张钹院士:满足这五个条件,你的工作就将被AI取代

章鹰 2018-07-04 10:19 次阅读

上周,2018 全球人工智能与机器人峰会(CCF-GAIR)在深圳召开,峰会由中国计算机学会(CCF)主办,雷锋网(公众号:雷锋网)、香港中文大学(深圳)承办。

在6 月 29 日上午的主会场上,清华大学人工智能研究院院长张钹院士做了题为「走向真正的人工智能」(Towards A Real Artificial Intelligence)的大会报告。以下为张钹院士所做的大会报告全文,感谢张钹院士逐字修改。

我今天要讲的中心思想就是:我们现在离真正的人工智能还有一段很长的路。为了讲清这个思想,我必须回答下面三个问题:第一,什么叫做真正的人工智能?我们的目标是什么?第二,为什么我们需要真正的人工智能?第三,我们如何走向真正的人工智能?我现在回答这三个问题。

首先我们如何评价目前人工智能取得的成果,我们的评价很简单,针对这 5 件事:

第一是深蓝打败人类国际象棋冠军;第二是 IBM 在电视知识竞赛中打败了美国的前两个冠军,这两件事是一个类型,后面的三件事属于另外一个类型,即 2015 年微软在 ImageNet 上做图象识别,它的误识率略低于人类;百度、讯飞也都宣布在单句的中文语音识别上,它的误识率也略低于人类;还有一个是大家非常熟悉的 AlphaGo 打败了李世石。这 5 件事情都是机器在一定的范围内超过了人类,我们如何来评价这 5 件事?

大家一致认为这 5 件事之所以成功,是由于前面三个因素,一是大数据,二是计算能力提高,第三是有非常好的人工智能算法。这三个因素大家都讨论得非常多了,没必要我再来说,我现在要说的最后一个因素是被大家所忽略的,这个因素是说,这所有的成果必须建立在一个合适的应用场景下。这 5 件事虽然领域很不一样,但是它们都满足完全一样的条件,或满足下面的 5 个限制,首先你必须有丰富的数据或者丰富的知识,如果这两件东西没有,或者很少,你不用来谈人工智能,因为你无法实现无米之炊。人工智能仅有的两个资源,一个是数据,一个是知识。还有确定性信息、完全信息、静态的、单任务和有限领域。这 5 个条件里面任何一个条件不满足,现在的人工智能做起来就非常困难了。

大家想想这 5 个限制条件下的应用场景是什么样的应用场景?就是照章办事,不需要任何灵活性,这显然不是智能的核心。

我们现在分析一下上述 5 个场景。下象棋是完全信息博弈,信息完全和确定,没有问题。其次,它遵循着完全确定的游戏规则演化,我们把这种情况也叫做静态。Watson 机器人也是这样,Watson 是什么样的对话问题呢?它为什么选择知识竞赛呢?我们知道知识竞赛提的问题都没有二义性,都是明确的,它的答案总是唯一性的。所以这样的问答对机器人来讲是非常容易的。它涉及的领域虽然比较宽,但也是有限的,包括大家觉得很玄乎的围棋,也完全符合上面 5 个条件,所以对计算机来说也是很容易的。目前计算机打麻将就不行,因为牌类是不完全信息博弈,所以比棋类要难。总之,我们对目前人工智能取得的成果要有一个正确的评价。

目前的人工智能技术在以下领域都可以找到它的应用,它们是交通、服务、教育、娱乐等等,但我要强调是这些领域里面只有满足上述 5 个条件的事情,计算机做起来才会容易,如果不满足这些条件,计算机就做起来就困难了。大家常常关心什么样的工作会被机器所替代,我可以明确告诉大家,满足这 5 个条件的工作,总有一天会被计算机取代,就是那些照章办事,不需要任何灵活性的工作,比如说出纳员、收银员等等。在座的所有工作都不可能被计算机完全代替,但不排斥你的工作中有一部分会被计算机取代,老师、企业家等的工作不可能被计算机完全代替。

为什么有这 5 个限制?原因在于我们现在的人工智能是没有理解的人工智能。

我们先看符号模型,理性行为的模型,举 Watson 的例子,它是个对话系统,我们现在所有做的对话系统都跟这个差不多,但是 Watson 做得更好些,它里面有知识库,有推理机制。沃森除了专家知识之外,还有大量互联网上大众的知识,还运用了多推理机制。请看,这就是 Watson 系统的体系结构。它里面有哪些知识呢?有很多,包括百科全书、有线新闻、文学作品等等。所有的知识用纸质来表示有 2 亿页,用存储量表示达到了 4TB。它能回答什么问题呢?用它的例子来说明。第一个问题,1974 年 9 月 8 日谁被总统赦免?这对美国人来讲很好回答,同样对计算机来讲也很好回答,你用这几个关键字「1974 年 9 月 8 日」、「被总统赦免」,就能在文献里头查出来是谁,他就是尼克松。也就是说根据问题中的关键字,可以在已有的文献里头直接找到答案,这就是一般的网络检索方法。

第二个问题,荧光粉受到电子撞击以后,它的电磁能以什么方式释放出来?我们用「荧光粉」、「电子撞击」、「释放电磁能」等关键词,也可以找到答案:「光或者光子」。这种方法就是平时网络搜索的原理,应该说没有什么智能。

回答下面的问题就需要「智能」了,跟智利陆地边界最长的是哪个国家?跟智利有陆地边界的国家可以检索到,它们是阿根廷和玻利维亚,但是谁的边境长?通常查不到。Watson 具备一定的推理能力,它从边界间发生的事件、边界的地理位置等等,经过分析推理以后就可以找出答案,它就是阿根廷。下一个问题也属于这种性质,跟美国没有外交关系的国家中哪个最靠北,跟美国没有外交关系的国家有 4 个,只要检索就行了,但是哪个国家最靠北,没有直接答案,但可以从其它信息中推导出来,比如各个国家所处的纬度、气候寒冷的程度等等分析出来,答案是北朝鲜。

智能体现在推理能力上。但是很不幸,现在的对话系统推理能力都很差。Watson 系统好一些,但也很有限。换句话说,我们现在的对话系统离真正的智能还很远。

我们通过索菲亚机器人就可以看出来,索菲亚的对话是面向开放领域,你可以随便提问,问题就暴露出来了。大家在电视上看到索菲亚侃侃而谈,问什么问题都能答得很好,这里面有玄机,如果你的问题是预先提出来的,因为里头有答案,因此回答得非常好,在电视上给大家演示的都是这种情况。

如果我们临时提问题,问题就出来了。这是一个中国记者给索菲亚提的 4 个问题,它只答对了一个。「你几岁了」,这个问题很简单,它答不上来,它的回答是「你好,你看起来不错」,答非所问,因为它不理解你所问的问题。只有第二个问题它是有准备的,里面有答案,所以答得很好。「你的老板是谁」,这个肯定它有准备。第三个问题,「你能回答多少问题呢」?它说「请继续」,没听懂!。再问第四个问题,「你希望我问你什么问题呢」?它说「你经常在北京做户外活动吗」?这就告诉我们说,现代的问答系统基本上没有理解,只有少数有少量的理解,像 Watson 这样算是比较好的。

为什么会这样?也就是说我们现在的人工智能基本方法有缺陷,我们必须走向具有理解的 AI,这才是真正的人工智能。我这里提出的概念跟强人工智能有什么区别?首先我们说它在这点上是相同的,我们都试图去准确地描述人类的智能行为,希望人工智能跟人类的智能相近,这也是强人工智能的一个目标,但是强人工智能只是从概念上提出来,并没有从方法上提出怎么解决。大家知道强人工智能提出了一个最主要的概念,就是通用人工智能。怎么个通用法?它没有回答。我们现在提出来的有理解的人工智能是可操作的,不只是概念,这是我们跟强人工智能的区别。

人机对话的时候,机器为什么不能理解人们提的问题?我们看一个例子就知道了,我们在知识库里把「特朗普是美国总统」这个事实,用「特朗普-总统-美国」这三元组存在计算机里面,如果你提的问题是「谁是美国总统」?机器马上回答出来:「特朗普」。但是你如果问其它有关的问题,如「特朗普是一个人吗」?「特朗普是一个美国人吗」?「美国有没有总统」?它都回答不了。它太傻了,任何一个小学生,你只要告诉他特朗普是美国总统,后面这几个问题他们绝对回答得出来。机器为什么回答不了后面的三个问题呢?就是这个系统太笨了,没有常识,也没有常识推理。既然特朗普是美国的总统,美国当然有总统,但是它连这一点常识的推理能力都没有。所以要解决这个问题,必须在系统中加上常识库、常识推理,没有做到这一步,人机对话系统中机器不可能具有理解能力。但是大家知道,建立常识库是一项「AI 的曼哈顿工程」。大家想想常识库多么不好建,怎么告诉计算机,什么叫吃饭,怎么告诉计算机,什么叫睡觉,什么叫做睡不着觉,什么叫做梦,这些对人工智能来说都非常难,美国在 1984 年就搞了这样一个常识库的工程,做到现在还没完全做出来。可见,要走向真正的人工智能,有理解的人工智能,是一条很漫长的路。

张钹院士在CCF-GAIR大会现场

这里介绍一点我们现在做的工作,加入常识以后,对话的性能会不会有所改善。我们的基本做法是建立一个常识图谱,用这个图谱帮助理解提出的「问题」,同时利用常识图谱帮助产生合适的答案。

下面就涉及到具体怎么做了,我不详细说了,我就说结果,结果是有了常识以后,性能有了显著的改善,对话的质量提高了。这篇文章已经发表,有兴趣可以去阅读。

另外是准符号模型,深度学习神经网络主要用来模拟感性行为,感性行为是一般很难采用符号模型,因为感性(感觉)没法精确描述。比如「马」,怎么告诉计算机什么叫做马?你说马有四条腿,什么叫做腿?你说细长的叫做腿,什么叫细?什么叫做长?没法告诉机器,因此不能用符号模型。目前用的办法就是我们现在说的神经网络或者准符号模型,也就是用人类同样的办法,学习、训练。我不告诉机器什么叫做马,只是给不同的马的图片给它看,进行训练。训练完以后,然后再用没见过的马的图片给它看,说对了,就是识别正确了,说不对就是识别不正确,如果 90% 是对的,就说明它的识别率是 90%。后来从浅层的神经网络又发展到多层的神经网络,从浅层发展到多层有两个本质性的变化,一个本质性的变化就是输入,深层网络一般不用人工选择的特征,用原始数据就行。所以深度学习的应用门槛降低了,你不要有专业知识,把原始数据输进去就行了。第二个是它的性能提高很多,所以现在深度学习用得很多,原因就在这个地方。

通过数据驱动建立的系统能不能算是有智能呢?必须打一个很大的问号,就是说你做出来的人脸识别系统甚至识别率会比人还高,但是我们还不能说它有智能,为什么呢?这种通过数据驱动做出来的系统,它的性能跟人类差别非常大,鲁棒性很差,很容易受干扰,会发生重大的错误,需要大量的训练样本。我们刚才已经说过,给定一个图像库我们可以做到机器的识别率比人还要高,也就是说它可以识别各种各样的物体,但是这样的系统,我如果用这个噪声输给它,我可以让它识别成为知更鸟,我用另外的噪声输给它,可以让它识别成为猎豹。换句话讲,这样的系统只是一个机械的分类器,根本不是感知系统。也就是说它尽管把各种各样动物分得很清楚,但是它不认识这个动物,它尽管可以把猎豹跟知更鸟分开,但是它本质上不认识知更鸟和猎豹,它只到达了感觉的水平,并没有达到感知的水平,它只是「感」,没有上升到「知」。我们的结论是,只依靠深度学习很难到达真正的智能。这是很严峻的结论,因为如果有这样的问题,在决策系统里头是不能用这样的系统,因为它会犯大错。我在很多场合讲过,人类的最大的优点是「小错不断、大错不犯」,机器最大的缺点是「小错不犯,一犯就犯大错」。这在决策系统里头是不允许的,这就显示人跟机器的截然不同,人非常聪明,所以他做什么事都很灵活,这就使得他很容易犯各种各样的小错。但是他很理性,很难发生大错。计算机很笨,但是很认真,小错误绝对不会犯,但是它一犯就是天大的错误。刚才把那个把噪声看成知更鸟,这不是大错吗?你把敌人的大炮看成一匹马,不是大错吗?但是人类不会发生这种错误,人类只会把骡看成驴,但是计算机的识别系统会把驴看成一块石头。原因在哪儿?原因还是 AI 的理解能力问题。

我们看这个自动驾驶,过去讲得很多,而且讲得很乐观,我们看看问题在什么地方。我们现在是这样做,我们通过数据驱动的学习方法,学习不同场景下的图象分割,并判别是车辆还是行人、道路等,然后建立三维模型,在三维模型上规划行驶路径。现在用硬件已经可以做到实时,请问大家,这样能不能解决问题?如果路况比较简单,行人、车辆很少,勉强可以用。复杂的路况就用不了。什么原因?非常简单,好多人总结出这个经验,行人或者司机都会有意无意破坏交通规则,包括外国人也一样,中国人更严重一点。这就使得数据驱动方法失效,比如说我们可以用数据驱动方法来了解各种各样行人的行为,我们可以通过大量进行训练,都训练完以后,如果出现新的情况呢?计算机能理解这是人从底下钻过来,很危险吗?所以你不可能把所有情况都训练到。自动驾驶不可能对付突发事件,如果这个突发事件它没见过,它就解决不了。

怎么来解决这个问题呢?实际上就是要解决从「Without」到「With」理解的问题。人工智能现在有两种基本方法,一种是用符号模型来模拟理性行为,符号模型可以表达信息的内容,所以它是在一个语义的符号空间里头,但是非常不幸,这个离散的符号表示,数学工具很难用,很多数学工具用不上去,所以它发展很慢。在模拟感性行为的时候,我们用的是特征空间的向量,向量就是数,可以把所有的数学工具都用上,优化的工具、概率统计的工具全部用上。所以数据驱动方法这几年发展非常快,再难的问题,下围棋非常难吧,计算机也可以「算」出来。但是它有一个非常大的缺陷,它是在特征空间里,缺乏语义。我们用数据去训练一个模型,所谓「黑箱学习法」,加上你的数据质量不高,很难学出有用的东西。什么叫概率统计?重复多了就是真理。如果数据质量差,充满了「谎言」。谎言重复多了,就变成真理了。

我们现在想出的解决办法是这样的,就是把这两个空间投射到一个空间去,这个空间叫做语义的向量空间。也就是说我们把符号变成向量,同时把特征空间的向量变成语义空间的向量。怎么做?一是通过 Embedding(嵌入)把符号变成向量,尽量保持语义不变,可惜现在的方法都会引起语义的丢失,我们只能在投射的过程中让语义丢失得少。第二方面做的工作比较少,就是 Raising(提升),把特征空间提升到语义空间去,这主要靠学科交叉,靠跟神经科学的结合。只有这些问题解决以后,我们才能够建立一个统一的理论,因为过去的感知和认知是不同的处理方法,大家说不到一块,如果我们能够投射到同一空间去,我们就可以建立一个统一的理论框架,这是我们的目标。在语义空间处理就可以解决理解问题,但是这项工作是非常艰巨的。

介绍一项我们现在做的工作。人工神经网络为什么不能得到语义信息呢?人脑的神经网络为什么可以呢?差别就在这里,我们现在用的人工神经网络太简单了,我们正想办法把脑神经网络的许多结构与功能加进去,我们这里只用了「稀疏发电」这一性质,就可以看出一些效果,人脸、大象或者鸟的轮廓,神经网络可以把它提取出来。

还有一个办法就是把数据驱动跟知识驱动结合起来。刚才讲了,人的智能没法通过单纯的大数据学习把它学出来,那怎么办?很简单,加上知识,让它有推理的能力,做决策的能力,这样就能解决突发事件。我们现在做的工作就是把这些结合起来,这是我们的基本思路,知识也好,数据也好,都投射到同一空间,然后都用同样的数学方法进行处理,这方面我们已经做了不少工作。

最后做一个总结,我们从这个坐标看人工智能,横轴代表领域的宽窄,从单领域到多领域、到开放领域。纵轴代表信息的确定性与完全性,从完全到不完全、从确定到不确定。在左下角代表最容易的,就是刚才讲的符合 5 个条件的,现在人工智能在这部分解决得非常好,我们用白色来表示它,AlphaGo 在这里,深蓝在这里,工业机器人在这里。现在我们正在向灰色地区去走,打牌,信息不完全,现在打德州扑克,一人对一人,计算机能战胜人类,多人对弈,计算机还不行,这是灰色地带,我们还可以做,为什么可以做?尽管打牌是不确定的,但是它在概率意义下是确定的,你拿的这副牌的概率,可以算出来,同花的概率是多少,排成顺的概率是多少,既然概率能算出来,最终人类肯定会被计算机打败。Watson 在右边,它的领域比较宽,但是它是确定性的,所以是在灰色的区域。往右上方去就比较难了,自动驾驶、服务机器人、大数据分析,它是一个大框,有的简单,有的困难,就自动驾驶来讲,专用道、行车很少,路况简单等,在白色或者灰色区,如果路况复杂就到了黄色区域,黄色区现在计算机还解决不好。最远的在哪儿呢?右上角,图灵测试。大家对图灵测试有很多误解,其实图灵测试是开领域问答,很难!索菲亚做得怎么样?很糟糕。自然语言理解也在这里,复杂环境下的决策在偏左一点的地方,这也是很难的。所以我们人工智能现在是从左下角往右上角走,我们现在处在出发点附近。有的人想把它用一些名词来区分人工智能的不同发展阶段,有专家问我,你的看法怎么样?我建议不要用新词,用新词往往说不清,很麻烦,有的人说现在是弱人工智能,以后是强人工智能,也有人说现在叫增强智能(Augmented Intelligence)也是 AI……概念太多说不清,还是简单一点,「我们正在通往真正 AI 的路上」,现在走得并不远,在出发点附近,人工智能永远在路上,大家要有思想准备,这就是人工智能的魅力。大家为什么这么重视人工智能?因为我们永远在路上,这就吸引我们去解决这些问题,这些问题一旦解决了,人类的社会进步、人类的生活就会发生本质上的改变。

最后我用一段古文作为总结:

周穆王西巡狩,路遇匠人名偃师。翌日偃师谒见王,偕来一个假人。「趋步俯仰,信人也」。「领其颅,则歌合律;捧其手,则舞应节。千变万化,惟意所适。王以为实人也,与盛姫内御并观之,技将终,倡者瞬其目而招王之左右侍妾。王大怒,要杀这个偃师。偃师大慑,立剖其倡者以示王,皆傅会革、木、胶、漆、白 、黑、丹、青之所为。穆王始悦,诏贰车载之以归。

这是 3000 年前我们古人对机器人的想象,看看现在的人工智能做得怎么样呢?索菲亚是我们现在达到的水平,可是她不会唱歌、不会跳舞,只会说英文,周王也听不懂,肯定没有印象。现在我们假设索菲亚「瞬其目而招王之左右侍妾」,向周王的姨太太们送去秋波,王会如何呢?我认为没反应,因为索菲亚是女的,他用不着吃醋。但是我们假设索菲亚「瞬其目而招王」,向大王送去秋波,王会大悦,立即神魂颠倒,坠入爱河?我认为不会,因为索菲亚根本不像人,它最近才刚刚安上手脚,走路都不利索,怎么行呢?所以我的结论是,「索菲亚通不过穆王的测试,当然它更通不过图灵测试」。

我们的结论是什么?人工智能刚刚起步,离真正的 AI 还很遥远,大家共同努力吧,我们任重道远。

热门推荐

收藏 人收藏
分享:

评论

相关推荐

智能家居新定义:增加了人工智能技术和智慧健康场景

熟悉智能家居的读者都知道智能家居的定义:智能家居(英文:smart home, home autom....

的头像 红杉汇 发表于 07-21 10:23 204次 阅读
智能家居新定义:增加了人工智能技术和智慧健康场景

adaboost运行函数的算法怎么来的?基本程序代码实现详细

adaboost运行过程。算法是利用指数函数降低误差,运行过程通过迭代进行。其中函数的算法怎么来的,....

的头像 人工智能爱好者社区 发表于 07-21 10:18 132次 阅读
adaboost运行函数的算法怎么来的?基本程序代码实现详细

超越未来:回顾英特尔50年

1968 年 7 月 18 日,因为不满前雇主仙童半导体温吞的风格,工程师罗伯特·诺伊斯和戈登·摩尔....

的头像 芯师爷 发表于 07-21 10:16 126次 阅读
超越未来:回顾英特尔50年

人工智能投资热度不减,繁荣背后又有什么样的隐忧

对人工智能行业的初期创业者来说,找投资是最棘手的问题。2014年陈宁打算利用人工智能的芯片、算法等技....

的头像 富士康新媒体 发表于 07-21 10:09 318次 阅读
人工智能投资热度不减,繁荣背后又有什么样的隐忧

谷歌新的循环神经网络技术是否对模仿生物的人工智能有帮助?

人类对于生物大脑的探索是永无止境的,模仿生物的人工智能是否可以帮助我们进行研究?最近,来自谷歌的研究....

的头像 人工智能和机器人研究院 发表于 07-21 09:48 213次 阅读
谷歌新的循环神经网络技术是否对模仿生物的人工智能有帮助?

大数据智能家居的成品变得“智慧”起来_用今日技术打造明日之家

用今日技术打造明日之家,在互联世界实现智能家庭

的头像 安富利 发表于 07-21 09:44 83次 阅读
大数据智能家居的成品变得“智慧”起来_用今日技术打造明日之家

联发科跨平台终端人工智能的普及者

曦力 P60 是联发科技首款搭载多核心人工智能处理器及 NeuroPilot AI 技术的新一代....

的头像 联发科技 发表于 07-21 09:38 195次 阅读
联发科跨平台终端人工智能的普及者

乳腺癌智能检测设备公司获投380万美元 科大讯飞领投

Cyrcadia致力于开发智能穿戴式文胸插入件,以提供准确的早期乳腺癌检测。

的头像 MEMS 发表于 07-21 08:41 300次 阅读
乳腺癌智能检测设备公司获投380万美元 科大讯飞领投

紫光展锐为移动支付保驾护航

2018银联认证企业年会现场,紫光展锐展出智慧支付产品,用创新的技术助推人工智能与智慧支付的快速发展....

的头像 展讯通信 发表于 07-21 08:25 155次 阅读
紫光展锐为移动支付保驾护航

赛灵思成立两年成长为AI独角兽,已推出多款产品刚刚宣布进军自动驾驶

深鉴科技 CTO单羿表示:“我们对深鉴科技加入赛灵思大家庭感到非常兴奋。我们期待着他们的加入能进一步....

的头像 芯智讯 发表于 07-20 17:38 920次 阅读
赛灵思成立两年成长为AI独角兽,已推出多款产品刚刚宣布进军自动驾驶

人工智能助力全网智能技术应用落地

深度学习技术在人脸识别领域的技术成果,在安防行业激起不小的波澜,各厂家纷纷推出人脸识别技术产品及解决....

的头像 机器人博览 发表于 07-20 17:37 645次 阅读
人工智能助力全网智能技术应用落地

人工智能将成为工业物联网的核心运算架构

智能化是近年来制造业最重要的趋势,历经过去几年的市场教育,这两年市场询问度已开始提高,而从2016年....

的头像 机器人博览 发表于 07-20 17:35 628次 阅读
人工智能将成为工业物联网的核心运算架构

云知声C轮系列融资总金额已达13亿元人民币,创下语音技术领域单轮融资最高记录

云知声专注于物联网人工智能服务,是行业为数不多的拥有 AI 算法、计算能力、芯片能力全栈式技术链条的....

的头像 物联网资本论 发表于 07-20 17:21 823次 阅读
云知声C轮系列融资总金额已达13亿元人民币,创下语音技术领域单轮融资最高记录

盘点2018人工智能5大发展趋势

人类一直对机器人和人工智能(AI)的概念保持非常强的好奇心。好莱坞电影和科幻小说可能激发了一些科学家....

的头像 人工智能学家 发表于 07-20 17:15 542次 阅读
盘点2018人工智能5大发展趋势

AI技术快速发展 失业率激增如何解决?

AI技术可以快速发展,并不意味着所有的工作都要由AI来做,将人替代。首先,这是一个必然趋势,但也是一....

的头像 AI人工智能D1net 发表于 07-20 17:08 648次 阅读
AI技术快速发展 失业率激增如何解决?

科学家已找到AI换脸视频的破解之法

利用Deepfake换脸技术制作的假视频足以乱真。但日前研究人员通过人工智能对虚假视频中的人像眨眼进....

的头像 重庆人工智能 发表于 07-20 17:05 194次 阅读
科学家已找到AI换脸视频的破解之法

美国自己用产业政策和政府补贴“两手”来推动科技产业发展

 美国非政府组织“履行职责研究中心”跟踪了美国各行业接受政府补贴的情况。记录显示,特斯拉(322.6....

的头像 人工智能 发表于 07-20 16:42 235次 阅读
美国自己用产业政策和政府补贴“两手”来推动科技产业发展

未来无限大 终端侧AI引领未来

其实,公众对于终端侧 AI 最感兴趣的体验之一,就是希望设备足够智能,可以学习周边环境,掌握自己的生....

的头像 Qualcomm中国 发表于 07-20 16:39 218次 阅读
未来无限大 终端侧AI引领未来

中国的人工智能产业要站上新台阶,仍需过好“三关”

抓标准制定,是关键环节。没有规矩难成方圆,标准是产业竞争的制高点。缺失标准,人工智能的研发和应用有可....

的头像 AI人工智能D1net 发表于 07-20 16:31 350次 阅读
中国的人工智能产业要站上新台阶,仍需过好“三关”

蓝海将至?安防机器人几大痛点尚未解决

从1920年捷克作家雷尔·恰佩克的科幻小说《罗萨姆的机器人万能公司》中的"robot"一词开始,机器....

的头像 安全自动化 发表于 07-20 16:28 425次 阅读
蓝海将至?安防机器人几大痛点尚未解决

盘点全新的人工智能芯片技术

随着大数据和深度学习得到越来越多应用,对于底层硬件和芯片也提出了新的要求。与传统的处理器强调“处理能....

的头像 传感器技术 发表于 07-20 15:29 271次 阅读
盘点全新的人工智能芯片技术

AI人工智能进入落地阶段 高估值时代结束

在中国市场这一波AI人工智能热潮中,出现了第一例AI明星企业被收购的案例,并且还是被美资企业收购,这....

的头像 摄像头观察 发表于 07-20 15:11 395次 阅读
AI人工智能进入落地阶段 高估值时代结束

华为手机2018年全球发货量突破1亿台,布局人工智能抓住未来

华为因何能提前两月达到1亿台发货量的里程碑?华为消费者业务手机产品线总裁何刚在发布会后的媒体采访中作....

的头像 C114通信网 发表于 07-20 14:55 1116次 阅读
华为手机2018年全球发货量突破1亿台,布局人工智能抓住未来

用AI技术分析卫星遥感照片 违章建筑无所遁形

近日,山东省淄博市国土资源局通过与阿里巴巴合作,在全国首次利用人工智能技术,实现了卫星遥感照片的自动....

的头像 高工智能未来 发表于 07-20 14:53 291次 阅读
用AI技术分析卫星遥感照片 违章建筑无所遁形

高通拓展终端人工智能 异构AI平台为AI手机带来AI引擎

高通的人工智能引擎将AI手机中骁龙AI芯片的CPU、GPU、DSP组成一个异构AI平台,再与合作伙伴....

发表于 07-20 14:44 37次 阅读
高通拓展终端人工智能 异构AI平台为AI手机带来AI引擎

人工智能技术在智能视觉技术方面的应用

最近几年,人工智能(AI)已成为非常流行的热点话题。在过去的二十年中,人类在计算能力、数据积累、数学....

的头像 Thundersoft中科创达 发表于 07-20 14:39 499次 阅读
人工智能技术在智能视觉技术方面的应用

为什么这些有用的技术通常会带来负面效应?对此我们应该怎么做呢?

至少在某种程度上,技术出现负面效应是由于缺乏公民规划,由于我们在考虑新的情景和创新时出现了疏漏,也由....

的头像 全球技术地图 发表于 07-20 14:38 230次 阅读
为什么这些有用的技术通常会带来负面效应?对此我们应该怎么做呢?

智能康辅,为创新赋能

随着人口老龄化的加快和居民对医疗、康辅诉求的不断上升,如何以物联网等新技术推动智能康复辅具的发展,逐....

的头像 物联网之声 发表于 07-20 14:12 161次 阅读
智能康辅,为创新赋能

商汤科技入选2018 Q2胡润独角兽榜 成AI产业“角尖力量”

7月18日,胡润研究院发布《2018第二季度胡润大中华区独角兽指数》,共有162家企业上榜。在人工智....

的头像 商汤科技 发表于 07-20 11:46 481次 阅读
商汤科技入选2018 Q2胡润独角兽榜 成AI产业“角尖力量”

Google AI的一款有趣的社交微信小程序--猜画小歌

当 AI 猜出你图画中的物体时,你就会进入下一轮,你的猜画连胜次数也会相应增加。你还可以邀请朋友或家....

的头像 Linux爱好者 发表于 07-20 11:37 386次 阅读
Google AI的一款有趣的社交微信小程序--猜画小歌

前百度深度学习研究院科学家分享:机器视觉开发实战经验

发表于 07-20 11:06 103次 阅读
前百度深度学习研究院科学家分享:机器视觉开发实战经验

摩尔定律所说的“指数发展曲线”的真正意义

让我们再来看图2。如果从2018年的情况开始看,那么整个20世纪中每十年一次的性价比翻倍,在曲线上看....

的头像 新智元 发表于 07-20 10:30 114次 阅读
摩尔定律所说的“指数发展曲线”的真正意义

情感机器人真实存在吗?人工智能可以纠正我们的偏见?

人是什么?人有什么特别?情感是人类独有的吗?仿生人会不会梦见电子羊?机器人会不会哭泣?

的头像 机器人大讲堂 发表于 07-20 10:26 266次 阅读
情感机器人真实存在吗?人工智能可以纠正我们的偏见?

2018年全球媒体区块链峰会即将召开 区块链人的狂欢地

2018年全球媒体区块链峰会于19日在香港交易所金融大会堂举办。中国区块链研究者、传媒学者、媒体代表....

发表于 07-20 09:59 39次 阅读
2018年全球媒体区块链峰会即将召开 区块链人的狂欢地

DeepMind新推出的“生成查询网络”模仿了大脑的预测编码机制

研究人员注意到,当研究对象看到“狗”这个出乎意料的词时,会出现更激烈的大脑反应,这些反应的具体特点为....

的头像 新智元 发表于 07-20 09:53 97次 阅读
DeepMind新推出的“生成查询网络”模仿了大脑的预测编码机制

谷歌最新AI算法 递归神经网络绘制大脑神经图像

谷歌研究人员使用了一种边缘检测算法,该算法可以识别神经突(神经元本体的分支)的边界,以及一种复发性卷....

发表于 07-20 09:45 43次 阅读
谷歌最新AI算法 递归神经网络绘制大脑神经图像

养老机器人产业现状及未来发展趋势

就目前市场上的产品来看,入局机器人养老的玩家较少,具有针对性的产品也较少,更多的玩家为了抢占市场,采....

的头像 机器人前沿 发表于 07-20 09:32 582次 阅读
养老机器人产业现状及未来发展趋势

地平线杨铭:从无形视觉到有形芯片

本文中,地平线联合创始人、美国西北大学杨铭博士,来和大家分享“在芯片上加速神经网络用于视觉任务的挑战....

的头像 人间烟火123 发表于 07-20 09:31 612次 阅读
地平线杨铭:从无形视觉到有形芯片

深度学习上演“皇帝的新衣”如何剖析CoordConv?

他们尝试在ImageNet上将坐标特征添加到ResNet-50网络的第一个图层上。我猜作者希望在这里....

的头像 论智 发表于 07-20 09:18 174次 阅读
深度学习上演“皇帝的新衣”如何剖析CoordConv?

一名天才工程师从Apple II到Lisa,再到Macintosh经历

由于是公司大型团队按正式流程设计的,我们一直觉得Lisa没有Apple II那么接地气,它不能被称为....

的头像 论智 发表于 07-20 09:15 692次 阅读
一名天才工程师从Apple II到Lisa,再到Macintosh经历

人工智能或许比怀疑论者想象的更强大

IBM的Debater人工智能系统在辩论赛中不输于人类辩手,这是否进一步说明,人脑的许多能力其实都能....

的头像 1号机器人网 发表于 07-20 09:01 279次 阅读
人工智能或许比怀疑论者想象的更强大

信息化和工业化深度融合 推动制造强国和网络强国建设

推动互联网、大数据、人工智能和实体经济深度融合,既从侧面凸显了信息化在培育新动能促进新发展中的重要作....

的头像 智能制造 发表于 07-20 08:13 348次 阅读
信息化和工业化深度融合 推动制造强国和网络强国建设

CT原理是什么?CT算法详细概述CT资料电子教材免费下载

本文档的主要内容详细介绍的是CT原理是什么?CT算法详细概述CT资料电子教材免费下载。

发表于 07-20 08:00 11次 阅读
CT原理是什么?CT算法详细概述CT资料电子教材免费下载

物联网助力产业发展 创建美好未来

未来城市中,借助于信息和通讯技术(ICT),人们的生活方式将有什么改变?通过大数据以及自动化,物联网....

发表于 07-19 20:54 60次 阅读
物联网助力产业发展 创建美好未来

埃隆马斯克的经典语录有哪些?最新的是承诺不发展人工智能武器

最新的埃隆马斯克的经典语录是承诺不发展人工智能武器;特斯拉创始人埃隆马斯克领衔的美国科技圈大佬们签署....

的头像 天津机器人 发表于 07-19 17:39 1035次 阅读
埃隆马斯克的经典语录有哪些?最新的是承诺不发展人工智能武器

AI冲入法律界,律师也开始变得更智能

发表于 07-18 09:25 80次 阅读
AI冲入法律界,律师也开始变得更智能

2018年中盘点 | 这半年,科技圈好忙好忙的

发表于 07-18 09:12 99次 阅读
2018年中盘点 | 这半年,科技圈好忙好忙的

hx711算法问题,用卖家给的程序测量的值和实际重量差很多,而且不稳定,有没有做过相关的?

发表于 07-16 19:41 65次 阅读
hx711算法问题,用卖家给的程序测量的值和实际重量差很多,而且不稳定,有没有做过相关的?

选手SHOW|精通 “十八般武艺” 的机器人已经这么酷了?

发表于 07-16 09:39 128次 阅读
选手SHOW|精通 “十八般武艺” 的机器人已经这么酷了?

AI黑科技 | 教你变美变Fashion,试衣间有了新的打开方式

发表于 07-12 10:00 120次 阅读
AI黑科技 | 教你变美变Fashion,试衣间有了新的打开方式

优质视频教程,免费观看,快乐学习

发表于 07-12 09:13 160次 阅读
优质视频教程,免费观看,快乐学习

选手SHOW|我们想做的,是让你卸下心防的AI

发表于 07-09 09:15 133次 阅读
选手SHOW|我们想做的,是让你卸下心防的AI

《奇葩说》第五季新生出发,你有问题想问马东吗?

发表于 07-09 09:04 136次 阅读
《奇葩说》第五季新生出发,你有问题想问马东吗?

机器翻译三大核心技术原理 | AI知识科普 2

发表于 07-06 10:46 262次 阅读
机器翻译三大核心技术原理 | AI知识科普 2