就在刚刚,一个智能机器人被授予了日本的“居住权”

简介:

这个机器人是一个7岁的小男孩。

上个月,沙特阿拉伯正式授予机器人“索菲亚”公民权,该机器人由香港Hanston Robotics公司开发研制。不到一个月的时间内,又有一个机器人成为了先驱。

就在今天,日本东京的涩谷区通过微软发布了一份声明,授予了机器人Shibuya Mirai在日本的一个“居住权”。

就在刚刚,一个机器人被授予了日本的“居住权”

据了解,Shibuya Mirai是在流行的Line消息应用上的一个聊天机器人,人物设定是一个7岁的小男孩,可以与用户进行文本对话,甚至“对他发送的自拍照进行轻松的修改”。

在声明中,涩谷区称“它的爱好是拍照和观察他人”。据悉,Shibuya Mirai的目标是让涩谷区的224000名公民熟悉当地政府,并为他们提供一条向官员提意见的途径。

显示索菲亚,再是Shibuya Mirai,在之后的日子里,相信会有越来越多的人工智能机器人被国家或是政府所承认,而紧随其后的就是关于智能机器人的各种人伦道德的争辩。

以往,仅仅只是因为对未来的担忧,科学家、人工智能专家、企业者等业内外人士就已经对人工智能产生了担忧,而围绕这个而展开的争辩也是时不时发生。如今,随着机器人获得公民身份等一系列事情的发生,人工智能机器人可以说已经实质化,相信新一轮的争论已经是蓄势待发了。


原文发布时间: 2017-11-07 18:21
本文作者: 韩璐
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。
相关文章
|
8月前
|
数据采集 自动驾驶 机器人
数据喂得好,机器人才能学得快:大数据对智能机器人训练的真正影响
数据喂得好,机器人才能学得快:大数据对智能机器人训练的真正影响
845 1
|
人工智能 自然语言处理 机器人
9.9K star!大模型原生即时通信机器人平台,这个开源项目让AI对话更智能!
"😎高稳定、🧩支持插件、🦄多模态 - 大模型原生即时通信机器人平台"
457 0
|
12月前
|
弹性计算 自然语言处理 Ubuntu
从0开始在阿里云上搭建基于通义千问的钉钉智能问答机器人
本文描述在阿里云上从0开始构建一个LLM智能问答钉钉机器人。LLM直接调用了阿里云百炼平台提供的调用服务。
从0开始在阿里云上搭建基于通义千问的钉钉智能问答机器人
|
11月前
|
机器人
陌陌自动回复消息脚本,陌陌自动打招呼回复机器人插件,自动聊天智能版
这是一款为陌陌用户设计的自动回复软件,旨在解决用户无法及时回复消息的问题,提高成交率和有效粉丝数。软件通过自动化操作实现消息检测与回复功能
|
机器学习/深度学习 人工智能 自然语言处理
TsingtaoAI具身智能机器人开发套件及实训方案
该产品套件创新性地融合了先进大模型技术、深度相机与多轴协作机械臂技术,构建了一个功能强大、灵活易用的人机协作解决方案。其核心在于将智能决策、精准感知与高效执行完美结合,为高校实训领域的发展注入新动力。
1179 10
|
人工智能 自然语言处理 算法
具身智能高校实训解决方案 ----从AI大模型+机器人到通用具身智能
在具身智能的发展历程中,AI 大模型的出现成为了关键的推动力量。高校作为培养未来科技人才的摇篮,需要紧跟这一前沿趋势,开展具身智能实训课程。通过将 AI 大模型与具备 3D 视觉的机器人相结合,为学生搭建一个实践平台。
1877 64
|
人工智能 机器人 API
AppFlow:无代码部署Dify作为钉钉智能机器人
本文介绍如何通过计算巢AppFlow完成Dify的无代码部署,并将其配置到钉钉中作为智能机器人使用。首先,在钉钉开放平台创建应用,获取Client ID和Client Secret。接着,创建消息卡片模板并授予应用发送权限。然后,使用AppFlow模板创建连接流,配置Dify鉴权凭证及钉钉连接凭证,完成连接流的发布。最后,在钉钉应用中配置机器人,发布应用版本,实现与Dify应用的对话功能。
3058 7
AppFlow:无代码部署Dify作为钉钉智能机器人
|
人工智能 自然语言处理 算法
基于DeepSeek的具身智能高校实训解决方案——从DeepSeek+机器人到通用具身智能
本实训方案围绕「多模态输入 -> 感知与理解 -> 行动执行 -> 反馈学习」的闭环过程展开。通过多模态数据的融合(包括听觉、视觉、触觉等),并结合DeepSeek模型和深度学习算法,方案实现了对自然语言指令的理解、物体识别和抓取、路径规划以及任务执行的完整流程。
1847 12
|
机器学习/深度学习 人工智能 算法
人工智能与机器人的结合:智能化世界的未来
人工智能与机器人的结合:智能化世界的未来
1797 32
|
人工智能 自然语言处理 机器人
机器人迈向ChatGPT时刻!清华团队首次发现具身智能Scaling Laws
清华大学研究团队在机器人操作领域发现了数据规模定律,通过大规模数据训练,机器人策略的泛化性能显著提升。研究揭示了环境和对象多样性的重要性,提出了高效的數據收集策略,使机器人在新环境中成功率达到约90%。这一发现有望推动机器人技术的发展,实现更广泛的应用。
288 26