智能时代的评论 全部393条

我来说两句

• 

  i3****526 2020-10-29

  未来人工智能的发展之路人工智能目前已经在视频游戏 、棋牌游戏、机器人导航与控制、人机交互等领域取得了诸多成果, 并在一些任务上接近甚至超越了人类的水平。但是在不确定性、不完全信息、数据或者知识匮乏的场景下, 目前强化学习算法的性能往往会出现大幅度的下降,这也是目前强化学习所面临的重要挑战。第二、单一空间模型。该模型是以深度学习为基础，将所有的处理都放在亚符号（向量）空间。模型的优势在于可以充分利用计算机的计算能力，提高处理的速度。其难点在于，目前的深度学习模型与我们人类大脑的学习机制还是存在很大差异，如果要克服深度学习所带来的缺陷，需要把如下几个关键问题讨论清楚：1、符号表示的向量化；知识通常以自然语言的离散符号形式表示, 为了实现单一空间模型, 首先要将符号表示的词、短语、句子和篇章等转换为向量, 或者将知识图谱转换为向量表示。这里面需要解决的问题有：不可解释、会发生重大错误、鲁棒性差等问题。2、深度学习方法的改进；深度学习目前的主要工作只是在做简单的函数拟合, 其局限性在于缺乏像人一样对问题的理解能力。

  0 0

• 

  i3****526 2020-10-29

  人工智能未来发展之路未来人工智能发展思路，把第一代知识驱动和第二代的数据驱动结合起来，从原来的三要素升级到同时利用知识、数据、算法与算力四个要素，来构建比前代更强大的人工智能。第三代人工智能，存在双空间模型与单一空间模型两个方案。第一、双空间模型。该模型是一种类脑模型，符号空间模拟大脑的认知行为，亚符号（向量）空间模拟大脑的感知行为，人类大脑中认知行为与感知行为其实是无缝融合的。如果第三代人工智能能够实现这种融合，AI就很有希望达到与我们人类相似的智能。目前，双模型空间，需要重点攻克三个问题：1、知识与推理；知识与推理，是理性智能的基础，这里面，涉及NLP、知识图谱技术，尤其是各领域相对成熟的“语料库”建设，是非常重要的环节。2、感知；目前的深度学习只能做到 “感觉 ”, 达不到“感知 ”。一字之差，天壤之别。机器识别是外部标注的 “寄生语义 ”，为达到感知水平，需要从局部到全局，能够识别出物体“内在语义”，这一点上，目前深度学习技术，还有很长的路要走。3、强化学习模拟人类学习行为, 通过 “交互 – 试错” 机制, 与环境不断进行交互，进而学习到有效策略。

  0 0

• 

  i3****526 2020-10-29

  人工智能1956年8月，在美国汉诺斯小镇宁静的达特茅斯学院中，约翰·麦卡锡、克劳德·香农、赫伯特·西蒙等一众大牛科学家们聚在一起，主要讨论一个影响人类甚至是地球未来的议题：如何用机器来模仿人类学习以及其他方面的智能。在人工智能60多年的发展历史中，一直存在两个相互竞争的范式：第一代人工智能是符号主义。到上个世纪八十年代之前一直主导着AI的发展。以知识驱动人工智能，主要是利用知识、算法与算力三个要素来构造AI。第二代人工智能是连接主义(或称亚符号主义)。从上个世纪九十年代逐步发展，到本世纪初进入高潮，大有替代符号主义之势。第二代数据驱动的人工智能，利用数据、算法与算力三个要素构造AI。由于第一代与第二代人工智能范式都有明显的局限性，都是分别从一个侧面来模拟人类的智能行为，因此，都还是弱人工智能。因为以今天的科技研究与视角来分析，这两种范式只是从不同的侧面模拟人类的心智 (或大脑)，具有各自的片面性，不可能触及人类真正的智能。同时利用知识、数据、算法和算力等4个要素， 建立新的可解释和鲁棒的AI理论与方法，发展安全，可信，可靠和可扩展的AI技术，这是发展AI的必经之路。

  0 0

• 

  i3****526 2020-10-28

  人工智能与计算机视觉计算机视觉的底层技术是什么？是人工智能核心技术-人工神经网络生成对抗性网络GAN是由深层次卷积神经网络生成的，是于2014年将人工神经网络技术应用于计算机视觉领域取得的一个令人振奋的创新成果。GAN的训练涉及两个相互竞争的神经网络，根据给定训练数据的分布生成新的数据。尽管最初提出作为一种无监督学习机制，但是GAN证明了自己是有监督学习和半监督学习的理想选择。GANs的实践经验即是一系列数据集包括：CelebA、Flicker face dataset、Cartoonset基于这项成熟技术已经开发出以下应用程序：风格迁移和照片修复中的图像到图像翻译图像超分辨率文字到图像的生成图片编辑语义图像到照片的翻译

  0 0

• 

  i3****526 2020-10-28

  计算机视觉技术相对成熟的应用程序Faceapp是非常有趣和流行的应用程序，这种图像处理工具，可使用滤镜转换输入图像。过滤器可能包括：1.老化过滤器（从一个给定的人脸图像推测其过去或未来容颜变化图像，即这个人年青时容貌长的怎么样、年老时容貌会变成什么样；2.性别交换过滤器，就是将一个人的脸变换性别后作为分享图片发送到朋友圈

  0 0

• 

  i3****526 2020-10-28

  计算机视觉对人体姿势的关键点在各种躯体运动中的位移变化的坐标点进行解析，是开发3D建模、动画和游戏制作、训练机器人、实时体育分析和监视系统的活动识别等应用程序的基础。开发人体姿势估计模型可能用到的数据集：MPII、COCO、HUMANEVA等使用Gans进行图像转换

  0 0

• 

  i3****526 2020-10-28

  计算机视觉后端运行计算机视觉技术智能手机面部解锁人脸检测的工作原理什么是计算机视觉？旨在复制人类视觉的强大功能，是一种实用工具，可以根据感知到的图像对实际的物理对象和场景做出有用的决策。计算机视觉包括图像分类、对象检测、图像分割、对象跟踪、光学字符识别和图像字幕等视觉识别技术。基于图像的分类标记图像对象定位：1.对象在图像中的位置2.对象在框架中的位置3.在对象周围创建一个边界框4.标记已经确定对象位置并贴上标签（类名）对象检测：1.图像中多余一个对象2.通过边界框确定存在的实例及其位置3.边界框一般所使用形状为正方形或矩形4.边界框并不能告诉我们任何有关对象形状的信息5.实例分割会在每个对象周围创建一个像素级蒙版视觉识别系统深度学习方法计算机视觉工具或应用程序：1.使用计算机视觉进行姿态估计人体姿态估计的开源模型Posenet，可以推断图像/视频中存在的人或物体的姿势。人体姿势骨架：定义一个人的姿势的一组坐标-用序号标记人类姿势骨架的关键点机器通过深度学习，识别、定位和跟踪图像或视频中姿势骨架的关键点位移变化来执行姿态估计预测

  0 0

• 

  i3****526 2020-10-27

  网络信息传输物理层接口信号线按功能分类1.数据信号线2.控制信号线3.定时信号线4.接地线二进制比特流传输各信号线的工作顺序和时序状态变迁图：在数据通信过程中，通信双方之间可能发生的各种可能事件，出现的先后顺序不尽相同，而且又有多种组合，统称为规程特性。反映系统状态变迁过程的状态变迁图便能较好描述比特流数据通信的规程特性。

  0 0

• 

  i3****526 2020-10-27

  互联网：MIME多用途互联网邮件扩展类型。是设定某种扩展名的文件用一种应用程序来打开的方式类型，当该扩展名文件被访问的时候，浏览器会自动使用指定应用程序来打开。多用于指定一些客户端自定义的文件名，以及一些媒体文件打开方式。非ASCII字符文本；非文本格式附件（二进制、声音、图像等）ASCII字符集HTTP协议中使用MIME的框架，规定用于表示各种各样的数据类型的符号化方法，标准被扩展为互联网媒体类型。服务器将MIME标志符放入传送的数据中来告诉浏览器使用哪种插件读取相关文件。

  0 0

• 

  i3****526 2020-10-26

  TCP/IP网络信息传输协议用户界面：您好应用层：APP+您好传输层：TCP+APP+您IP层：IP+TCP+APP+您好链路层：帧头+IP+TCP+APP+您好+帧尾网卡：路由器

  0 0

393 条记录 9/40 页 上一页 下一页 第一页 6 7 8 9 10 最后一页