IBM 送给 AI 开发者的礼物:傻萌的入门级 Watson 机器人

简介:

IBM 送给 AI 开发者的礼物:傻萌的入门级 Watson 机器人

两个月前的 Watson 开发者大会上,IBM 发布了 TJBot ——能组装出上图所示纸板机器人的 DIY 工具组合。可不要因为傻萌、简陋的外表小看它,它本质上是基于 Watson 的可编程 AI 。早在发布纸箱版本之前,遍布全球的开发者就已创造出激光切割和 3D 打印的 TJBot:包括南非、肯尼亚、意大利、德国、瑞士、巴基斯坦、加拿大和香港。雷锋网(公众号:雷锋网)获知,多个开发者团队表示有兴趣与 IBM 合作,为  TJBot 设计新的使用场景:从用于机器人/认知课程的教学,到关怀老年人、开发谈话代理的企业级解决方案。

IBM 送给 AI 开发者的礼物:傻萌的入门级 Watson 机器人

IBM 送给 AI 开发者的礼物:傻萌的入门级 Watson 机器人

IBM 发布的如何制作 TJBot、如何对 它编程的指令集(被称为“菜单”),在 Instructables 在线开发者社区广受好评。该项目在社区主要页面都有体现,并已收到 21000 份用户评论。TJBot 被各种层次的开发者所接受,从初学者到专家。大家用它来创建能学习、推理、与人自然交互的认知对象。

简化设计——为开发者而开发

TJBot 项目的初衷,是成为用户体验和试验“具象化认知”的入门素材。“具象化认知”是指把 AI 技术植入到它已经在与之交互的设备、物体、空间里。如果这个过程足够简单,用户们会创造出什么来呢?会产生什么样的设计思路?TJBot 帮助寻找这些问题的答案。作为大家都买得起的 DIY 工具,它把“具象化认知”的创新过程民主化。

IBM 送给 AI 开发者的礼物:傻萌的入门级 Watson 机器人

为了这一目标, TJBot 项目的一个指导原则是“简单”。这在硬件零件,和编程语言平台的选择上得到体现。从最基本的原型机工具入手,IBM 测试了各种 LED,麦克风、扬声器和伺服电机;最后选择出小巧、功能多样但又容易上手的模型。同样地,控制这些传感器的软件使用 Nodejs 编写,它是一个用 JavaScript 开发软件应用的开源、跨平台的运行环境。

借助传感器和 Watson 实现多种功能: 

作为原型机,TJBot 的技能树正在不断扩展:据雷锋网所知,它现在已经能说话、进行语音识别、挥手和跳舞。这些能力由它内置的传感器、以及一系列认知服务来实现。比如,TJBot 的说话功能由 Watson 文字到语音服务在软件层面完成,然后通过扬声器播放出来。同样的, Watson 语音到文字服务,以及 TJBot 的麦克风,组合起来使它能进行语音识别。这些技能可以被进一步组合,创造出新的应用场景,比如说创建虚拟代理或者数字助手。

新增加菜单

IBM 送给 AI 开发者的礼物:傻萌的入门级 Watson 机器人

目前,TJBot 在 Github 的工具库包含三个基本“菜单”:让 TJBot 对简单语音命令做出回应的代码,分析推文的情绪并回复,还有让 TJBot 作为谈话代理。社区的开发者们由为它加入了两个菜单:TJWave 和 Swifty TJ。TJwave 很有趣,它展示给开发者如何控制 TJBot 的手臂。它还包含额外功能:让 TJBot 随音乐“起舞”:TJBot 会播放一段音乐文件,提取其中的节拍和峰值,然后随之挥手。控制 TJBot 的小短手还能用来使语音交互更生动,以及模仿人类说话时的手部动作。Swifty TJ 展示了如何用  Swift 语言控制 TJBot 上的 LED。随着 TJBot 的菜单目录不断扩大,Swifty TJ 为 Swift 开发者给 TJBot 写代码提供了出发点。

下一步

2017 年,IBM 将专注于在三个领域提升 TJBot:开发,维护和学习。

  • 开发:IBM 会不断对现有菜单进行改进,同时探索纸板机器人的新技能。一个例子是:IBM 刚刚利用 TJBot 的摄像头传感器(配合相关软件应用)实现了它的视觉识别能力。

  • 维护:发展并维护 TJBot 开发者社区,把  TJBot 介绍给新用户,分享新菜单、用户难题和反馈。

  • 学习:或许,这是下一步最重要的事。这包含对开发者使用体验、终端用户使用体验的调查研究,以提供更好的设计思路和对认知应用的设计指导。

via ibm

【招聘】雷锋网坚持在人工智能、无人驾驶、VR/AR、Fintech、未来医疗等领域第一时间提供海外科技动态与资讯。我们需要若干关注国际新闻、具有一定的科技新闻选题能力,翻译及写作能力优良的外翻编辑加入。

简历投递至 wudexin@leiphone.com,工作地:北京。

相关文章:

2016年度最值得购买陪伴娱乐机器人|爱搞机

IDC报告:2017年到2020年全球机器人十大战略预测

IBM的五年人工智能之路:一切都可以“Watson”一下

IBM Watson计算机之年:认知计算的起始点


本文作者:三川


本文转自雷锋网禁止二次转载,原文链接

相关文章
|
11天前
|
人工智能 数据可视化 程序员
程序员必收藏!Github 167000+ star 的自主AI agent,全自动AI助手,全面覆盖开发效率场景
AutoGPT 是基于 GPT-4 的开源自主 AI 智能代理,全面覆盖开发效率场景。支持任务自动拆解、多轮反馈、插件扩展与记忆管理,具备持续执行能力,适合自动化测试、CI/CD、Web 数据抓取等任务。GitHub 超 176K Star,是当前最热门的 AI Agent 开源项目之一,提供 CLI 与 GUI 双界面,助力开发者提升工作效率。
|
18天前
|
人工智能 JavaScript 数据可视化
VTJ.PRO:打破次元壁!AI驱动 + 双向代码自由穿梭,重新定义Vue高效开发!
VTJ.PRO推出“双向代码转换引擎”,实现可视化设计与手写代码无缝切换,真正践行“设计即代码,代码即设计”。支持Vue3组件一键生成、源码反向解析,兼顾开发自由度与效率,助力快速原型验证与项目迭代。
39 0
|
14天前
|
人工智能 持续交付 开发工具
AI大模型运维开发探索第五篇:GitOps 智能体
本文探讨了如何结合 Manus 的智能体设计理念与 GitOps 持续集成技术,构建低成本、高扩展性的智能体系统。通过借鉴 Manus 的沙箱机制与操作系统交互思路,利用 Git 作为智能体的记忆存储与任务调度核心,实现了推理过程可视化、自进化能力强的智能体架构。文章还分享了具体落地实践与优化经验,展示了其与 Manus 相当的功能表现,并提供了开源代码供进一步探索。
149 19
|
8天前
|
人工智能 运维 监控
通勤路上修故障?钉钉机器人+ OOS AI 助手实现 7×24 小时运维自由
阿里云OOS AI助手通过自然语言交互,实现免登录、跨设备的智能运维。结合钉钉机器人,用户可随时随地发送文字指令完成云资源操作,快速响应突发故障,保障业务稳定运行。
通勤路上修故障?钉钉机器人+ OOS AI 助手实现 7×24 小时运维自由
|
人工智能 弹性计算 运维
通勤路上修故障?钉钉机器人+OOS AI助手实现7×24小时运维自由
通过钉钉机器人配置阿里云OOS AI助手,您可以直接在钉钉群内发送文字指令,实现免登录、跨设备、秒级响应的阿里云运维操作。
|
10天前
|
人工智能 弹性计算 运维
通勤路上修故障?钉钉机器人+ OOS AI 助手实现 7×24 小时运维自由
通过钉钉机器人配置阿里云 OOS AI 助手,您可以直接在钉钉群内发送文字指令,实现免登录、跨设备、秒级响应的阿里云运维操作。
|
29天前
|
机器学习/深度学习 人工智能 前端开发
AI+Code驱动的M站首页重构实践:从技术债务到智能化开发
本文分享了阿里巴巴找品M站首页重构项目中AI+Code提效的实践经验。面对M站技术栈陈旧、开发效率低下的挑战,我们通过楼层动态化架构重构和AI智能脚手架,实现了70%首页场景的标准化覆盖 + 30%的非标场景的研发提速,开发效率分别提升90%+与40%+。文章详细介绍了楼层模板沉淀、AI辅助代码生成、智能组件复用评估等核心实践,为团队AI工程能力升级提供了可复制的方法论。
199 15
AI+Code驱动的M站首页重构实践:从技术债务到智能化开发
|
6天前
|
人工智能 文字识别 供应链
高校实验实训课程开发:基于现有的硬件基础和开源能力研发最前沿的AI实验课程
更多基于学校现有硬件基础:企业需求场景的开发和发展,更加注重上层数据和应用,各类工具软件的出现,极大提升了各类硬件的应用价值。我们看到各类硬件厂商,想方设法把硬件卖给学校,但是很多硬件不是在那里尘封,就是寥寥无几的使用场景,我们希望基于学校现有的硬件基础去开发更多面向不同行业或专业的实验实训课程,物尽其用。基于学校现有的硬件,集约开发,极大降低硬件投入成本。
37 7
|
7天前
|
机器学习/深度学习 人工智能 机器人
Meta AI Research:虚拟/可穿戴/机器人三位一体的AI进化路径
本文阐述了我们对具身AI代理的研究——这些代理以视觉、虚拟或物理形式存在,使其能够与用户及环境互动。这些代理包括虚拟化身、可穿戴设备和机器人,旨在感知、学习并在其周围环境中采取行动。与非具身代理相比,这种特性使它们更接近人类的学习与环境交互方式。我们认为,世界模型的构建是具身AI代理推理与规划的核心,这使代理能够理解并预测环境、解析用户意图及社会背景,从而增强其自主完成复杂任务的能力。世界建模涵盖多模态感知的整合、通过推理进行行动规划与控制,以及记忆机制,以形成对物理世界的全面认知。除物理世界外,我们还提出需学习用户的心理世界模型,以优化人机协作。
47 3

热门文章

最新文章