50个“杀手级”AI项目 !(附链接)

简介:

这个世界上我们所创造的所有技术其实都只为一个目的而服务——“一步一个脚印地让生存更轻松”,但现在,事情的发展似乎有些停滞不前了。

7


毋庸置疑的是,数据的有效利用可以让我们清楚地了解正在发生的事情,解决现有的关键案例,并为未来带来创新性的应用。所以拥有的数据越多,使用人工智能和机器学习技术,就可以更高效的处理流程。

但是,现在的我们似乎走进了一个误区——不应该把所有的技术改进用于消除人为力量的干预,而应该充分利用它们来节省我们的“宝贵时间”。也就是意味着,技术的进步并不是要根除人才的实施,而是要提高整体产出,这才是解决主观需要最重要的一点。

当然,数据只是我们建模时主动提供给机器的,有些数据会解决我们的问题,而其他也会破坏我们的系统。所以为了最大的利益,我们每个人都必须专注于如何用人工智能来改善事情。

本文就列举了一些人工智能技术领域内的项目,一起来看一下吧。

8

  • OpenCog Prime,使用 OpenCog 框架开发。

https://en.wikipedia.org/wiki/OpenCog

  • 程序推理系统(PRS,Procedural Reasoning System)由斯坦福研究院的 Michael Georgeff 和 Amy L. Lansky 共同开发

https://en.wikipedia.org/wiki/Procedural_Reasoning_System

  • Psi 理论是在德国班贝格奥托弗里德里希大学的 DietrichDörner 教授指导下开发的。

https://en.wikipedia.org/wiki/Psi-Theory

  • R-CAST,在宾夕法尼亚州立大学开发。

https://en.wikipedia.org/wiki/R-CAST

  • Soar,在卡耐基梅隆大学和密歇根大学的 Allen Newell 以及 John Laird 的领导下发展起来。

https://en.wikipedia.org/wiki/Soar_%28cognitive_architecture%29

  • Marvin Minsky 提出的心灵社会理论及其继任者情感机器。

https://en.wikipedia.org/wiki/Society_of_mind

  • Subsumption 架构,由 Rodney Brooks(虽然还没有得到全面认可)等人开发。

https://en.wikipedia.org/wiki/Subsumption_architecture

- 4CAPS,由卡内基梅隆大学的 Marcel A. Just 开发。

https://en.wikipedia.org/wiki/4CAPS

  • ACT-R,在卡内基梅隆大学 John R. Anderson 的指导下开发。

https://en.wikipedia.org/wiki/ACT-R

  • AIXS,由 IDSIA 和 ANU 的 Marcus Hutter 开发的通用人工智能项目。

https://en.wikipedia.org/wiki/AIXI

  • CALO 是 DARPA 资助的 25 个机构,将许多人工智能方法(自然语言处理、语音识别、机器视觉、概率逻辑、规划、推理等多种机器学习形式)整合到一个人工智能助手中,帮助管理你的办公环境。

https://en.wikipedia.org/wiki/CALO

  • CHREST,由布鲁内尔大学的 Fernand Gobet 和赫特福德大学的 Peter C. Lane 开发。

https://en.wikipedia.org/wiki/CHREST

  • CLARION 是伦斯勒理工学院和密苏里大学的 Ron Sun 所开发的认知结构。

https://en.wikipedia.org/wiki/CLARION_%28cognitive_architecture%29

  • CoJACK 是 ACT-R 对 JACK 多代理系统启发的扩展,向代理添加了认知架构,以在虚拟环境中引发更逼真(类人的)行为。

https://en.wikipedia.org/wiki/JACK_Intelligent_Agents

  • Copycat,美国印第安那大学的 Douglas Hofstadter 和 Melanie Mitchell 撰写的“模拟法”。

https://en.wikipedia.org/wiki/Copycat_%28software%29

  • DUAL,由新保加利亚大学的 Boicho Kokinov 开发。

https://en.wikipedia.org/wiki/DUAL_%28cognitive_architecture%29

  • EPIC,由密歇根大学的 David E. Kieras 和 David E. Meyer 开发。

H-Cogaff 架构,这是 CogAff 架构的一个特例。

  • FORR,由纽约市立大学的 Susan L. Epstein 开发。

https://en.wikipedia.org/wiki/FORR

  • IDA 和 LIDA,实施全球工作空间理论,由孟菲斯大学的 Stan Franklin 开发。

https://en.wikipedia.org/wiki/LIDA_%28cognitive_architecture%29

  • Braina,个人的智能助理应用程序,带有 Windows 操作系统的语音界面。

https://en.wikipedia.org/wiki/Braina

  • Cyc,试图组装一个日常知识的本体和数据库,实现类似人的推理。

https://en.wikipedia.org/wiki/Cyc

  • Eurisko,Douglas Lenat 用来解决启发式问题的一种语言,包括一些如何使用和改变启发式的问题。

https://en.wikipedia.org/wiki/Eurisko

  • Google Now 是一款智能个人助理,在 Google Android 和 Apple Inc. 的 iOS 中具有语音界面应用,在个人电脑的 Google Chrome 浏览器中也有应用。

https://en.wikipedia.org/wiki/Google_Now

  • James,一个智能的个人助理应用程序,可以在同一个问题中理解多种语言和混合语言的问题。

https://en.wikipedia.org/w/index.phptitle=James_%28intelligent_assistant%29&action=edit&redlink=1

  • Microsoft Cortana,一个智能个人助理,在微软的各种 Windows 10 版本中提供语音界面。

https://en.wikipedia.org/wiki/Microsoft_Cortana

  • Mycin,早期的医学专家系统。

https://en.wikipedia.org/wiki/Mycin

  • 开放助手,一个不断发展的开源人工智能代理,能够在基本对话中进行交互,并自动执行越来越多的任务。

https://en.wikipedia.org/w/index.php?title=Open_Assistant&action=edit&redlink=1

  • 开放 Mind Common Sense,一个基于 MIT 媒体实验室的项目,通过在线贡献构建出的一个大型的常识知识库。

https://en.wikipedia.org/wiki/Open_Mind_Common_Sense

  • P.A.N.,一个公开的文本分析器。

https://en.wikipedia.org/wiki/P.A.N.

  • Siri,一个智能的个人助理和知识导航器,在苹果公司的 iOS 中提供语音接口。

https://en.wikipedia.org/wiki/Siri

  • SNePS,同时基于逻辑的、基于框架的和基于网络的知识表示、推理和表演系统。

https://en.wikipedia.org/wiki/SNePS

  • Viv(软件)是由 Siri 的创造者发明的一个新的 AI 项目。

https://en.wikipedia.org/wiki/Viv_%28software%29

  • Holmes,由 Wipro 创造的一个新 AI 项目。

https://en.wikipedia.org/wiki/Holmes_%28computer%29

  • Watson,由 IBM 开发的一个问答系统,已经在 Jeopardy! 游戏中得到了应用。

https://en.wikipedia.org/wiki/Watson_%28computer%29

  • Wolfram Alpha 是一种在线服务,通过计算结构化数据的答案来回答查询。

https://en.wikipedia.org/wiki/Wolfram_Alpha

  • Cleverbot 是 Jabberwacky 的继任者,现在拥有 170 万行对话、深度上下文、模糊性和并行处理的能力。Cleverbot 每个月从大约 200 万的用户交互中不断学习。

https://en.wikipedia.org/wiki/Cleverbot

  • ELIZA,Joseph Weizenbaum 1966 年提出的著名电脑程序,模仿了以人为中心的疗法。

https://en.wikipedia.org/wiki/ELIZA

  • Jabberwacky,Rollo Carpenter 开发的聊天机器人,旨在模拟一个自然的人类聊天项目。

https://en.wikipedia.org/wiki/Jabberwacky

  • Mycroft,一款免费且开源的智能个人助理,用户界面使用自然语言。

https://en.wikipedia.org/wiki/Mycroft_%28software%29

  • PARRY,另一个早期聊天机器人,由 Kenneth Colby 于 1972 年写的,试图模拟偏执型精神分裂症。

https://en.wikipedia.org/wiki/PARRY

  • SHRDLU,一种早期的自然语言处理计算机程序,由 Terry Winograd 于 1968 年~ 1970 年在麻省理工学院开发。

https://en.wikipedia.org/wiki/SHRDLU

  • Snatchbot.me 是一家 2015 年成立的初创公司,通过公开创建数十万个聊天机器人,在聊天机器人中追求“众筹” AI。

https://en.wikipedia.org/w/index.php?title=Snatchbot.me&action=edit&redlink=1

  • SYSTRAN,雅虎、AltaVista 和谷歌等公司使用的同名机器翻译技术。

https://en.wikipedia.org/wiki/SYSTRAN

  • Blue Brain 计划,试图通过将哺乳动物的大脑逆向工程化到分子水平来创造人造大脑。

https://en.wikipedia.org/wiki/Blue_Brain_Project

  • Google Brain,Google X 尝试的深度学习项目。

https://en.wikipedia.org/wiki/Google_Brain

  • Human Brain 项目, 拥有类似或相当于人类层面的智慧,帮助欧洲各地的研究人员在神经科学、计算机和脑相关医学等领域实践和处理先进的知识。

https://en.wikipedia.org/wiki/Human_Brain_Project

  • NuPIC,Numenta 学习算法的开源实现。

https://en.wikipedia.org/wiki/Numenta#The_NuPIC_Open_Source_Project

原文发布时间为:2018-02-25
本文来自云栖社区合作伙伴“数据派THU”,了解相关信息可以关注“数据派THU”微信公众号

相关文章
|
11天前
|
机器学习/深度学习 人工智能 自然语言处理
探索未来AI趋势:掌握Function Calling技巧,解锁大模型精度提升的秘密武器,让你的数据科学项目事半功倍!
【10月更文挑战第6天】随着深度学习技术的发展,神经网络模型日益复杂,Function Calling作为一种机制,在提升大模型准确度方面发挥重要作用。本文探讨Function Calling的概念及其在大模型中的应用,通过具体示例展示如何利用其优化模型性能。Function Calling使模型能在运行过程中调用特定函数,提供额外的信息处理或计算服务,增强模型表达能力和泛化能力。例如,在文本生成模型中,根据上下文调用词性标注或实体识别等功能模块,可使生成的文本更自然准确。通过合理设计条件判断逻辑和功能模块权重,Function Calling能显著提升模型整体表现。
21 3
|
15天前
|
人工智能 自动驾驶 机器人
【通义】AI视界|苹果自动驾驶汽车项目画上句号:加州测试许可被取消
本文精选了24小时内的重要科技新闻,包括Waymo前CEO批评马斯克对自动驾驶的态度、AMD发布新款AI芯片但股价波动、苹果造车项目终止、Familia.AI推出家庭应用以及AI逆向绘画技术的进展。更多内容请访问通义官网体验。
|
4月前
|
人工智能 供应链 安全
AI预测区块链接技术未来
**区块链未来趋势摘要**: - 技术迭代优化,提升性能、安全,广泛应用于金融、供应链、医疗。 - 深度融合产业,扩展至智能合约、数字身份,全球化应用更均衡。 - 标准化规范化进程加速,国家与行业制定相应规则。 - NFT、元宇宙催生新应用,金融区块链受益于数字人民币发展。 - 市场规模预计2026年达163.68亿美元,中国年复合增速73%,潜力巨大。 - 多维度发展势头强劲,区块链将重塑信任与数字经济格局。
|
5天前
|
人工智能 算法 JavaScript
无界 SaaS AI 生态大模型:技术在中国,链接全世界
无界 SaaS AI 生态大模型涵盖前端用户界面、后端服务器逻辑、数据库设计、API 接口开发及区块链技术应用。本文提供一个简化框架,介绍技术栈选择、核心功能模块(用户管理、商城、数据确权、链接力、算力算法、AI 生态大模型、全球化支持)及后端示例代码,帮助将商业模式转化为代码。
|
5天前
|
人工智能 算法 JavaScript
无界SaaS与AI算力算法,链接裂变万企万商万物互联
本文介绍了一种基于无界SaaS与AI算力算法的商业模式的技术实现方案,涵盖前端、后端、数据库及AI算法等关键部分。通过React.js构建用户界面,Node.js与Express搭建后端服务,MongoDB存储数据,TensorFlow实现AI功能。提供了项目结构、代码示例及部署建议,强调了安全性、可扩展性和性能优化的重要性。
|
1月前
|
数据采集 人工智能 安全
AI项目高昂成本与数据问题阻碍进展,2025年前30%的GenAI项目或将搁浅
AI项目高昂成本与数据问题阻碍进展,2025年前30%的GenAI项目或将搁浅
|
2月前
|
人工智能 PyTorch 算法框架/工具
Xinference实战指南:全面解析LLM大模型部署流程,携手Dify打造高效AI应用实践案例,加速AI项目落地进程
【8月更文挑战第6天】Xinference实战指南:全面解析LLM大模型部署流程,携手Dify打造高效AI应用实践案例,加速AI项目落地进程
Xinference实战指南:全面解析LLM大模型部署流程,携手Dify打造高效AI应用实践案例,加速AI项目落地进程
|
2月前
|
数据采集 存储 人工智能
利用AI技术改善数字化转型项目的九种方法
利用AI技术改善数字化转型项目的九种方法
|
2月前
|
机器学习/深度学习 人工智能 算法
面向对象设计在AI项目中的应用
【8月更文第11天】面向对象编程(Object-Oriented Programming, OOP)是一种广泛采用的编程范式,它通过将数据和操作这些数据的方法封装在一起形成“对象”来模拟现实世界。OOP 提供了一种自然的方式来组织和管理代码,使得程序更加模块化、可重用且易于维护。在人工智能项目中,OOP 的这些特性尤其有用,因为它可以帮助开发者处理复杂的系统,并以直观的方式建模智能体与环境。
73 5
|
2月前
|
人工智能 JSON API