣程度非常高兴。这一轮融资的资金将用于启动今年圣诞节....
的头像 倩倩 发表于 09-16 15:35 96次 阅读
融资将用于支持其物联网的民主化

人工智能的发展少不了什么

人工智能作为革命性的新技术,没有人能准确预测技术的未来结果。
发表于 09-16 15:28 67次 阅读
人工智能的发展少不了什么

为抢“风口”,一些企业硬是和人工智能“攀亲戚”

然而,人工智能迅速发展的同时,也出现了一些需要关注的现象:为抢“风口”,一些企业硬是和人工智能“攀亲....
的头像 倩倩 发表于 09-16 14:36 148次 阅读
为抢“风口”,一些企业硬是和人工智能“攀亲戚”

高速图像传感器(ARX3A0)实现用于视觉和人工智能的智能视觉系统

功耗对于提供静止或串流图像的许多应用越来越重要。ARX3A0旨在以最小的功耗提供灵活、高性能的图像捕....
的头像 丫丫119 发表于 09-16 14:36 782次 阅读
高速图像传感器(ARX3A0)实现用于视觉和人工智能的智能视觉系统

技术、应用纷纷出海趋势下,人工智能企业能否再下一城?

而计算机视觉是人工智能在中国落地应用顺利的技术,商汤科技、旷视科技、优必选等都属计算机视觉领域的人工....
的头像 倩倩 发表于 09-16 14:32 301次 阅读
技术、应用纷纷出海趋势下,人工智能企业能否再下一城?

中国为什么能在人工智能的全球竞争中占据优势?

5G带来的不仅是更快的速度和海量的数据,它还是驱动人工智能技术的有力引擎——工业互联网、物联网、车联....
的头像 倩倩 发表于 09-16 14:29 197次 阅读
中国为什么能在人工智能的全球竞争中占据优势?

美国空军发布了2019人工智能战

报道称,这项战略是使美国空军的努力与国防战略和国防部人工智能战略协调一致的框架,它详细阐述了数字化时....
的头像 倩倩 发表于 09-16 14:27 128次 阅读
美国空军发布了2019人工智能战

重庆工程学院大数据与人工智能学院正式成立

首先,桂国庆校长分别宣读了有关二级学院调整的通知和有关干部职务任免的通知,决定组建大数据与人工智能学....
的头像 倩倩 发表于 09-16 14:25 80次 阅读
重庆工程学院大数据与人工智能学院正式成立

科大讯飞最新推出智能录音笔SR301青春版新品

北京大学光华管理学院特聘教授徐宪平认为,人工智能将改变世界、改变教育和改变学习方式。从传统课堂到个性....
的头像 倩倩 发表于 09-16 14:22 148次 阅读
科大讯飞最新推出智能录音笔SR301青春版新品

聚焦长宁区“3+2”产业发展规划,结合创新驱动发展战略

在长宁区政府的关心下,9月12日,九华集团与CREATER创邑、新微创邑孵化器(中科院上海微系统所双....
的头像 倩倩 发表于 09-16 14:16 105次 阅读
聚焦长宁区“3+2”产业发展规划,结合创新驱动发展战略

5G+医疗全面落地还需要多久?

近日,在国家卫生健康委指导下,全国30余家省部级医院、中国医学装备协会、三大运营商和华为公司联合启动....
的头像 电子发烧友网工程师 发表于 09-16 12:04 147次 阅读
5G+医疗全面落地还需要多久?

Ubuntu下试玩visionseed工具的数据可视化

日前购得一套AI视觉模组visionseed,我准备先在Ubuntu下试玩visionseed工具来了解这套视觉模组。当然前期准备工作是要做的:...
发表于 09-16 11:29 212次 阅读
Ubuntu下试玩visionseed工具的数据可视化

百度扩张狂潮:14.43亿元的东软投资

百度是国内一家重要的互联网科技公司。根据一些资料显示,它在全球同行中的收入份额排名第八。其他名列的一....
的头像 刘伟DE 发表于 09-16 11:16 863次 阅读
百度扩张狂潮:14.43亿元的东软投资

技术层发展迅猛,部分技术已经处于世界领先水平

我们国家已经在研发、设计、代工生产、封装测试等环节形成了完整的产业链,形成了比较完善的生态系统。大数....
的头像 倩倩 发表于 09-16 11:11 202次 阅读
技术层发展迅猛,部分技术已经处于世界领先水平

陕西省到2023年人工智能产业规模达到1000亿元

培育人工智能优势产品。在智能软硬件、智能机器人、智能无人机、智能网联汽车、智能安防等6大领域,研发一....
的头像 倩倩 发表于 09-16 11:04 205次 阅读
陕西省到2023年人工智能产业规模达到1000亿元

选择喔趣科技人工智能排班系统七大优势

技能标签合理搭配:员工技能标签管理,根据业务波动和人力需求,在不同岗位自动安排资深员工、全职员工、小....
的头像 倩倩 发表于 09-16 11:00 118次 阅读
选择喔趣科技人工智能排班系统七大优势

人工智能作为革命性的新技术,没有人能准确预测技术的未来结果

人工智能将学生课堂行为量化分析的问题在于,一是这种技术对学生行为分析的准确性、可靠性与可信度存疑。人....
的头像 倩倩 发表于 09-16 10:55 159次 阅读
人工智能作为革命性的新技术,没有人能准确预测技术的未来结果

Xnor.ai正在推出一款无线设备,该设备被设计为被夹在零售货架上

Xnor边缘技术的关键是能够以毫瓦功率运行AI软件的芯片,因此理论上硬币大小的电池可以使芯片运行30....
的头像 倩倩 发表于 09-16 10:50 159次 阅读
Xnor.ai正在推出一款无线设备,该设备被设计为被夹在零售货架上

人工智能有助于不断满足人民的美好生活需要

人工智能是新一轮科技革命和产业变革的重要驱动力量。习近平同志高度重视我国新一代人工智能发展,多次对人....
发表于 09-16 10:48 45次 阅读
人工智能有助于不断满足人民的美好生活需要

天津在培养、引进网络安全人才方面有哪些“杀手锏”?

王芸认为,天津吸引人才“杀手锏”有以下方面:一是实施“海河英才计划”。把引进人才做系统分类,主要是学....
的头像 倩倩 发表于 09-16 10:46 137次 阅读
天津在培养、引进网络安全人才方面有哪些“杀手锏”?

人工智能来了,我们能做什么才不会被社会所淘汰?

该指引上明确指出,试验区原则上应是国家自主创新示范区或国家高新区所在城市,并已明确将发展人工智能作为....
的头像 倩倩 发表于 09-16 10:42 157次 阅读
人工智能来了,我们能做什么才不会被社会所淘汰?

物联网和人工智能解决方案将如何重塑企业

事实上,正如manpowerg roup最近的一份报告所指出的,当涉及到全球劳动力时,创新是主角。比....
发表于 09-16 10:40 33次 阅读
物联网和人工智能解决方案将如何重塑企业

人工智能技术将促进哪些行业的革新

在当前人工智能发展的大背景下,了解人工智能技术的发展对于行业领域的影响,不仅对于广大的创业者具有重要....
发表于 09-16 10:34 30次 阅读
人工智能技术将促进哪些行业的革新

人工智能企业面临的问题主要是:研发投入巨大,落地场景有限

从百度最新的业绩报告来看,人工智能公司百度的无人驾驶/自动驾驶投入巨大,但距离商业化还有非常远的路要....
的头像 倩倩 发表于 09-16 10:34 315次 阅读
人工智能企业面临的问题主要是:研发投入巨大,落地场景有限

人工智能技术未来的反思,为人工智能注入更多的人文与安全基因

日前发布的《人工智能安全与法治导则(2019)》,从算法安全、数据安全、知识产权、社会就业和法律责任....
的头像 倩倩 发表于 09-16 10:23 153次 阅读
人工智能技术未来的反思,为人工智能注入更多的人文与安全基因

华胜天成与AVAYA共同深耕全球通讯领域20年,将加强云领域合作

2019年9月4日,北京华胜天成科技股份有限公司(简称:华胜天成)与AVAYA合作20周年庆典活动在....
的头像 电子发烧友网工程师 发表于 09-16 09:47 86次 阅读
华胜天成与AVAYA共同深耕全球通讯领域20年,将加强云领域合作

科技巨头们是怎样成功实施物联网和人工智能的

将物联网(IoT)与人工智能(AI)结合起来,进而将计算智能从我们的桌面上释放出来,并将其渗透到我们....
发表于 09-16 09:40 23次 阅读
科技巨头们是怎样成功实施物联网和人工智能的

随着技术的进步 人工智能必将成为未来时代的核心驱动力

近日,一款名为ZAO的APP火了。借助于它的AI换脸技术,用户可以使用自己的照片来改变视频中明星的脸....
发表于 09-16 09:37 76次 阅读
随着技术的进步 人工智能必将成为未来时代的核心驱动力

全球首例基于国产FPGA的人工智能解决方案发布

全球增长最快的可编程逻辑器件供应商—广东高云半导体科技股份有限公司(以下简称“高云半导体”),今日发....
发表于 09-16 09:33 81次 阅读
全球首例基于国产FPGA的人工智能解决方案发布

大话人工智能成功进入测试阶段

大话人工智能成功进入测试阶段 人工智能英文简称为AI,英文全写Artificial Intelligence,中文直译就是人工智能。 人工...
发表于 09-15 12:40 162次 阅读
大话人工智能成功进入测试阶段

嵌入式系统与人工智能之间有没有什么联系

工业4.0(又名工业物联网)和智能工厂等当前的技术趋势正在深刻地改变工业价值创造过程,其特点是更高程....
发表于 09-12 17:44 127次 阅读
嵌入式系统与人工智能之间有没有什么联系

由于数据短缺和研发耗资AI医美难以真正落地

在做人工智能训练模型的时候,数据是最重要的因素,因为只有通过大数据训练,才能让训练的模型更接近于实际....
发表于 09-12 17:04 82次 阅读
由于数据短缺和研发耗资AI医美难以真正落地

未来人工智能的发展会超越人类吗

2016年,由谷歌开发的阿尔法狗机器人与围棋职业九段棋手、世界冠军李世石进行围棋人机比赛,阿尔法狗以....
发表于 09-12 17:01 275次 阅读
未来人工智能的发展会超越人类吗

未来人工智能的发展所要面临的挑战

人工智能正在进入更多的行业,越来越多的公司已经体验到了实施人工智能的好处。尽管人工智能正在发展并越来....
发表于 09-12 16:56 79次 阅读
未来人工智能的发展所要面临的挑战

人工智能在机器人领域的应用怎样

技术革命不是一次历史当中单一的分水岭事件,它会成为一浪高过一浪的变革和颠覆。
发表于 09-12 16:43 139次 阅读
人工智能在机器人领域的应用怎样

维谛技术荣获“2019 中国新互联网企业·智能制造企业100强”殊荣

作为“聚焦桐乡,相约乌镇---第四届国际经贸洽谈会”的分论坛,本次活动以“创未来新互联网的使命”为主....
的头像 倩倩 发表于 09-12 16:17 272次 阅读
维谛技术荣获“2019 中国新互联网企业·智能制造企业100强”殊荣

机器视觉可以服务的领域有哪些

机器视觉是工业自动化革命的核心。然而机器视觉不仅仅是关注工业机器人,它涵盖了几乎所有机器和制造周期的....
发表于 09-12 15:42 57次 阅读
机器视觉可以服务的领域有哪些

陕西省将推进智能制造、智慧教育等等重点领域应用示范

同时,加强无人驾驶汽车、无人飞行器、智能安防等技术优势领域综合测试平台建设,重点建设西北工业大学靖边....
的头像 倩倩 发表于 09-12 15:41 447次 阅读
陕西省将推进智能制造、智慧教育等等重点领域应用示范

智能工业的发展得益于哪些技术

智能技术几乎遍及各个领域,从公共基础设施和运输到工业,农业和家庭环境。
发表于 09-12 15:34 51次 阅读
智能工业的发展得益于哪些技术

智能家居时代离我们还有多远的距离

AI是指人工智能,IoT是指物联网,AI+IoT简称AIoT。AIoT利用人工智能和物联网技术,将设....
发表于 09-12 14:25 425次 阅读
智能家居时代离我们还有多远的距离

智能家居是怎样成为市场爆点的

近年来智能家居概念兴起,得益于人工智能和物联网技术的发展。
发表于 09-12 11:55 172次 阅读
智能家居是怎样成为市场爆点的

中国AI软件产业不断完善呈现出百花齐放

2019年中国人工智能软件市场加入了更多的互联网、AI独角兽以及大数据企业,每个玩家都在细分市场的赛....
的头像 电子魔法师 发表于 09-12 11:55 311次 阅读
中国AI软件产业不断完善呈现出百花齐放

人工智能对比软硬件安全问题

从1995年至今,倪光南就不遗余力地呼吁中国发展IT核心技术,特别是自主操作系统和国产CPU。如今,....
的头像 电子魔法师 发表于 09-12 11:27 286次 阅读
人工智能对比软硬件安全问题

高通5G、AI发展方面的是否能成为领头羊

最近几天在重庆及上海分别举行了中国国际智能产业博览会、世界人工智能大会,AI人工智能都是讨论的热点,....
的头像 电子魔法师 发表于 09-12 11:19 282次 阅读
高通5G、AI发展方面的是否能成为领头羊

大数据和人工智能会对智慧交通的发展造成什么影响

随着科技的快速发展,人们的生活水平也越来越高了。特别是大数据技术和人工智能技术的快速发展,使得人们的....
发表于 09-12 11:16 279次 阅读
大数据和人工智能会对智慧交通的发展造成什么影响

人工智能在未来生活中将会有怎样的应用

随着智能汽车,智能家居,智能出行的产品相继出现,人们的生活越来越智能化。机器人达到甚至超过人类技工水....
发表于 09-12 11:01 332次 阅读
人工智能在未来生活中将会有怎样的应用

可以用人工智能技术来预测股市吗

人工智能领域一直在不断挑战自我以达到某一单方面能力超越人工的目的。利用人工智能技术进行金融数据的分析....
发表于 09-12 10:56 283次 阅读
可以用人工智能技术来预测股市吗

神经网络和反向传播算法

03_深度学习入门_神经网络和反向传播算法
发表于 09-12 07:08 72次 阅读
神经网络和反向传播算法

国内外人工智能十大芯片怎么样?

2019年属于人工智能爆发的一年,特别是芯片领域,华为一家就推出来四个芯片,芯片可不像软件一样简单复制,也不像普通的线路板一...
发表于 09-11 11:52 170次 阅读
国内外人工智能十大芯片怎么样?

人工智能能否取代人类?

为什么大家对这类问题如此感兴趣?这可能要追溯到2016年,AI真正进入到大众视野并引爆媒体的标志性事件,也就是AlphaGo战胜围...
发表于 09-11 11:52 206次 阅读
人工智能能否取代人类?

神经网络结构搜索有什么优势?

近年来,深度学习的繁荣,尤其是神经网络的发展,颠覆了传统机器学习特征工程的时代,将人工智能的浪潮推到了历史最高点。然而,...
发表于 09-11 11:52 34次 阅读
神经网络结构搜索有什么优势?

神经处理单元IP VIP9000怎么样?

芯片设计平台即服务(SiPaaS®)公司芯原(VeriSilicon)今日宣布推出VIP9000,这是一款高度可扩展、可编程的计算机视觉和人...
发表于 09-11 11:52 115次 阅读
神经处理单元IP VIP9000怎么样?

通用型AI语音识别芯片音旋风611如何?

近日,国产原生芯片品牌探境科技宣布全球首款通用型AI语音识别芯片——音旋风611(英文名称:Voitist611)目前正式进入批量供货...
发表于 09-11 11:52 93次 阅读
通用型AI语音识别芯片音旋风611如何?

人工智能语音芯片行业的发展趋势如何?

人工智能是近三年来最受关注的核心基础技术,将深刻的改造各个传统行业。人工智能在图像识别、语音识别领域的应用自2017年来高速...
发表于 09-11 11:52 146次 阅读
人工智能语音芯片行业的发展趋势如何?

什么是艾芯智能人脸识别门锁解决方案?

随着人工智能(AI)在家庭场景中应用与普及,智能锁逐渐成为智能家居不可或缺的“门面担当”,安全防盗、便利生活成为住户选购...
发表于 09-11 11:52 188次 阅读
什么是艾芯智能人脸识别门锁解决方案?