
自1956年在大学里把人工智能作为一个研究领域加入以来,人工智能在同等程度上经历了乐观和悲观两个时期。毫无疑问,今天我们看到的是一种非常乐观的态度。数据科学是全球第三大热门职位。事实上,在我们最近关于西班牙边缘计算状态的研究中,数据科学家是西班牙公司最需要的专业人员,这个市场正在经历指数级增长,预计到2025年将达到1900亿美元。人工智能在市场行业中的突出地位,使其不再是一种单一的技术,而是为不同行业提供不同用途的众多分支。在被确定为最成熟和最接近生产阶段的趋势中,我们可以在日常生活中识别出这些趋势。例如,我们在与越来越像人类的聊天机器人交谈时使用的简单语言处理、使实时视频处理自动化成为可能的机器成像,以及带来更好搜索结果的语义搜索。在另一个极端,至少 10 年内不会出现更多的未来主义。一些有趣的例子是 AI TRISM(信任、风险和安全管理)技术,它可以规范 AI 模型,使其对安全和隐私攻击更具弹性,以及转换器,它可以调整 AI 模型以适应环境并将对改进翻译、自动文档创建或生物序列分析等应用程序产生重大影响。介于这两个极端之间的是其他使能技术,从部署到市场成熟需要两到五年的时间,这可以称为“人工智能的近期未来”。其中包括以人为本的人工智能、生成人工智能、人工智能的编排和自动化,以及在成熟度曲线上领先于所有其他人的边缘人工智能,也称为“边缘人工智能”(Edge AI)。 2021 年,Edge AI 即将成为成熟的技术。边缘人工智能和工业世界的分布式智能革命Edge AI 或 AI on the Edge 可以概括为在非常接近数据源的设备(物联网设备、边缘设备)上执行人工智能算法的能力。这项技术正在呈指数级增长,并得到一项令人生畏的统计数据的支持:超过 60% 的工业组织没有部署云基础设施来帮助他们有效地进行创新。那么,如果我们用放大镜观察 Edge AI 项目,我们将在 2022 年和 2023 年见证哪些最具颠覆性的趋势?以下是我们前 5 名的摘要:1、关键行业将成为主要驱动力:从 SCADA 到 Edge AI在 Barbara IoT,我们发现处于边缘 AI 前沿的行业中存在重复模式:所有这些都处理许多关键的分布式资产。换言之,这些行业面临着来自技术碎片化、可扩展性和网络安全的巨大挑战。这些可以通过在边缘执行 AI 算法来最小化。我们可以预测,这些行业将开发出非常雄心勃勃且具有变革性的用例。自 80 年代以来一直使用的 SCADA 系统在数据捕获和处理方面具有相似的目的。然而,SCADA 系统需要更现代的技术来补充,以便它们能够响应对互操作性、开放性和安全性日益苛刻的要求。这就是 Edge AI 可以提供帮助的地方:成倍增加这些系统的价值。2、薄边将与厚边互补当我们提到 Edge AI 时,对于“边缘”的含义有不同的解释。传统上,边缘被认为是离用户最近的网络运营商基础设施。例如,当我们谈论 5G 网络时,我们指的是运营商正在推出大量称为“多接入边缘计算”的节点,用于近距离数据处理。这些节点安装在与设计用于托管云服务的数据中心非常相似的服务器上,它们具有处理复杂人工智能算法的巨大潜力和能力。这就是一些分析师所说的“厚”边缘。然而,最近开始开发另一种类型的边缘节点:直接连接到传感器和交换机的边缘节点,当安装在网关或集中器等低功耗设备上时,用于运行更简单的人工智能算法,响应时间更短,更接近到实时。这种称为“瘦”边缘的新型边缘将使我们能够快速灵活地处理大型项目,这些项目包括远程位置或对高安全性和数据隔离的要求。3、 边缘网格作为实现分布式人工智能的新范式Edge AI 传统上基于使用大数据训练的决策模型。该模型由一系列数学公式组成,安装在边缘节点上。从那里,每个节点都能够根据它接收到的数据和已安装的模型做出自己的决定。这种被称为边缘网格的新范式使得一个节点的决策有可能受到另一个节点的决策的制约,就好像它是一个格状网络一样。了解这种新架构的强大功能的一个很好的例子是智能交通系统。边缘节点可以使用考虑到传感器检测到的汽车和人员数量的人工智能算法来决定交通信号灯的时间。然而,这个决定可以由附近街道的其他节点做出的决定来完美补充。Edge Mesh 的目的是在各个节点之间分配智能,以便提供比更传统架构更好的性能、响应时间和容错能力。4、使用 MLOps 进行生命周期管理变得越来越重要随着行业转向推出具有更多分布式节点和更复杂训练算法的 Edge AI,维持这些训练模型的生命周期以及执行它们的设备的能力将是这项技术未来的关键。从这个意义上说,将 DevOps 理念应用于 AI 算法的开发、推广和维护的项目和公司将得到加强。这种工作方式称为 MLOps,是机器学习和 DevOps 的结合。但它到底是什么?基本上,它旨在通过设备和开发环境、测试和操作的持续集成来减少边缘模型上 AI 的开发、测试和实施时间。5、 边缘人工智能实现主权数据交换毫无疑问,数据共享对于改进行业部门的流程至关重要,价值链中有许多利益相关者。让我们看看不久的将来的电网模型:智能电网。 为了能够获得或提供更好的服务,供应商必须能够分析和处理来自许多利益相关者(如产消者、运营商、分销商和聚合商)的信息。 如果没有透明、敏捷的数据交换,到 2050 年就不可能达到所需的网格优化。借助边缘人工智能 ,可以进行集中式数据处理,这将有助于克服行业目前面临的一些障碍,例如数据安全、隐私和主权。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
自闭症是一种发育障碍,伴随着社交、情感、交流和行为方面的挑战。被诊断为自闭症的儿童往往难以理解沟通和与他人相处,患有感官问题,并表现出重复性行为。自闭症无法治愈,但以不同疗法形式进行的干预可以促进受影响儿童的发育,极大地改善长期预后,并帮助这些儿童在社会上更好地发挥作用。根据疾病控制中心(CDC)的最新可用数据,在美国,大约每44名儿童中就有一名患有自闭症谱系障碍(ASD)。虽然每个孩子的 ASD原因、症状和严重程度可能不同,但这种障碍的一个特征似乎在整个谱系中是共同的:社会功能受损。机器人提供干预美国国立卫生研究院 (NIH) 指出,自闭症的早期诊断和干预更有可能产生重大的长期积极影响。为了使干预措施有效,它们需要包括重复性练习。虽然许多学区的特殊教育人员都接受过培训,可以为自闭症学生提供有效的干预措施,但这些教育工作者往往无法维持取得有意义进展所需的频繁或长时间课程。一些学区选择使用机器人辅助技术来丰富教学内容,以帮助孩子们以有趣的方式学习和练习技能。社交辅助机器人可以帮助自闭症儿童学习社交技能,练习保持眼神交流,并培养沟通技能。这些工具已经在许多教室中使用,其中一些还被用于家庭干预。社交机器人以独特的方式与儿童互动。它们与人工智能 (AI) 协作,对孩子的行为做出反应,并发现技能不足的地方。它们可以解决技能需要提高的领域。机器人使用人工智能来解读孩子的言语和手势,并从反馈中学习。儿童对机器人的反应与他们对其他疗法和方法的反应完全不同。这些机器人不会评判,但鼓励儿童。机器人被设计成与人类相似的形状,来自不同的制造商,有着活泼、儿童友好的名字,如Nao、Movia和Kasper。使用反馈驱动的技术对孩子们来说是有趣和激励性的。通过机器学习监控参与度南加州大学计算机科学系的研究人员开发了个性化学习机器人,并研究了这些机器人是否能够通过机器学习来衡量孩子对某项任务的兴趣。研究人员为17名自闭症儿童提供机器人,为期一个月。机器人将指令和反馈个性化,以适应个人的学习模式。他们发现,机器人能够以90%的准确率自主检测孩子是否参与其中。机器人的价格可能高达 2,000 美元,外加每月的软件订阅费。不过,从长远来看,它们可能是经济且具有成本效益的。以家庭为基础的疗法很昂贵,而且在学校里,特殊教育从业者的时间通常很紧张。与人类治疗师相比,使用社交辅助机器人可以带来注意力和一致性,以及更长的治疗时间,并且效果显著。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
PLOS ONE 的一项新研究使用机器学习分析了 4,438 名婴儿的“气质”数据,试图按性别和年龄对婴儿进行分类。结果表明,计算机算法根据婴儿出生后 48 周内的气质数据,确定婴儿的年龄要比来破译婴儿的性别容易得多。然而,一旦婴儿超过 48 周大,考虑到性别分类算法得到改善,婴儿期的性别差异在这段时间变得更加突出。该研究的主要作者、华盛顿州立大学心理学教授 Maria Gartstein 说:“这至少暗示了一幅图景,即在一岁左右,新生儿的性情开始以更强大的方式因性别而有所不同。以前的研究已经调查了婴儿的年龄和基于性别的气质差异,但很少有研究将这两个变量放在一起。Gartstein 说,这主要是由于单个实验室难以收集足够的婴儿行为数据,以使他们的发现在统计上可靠并与足够广泛的人群相关。为了克服这一挑战,Gartstein 和她的同事联系了更多科学家,汇总了 2006-2019 年间收集的婴儿行为问卷数据。该问卷是一种家长报告的气质测量方法,要求家长记录他们的孩子从 3 到 12 个月大时表现出的 191 种不同行为的频率。然后,这些数据可用于根据 14 个不同的气质维度对婴儿进行评分,例如微笑、活动水平、愤怒/沮丧和恐惧。尽管已经开发了许多用于测量儿童气质的方法,包括各种观察程序和生理技术,但总体而言,父母报告仍然是最广泛使用的。目前,罗斯巴特的心理生物学模型通常被认为是目前最广泛接受的气质理论或框架。这种方法将气质视为基于体质的反应和自我调节的个体差异,体质指的是个体相对持久的生物构成,受遗传、发育和经验的影响;反应性是指情绪、运动和注意力反应的可唤醒性,通过阈值、潜伏期、强度、达到峰值强度的时间和反应的恢复时间来评估;自我调节体现了可用于调节反应性的过程,例如舒缓性和抑制性控制。最终,Gartstein 及其同事收集了 2,298 名男孩和 2,093 名女孩的数据。为进行分析,爱达荷大学的合著者 Erich Seamon 使用机器学习算法将 0-24 周龄、24-48 周龄、超过 48 周的婴儿按照男性或女性,根据 14 个气质维度进行评分。准确率随着年龄的增长而增加,从年龄组 1 的 38% 到年龄组 3 的 57% 不等。Gartstein 表示,“这是一个很酷的机会,可以使用这些机器学习技术进行演示研究,这些技术需要非常大的数据集,并且在社会情感发展研究中并不常见,它让我们第一次有机会真正考虑性别差异在多大程度上受到婴儿年龄的影响。”研究人员的分析结果表明,恐惧是区分年龄最小和中等年龄组男孩和女孩的最重要特征。随着婴儿年龄的增长,反应能力下降,或者能够从高压力情况中迅速恢复,表现出更多的主动互动和与人和物体接触的意愿,变得更有影响力。对于 48 周以上的婴儿,低强度的娱乐或享受熟悉的平静活动(例如与父母玩躲猫猫)是区分男孩和女孩的最有影响的变量。总体而言,女孩在恐惧、反应下降和低强度快感方面表现更高,而男孩在对外接触方面表现更高。有趣的是,某些气质特征降低了机器学习算法在按性别对婴儿进行分类时的准确性,特别是最小年龄组的可爱、声音反应、微笑和笑声,以及最大年龄组的微笑、笑声、感知敏感性(例如注意到非常细微的变化)和活动。尽管许多因素可能会影响研究人员的结果模式,但他们的工作与之前的研究结果一致,即社会化的影响确实在一岁左右开始发挥作用。Gartstein 表示, “母亲对他们的儿子和女儿采取不同的社会化方法,随着时间的推移,这种差异会导致在气质方面的不同轨迹。具体来说,父母可能会优先考虑女儿的关系取向,而优先考虑儿子的能力和自主权。”展望未来,Gartstein 表示,接下来她和她的合作者将用当前研究开发的机器学习方法,来调查其他关于婴儿社会情绪发展的难以回答的问题。Gartstein 说,“我现在真正感兴趣的是,看看是否可以根据孩子的大脑活动来预测看护质量的差异。我们为这项研究开发的分析方法在回答依赖多个输入变量来解决分类问题的问题时特别强大。”本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
据日本《朝日新闻》5月10日报道,科研人员正在利用人工智能研发“万能疫苗”。报道说,由于新冠病毒不断变异,人们开始担心之前使用的新冠疫苗是否依然有效。有没有一种能够应对各种新冠病毒变异株和其他冠状病毒的“万能疫苗”?为了防范下一场全球大流行病,很多国家都在推进相关研究。白宫冠状病毒工作组成员、美国总统首席医疗顾问安东尼·福奇等人在今年1月底发表于美国医学期刊的文章中就主张,当务之急是研发“万能疫苗”。文章还指出,新冠疫情无法根绝,可能会定期出现。除此以外,人类还可能遭遇来自动物的未知冠状病毒。很难预测下一次会出现什么样的病毒。“万能疫苗”的效果即便比不上针对特定病毒的疫苗,但对其他冠状病毒仍有一定的防护效果。人们正在尝试提前研制出这样的疫苗。电气设备制造巨头日本电气公司开始利用人工智能(AI)技术研发下一代疫苗。目前使用的针对新冠病毒的信使核糖核酸(mRNA)疫苗会将含有编码抗原蛋白的mRNA导入人体,形成相应的抗原蛋白,从而诱导机体产生特异性免疫反应,达到预防免疫的效果。但是奥密克戎毒株的刺突中出现大量变异,导致疫苗的防护效果下降。所以日本电气公司的战略是,将刺突以外的病毒蛋白都作为候选抗原,排除那些容易变异的部分。该公司甚至还在设法研发能有效驱动“细胞性免疫”的方法。研究人员通过让AI学习免疫反应的实验数据来确定候选抗原。也就是说,将信息科学与疫苗科学结合起来。美国沃尔特·里德陆军研究所研发出一种名为“刺突铁蛋白纳米粒子”的疫苗,简称SpFN疫苗。报道说,研究人员在猴子身上做试验后确认,该疫苗能够对严重急性呼吸综合征(SARS)病毒和新冠病毒变异株产生预防效果。目前已经着手开展临床试验。铁蛋白是一种结构呈球形的蛋白质,大小和形状都与真正的病毒粒子相似,甚至也带有病毒在感染细胞时使用的突起的结构。日本弘前大学病毒学副教授森田英嗣列举了这种疫苗的优点:“这是一种稳定的蛋白,而且外形酷似病毒,能够长时间、极为高效地发挥免疫效力。”日本大阪大学免疫学前沿研究中心特聘教授黑崎知博等人组成的研究小组将目光投向新冠病毒的刺突蛋白。他们认为,那些不容易变异的部分与其他具有亲缘关系的病毒存在较高的共性。这种思路的核心不是针对某一种冠状病毒的特性,而是找准共性、一举击破。经确认,利用这种方法找到的抗体能够有效遏制SARS和从蝙蝠体内找到的冠状病毒。也就是说,如果能够研发出可在人体内生成这种抗体的疫苗就再好不过了。黑崎教授认为:“未来如果利用这一原理研发疫苗,或许能够有效防范其他冠状病毒导致的疫情大面积暴发。”备受期待的“万能疫苗”是否能够马上问世还是未知数。世卫组织虽然表示研发“万能疫苗”是一个值得期待的选项,但围绕究竟需要多少时间这一问题却难下定论。不过,即便赶不上新冠病毒下一个变异株的出现,也可能成为预防其他冠状病毒引发的下一场大流行病的有力候选工具。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
现今,不管是中国制造业,还是农业、餐饮业以及企事业单位等,都在积极从自动化向智能化、数字化转型升级过程中。基于此,愈来愈多的新兴行业、场景以及智能工厂对机器人的需求规模不断扩增,机器人产业多点开花。消杀机器人、咖啡机器人、反诈机器人、巡检机器人、陪练机器人.......一大批智能机器人正在向你靠近!消杀机器人由于疫情跌宕反复,全国多地都紧急按下了 “暂停键”。在防控的工作中,消杀机器人有着很大的作用,主要的消杀场景痛点有很多,很多环境都非常需要消杀机器人来提高效率,缓解地面清洁与环境消杀压力,保障人员安全,全力托举起 “生命方舟”。据说,许多地方公共场所、方舱医院都出现了“清洁消杀机器人”。清洁消杀机器人可携带消毒液大约19升,消杀效率2932立方米/小时,并且具有远程遥控、自主导航、行进路线设计等功能,可对区域进行零接触和无死角消杀,解决保洁人员供给紧张现状的同时,更减少了人工作业的高密度接触风险。咖啡机器人咖啡不仅是功能性饮品,更是被赋予了年轻、时尚,现代化的精神内涵,写字楼白领、商务人员和高等学府师生已成为咖啡的深度用户。然而,受到特殊事件的影响,从前触手可得的咖啡饮品等各类生活服务变得稀缺。这也随之催生了“无接触式”服务需求,咖啡机器人的价值日益凸显。目前,市场上涌现出很多像cofe+机器人咖啡亭,在当下开始发挥着不可替代的作用。据了解,咖啡机器人硬件以协作机器人和高品质咖啡机为主体,可以全自动制作口感醇香的现磨咖啡。另外,内部搭载智能化系统,能够实现定制咖啡口味和复杂花型的制作,全自动作业无需人工协作,更加保障了咖啡饮品的卫生安全。反诈机器人近年,许多地方在做好传统阵地反诈宣传工作的基础上,通过反诈机器人等科技手段精心组织、持续发力,打好反诈宣防“组合拳”,切实提高辖区群众反诈防骗意识和能力,积极营造“全覆盖、强提醒”的反诈宣防氛围,有效遏制电信网络诈骗犯罪的高发势头,全力守护群众的财产安全。例如,东新派出所通过新上线的反诈好帮手“芸擎”反诈机器人助力成功阻止多起网络电信诈骗案件的发生;张掖市公安局请来了反电诈宣传机器人“祁祁”;江宁派出所推出“反诈AI智能外呼服务机器人”等,大幅提升工作效能,进一步提升辖区反诈宣传覆盖面,有效筑牢反诈宣防阵线。巡检机器人巡线机器人是以移动机器人作为载体,以可见光摄像机、红外热成像仪以及温度检测、声音检测、气体检测等其它检测仪器作为载荷系统,以机器视觉—电磁场—GPS——GIS的多场信息融合作为机器人自主移动与自主巡检的导航系统,已在电力、煤矿、城建等行业得到广泛应用。电力巡检机器人可以及时发现电力设备运行的事故隐患和故障先兆,确保设备安全可靠运行,实现检测、监控、安防、管理,实现了变电站无人值;煤矿巡检机器人能按照设置好的路线自动巡检,并将运行数据实时上传到地面自动化中心,工作人员可以实时监测变电所运行情况,提升主煤流运输系统的安全系数及工作效率。陪练机器人近年来,以家用扫地机器人、教育机器人、陪练机器人等为代表的服务机器人已逐渐渗透到人们的日常生活中,用户认可度不断提升。近年来,随着全民健身国家战略深入实施,群众体育活动日益丰富,在此背景下,陪练机器人前景十分广阔,为亚健康人群定制“运动处方”。据说,国外开发排球陪练机器人, 这是一款由日本排球协会和日本筑波大学联合研发的排球训练机器人,以帮助日本国家排球队训练。再如上海庞勃特科技研发出针对乒乓球训练的AI乒乓球机器人——发球机器人,可以实现诸如远程乒乓球教学、娱乐对战等场景需求。教育机器人近年来,青少年教育机器人(也称教育机器人)成为孩子们的新宠,其对于普及科学知识,提升青少年科技素养以及激发学生学习兴趣、培养学生动手能力和学生综合能力起到了一定作用。例如积木机器人可以给孩子们丰富的想象力,让他们在完成机器人作品的同时还可以自由发挥。除了青少年教育机器人,作为教育机器人的一种,工业教学机器人也随着加大培养智能制造人才应运而生。据了解,华成工控推出了6轴到8轴桌面工业教学机器人控制系统,即融合了运动控制算法、驱控一体技术、机器视觉、编码器跟随等技术,能够帮助培训学院打造机器人实训平台。对于学生来说,只要通过该实训台完成工业机器人上下料、搬运码垛、喷涂、抛光打磨、机床上下料等生产线的综合模拟训练,这有助于提高学生对工业机器人综合应用的复杂操作及编程能力,让学生掌握工业机器人基本技能后可将其应用于实际需求,增加工业机器人操作应用经验。办公机器人在物联网、大数据、云计算以及人工智能和5G等技术迅速发展的背景下,政企办公的智慧化水平快速提高。当下,不少政企通过智能感知、移动互联、大数据挖掘等手段,实现办公业务智能化、经营管理、单位各种资源获得智能调配和优化利用,以及填写邮单、打印邮单、查询不动产信息、打印不动产信息反馈表智能化。像南宁市江南区人民法院执行局迎来一名特殊的工作人员——办公机器人,即使在非工作时间,机器人也能自动完成信息提取及查询工作,实现24小时自动化办公,省时省力效率高;有证券企业引入办公机器人,实现流程自动化(RPA)、文档智能审阅、企业级垂直搜索、智能推荐等,大幅度提高企业效率与智能化水平。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
数字哨兵现在上海很多场所都已经部署数字哨兵,进出人员仅需扫健康码或刷身份证,就能实时核验核酸检测结果、人员身份和体温等具体信息。比如,商汤科技推出的集“佩戴口罩识别+人体测温+验健康码+疫苗接种信息+核酸查询+电子证照”六种功能为一体的商汤数字哨兵便捷通行系统。该“六合一”数字哨兵可助力疫情防控信息的快速验证,省去上海市民查找检测报告的复杂操作。目前该系统现已部署至上海长宁区多处市民访问量较大的公共活动场所出入口,如菜场、事务受理中心、图书馆、文化艺术中心、少年儿童图书馆等,以及各类社区活动中心、市民中心、养老院、街道综治中心、婚姻登记处等地。智能消毒机器人在医院、商场及一些科技园区,我们经常可以看到智能消毒机器人的身影,尤其在医院,医院是许多抗议战场中的第一线,为保障更安全的就诊环境,当前上海多家医院都用到了智能消毒机器人。比如来自上海擎朗智能科技有限公司的消毒机器人,据介绍,擎朗消毒机器人搭载短波UVC紫外线杀菌灯与雾化喷头,可喷出10μm以下超干雾颗粒,出雾细腻均匀可以进行无死角消毒,其集成的多种消毒模式,能够有效消除空气+物体表面的病毒和细菌。重点是智能消毒机器人的效率远高于人工,采用机器人工作,就不需要工作人员穿上厚重的防护服,也不用担心成为病毒载体,而且只需要十几分钟就可以完成1000㎡的消毒杀菌工作。并且,在消毒完成后,机器人还自动储存至云端平台,完整记录消毒程序。智能语音机器人目前上海部分地区正实施封闭式管理,如果仅靠社区工作人员人工排查,逐门逐户完成核酸检测、健康状态回访、外来人员行程流调等工作,要耗费大量人力物力,还可能交叉感染。上海联通和科大讯飞成立了专项攻关团队,根据实际需求进行智能语音机器人的话术设计,利用智医助理辅佐相关的防疫、战疫行动,仅仅48小时就完成“智能语音机器人”上线。在不到3个小时的时间里,“智能语音机器人”完成了对嘉定地区重点人群的核酸检测排查。据某区疫情防控指挥部的相关负责人介绍,“在市民接到呼叫电话后,系统可根据每名市民的不同回答自动生成表格,随后工作人员可从系统自动统计反馈的情况,重点跟进核酸未做人员的信息并进行对应的反馈。与传统人工呼叫相比,‘智能语音外呼助手’呼叫提升效率,而且避免了人与人接触的疫情防控风险。”AI 通过声音诊断新冠近日有消息称,美国辉瑞公司(Pfizer)将收购ResApp,ResAPP目前开发了一款通过分析咳嗽声来诊断是否感染新冠病毒的应用程序。有研究显示,受新冠肺炎病毒感染的患者,肺部会发生一些病变,其呼吸模式等参数会受到影响,导致发出的声音(呼吸间隔、咳嗽声等)出现一些异常特征,算法通过学习数据能够抓取识别出这些病症。ResApp表示,在印度和美国对741名患者进行的临床试验中,该算法正确地检测出了92% 的新冠病毒感染者。ResAppDx目前在欧洲通过了CE市场认证,在澳大利亚获得了TGA许可批准。不过,应用程序筛查并不能完全代替临床医生的诊断,但可用作COVID-19的早期预警,或者说是筛查,而不是诊断。ResAPP方面表示,其设计的流程是如果检测结果并没有感染,那么就无需做快速抗原测试或者PCR检测,但如果程序诊断感染了新冠病毒,那么人们就应该继续正常的检测。AI加速疫苗和药物研发新药研发过程复杂漫长,面对突然爆发的疫情,人工智能技术的应用变得非常重要。比如,此前百度研究院与斯微生物就新冠mRNA疫苗的开发展开了AI序列优化算法的合作,开发了专门用于设计优化 mRNA 序列的高效算法。斯微生物完成了这种高效算法在新冠病毒 mRNA 疫苗分子设计上的生物学验证。结果显示,在稳定性、蛋白质表达水平以及免疫原性等多个衡量疫苗的指标上,通过这种算法设计的新冠疫苗序列优于传统方法设计的基准序列,疫苗序列中和抗体滴度是传统基准序列的20倍。自疫情爆发以来,已公开了大量关于利用人工智能和大数据发现有效药物的研究报道,这些研究主要集中在靶点发现、疾病网络构建和药物筛选。除此之外,也有利用人工智能技术生成新的小分子,AI新药研发公司Insilico Medicine此前在官网上公开了其AI算法设计的6种可以阻止病毒复制的新分子结构。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
鼠标点击式编程历来是编程界的新趋势。简而言之,这是一种编程方法,将现成的代码模块组合起来、形成一个新的软件。不用说,这种编写程序的方法远非完美。首先,从事这种编程的程序员可能甚至不知道那些模块中有什么。这导致了两个基本问题:一是无意或有意的错误或缺陷(bug),二是无法正常运行的糟糕代码。前者归因于模块可能针对不同的场景编写,会导致程序在有别于预定场景的场景中运行缓慢。如果是操作型负载,尤为如此。后者归结为这样事实:程序员查看代码块可能不够仔细,这为隐藏的后门允许黑客黑入系统埋下了隐患。如果缺少适当的测试,它们大部分时间不会被人注意到。目前,我们拥有GitHub、Copilot、DeepMind和AlphaCode之类的开源代码库。它们充当代码数据库,人工智能(AI)可以使用它们来编译自己的代码。AI在编程方面能提供什么帮助?AI在这里可以做什么呢?首先,AI可以编写测试,分阶段对流行威胁进行建模。其次,AI可以编写自己的代码块,从含有数千个代码块(许多代码块不够好)的代码库编译适当的代码块。最终,这将节省时间和金钱。视AI而定,有时AI可以自行编写优化的代码,这些代码在操作中清晰且高效。这种代码以后处理起来更容易,因为它编写得很好;如果将来需要实施某些更新,这将节省时间。此外,AI在通过某些参数调整代码数据库中的开源代码方面效率高得多。这使其能够迅速分析和过滤代码,并采用最佳实践以帮助创建将在产品中使用的节省操作资源的代码。软件开发的另一个问题是对客户及其需求缺乏清晰的了解。由于工作范围和最终产品的具体细节缺乏明确性,程序员常常不得不进行解释。AI则让客户可以从目录中选择所需的参数,创建程序员和项目经理更容易理解的工作范围。AI可以取代人类程序员吗?这个问题的答案分两方面。AI可以在一定程度上取代人类程序员,处理复杂性有限的任务。如果您需要使用现有开源代码数据库就能复制的简单产品,可以轻松地依靠AI为您编写完整代码。但是面对大型项目,您不能依靠AI为自己做所有工作。在这种情况下,就只能依靠AI作为辅助工具,而不是负责整个开发过程。这意味着大型项目仍需要项目经理和专业人员来监督用户体验和前端等方面的工作。AI 的智力能力在很大程度上不足以解决软件开发过程中出现的创造性任务,它也无法管理完成产品需要从事的创造性工作量具有的复杂性。但AI肯定会引发IT专家之间的竞争,因为它在基础任务(比如使用代码块)方面能够与IT专家一较高下。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
当代年轻人习惯把「emo」当口头禅挂在嘴边,而忽略了真正的「抑郁」代表什么。假如人的情绪也有「值」,那么如何让情绪测试能像测量体温、血压一样简单?人工智能技术正在通过声音来探索其释放的情绪信息,比如杨紫主演的《女心理师》有一幕场景是 AI 系统分析/干预来电者的自杀倾向。从呼吸系统疾病到帕金森病、慢性老年病这类生理疾病,以及抑郁症、产后抑郁、认知障碍和脑震荡等精神疾病,这些正是 AI 的探索方向——「语音生物标志物」(Vocal Biomarker)。IT 桔子注意到近日一则「AI 通过声音来诊断新冠」相关的重磅新闻:美国辉瑞公司(Pfizer)已同意以每股 0.115 澳元、总价 1 亿澳元的价格收购 ResApp 股票,但交易仍需法院和股东的批准。ResAPP 目前开发了一款通过分析咳嗽声来诊断是否感染新冠病毒的应用程序。追本溯源,说到通过听患者的声音来辅助医生判断病情这件事一点也不奇怪,中医自古强调的「望闻问切」中的「闻」就是指听声音、气息;现代医学领域中的听诊器更是发布于 1819 年。可见,除了影像数据,声音数据也是医学范畴内的必要的医疗数据。不过,不同于传统就医方式下的面诊、医生判断,人工智能加持下的医学使得远程医疗、机器诊断成为可能。在新冠疫情大爆发、全球医疗资源紧张的今天,这种方式或是得以解「燃眉之急」。本文着眼于科普,并能简要回答以下四个问题:AI 语音识别筛查新冠病毒和抑郁症是如何实现的?辉瑞制药拟收购的 ResApp 这家公司有何特殊之处?全球范围内获得投资的同类公司还有哪些?国内公司在这方面进行了什么样的尝试探索?通过语音判断是否感染病毒是如何实现的通过声音检测新冠病毒感染靠谱吗?要回到这个问题,需要回归科学层面。研究表明,人体发声时会产生相应的生物标记物,当身体出现健康问题时,疾病的特异性干扰会对人体某个系统或多个系统产生细微、肉眼难以察觉、但具有特性的变化,生物标记物含量由此产生变化。而这种变化,可以利用机器来进行检测和分析计算。其实,相比 AI 语音识别是否感染近 2 年才出现的新冠病毒,AI 更早之前还被运用于判断和识别 PTSD(创伤后应激障碍)、抑郁症以及其他心理疾病。比如,抑郁症患者往往会表现出言语迟缓、音量不稳定、发声颤抖、语言韵律异常等症状。2015 年,纽约大学 Langone 医学中心的研究人员使用神经网络发现了 30 种语音特征,比如,机器学习算法显示,在 250 多名患有创伤后应激障碍的个体中,发音中的元音间隔明显缩短等。这些特征可能区分出创伤后应激障碍的退伍军人和未受影响的退伍军人(或健康对照组),这个方法被用于一项为期 5 年的前瞻性大型队列研究。在开发的早期阶段,研究人员就发现该系统可以诊断 PTSD 的准确性为 77%。那么,继听声辅助心理诊断后,AI 在通过声音来判断是否感染新冠病毒也有了用武之地。卡内基梅隆大学(CMU)一支研究团队长期致力于语音取证技术的研究,他们研究发现人的声音受到器官机构状况和健康程度的影响,能揭示生理/心理甚至医学数据。受新冠肺炎病毒感染的患者,肺部会发生一些病变,其呼吸模式等参数会受到影响,导致发出的声音(呼吸间隔、咳嗽声等)出现一些异常特征,算法通过学习数据能够抓取识别出这些病症。时频谱示意图早在 2020 年 4 月,卡内基梅隆大学就发布过简易的测试程序 COVID Voice Detector 中,受试者需要填写个人健康相关信息,并录制咳嗽、英文元音的发音,数字和字母表朗读等语音信息。系统最后会返回一个分数,表明所录制的声音和收集到的 COVID-19 患者数据相比,其感染特征相符合的程度。整个过程的实现是需要经过前期数据采集,中期的构建数据分析模型、机器学习,到后期的数据采样、数据匹配与结果反馈。首先,研究者需要采集到新冠阳性确诊者和阴性人群的大量录音测试数据,然后将这些语音生物标志物生成频谱图;机器模型经过训练和学习来感知和分析其中的细微变化;在最后的应用期,人工智能将用户提交的录音与基于临床试验中 COVID-19 阳性参与者的录音的合成图像进行比较,以确定它们之间的相关性。最后,机器反馈输出一个结果。所以,机器识别的准确率很大程度上取决于数据信息的丰富度,当训练的样本数据足够多,足够丰富,机器判断的准确率也能提高。ResApp 表示,在印度和美国对 741 名患者进行的临床试验中,该算法正确地检测出了 92% 的新冠病毒感染者。ResAppDx 目前在欧洲通过了 CE 市场认证,在澳大利亚获得了 TGA 许可批准。值得注意的是,应用程序筛查并不能完全代替临床医生的诊断,但可用作 COVID-19 的早期预警,或者说是筛查,而不是诊断。ResAPP 方面也表示,「其设计的流程是如果检测结果并没有感染那么就无需做快速抗原测试或者 PCR 检测,但如果程序诊断感染了新冠病毒,那么人们就应该继续正常的检测。」ResApp 是一家什么样的公司通过 Google 搜索和官网公开信息,我们发现 ResApp Health 是一家「重生」的新公司——ResApp Diagnostics 通过反向收购 2005 年在澳大利亚证券交易所上市的生物公司 Narhex Life Sciences 实现上市,2014 年双方组建了 ResApp Health,公司总部位于澳大利亚布里斯班。其背后核心团队成员背景也比较多元:非执行主席 Roger Aston 博士具有生物学背景,在多家大型制药公司董事会任职;CEO、总经理 Tony Keatin 拥有昆士兰大学的机械工程博士学位(Ph.D.),创业前曾在 UniQuest 工作,主要负责技术商业化方面;联合创始人 Brian Leedman 是一位连续创业者,曾创办多家医疗公司,主要负责营销和投资者关系。ResApp 专注于提供呼吸道疾病领域的数字化诊断筛查服务——利用机器学习算法分析咳嗽声对哮喘,肺炎和毛细支气管炎等疾病进行判断。这种服务既可以集成在远程医疗解决方案系统中为医生提供便利,也可以运行在独立的 APP 中面向患者使用。ResApp 公司旗下有三大产品体系,分别应用于急性呼吸疾病诊断、慢性呼吸疾病管理和睡眠健康管理领域。值得一提的是,睡眠健康管理主要是帮助具有睡眠呼吸障碍的人群。ResApp 开发了一种阻塞性睡眠呼吸暂停筛查测试程序,通过床头的智能手机来记录夜间呼吸和打鼾声以识别阻塞性睡眠呼吸暂停 (OSA)。传统方式的睡眠呼吸暂停诊断需要在实验室使用多个传感器,进而生成多导睡眠图 (PSG),而 AI 分析检测的方式几乎「无感知」,将对人体的干扰降为最低。图片来源 ResApp 官网,经谷歌翻译另外,ResApp 近期开发了一款通过听咳嗽声音判断是否感染新冠病毒的 APP,并声称其 APP 新冠检测准确率「已经超过了快速抗原测试的实际准确率」。ResApp 还表示,除了表示收购意向外,辉瑞与公司宣布将就新冠病毒问题签订研发许可协议。目前 ResApp 在澳交所的股价为 0.11 澳元,总市值约 1 亿澳元;同时,还在美股 OTC(场外柜台交易)板块可交易。像这样分析声音的 AI 医疗公司还有哪些致力于语音生物标志物」(Vocal Biomarker)研究的商业公司都有谁呢?可参见下表:除了上文说到的 ResApp,IT 桔子观察到全球范围内另有其他一些使用声音做诊断的公司获得了融资。比如美国抑郁症诊断语音分析领域的 Ellipsis Health 完成了 2600 万美元 A 轮融资,加拿大 AI 语音诊断技术研发商 Winterlight Labs,以及专注识别焦虑和抑郁等疾病的美国初创公司 Kintsugi 在近半年内分别完成 800 万美元的种子轮融资和 2000 万美元的 A 轮融资。还有两家以色列健康科技公司 Beyond Verbal 和 Healthymize 合并设立的 Vocalis Health 在 2019 年底获得了以色列健康技术和生命科学风险投资公司 Amoon 牵头的 900 万美元融资。在 2021 年 2 月,Vocalis 宣布其 COVID-19 筛查工具 Vocalis Check 在大型临床研究中成功验证,并已获得 CE 标志,成为首个获得 CE 批准的新冠筛查医疗设备。以上公司虽然可能是语音生物标志物」领域部分获投公司,但不管从布局的资方数量上看,还是公司所获融资阶段等各方面来看,这个细分市场是一个很前沿的赛道,目前还非常早期,商业化落地短期内更是无望。尤其是在国内,虽然国内在智能语音领域拥有不少成熟的头部 AI 公司,但无论是老牌的科大讯飞,还是新秀的云知声、思必驰,目前还没有公开可行的 AI 语音生物标志物产品/方案。不过国内也有两家初创公司曾经或正在探索这个方向。想象科技成立于 2014 年,提供语音情感分析与心理测评服务;尝试过社交方向。2017 年专注「情绪体检」的 Wonder AI Lab 成立,探索 AI+心理健康的可能性。其感知 AI 模型通过实时识别个人情绪,再综合心理、精神疾病等多学科知识交叉运用,基于 EQ 专家所标记的 350 多万个情感音频数据,最后应用到智能语音心理健康平台上。科慧健远成立于 2019 年,在某次创业大赛中展示了其研发的一款儿童语言发育障碍 AI 病理机器人,利用 AI 人脸识别技术、眼线眼动数据分析技术、病理语音数字分析技术、自闭症及语言相关障碍筛查系统,对语言发育迟缓、儿童构音障碍、自闭症、语言发育迟缓等疾病进行筛查和识别。不过,该项目是否真正落地和推向市场,暂不得而知。AI 加持下的普惠、个性化医疗让现代医学诊断不再止步于临床应用,而是走进千家万户,更加便利可取。这条道路虽任重而道远,但其价值无限,亦值得出发。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
近年的辞职潮表明劳动力短缺是真实存在的。根据美国圣路易斯联邦储备银行的调查,在新冠疫情发生之后的劳动力就业率并没有显著地下降。事实上,25~54岁的核心劳动力数量在新冠疫情发生时出现了下降,与其他年龄的劳动力相比(尤其是55岁以上的工人)下降幅度较小。这意味着劳动力的大部分将重新配置,而不是大规模辞职。调研机构在调查中看到了职位的急剧变化,以及对人工智能和机器学习技能的巨大需求。考虑到这一点,随着人才的重新分配,以及行业领先的公司带来更具价值的新工作,以下是企业需要优先考虑的七个与人工智能相关的角色:(1)机器人流程自动化负责人——总监、副总裁、高级副总裁描述:这一角色负责改进基于软件机器人或人工智能的业务流程自动化技术。他们领导流程改进、产品设计和业务转型领域的团队,其中可能涉及实施新数据集、研发或收入仪表板以及自然语言处理流程自动化等任务。重要性:机器人流程自动化的有效管理,通过最大限度地减少自动化过程中对人工协助的需求来提高速度、质量和生产力。(2)人工智能和机器学习负责人——副总裁、高级副总裁、执行副总裁描述:这一角色负责通过领导数据和机器学习工程师团队,为内部和外部使用构建高质量的产品,从而构建创新的、世界级的产品和能力。他们领导和指导团队实施先进的机器学习/人工智能和分析系统、工具和服务,并以前所未有的规模运行。重要性:很多企业都面临着保持市场竞争力、增加收入以及降低运营成本的挑战。人工智能是企业用来做出明智决策、推动新收入、吸引新客户和优化业务运营成本的最强大的工具。技术领导者对于项目的成功至关重要。(3)客户洞察主管描述:客户洞察主管努力通过数据和研究获得更好的客户理解来改善营销。这些分析和见解适用于所有营销渠道,并在首选的客户接触点提供。重要性:消费者洞察在减少低效率和重复性任务方面发挥着巨大作用。企业领导者还可以使用消费者洞察来衡量关键绩效指标,以优化卓越运营和产品创新。这有助于减少流失、浪费和冗余。(4)产品主管——人工智能/机器学习描述:这一角色负责定义和拥有企业内的数据科学产品路线图。优先考虑优化、统计和机器学习模型的研究和开发,并将新产品功能推向市场以实现客户业务流程的自动化。重要性:深入关注客户体验,对于确保企业找到应对客户挑战的解决方案并跟上市场趋势至关重要。(5)首席数据官描述:首席数据官负责提供一流的信息管理和数据运营。首席数据官构建企业智能和自动化功能,以确保相关数据可用、可靠、一致、可访问、安全、及时,以支持任务和活动。这其中包括:与来自企业的领导者合作定义持续的数据战略。实施适当且定义明确的数据治理方法。创建结构以支持最佳访问/检索、安全性、存储/缓存、移动/转换和分类/加密。跨多个团队管理数据。重要性:许多企业都陷入处理大量数据的困境,而在正确的时间采用正确的信息“让数据说话”的能力对于企业的成功至关重要。首席数据官是建立基础数据和分析能力并确保数据产生以下关键业务收益的关键:业务领导者获得高级分析,帮助做出推动预期业务成果的决策。业务领导者有权向企业董事会成员和高管解释数据如何应用于其企业的用例。数据成为指导优势、劣势、机会和威胁讨论的强大工具。(6)数据科学家描述:数据科学家负责提供数据、分析、统计建模和机器学习功能,为关键业务计划提供信息。重要性:数据科学可以为任何能够很好地利用其数据的企业增加价值。从跨工作流程的统计数据和洞察力,到招聘新候选人,再到帮助高级员工做出更明智的决策,数据科学在当今的商业环境中是至关重要的。(7)首席数字官描述:首席数字官负责领导和构建关键技术,以推动整个企业的数字化转型。该角色是关键IT业务流程的战略领导者,其中包括架构委员会、资本规划和安全流程。重要性:企业需要通过将传统模拟业务转变为数字业务来推动增长和战略更新。该角色专注于通过智能使用数字工具、平台、技术、服务和流程来创造新价值。此外,随着数字化转型的推进,许多企业纷纷涌向云端,其结果喜忧参半。管理云计算战略至关重要,因为管理不当可能会使企业损失数百万美元。虽然这七个人工智能角色至关重要,但很难找到能够填补它们的人才。人工智能、机器学习和数据分析是新领域,很少有人具有相关经验。这就回到了这样一个事实:企业正在面临劳动力正在人工智能/机器学习和数据驱动的世界重新分配的情况。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
随着人工智能(AI)专家和机器学习(ML)服务的不断增加,人工智能能够为许多企业组织提供巨大的价值。然而,当涉及到部署人工智能时,企业往往连最初的投资都无法收回。这似乎有点尴尬,不是吗?IBM最近的一项研究显示,只有21%的公司能够将人工智能整合到他们的运营中。这就是问题的根源所在:没有投入生产的技术不可能获得经济回报。此外,即使是那些被部署的人工智能项目通常也不会带来预期的价值。让我们来讨论一下公司在人工智能盈利的道路上所面临的障碍,以及如何克服这些障碍。树立数据驱动的人工智能战略考虑到人工智能总是需要大量的数据,最重要的是,采用人工智能的组织必须是数据驱动的。不出所料,缺乏数据是企业在充分发挥人工智能潜力的道路上必须面临的最反复出现的问题之一。如果公司的领导和关键员工缺乏数据技能,人工智能计划很可能会失败。如果员工不将数据驱动的方法应用到决策中,即使是专业构建的人工智能系统也无法充分发挥其潜力。缺乏管理是人工智能实施过程中另一个普遍存在的错误。通常情况下,人工智能需要在组织结构和战略以及员工的心态和技能方面做出重大改变。简单概括人工智能的应用成功的关键因素在于人。因此,将变革管理视为人工智能实现路线图的核心部分,并确保公司领导人拥有必要的知识和动力,以培育以人工智能为中心的文化。探寻有形的目标虽然目标是任何项目成功的基本先决条件,但当涉及到人工智能的实施时,许多公司仍然无法清楚地确定它们。对人工智能项目的结果有明确的预期是很重要的。通常情况下,终端用户不会积极参与人工智能项目,所以当技术团队构建完美的人工智能系统时,他们提供的商业价值很少。这就是为什么从项目一开始就让所有的涉众都参与进来是至关重要的。此外,人工智能项目通常会带来无法准确衡量的价值。例如,提高员工满意度或更好的客户体验比节省成本或时间更难跟踪。或者,假设你构建了一个人工智能系统,以减少it部门对罚单进行分类的时间。首先,考虑到系统必须使用NLP来理解自由格式的文本,它不会是100%准确的,尤其是在开始阶段。因此,您的团队将需要确定允许的错误率,并在ROI计算中考虑该错误率。假设一个人工智能系统错误地将这个票据识别为低优先级。这大大增加了ROI计算的复杂性,因为很难衡量这种情况的负面结果。这就是为什么从能够正确计算ROI预期的项目开始是至关重要的。例如,许多制造企业在应用于质量控制的人工智能项目上取得了经济回报,因为它们的投资回报率相对容易衡量。从小目标开始虽然构建大规模AI系统很有诱惑力,但瞄准容易实现的目标通常是更有效的策略,尤其是在刚开始的时候。从机器人过程自动化(RPA)开始可能是个好主意,它往往比人工智能更经济,并提供相对快速的ROI。RPA的实现是非侵入性的,这意味着它不会像许多AI解决方案那样破坏(颠覆)传统给系统的流程。那些能够速战速胜的人工智能项目,也有助于证明更雄心勃勃的人工智能投资是合理的,并确保利益相关方在未来更加积极投入。人工智能呼唤成熟,虽然这听起来微不足道,但更成熟、更有经验的公司更有可能从人工智能中获益。这类公司往往已经建立了数据治理实践、详尽的培训计划、绩效跟踪系统和清晰的项目目标。这些是成功实施人工智能的公司与不成功的公司之间的关键区别。考虑到项目成功率的波动性,人工智能比其他任何技术都更需要在关键管理领域打下坚实的基础。公司跟踪、测量和组织流程的程度通常与他们从人工智能中获利的概率相关。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
近日,埃森哲(Accenture)发布了其《技术展望2022》,这是一份研究关键技术的报告,主题为“在元宇宙中与我相遇:重塑技术和体验的连续体业务”。该报告结合了埃森哲技术愿景外部咨询委员会(由来自学术界、风险资本和公共及私营部门专家组成)的意见,以及对行业专家的采访,包括“对全球35个国家和23个行业的24,000名消费者和4650名高管和董事的调查。”报告研究了人工智能、web 3.0、数字孪生、边缘计算和量子计算等前沿技术,并探索了它们如何在构建元宇宙的背景下改变商业和人类体验。“元宇宙”一词可能已经让一些人立刻失去兴趣,因为它的模糊概念:要么是互联网的下一次技术革命,要么是被过度炒作的市场时尚,感觉都不太“真实”。但根据埃森哲的说法,这是“互联网的一种进化,它使用户能够超越浏览,居住或参与到一种持久沉浸的共享体验,跨越我们的现实世界和虚拟世界以及两者之间的闪光地带。”而元宇宙技术的发展正在加速这些物理世界和数字世界,或者说“真实”和“不真实”的融合。该报告的作者通过对人工智能的讨论,以及“企业和环境如何越来越多地得到人工智能生成的数据的支持,这些数据令人信服地反映了现实世界”,探索了“不真实”的概念。这种引人注目的模仿,由深度造假和其他生成人工智能技术驱动,迫使我们质疑什么是真实的,什么是不真实的,以及在什么情况下我们会关心或不关心?他们举了一个关于总统的视频的例子,以及它的真实性如何重要,但当它是一个深度伪造的产品广告时就不那么重要了。这种对现实的模糊感知被称为“合成现实”,该报告对此表示,“随着合成现实的发展,有关AI将好坏与真实和虚假结合起来的讨论将转而关注真实性。”人工智能正在通过合成数据驱动合成现实。埃森哲表示,使用人工智能曾是企业技术趋势领先的一项竞争优势,但在如今这个充斥着数据的世界,释放人工智能的见解是简化业务流程、优化客户体验和鼓励更大成果的关键,这是一种必要手段。为了实现这些目标,许多公司都在训练混合了真实数据和合成数据的人工智能模型。在2021年6月的一份报告中,Gartner(高德纳)将合成数据定义为通过简单规则、统计建模或模拟生成的数据,而不是通过直接测量或通过其他业务流程收集的真实数据。埃森哲的报告引用了高德纳的预测,到2030年,人工智能建模中使用的大部分数据将是合成的。它将此归因于“合成数据正被用于训练人工智能模型,而现实世界的数据实际上不能或不应该被利用。”在保护机密和隐私的同时保持相同的统计特性,它也可以增加多样性和对抗偏见,从而克服现实世界数据的陷阱。”该报告还讨论了合成数据在创建和交互方面如何变得更“人性化”,这可以帮助用户节省时间和工作,特别是在开发或客户服务场景中。技术进步经常吸引投机取巧和恶意的用户非法利用这些新工具也就不足为奇了。报告承认会出现具有缺点的合成数据被使用的趋势。例如,在布朗大学(Brown University)的一项研究中,25%的气候危机相关推文和38%的一般性“假科学”推文都是由机器人发布的。此外,卡内基梅隆大学的一项研究发现,45%至60%的关于COVID-19的推特账号是机器人。埃森哲将这种状况称为“信息疫情”,并表示随着人工智能的发展和“假信息即服务”的持续,这种状况可能会继续恶化。埃森哲表示:“随着令人信服和诱人的虚假信息越来越多,真实的东西将变得越来越模糊。”“这不仅会威胁到企业及其声誉造成直接损害,而且还会破坏对企业赖以建立的人工智能生态系统的信任。”尽管如此。报告称,“73%的全球消费者认为,未来三年,他们与人工智能或人工智能生成的内容互动的次数将会增加。”那么,我们能做些什么来减少这些互动的危害呢?不是只盯着什么是“真实”,埃森哲提出真实性”定义为对自己要真诚和真实的,其他人可以证明,更具体地说,以一个真正的方式使用生成AI意味着要注意来源,政策,人员和目的。”例如使用区块链的分布式账本技术可以帮助数字内容的来源。一个由微软领导的合作项目“起源计划”(Origin)正在使用它来消除虚假信息的传播。围绕生成式人工智能的政策可以起到帮助作用,比如加州的《BOT披露法》,“该法律规定,当机器人被用于销售商品或服务或影响选举投票的通信时,必须披露它们的使用情况。”正确的人也可以帮助提高真实性,组织应安排治理结构,以便在出现虚假信息或网络钓鱼活动时增加问责和专业知识。最后,目的决定生成AI的最佳用途。报告称,仅为了省钱而使用机器人而不是人来担任客户服务角色,很可能缺乏真实性。然而,在医疗保健或美容行业等客户可能感到尴尬或不愿与真人交谈的情况下,人工智能可能更可取,埃森哲表示,这将是为消费者增加价值的真实途径。埃森哲(Accenture)在其报告中关于“不真实”的部分总结道,人工智能模型越来越多地使用合成数据,这可能会改善世界,也可能让世界容易受到恶意行为者的攻击,但现实很可能会让它处于两者之间的某个位置。该公司重申,真实性是一个“指南针和框架,将指导您的公司以真正的方式使用人工智能——跨越行业、用例和时间——通过考虑来源、政策、人员和目的。”本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
机器人可以被编程举起一辆汽车,甚至帮助进行一些手术,但当涉及到拿起一个它们以前没有接触过的物体,比如鸡蛋,它们往往会惨遭失败。现在,工程师们已经想出了一个人工指尖来克服这一限制。这一进步使机器能像人类的指尖那样感知这些表面的纹理。来自伦敦大学学院的触摸研究员Mandayam Srinivasan表示,研究人员正在“让自然和人工触摸领域更加接近......这是改进机器人触摸的必要步骤”。据悉,他并没有参与这项工作。工程师们长期以来一直在寻求使机器人像人一样灵巧。一种方法是为它们配备人工神经。但“机器人触觉的现状通常远远不如人类的触觉能力,”Srinivasan说道。因此,当布里斯托尔大学的研究人员在2009年开始设计人工指尖时,他们以人类皮肤为指导。他们的第一个指尖是手工组装的,约有一个汽水罐那么大。到2018年,他们改用3D打印。这使得他们有可能将指尖及其所有部件做成成人大脚趾的大小并更容易创造出一系列接近人类皮肤多层结构的层。最近,科学家们在指尖上加入了神经网络,他们称之为TacTip。这些神经网络帮助机器人快速处理它所感应到的东西并作出相应的反应--似乎就像一个真正的手指。在我们的指尖,当皮肤接触到一个物体时一层神经末梢会变形并告诉大脑正在发生什么。这些神经会发出“快”的信号来帮助我们避免掉落东西,或发出“慢”的信号来传达物体的形状。TacTip的等效信号来自橡胶表层下的一排针状突起,这些突起在表面被触碰时移动。该阵列的针状物就像毛刷的刷毛:坚硬但可弯曲。在这个阵列下面,除其他外还有一个摄像头,它可以检测到针脚何时以及如何移动。大头针的弯曲程度负责提供慢信号,弯曲速度负责提供快信号。神经网络将这些信号转化为指尖的动作,如使其抓得更或调整指尖的角度。芝加哥大学研究触觉神经元基础的神经科学家Sliman Bensmaia表示:“我们的很多触觉都是由(皮肤的)机械结构形成的。这种方法所做的是真正解决这个问题。”在这项新工作中,布里斯托尔大学的工程师Nathan Lepora及其同事对人工尖端进行了测试,测试方式跟研究人员评估一个人的触觉一样。他们测量了指尖接触灯芯绒状材料时相机的输出,这些材料有着不同高度和密度的缝隙和脊线。该团队在发表在《Journal of the Royal Society Interface》上的报告指出,人工指尖不仅能够检测到缝隙和脊背,而且它的输出跟接受同样测试的人类指尖的神经元信号模式密切相关。然人工指尖并不像真正的McCoy那样敏感。Lepora指出,人类可以检测到像铅笔的铅那样窄的缝隙,而TacTip需要两倍的宽度才能注意到它。但他认为,等到他和他的同事开发出更薄的外表面就会得到提高。在第二个项目中,Lepora的团队为TacTip增加了更多的针脚和一个麦克风。麦克风模仿了我们皮肤深处的另一组神经末梢,当我们的手指穿过一个表面时,这些神经末梢能感觉到振动。据悉,这些神经末梢增强了我们感受表面粗糙程度的能力。当研究人员测试增强的指尖对13种织物的区分能力时,麦克风也有着同样的作用。Lepora指出,同样,来自麦克风和摄像机的信号模仿了人类手指在做这项测试时记录的信号。这些研究给Koç大学从事可穿戴传感器研究的机械工程师Levent Beker留下了深刻印象。“一只机器人手(现在)可以感知与人类手指类似的压力和纹理信息。”“这是一种非常有趣的方法,我认为没有人采取过这种方法,”Bensmaia补充道,“这非常酷。"然而,来自人工指尖和自然指尖的信号并不完全相同,因为真实皮肤中的信号传递更加强烈。它只是适度地像皮肤。”尽管如此,Bensmaia认为这种指尖可以帮助机器人探测、捡起和操纵物体。他指出,这种可变形的橡胶指尖应该给仿生手提供一条腿,或说比目前带有僵硬的金属手指和脚趾的设备更有优势。今天的机器人必须经过精确的编程才能安装一个特定的汽车部件,且它们和手部保护装置一样,很难抓牢硬物如钢笔或牙刷。Lepora指出,像TacTip这样的指尖可以在无需变成的情况下让机器人和假肢处理各种形状和大小的物体。但Bensmaia指出,目前还不清楚它能在多大程度上实现小型化。Lepora对TacTip的缩小持乐观态度。摄像头和麦克风的尺寸一直在变小,而改进的3D打印技术正在使更薄的层成为可能。他和Bensmaia都认为这种更小的设备可能更接近人类的“感觉”,因为它们将能够检测到更精细的纹理从而更加灵巧。康奈尔大学的材料科学家Robert Shepherd则表示,从基本层面来看,这项研究正在帮助展示人类的触觉是如何运作的。他称,Lepora和他的同事们基本上已经弄清楚了皮肤的神经末梢是如何翻译它们的感觉,以使手指能够抓住一个从我们指间滑过的球或拿起一个折纸鹤而不把它压扁。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
文章题目的命题有点大,个人理解实际上他包含两层含义:第一层,人类会灭亡吗?第二层,人类灭亡的主要原因会是人工智能所代表的技术吗?对于第一个问题给出的理性答案是:人类会灭亡。作为一个人类,肯定不希望人类灭亡,但这是客观规律不可避免的。对于这个问题有一个引申的潜在问题:人可以永生吗?对于这个问题从古至今已经有无数的常识,得到的答案无一不是否定的。就算是当前科技高度发达的现在,很多科学研究的前沿命题似乎都给了人们一点点渺茫的希望,但是从逻辑上来说是不可能的。可以理解为一方面科学研究也是需要吸引人眼球的,这样才能拉来投资。它所表达的永生的潜台词,大概率不是为了真的研究永生,而是为了科学研究可以获得经费。另一方面,媒体也需要一个容易理解的、爆炸性的新闻来吸引读者、推广科学观念。这一点和本文的题目立意非常类似。有一个简单的逻辑上推理来说明“人永生”这个命题是伪命题。假设人作为个体能够永生,但是已知的地球和太阳是不能永生的,那么为了个体的永生就需要保证地球和太阳的永生。如果离开太阳系,去寻找另外的星系,但是宇宙是永生的吗?虽然在已知范围内还不能给出肯定的答案,可以看出为了保证一个个体的永恒存在需要的能量会随着时间的增加而剧烈的增加。这可能吗?对于第二个问题给出的个人认知范围内的理性答案是:非常有可能。本人在学习人工智能相关技术的过程中,对于人工智能的预期经历过类似过山车的几个阶段。第一个阶段:好奇。好奇是人的本能。最开始对人工智能非常好奇,头脑里对它充满了问号。类似于乜斜着研究看着它。第二个阶段:怀疑。基于对相关计算机知识的有限理解和直观感受,个人感觉编写的程序不可能达到科技新闻中描述的能力!用“井底之蛙”这个词来描述当前阶段的状态最合适不过了。第三个阶段:触动。这个不得不说到AlphaGo。这件事用事实彻底击碎了第二个阶段的所有怀疑。而且这件事在脑海中刻下了一句无法磨灭的话,这句话的大致意思是:李世石下赢的那一盘棋创造了2个第一。他代表人类第一次下赢了人工智能,同时也是人类最后一次下赢人工智能。这一点和程序猿的核心思维是完全一致的:Talk is cheap, show me the code。随着研究的深入,人工智能分别在CV(计算机视觉)、NLP(自然语言处理)、RC(推荐系统)等等方面,已经给出了完整的解决方案,以上方案与商业的结合已经沁入到了生活的方方面面。同学们可以清晰地感受到抖音系的发展,从事后诸葛亮的角度分析,抖音系是基于不确定性的模式,而且阿里和企鹅是基于确定性的模式。就像信息技术的发展一样,从确定性向不确定性(概率)在发展。第四个阶段:在这件事触发的基础上,进入了第四个阶段:充满希望的学习。在这个阶段开始系统性的学习机器学习部分的理论,并且将其实践在一些低成本的工作生活中。在本阶段过程中深刻的体会到了机器学习可以实实在在的解决之前coding过程中无法解决的问题,而且是低成本的解决。这里需要着重强调一下,低成本的含义是:已经有人替你负重前行了,也就是说它的理论基础和实践操作部分已经有人帮你趟过一遍了,而我现在做的只是应用而已。在第四个阶段中,有两点突出的体会,这两点突出的体会用两句话直接表示为:1. 现在的机器学习更像是一门艺术,而不是一门技术;2. 之前学到的计算机、通信方面的知识更像是武功秘籍中的招式;而学了机器学习之后才对广义信息技术(包括计算机技术等)的心法得见一斑。在本阶段的过程中,也深刻体会到了为什么当前时代称其为生物时代、核能时代?而是信息时代呢?个人体会其根本原因在于:信息技术的心法就是数学。广义的信息技术是建立在严谨的数学大厦之上的。广义信息技术实际上是对数学知识的实现。这一点从当前公认的三位计算机祖师——香农(封面的老头是不是有点味道?)、图灵、冯诺依曼——所著论文可以明确地感受到。列举一下他们三位代表作的名字《The mathematics theory of communication》、《Computing Machinery and Intelligence》、《First draft of a report on the EDVAC》。如果有点英文基础和学术背景的同学可以明确地感受到(特别是前两篇论文)题目中包含的霸气。他们仿佛不是在写论文,而是在开创一个学科。就算站在当下这三位祖师各种深邃的思想依旧深深地震撼了我。他们似乎已经穿越了时间,似乎已经非常肯定地看到现在能做到的一切,似乎还看到了更远的未来。这一点也是数学特点的一个体现:数学,它不一定能保证给出最对的那个结果,但是它肯定可以保证不是错的。在学习的过程中也了解到了当前机器学习中存在的问题和适用的场景。最主要的体现在于它的理论基础并不像$F=ma$和$E=mC^2$那样优美,而是通过各种限制条件(人工的修补)得到结果。而且特别是深度学习的可解释性依然是当前研究的方向之一。第五个阶段,深入地学习和研究。由于了解到了当前机器学习中存在的问题和适用的场景,也为以后的研究方向指明了方向。有句俗语:“不怕贼偷,就怕贼惦记”。人工智能的目标就是让人类引以为傲的智能可以通过人工的方式来实现。而现在学习和研究的目标就是为这个过程添砖加瓦。在这个阶段的认知中对人类的智能一个体会:人类的智能是一个平衡了各种功能和性能参数的结果,它并不是完美的,它的使用也是受到了非常多的限制条件的。人类智能一个最大的突出优点在于它的适应性非常好。也就是在深度学习中常说的泛化性能。如果能找到这种适应性的规律和特点,那么极有可能人工智能的下一个爆发点即将出现。而这是不是人类灭亡的丧钟呢?不过从另外一个角度来说,这个过程是人类可见的或者有可能可控的,这是不是人类自己的幸运呢?我们自己创造了一个符合奥运精神:更高、更快、更强的物质(物种)来代替我们自己,是不是很有点玄学的味道呢?综上所述,个人认为:人工智能代替人类是一个大概率事件,唯一的问题在于什么时刻发生。坦然面对,你不知道下一块巧克力是什么味道的。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
面部识别技术的优缺点是有争议的问题。许多利益相关者强调了好处,但也有批评者指出了缺点。人们对面部识别技术有一些担忧,包括侵犯隐私、滥用权力以及政府机构内部的流氓个人可能会用它做什么。为什么面部识别很重要?如今,面部识别比以往任何时候都更受关注。以前的历史事件导致人脸识别投资迅速增加。鉴于全球范围内的 COVID-19 流行病,我们可能会期待对面部识别等生物识别技术进行更多投资。鉴于 COVID-19 的极强传染性,我们非常重视非接触式互动。人脸识别技术的主要用途仍然是安全解决方案。面部识别被认为是在广泛领域建立个人身份的最准确和最简单的方法之一。面部识别的好处(1) 改善公共安全执法是最重要的行业之一,面部识别技术的使用使安全和警察组织能够处理来自各种来源的图像和视频,例如随身携带、智能手机和车载摄像头系统,以识别实时快速有效地对感兴趣的人进行调查,从而加快调查速度。(2) 航空和运输运输和航空业一直是受全球 COVID-19 流行病影响最大的行业之一,如果全面投入运营,我们应该期待在所有交通工具上处理人们的方式都会发生许多变化。面部识别已在航空业中使用,可在乘客旅行的每个阶段实现快速、准确的身份验证,包括办理登机手续、行李托运、安检、零售交易和登机队列。抵达后,面部识别技术使移民和行李提取过程更加高效,不那么令人不快。(3) 访问和身份验证对快速、非接触式访问和身份验证技术的需求只会增加。许多当前的身份和访问管理系统现在使用生物识别技术进行更准确的身份验证,预计这一趋势将在 2021 年及以后加速。无论是授予个人访问公司某些部分的权限,还是从 IT 的角度来看,授予对特定文件和数据库的访问权限,人脸识别都可以提供快速、准确且最关键的是无摩擦的解决方案。企业还在为考勤系统实施人脸识别技术,以防止时间欺诈并提高员工进出办公室的安全性。(4) 零售预计未来几年零售领域将发生巨大变化,预计将在全球推广刷脸支付。在零售行业,面部识别被用来加速盗窃和欺诈调查,以及分析来自众多来源的镜头以识别感兴趣的个人。此外,它还用于识别忠诚度计划中的消费者并提供个性化的关怀水平,以及提高店内支付交易的速度,从而带来更好的客户体验。(5) 更快的处理和无缝集成无论您打算将人脸识别纳入运输行业、航空、商业还是作为安全解决方案,任何组织的主要好处之一是使用人脸识别处理身份的速度。此外,面部识别技术与大量不同的技术,尤其是安全软件很好地集成在一起。将人脸识别纳入当前安全系统的成本很低,随着组织在 COVID 后寻求无摩擦的解决方案,创造了双赢的局面。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
在过去的15年里,在欧洲寻找罪犯的警察部队已经能够相互分享指纹、DNA数据和车主的详细信息。如果法国官员怀疑他们正在寻找的人在西班牙,他们可以要求西班牙当局根据他们的数据库检查指纹。现在,欧洲立法者准备将数百万张人脸照片纳入这一系统,并允许以前所未有的规模使用面部识别。在整个欧洲扩大面部识别包括在更广泛的计划中,以使整个欧洲大陆的警务工作 "现代化",它属于Prüm II数据共享提案。这些细节在12月首次公布,但最近几周欧洲数据监管机构的批评声越来越大,因为该计划的全部影响已被了解。"民权非政府组织欧洲数字权利(EDRi)的政策顾问Ella Jakubowska说:"你正在创建的是世界上最广泛的生物识别监控基础设施,我认为我们会看到它。EDRi根据信息自由法获得并与WIRED分享的文件显示,各国如何推动将面部识别纳入国际警务协议。Prüm的第一个版本是由七个欧洲国家--比利时、德国、西班牙、法国、卢森堡、荷兰和奥地利在2005年签署的,允许各国分享数据以应对国际犯罪。自Prüm引入以来,欧洲27个国家的参与情况不一。Prüm II计划大幅扩大可共享的信息量,可能包括照片和驾驶执照的信息。欧盟委员会的建议还说,警察将有更大的 "自动 "访问共享的信息。立法者说,这意味着整个欧洲的警察将能够密切合作,欧洲执法机构欧洲警察组织将有一个 "更强大的作用"。纳入面部图像以及针对这些图像运行面部识别算法的能力是Prüm II中计划的最大变化之一。近年来,随着警察部队越来越多地采用面部识别技术,面部识别技术面临着巨大的反击,它已经误认了人们的身份,并使生命出轨。美国的几十个城市甚至已经禁止警察部队使用该技术。欧盟正在辩论禁止警察在公共场所使用面部识别,作为其人工智能法案的一部分。然而,Prüm II允许使用追溯性的面部识别。这意味着警察部队可以将闭路电视摄像机的静态图像、社交媒体的照片或受害者手机上的照片与警方数据库中的照片进行比较。该技术与实时面部识别系统不同,后者通常与公共场所的摄像头相连;这些系统面临的批评最多。欧洲的建议允许一个国家将照片与其他国家的数据库进行比较,并找出是否有匹配的照片--这基本上创造了现有的最大的面部识别系统之一。EDRi获得的一份文件说,潜在的匹配数量可能在10到100张脸之间,尽管这个数字需要由政治家们最终确定。欧盟委员会的一位发言人说,在采取任何进一步行动之前,将由人类审查潜在的匹配,并决定其中是否有正确的匹配。"法国内政部长在文件中说:"在相当多的案件中,可以获得嫌疑人的面部图像。它声称已经利用其面部识别系统解决了入室盗窃和儿童性虐待案件。普鲁姆二号文件的日期是2021年4月,当时首次讨论该计划,显示了各国持有的大量面部照片。文件显示,匈牙利有3000万张照片,意大利1700万张,法国600万张,德国550万张。这些照片可能包括犯罪嫌疑人、被判有罪的人、寻求庇护者和 "身份不明的尸体",而且它们来自每个国家的多个来源。Jakubowska说,虽然对面部识别系统的批评大多集中在实时系统上,但那些在后期识别人的系统仍然存在问题。"她说:"当你对录像或图像进行追溯性的面部识别时,有时危害会更大,因为有能力回看,比如三年前的抗议活动,或者看到五年前遇到的人,因为我现在是一个政治对手。"只有嫌疑人或被定罪的罪犯的面部图像可以被交换,"欧盟委员会发言人说,并引用了一份关于该系统如何工作的指南。"不会有面部图像与普通人的匹配。"官方建议说,人们的脸部图片不应该被合并到一个巨大的中央数据库中,但警察部队将通过一个 "中央路由器 "连接在一起。欧盟委员会发言人说,这个路由器不会存储任何数据,并补充说它将在国家之间 "只充当一个信息中介"。这种分散的方法使Prüm II更加简单明了。在目前的系统下,想要比较指纹的警察必须单独与其他警察部队连接。EDRi获得的文件说,在新的基础设施下,各国只需要与中央路由器进行一次连接,而且将更容易 "向系统添加额外的数据类别"。负责监督欧盟机构如何根据GDPR使用数据的欧洲数据保护监督员(EDPS)批评了Prüm的扩展计划,这可能需要几年时间。"EDPS的Wojciech Wiewiórowski在3月初说:"对面部图像的自动搜索不仅限于严重犯罪,还可以用于预防、侦查和调查任何刑事犯罪,甚至是轻微的犯罪行为。Wiewiórowski说,应该把更多的保障措施写进提案,以确保人们的隐私权得到保护。欧盟委员会发言人说,该机构已经 "很好地注意到 "EDPS的意见,在欧洲议会和理事会讨论立法时将考虑到这些想法。在计划的制定过程中,斯洛文尼亚一直是推动扩展的一个关键国家--包括要求将人们的驾驶执照数据纳入其中。斯洛文尼亚数字权利团体Državljan D的首席执行官Domen Savič说,人们对警察数据库之间的差异和谁被纳入其中存在重大关切。Savič说:"我还没有听到足够的消息,让我相信所有这些由各个警察部队收集的数据都是以同样的方式进行消除错误的"。警方的数据库往往没有得到很好的整合。2021年7月,荷兰警方删除了218,000张被错误地纳入其面部识别数据库的照片。在英国,2021年2月,一千多名年轻黑人男子被从一个 "帮派数据库 "中删除。"你可以有一些数据库,在这些数据是如何收集的,它的来源是什么,它是如何交换的,以及谁批准了什么,都有完全不同的背景,"萨维奇说。斯洛文尼亚已经面临类似的问题。"而这可能导致误认"。对Jakubowska来说,最大的问题之一是Prüm II如何使整个欧洲的警察部队对面部识别的使用正常化。"她说:"我们真正担心的是,这个Prüm II提案会在多大程度上激励面部图像数据库的建立,以及在这些数据库中应用算法来进行面部识别。该提案说,欧盟将支付将数据库连接到Prüm II的费用,这包括创建新的国家面部图像数据库的费用。在发明60年后,面部识别仍然刚刚开始。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
AI正迅速进入到我们的日常生活,甚至不久后可能很难说出它与人类的界限。2022年的AI趋势有哪些?AI领域的最新进展对未来几年又意味着什么?本文探讨几个AI趋势,并讨论这些技术对企业及数字化转型工作所带来的影响。1.大型语言模型语言模型是语言理解的“大脑”。这些AI模型依靠机器学习来确定短语、句子或段落之间有怎样的关系。它通过摄取大量文本并建立统计模型来学习和理解语言,统计模型可以理解短语、句子或段落彼此的关联性。语言模型越来越大,同时在理解语言方面越来越完善。AI可以处理和生成更多类似人的交互,同时使用语义技术来提高结果的质量。这些大型语言模型的另一个好处是,只需要几个训练例子就可以针对新问题对模型进行微调。以前,AI解决方案需要大量人工标记的数据,这类数据创建起来困难又费钱。借助更庞大的AI模型,我们现在只需一个或几个训练例子就可以获得相同或更好的结果。这将降低AI的成本,许多业务流程有望实现自动化。2.自然语言处理自然语言处理(NLP)是指“计算机能够理解文本或语音的含义”,已彻底改变了人类与机器交互的方式。这已广泛应用于Siri、Alexa和Cortana等AI助手中。这种技术可以理解人们所说的话,对这些信息采取适当的行动,并做出相应的反应。然而,NLP不仅仅能与用户进行清晰的交流,还有助于扩展业务运营规模。3.生成式AI生成式AI是AI的一个分支,专注于生成内容,比如撰写文本、生成图像、由文本生成图像以及制作音乐。据Gartner声称,生成式AI是2022年的战略性AI技术趋势。生成式AI有多种用途,包括用于艺术创作、为新闻媒体创作内容以及个人创造力或教育。生成式语言模型是一种引人入胜的应用。它们便于生成听起来自然、语法正确,又适合特定主题或风格的文本。它们还可以生成更通用的智能、解决问题并适应不同的情况。4.强化学习这是机器学习的一个分支,数据科学家专注于制定决策和基于奖励的训练。强化学习的工作原理是,从环境中学习,并调整行为,以获得最大的奖励。这模仿我们人类的学习方式:我们并不总是得到积极的强化,经常犯错误,通过试错方法来实现目标。强化学习现广泛用于机器人、游戏、数据科学和金融交易。由于我们可以期待代理做出复杂的决策,并保持长期目标,强化学习是AI界最令人兴奋的趋势之一。5.多模型学习多模型学习是机器学习的一个分支,系统可以从图像、文本、语音、声音和视频等感官输入中学习。比如说,多模型系统可以从图像和文本中学习,让它们更好地理解想法。同样,机器可以处理来自许多不同来源(比如语音和语言处理)的数据,以生成更准确的结果。多模型学习之所以很重要,是由于它可以帮助机器学习更好地理解世界。通过使用多种形式的输入,它们可以全面了解对象和事件。这将帮助我们建立更好的AI模型,并取得更好的结果。6.消除机器学习中的偏误随着AI算法在企业界变得越来越普遍,它们受到更严格的审查。许多人担心这些系统会延续甚至加剧历史偏误问题,比如种族主义、性别歧视和偏执等。企业和数据科学家必须在AI开发过程中消除偏误,以解决这类问题。公司可以通过核查输入并在可能的情况下调整输入来减少AI的偏误。比如说,如果一个系统拿人物照片来训练,但缺少老年女性的图像,那么提供老年女性的照片后,它可能难以识别出来。结论根据我的经验,许多技术领导者仍在试图了解AI的工作原理以及如何实际运用AI。要开始整合AI,对于您希望AI系统做什么有明确的目标很重要。了解您拥有的数据以及需要AI系统做什么至关重要。要特别注意大型语言模型的发展动向,因为这些模型近年来取得了长足的进步,可能会彻底改变行业。理解和响应语言的能力是智能应用程序的关键组成部分,将开辟新的商机。随着更多的企业和研究组织实施新的工具、方法和技术以推动创新,AI的采用会继续提高。AI系统已经被用于改进企业战略、客户服务、市场研究、广告营销、预测性维护、自动驾驶汽车、视频监控和医疗保健等方面。它带来了新的可能性,比如这项技术能够理解任何数据,并使业务流程更高效。它同时面临新的挑战,比如消除机器学习中的偏误。这些趋势将以新的方式影响我们的日常生活和全球各地的企业。原文标题:Six AI Trends To Watch In 2022,作者:Øyvind Forsbak--本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
近年来,安防视频监控无论在软件还是硬件方面都迎来了重大的技术进步,各式各样的智能监控摄像头被投放到市场。不过,与任何新事物一样,人工智能视频监控也面临着一些限制其采用和发展的挑战。尽管有一些明显的优势可以将投资回报提高数倍,但一些客户仍然犹豫不决。一般来说,几乎所有市场层面都需要额外的教育和意识培育,但知识鸿沟并不是唯一的问题。本文将简单分析一下现阶段AI 视频监控行业面临的主要挑战。AI监控尚处浅层应用视频监控作为各大机构和场所的核心安防系统之一,伴随着技术的发展和应用,视频监控摄像头不仅仅能够实现基础的安全防范功能,同时也是助力商业智能的重要工具。Azena 营销副总裁 Fabio Marti 谈到,视频监控摄像头如今正成为越来越重要的物联网传感器设备,在商业智能、城市管理、工业监测等领域发挥着重要的作用,这已被公认为是智能安防行业的显著趋势。不过从普及应用的情况来看,监控摄像头依然主要被视为安全和监视工具,距离被纳入到企业的数字化运营工作中还有一段距离。”用户培育尚待成熟智能摄像头和人工智能分析的应用是市场趋势,市场正在接受这些可以处理复杂分析的强大边缘传感器的潜力。“客户需要了解这些摄像头的真正潜力以及如何从中获得价值。”Marti 补充道。“此外,系统集成商和终端用户依然缺乏较为全面的数据科学专业知识,还无法帮助推动诸如利用智能摄像机系统生成有价值数据或提高运营效率之类的举措。”根据 Hakimo 创始人兼首席执行官 Sam Joseph 的说法,最大的挑战是终端用户尚未习惯 AI 算法,因此,在某些情况下,他们对算法是否真的能在实践中发挥作用犹豫不决。“不过越来越多的终端用户开始尝试采用人工智能解决方案,且随着时间的推移,他们也对这些算法越来越充满信心,因为他们能很清楚的感受到AI算法相较于传统方式带来的能效提升。”Joseph 补充道。使用AI监控具有一定门槛人工智能视频监控摄像头和智能训练一样好。Vicentive Systems的集成产品经理Dan Berg指出,限制人工智能在视频监控中应用的一个主要挑战是配置和微调分析所需的时间和成本。“要想取得成功,集成组织需要找到合适的客户——一个在运营中理解人工智能需求并每天参与该技术的客户,”Berg表示。“成功部署人工智能分析系统需要集成商和终端用户有明确的目标和成功指标,以及耐心。”结论人工智能在视频监控中的应用将继续存在。在未来几年里,我们肯定会看到更多的技术进步,使安全摄像头更加智能。但它们的采用速度可能没有业界希望的那么快。目前,安全行业变化缓慢,需要很长时间才能接受新技术,同时,安全设备的安全性考虑也是一个同样重要的问题。为了让人工智能监控系统实现更多的市场渗透,有必要让用户端更多地了解AI监控系统的诸多应用优势,而这则有赖于解决方案提供商和集成商的积极宣扬推广。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
我们已经看到,一些平淡无奇或单调乏味的任务已经被机器人或自动化所取代,那么怎样才能阻止它们让我们所有人都失业呢?希望总是存在的:有很多工作还需完全依赖于人的素质,比如创造力或同情心。这些是计算机程序无法复制的东西——难道可以复制?接下来,让我们考察几种人工智能无法取代的工作,看看你的职业生涯是否像你想象的那样安全。1.人力资源经理我们中有多少人在简历上至少撒过一次谎才找到工作?人力资源部确实有不少岗位看起来是人工智能无法取代的。公司需要一位人力资源经理来帮助区分那些纸面上看起来不错的应聘者和那些适合这份工作的应聘者。而且,同情心和仁爱心也有助于解决员工之间的纠纷,对吗?自20世纪90年代中期以来,科学家们一直在研究帮助人工智能理解人类情感的方法。到2009年,Affectiva——一种多模态情感人工智能——能够以90%的准确率鉴别和认定人类情感。虽然目前还没有计划用人工智能系统取代人力资源经理,但这条职业道路可能不像之前认为的那样安全。2.作家作家是一个独特的群体,他们会连续几天重组26个字母来构建词汇。无论最终目标是提供信息还是娱乐,写作都需要大量的创造力,我们认为这是人类独有的。事实证明,创造力不仅仅是人类的一种特质。全世界的科学家都训练人工智能系统来创作诗歌、故事和剧本,并取得了不同程度的成功。不过,总有一线希望——至少对美国作家来说是这样。美国版权局在2022年裁定,只有人类才能创作受版权保护的作品。3.教师在全球范围内,教师是最不受重视、薪酬最低的职业之一。他们正全心全意地塑造着我们的下一代,而且他们所做的一切令人难以置信的工作值得更多的赞扬。得益于网络互联,人工智能系统可能会达到人类知识的广度,但知识和智慧之间存在着巨大的差异。因此,人工智能系统可以用于教学,但必须有老师帮助学生学习。我们现在遇到的问题是教师短缺,而这正是人工智能可能变得必不可少的原因之一。人工智能可能永远无法完全取代对熟练教师的需求,但随着越来越多的人出于各种原因离开这一领域,它们可能变得必不可少。4.运动员无论你喜欢什么样的运动,没有什么比观看一名职业运动员在比赛中处于巅峰状态更好的了。这些体育技能往往要耗费数月时间来学习以及数年时间才能掌握,而处于巅峰状态的运动员就是人类所能做到的完美范例。人工智能系统取代熟练运动员的可能性微乎其微,但这在未来可能会改变。许多运动,如足球或橄榄球,往往会使运动员受伤或面临长期健康问题。然而,一旦保持健康的需求超过了比赛的欲望,那么机器人运动员可能会取代人类。如果将来有一天工程师们能开发出可以模仿人类动作的机器人,那么这可能标志着我们所熟知的职业体育运动的终结——没人想看机器人把足球从球场的一端传到另一端!5.律师到2030年,人工智能可能为全球经济增加13万亿美元,这就是为什么这么多人担心他们的工作可能面临风险。律师们往往在社会上有不太好的名声,但他们是目前刑事司法系统的重要组成部分。从事法律这一行业需要大量的记忆,而人工智能系统可能正擅长这一点。不幸的是,对于这些人工智能系统来说,当律师可不仅仅是理解法律条文那么简单,他们更必须吃透法律的精神。人工智能并不是为了做出这种主观判断而设计的——至少目前还不是。如果有一天出现一种更人性化的能够模仿人类行为甚至能够自行感知的人工智能系统,那么届时律师们可能会发现自己真正失业了。你的职业是否人工智能无法取代?诚然,本文并没有给出一份详尽的社会职业清单。但事实是,我们很可能正在进入一个人工智能的黄金时代——几乎所有的工作最终都会被人工智能系统所取代;不过,人类目前还没有完全做到这一点。因此,不要简单地依靠你的工作描述就说你的职业不会为人工智能所取代。现在这可能是真的,但不能保证永远如此。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
当大多数人想到机器人时,他们会想象电影中的行走机器人、吸尘器或工业机器人。而陪伴机器人则是最新型的机器人,与人类主人生活在一起。这些交互式设备正在不断发展,以满足老年人日益增长的需求,而这些需求因新冠肺炎疫情而恶化,包括孤独、缺乏对在家养老的支持,以及与医疗团队的沟通不畅。在疫情大流行期间,许多老年人被隔离,并限制与他人接触,以降低感染风险。这种孤立引发了孤独、焦虑和抑郁。美国退休人员协会去年进行的一项调查发现,大约 2/3 的老年人因疫情大流行而感到更加焦虑,大约 50% 的人报告说感觉被社会抛弃,即缺乏与他人的定期接触。正如越来越多科学文献所记载的那样,社交孤立和孤独感的增加会对身体健康产生重大负面影响。多年的研究表明,孤独感与增加的医疗成本之间存在明显的相关性。这种孤独感的蔓延正越来越多地通过使用技术来提供陪伴和活动,比如通过机器人,或者使用视频会议和消息传递技术。机器人宠物被用于长期护理机构和辅助日常生活,以消除孤独感,而保险公司也开始支付此类费用。机器人提供便利、支持和联系感;机器人中的对话助理提供了以前不可能的互动;机器人可以提供正念练习、讲笑话和播放音乐,甚至可以分享锻炼视频,让被孤立的老年人在家中活动。这非常好,因为现在有越来越多的老年人独自在家生活。许多老年人不愿意搬去养老机构,尽管那里有社区和更好的护理前景,但在这些环境中与新冠病毒相关的死亡和严格的隔离措施,增加了人们对将集体生活作为养老替代方案的抵制。此外,房地产市场也起到了作用:婴儿潮一代是美国拥有房屋最多的人,他们选择留在家里而不是去养老院。除了更多地使用技术来支持在家养老和消除社会隔离之外,疫情大流行还促进了家庭医疗保健技术的显著增长。与医疗保健专业人员的视频交互比以往任何时候都更加普遍,再加上针对慢性护理的上门服务,以及针对急性护理和康复的家庭医院计划的显著增长表明,人们越来越认识到,将护理带给患者可能比将患者带到护理中心更好。家庭和社区支持机构已转向使用视频会议技术。除了通信技术之外,满足老年人获得娱乐和其他服务需求的平板电脑的使用也有所增长。此外,一些在大流行之前对技术排斥的老年人已经开始接受并适应了,而且技术本身也正变得更加用户友好,甚至对那些基本上不熟悉电脑和平板电脑的人来说也是如此。机器人可以比平板电脑或其他提供视频通话或远程患者监测的设备做得更多。它们可以充当“对话传感器”,主动与老年人互动,并通过对话收集数据。它们可以整合生命体征和活动的数据,衡量老年人身体状况和情绪,并作为早期预警系统,提醒护理人员注意疼痛或食欲不振。当临床状态发生早期变化时,机器人可以向护理团队发送消息,提醒他们应该为老年人检查身体。这些积极主动的外展活动可以避免护理延误并降低急诊和住院的风险。作为“对话传感器”的机器人还可以评估老年人的需求并提供服务。它们可以通过支持日常生活中的活动来帮助老年人安享晚年,比如服药、获得交通工具、订购食物和杂货,以及更广泛地将老年人与社区联系起来等。随着使用机器人的经验不断增加和技术的进步,机器人将在解决孤独感、充当医疗保健系统连接点,以及支持在家养老方面变得更加有效。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
不可否认的是,人工智能在2021年取得了巨大的进步。有专家指出,2022年人工智能领域的关键进步不一定来自技术本身,而更多来自技术的利用和运作方式。美国《福布斯》双周刊网站在近日报道中,列出了人工智能和机器学习将产生重大影响的五大领域:能源、医疗保健、航空航天、供应链和建筑。能源人工智能已经开始在整个能源行业的数字化转型中发挥重要作用,有望在2022年取得成果,这将优化运营,提高效率和可持续性。例如,人工智能公司正在主要能源公司的炼油厂内创建和运行决策支持软件,旨在提出及时、可解释的建议,使运营商能够实时弥补差距,最大限度地提高整个运营的效率。在讨论人工智能和其他数字解决方案对行业的影响时,麦肯锡公司表示,企业的生产效率可能会提高20%,总体维护成本可能会降低10%。医疗保健人工智能将“大显身手”的另一个行业是医疗保健。从预测疫情的发展势头到医疗资源的供应情况,再到精简患者的护理流程,前几年启动的人工智能应用计划将在2022年发挥重大作用。人工智能可以帮助医疗保健部门应对目前困扰该行业的运营低效等“顽疾”。先进的方法将对该行业产生巨大影响,为其最有价值的数据提供更全面的见解。正如Nuance 通信医疗保健公司副总裁兼总经理戴安娜·诺尔在文章中提到的,“随着医疗保健机构和研究人员为医疗保健数据的安全共享建立起强有力的标准,新的人工智能协作项目将推动更明智的医疗决策。”人工智能和机器学习解决方案使决策者更容易访问大量非结构化数据,有助于提高预测分析的准确性,简化管理操作,获得更明智的流程建议并提高患者筛查的效率,这将极大地提升整个行业的运作效率。航空航天航空航天领域的发展一直与人工智能紧密交织,如美国国家航空航天局(NASA)的“好奇”号火星车已经使用人工智能探索火星好几年了。一些专家甚至会说,太空探索是一些最先进人工智能技术的发源地。美国法院新闻服务社的特拉维斯·布贝尼克在一篇文章中指出,“NASA已经使用人工智能帮助‘好奇’号火星车导航,目前正在训练人工智能系统,希望其能在即将开展的‘火星太空生物学’任务期间指导漫游车在火星上的岩石样本中寻找外星生命存在的‘蛛丝马迹’,这是朝着让更多自主探测器探索更远区域这一最终目标迈出的重要一步”。布贝尼克进一步指出,训练人工智能系统是为了减少不必要的数据,NASA将于 2022年向火星发送漫游车时将对其进行测试,目标是在未来对木星和土星的卫星进行更遥远的行星飞行任务时使用。而且,随着时间的推移,人工智能/机器学习解决方案将更具创新性,这些技术未来将成为加深人类对宇宙理解的不可或缺的重要工具。供应链目前,全球供应链危机已经扰乱了全球经济。虽然这一危机在未来几年内不会得到彻底解决,但2022年人工智能应该可以提供一些缓解措施。供应链数据的持续数字化转换和广泛的传感器分析,以及更精简的过程自动化和验证,都需要与决策者协作的人工智能建议和机器学习技术。先进人工智能工具提供的新的可视性水平将增强人们的预测能力,从而缓解危机。咨询公司ASCM Insights的亚当·詹姆斯说:“由技术驱动的工业5.0的发展(包括更具协作性的方法,以及人类和机器人之间的伙伴关系)将对供应链功能,如规划、需求管理和执行产生重大影响。机器学习技术的不断发展也会为人类提供更深刻的洞见,促使重大的跨部门合作成为可能。”建筑强大的人工智能今年将在建筑领域马力全开,实现流程数字化,并为不同机构和组织提供更有价值的信息。利用传感器和其他功能数据的预测性维护工具会提供优化方案——从精简文档到提供更好的数据决策支持,涉及工业设备的维护和长期运行,以及出现意外情况时提供补救措施等情况。2022年,人工智能将大大提高整个施工过程的效率。MarketsAndMarkets公司称,他们预计全球建筑市场人工智能的市场总额将从2018年的4.072亿美元增长到2023年的18.31亿美元,预测年复合增长率为35.1%。人工智能的应用案例层出不穷:提高能源运营的效率并对其进行可持续优化;提高患者筛查的效率;帮助人类更好地探测火星;帮助更好地维护工业设备,甚至缓解供应链危机等。随着人工智能功能不断增强,会有更多人将相关技术融入自己所处的行业中,而2022年,人工智能在各个领域的大力应用仅仅标志着这项技术“奇幻漂流旅程”的开始。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
许多工业企业拥有大量的超过实际需要数据,但企业在人工智能方面的努力仍然低于预期。为了确保企业输入到工业人工智能系统的数据是经过充分审查的,在此提出控制大数据的建议。据有关报告称:许多重工业企业花了多年时间构建和存储大数据,但尚未释放出其全部价值。75%的工业企业已经试运行了某种形式的人工智能,但只有不到15%的公司实现了有意义的、可扩展的目标,这是因为没有足够的运营洞察力也没有对人工智能系统进行数据监督。工业AI成功的关键是可靠的历史数据,这些数据需要调整大数据的形式,通常需要更少的变量使其能够适应人工智能,通过对智能数据进行重新设计,以及引入适当的培训,企业的回报率可以提高5%至15%。为了确保数据和消费工业人工智能系统之间的匹配,建议采取以下步骤:定义流程与专家和企业工程师一起概述工艺步骤,勾勒出物理变化、化学变化,比如研磨、加热氧化、聚合。识别关键传感器和仪器,以及维护日期、限制、测量单位。丰富数据原始工艺数据总是包含缺陷。因此,重点应该是创建高质量的数据集,而不是为了争取最大数量的可观察数据不断进行测试。企业应该积极删除非稳态信息,如设备的升降,以及来自不相关的工厂配置或运营制度的数据。降低维度人工智能算法通过将输出,也就是可观察数据与一组输入匹配来构建模型,这些输入由原始传感器数据或其派生数据组成。再加上现代工厂中可用的传感器数量之多,这就需要进行大量的观察。相反,企业应该削减特征列表,只保留描述物理过程的输入,然后应用方程来创建智能组合传感器信息的特征,例如结合质量和流量来产生密度。重点研究ML确切的说,应该是创建推动工厂改进模型,而不是为了实现预测准确性而不断调整模型。企业应该记住,过程数据自然会表现出高度相关性。在某些情况下,模型性能可能看起来很出色,但分离、因果、成分和可控变量比相关性更重要。”实现和验证模型企业应该通过检查重要特征,不断与专家审查模型结果,以确保它们与物理过程相匹配。建立一个团队在重工业中部署人工智能需要由操作员、数据科学家、自动化工程师和流程专家组成跨职能团队。我们经常发现,公司在数据科学方面扮演着重要角色,但他们面临着三个主要挑战:整个公司都缺乏流程专业知识、不习惯使用现代数字或分析工具、不知道如何在数字团队中工作。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
人工智能研究人员必须在虚拟世界中开发负责任的人工智能,以保护人类和未来。人工智能应用正在塑造各个行业。元宇宙中负责任的人工智能将推动元宇宙的所有七个技术层:为空间计算提供动力,为创作者提供脚手架,并提供新的和复杂的讲故事形式。很快,专门的人工智能应用程序将变得更加有用,并改善我们的经济和生活质量。另一方面,元界将使用增强现实和虚拟现实(AR/VR)结合人工智能和区块链来创建可扩展且准确的虚拟世界。本文介绍了为什么在元宇宙中负责任的人工智能应该是优先事项。为什么需要在元宇宙中使用负责任的人工智能?在推进元节中负责任的人工智能的必要性之前,我们必须了解元节实际上是什么?元宇宙是一个虚拟现实世界,用户可以在其中像在现实世界中一样进行交互、游戏和体验事物。使用当前的虚拟现实和增强现实技术,他们可以沉浸在这个世界中,并在他们面前投射的视觉中与重叠的物体和人进行交互。Meta(前身为Facebook)以其在人工智能领域的工作和元宇宙中负责任的人工智能而闻名。该公司的人工智能研究侧重于内容分析、自我监督语音处理、机器人交互、计算机视觉、全身姿势估计等领域。当人工智能为语言和虚拟现实提供动力时,企业可能会失去客户的信任或人性化的感觉。因此,人工智能研究人员在元宇宙中开发负责任的人工智能并保护未来至关重要。元界的人工智能用例以下是元宇宙的一些最重要的人工智能用例。(1) 把所有东西放在一起从科技巨头到时尚品牌,每个人都想使用元界来提升他们的业务。专家可以使用人工智能实时扫描和处理公司虚拟世界中用户活动每秒产生的大量数据,并使其他用例成为可能。这将有助于将所有东西放在一起。(2) 创建虚拟环境使用计算机硬件、软件和虚拟现实技术,可以动态复制环境,例如带有运动训练的VR技术、模拟和智能手机技术。虚拟现实也可以在工业4.0、物联网、加密芯片、家庭系统等中实现。人工智能算法可以协助实现。(3) 制作自己的头像在元诗的世界里,你通过你的头像认识每个人。在这些环境中,不仅有一个人的真实姓名,而且有一个尽可能像我们的化身,这将是必要且有用的。人工智能也可以在这里提供帮助,模型可以分析您的照片并在您的图像和肖像中重新创建3D头像。(4) 自由互动通过使用人工智能,您将能够在虚拟世界中自由互动。人工智能可以分解英语等自然语言,将它们转换为机器可读的格式。然后执行分析,生成输出(或响应),然后将其转换回英语并发送给用户。元宇宙中围绕人工智能的挑战众所所知,元宇宙是一个全新的概念,许多人仍然不知道它的存在,人工智能的实施可能会遇到问题。这为诸如此类的问题留出了空间。拥有人工智能制作的内容——谁拥有人工智能制作的VR世界的版权,谁可以从中受益?Deepfakes和客户直截了当——你如何保证客户意识到他们正在与人工智能而不是人进行交互?您将如何防止严重的虚假和虚假陈述?公平利用人工智能和机器学习——客户能否合法地将人工智能/机器学习进步应用于元界关联?例如,他们能否利用人工智能代码主宰比赛?为人工智能模型准备提供信息的权利——我们如何才能在道德上为元宇宙准备人工智能?涉及哪些同意机制?对人工智能倾向的责任——如果高级人类或类似的人工智能计算显示出倾向,那么可以想象的行动计划是什么?总之,如果没有人工智能,开发人员将无法创建引人入胜、真实且可扩展的虚拟世界体验。这就是为什么你需要在元宇宙中负责任的人工智能。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
在菜市场,我们不用担心零钱问题,刷刷手机就能付款;在火车站,我们不用排队取票,刷刷身份证就能顺利进展;回到家,我们不怕忘带钥匙,刷刷指纹就能开门。这些便利,离不开计算机识别技术的发展。计算机识别技术,又被称为模式识别,是指通过计算机用数学技术方法来研究模式的自动处理和判读。“模式”按照分类依据的不同,可以被分成很多种类别,例如按照识别对象的不同,可以分为对环境的识别和对客体的识别。如果这个客体是人类的话,我们又可以把模式识别分为光学信息识别和声学信息识别等类别。20世纪40年代至 20世纪50年代,随着计算机及人工智能的诞生,模式识别的概念也应运而生。到了20世纪60年代,模式识别技术迅速发展,成为一门新兴的学科。早期的模式识别技术的研究重点主要集中在数学方法上,统计决策理论方法求解模式识别问题的理论极大的促进了模式识别研究的发展。而后,有科学家将模式识别的研究方向转移到了人工神经元网络领域,学者们发现计算机网所具有的存储和计算能力,将给模式识别技术带来新的革新。人工神经元网络技术也不负所望,在短短几年内就极大的推动了模式识别技术的发展,取得了很多应用上的成果。模式识别技术之所以能够飞速发展,离不开它的显著特点。与人工相比,模式识别技术的优点非常显著,速度快、准确度高,即效率高。对于飞速发展的市场而言,效率无疑与竞争力与效益直接挂钩,这对于任何一个领域而言,都是不能放弃的“关节”般的技术。随着模式识别技术的不断发展,其所应用的领域不断拓宽,与其它学科的交叉也日益增多。不过,从模式识别系统的本质上来看,模式识别的关键就是利用模糊数学的理论去解决分类识别的问题。按照识别技术所应用的领域的不同,目的的不同,所采用的识别方法也不同。不过总体而言,模式识别系统基本上可以由三个部分组成,分别是数据的采集与生成,数据分析与数据分类。模式识别的发展方向多样,目前主要有图像处理、计算机视觉、语音语言信息处理等研究方向。图像处理技术很好理解,即用计算机对图像进行处理的技术。图像处理技术在模式识别上的应用,需要让计算机从图像中抽取某些有用的度量、数据或信息,并进行分析,进而进行分类与识别。在模式识别的实际应用中,图像处理技术往往作为前置处理步骤出现,需要联合计算机视觉等技术才能完成实际应用。计算机视觉技术是指使用设备对目标进行识别、分析和处理的一项技术。计算机视觉技术的主要任务,就是模拟生物视觉,对所采集到的图像数据进行处理,并获取相应场景的三维信息。对于人类以及其他生物而言,通过视觉感知环境是一种编进基因中的本能,但这对于计算机而言却极具挑战性。计算机视觉是一门综合性的学科,包含计算机科学和工程、信号处理、物理学、应用数学、统计学、神经生理学和认知科学等学科。语言信息处理是语言学与计算机科学交叉形成的一门学科,其理论基础就是计算语言学。计算语言学可以通过建立形式化的数据模型,去分析、处理自然语言,最终达到使用机器模拟人类的部分乃至全部语言能力的目的。自然语言是人类在自身发展过程中所产生的语言,例如我们所学习的中文、英文。而计算机语言是人工语言的一种,是用于人与计算机之间传递信息的语言,例如我们所学习的C语言、python。随着全球信息产业的飞速发展,我们即将迈入数字经济时代。在数字经济时代,市场对于模式识别技术的需求也会日益增加,这也将进一步推动其产业化的发展。比如说,随着大数据时代的到来,信息的传播维度与丰富度不断增加,文字、语音、图像、视频等不同形式的信息往往会同时出现。我们从2G迈入5G的过程中,互联网的数据也从单模态转变到了多模态。这种转变带来了很多新的经济效益,例如播客、视频博主乃至直播行业的兴起,都受益与互联网信息的多模态发展。这种发展,也推动了模式识别技术从单模态识别到多模态识别的发展。模式识别技术只有适应了多模态的数据信息,才能用好这些宝贵的数据,为我们提供诸如“个性化推荐”这样的功能;也才能管好这些宝贵的数据,为我们的网上冲浪提供隐私保护与清朗的环境。在其它行业上,由于单一的模式识别技术各有优缺点,在应用上难免会出现一些问题。所以,在一些安全等级要求较高的应用场景当中,往往需要采用两种甚至两种以上的模式识别技术。而随着物联网时代的到来,这种多方法联合的模式识别技术也有望走向现实,为我们的日常生活与工作,提供更可靠的保障与更人性化的便利。模式识别技术对于大数据、人工智能、物联网、智慧交通、智慧医疗等关键信息化进程具有重要意义,而随着数字经济时代的到来与国家对于科技创新的大力投入,识别技术的市场进一步扩大,中国在识别技术上也有了长足的进步,前景可期。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
随着新冠肺炎疫情的持续,非接触式餐饮变得越来越受欢迎。送餐上门和外卖让陷入困境的餐馆有了喘息之机,而农夫冰箱等新鲜食品自动售货机已在疫情大流行初期迅速崛起。现在,机器人厨房正在非接触式餐饮领域发挥作用。机器人厨房是一个独立的封闭空间,使用机器人手臂来制作各种饭食。这样一来人与人之间的互动就少了,从而减少了潜在的感染风险。其中嵌入式传感器通过监测食材新鲜度和库存来遏制食物浪费,而自动清洁功能则可以限制食源性疾病和饮食交叉污染。机器人厨师可以配菜、烹饪和装盘全球食品技术公司 RoboEatz 开发了 ARK 03,这是一个200平方英尺的自主机器人厨房系统,可以存储、配菜和制作饭食,并将其放置在具有温度控制的小柜里,以供顾客取回。ARK 03系统专为医院、快捷餐厅和校园使用而设计,可全天候提供新鲜、可定制的饭食。ARK 03 使用机器人手臂从指定的料斗中收集食材配料,并将它们放入旋转的电磁炉中,然后将成品装盘。食谱预先编程到系统软件中,其中每个厨房可放置 80 种食材配料。通过移动应用程序,食客可以订购和定制他们的饭食,并观看烹饪过程的视频直播。ARK 03在准备饭食时会对配料进行称重,以确保质量控制,并维持成本和营养数据。ARK 03 系统使用嵌入料斗中的传感器自动跟踪库存并检测食材配料何时不足。这些传感器还会检查食材配料的新鲜度和温度,以确保食品可以安全食用。当传感器检测到配料不足时,ARK 03 系统会自动向供应商订购。此外,当配料的新鲜日期临近时,该系统还可以触发特定饭食的折扣。并且,在每次使用之间,机器人都会进行自我消毒,以防止交叉污染。在该机器人厨房系统可在装满食材配料的情况下,大约能做1000份饭食。从手臂到餐桌总部位于伦敦的食品机器人公司 Karakuri 最近推出了类似的机器人厨房概念 DK-One。这个紧凑的机器人厨房使用一个机器人手臂,用18种新鲜食材制作热饭和凉餐。与ARK 03系统一样,食客可以通过移动应用定制订单、查看订单状态并查看营养信息。嵌入式传感器监测配料的温度和数量。人工智能使用数据记录系统分析配料消耗情况,并计算未来需求,该系统记录所用配料的重量、温度和使用时间。这有助于减少食物浪费和成本。DK-One 系统目前需要人工补充配料和监控设备。DK-One占地6英尺,专为杂货店、自助餐厅和较小的空间设计。Nala Robotics公司计划于今年 4 月在伊利诺伊州内珀维尔开设一个机器人厨房。该公司计划使用人工智能控制的机器人制作十种不同的餐食。食客可以使用Nala应用程序下订单。机器人使用一个关节臂用新鲜食材制作餐食。尽管机器人厨房是自动操作的,但人类需要监控系统并重新添加食材配料。机器人厨房提供了独特的用餐体验,通过监控配料和限制浪费来促进食品安全和可持续性。它们的非接触式互动和全天候供应使它们成为抗击疫情的用餐选择。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
1. 增强现实(AR)增强现实和虚拟现实是建筑界的十字路口。虽然AR可以将计算机生成的图像叠加在用户的世界视图上,但VR可以通过模拟环境取代现实世界。如今AR正迅速成为一种新兴趋势,其优势和应用超过了VR在建筑领域的应用。想象一下通过相机镜头将现实世界可视化的力量。AR系统可以显示有关设备的关键信息,而用户可以查看组件或在附近有风险时查看显示警告。例如,用户可以通过AR镜头获得警报,该镜头可以向处于高温或带电的表面发出信号。随着建筑物变得越来越复杂,AR和VR都可以促进检测设计和协调错误。AR还可以通过下一代视觉平台呈现BIM数据,这有助于促进顾问、设计师和施工团队之间的协调。因此,AR也可用于与客户讨论项目。2. 建筑信息模型(BIM)另一个热门的建筑技术趋势是BIM,它有望为建筑过程带来更高的准确性。BIM将被证明是建筑行业的游戏规则改变者,它能够在开放和高度协作的环境中描述项目开发。该技术为建筑公司提供了多种好处。它使资源管理更易于访问,增强了协作,并帮助人们在整个项目中保持联系。新技术有助于应对挑战,包括预算超支、质量控制问题和项目延误。您可能会遇到称为5DBIM的最新版本,它可以缩短项目周期、了解项目范围并提高生产力。3. 更加预制化、模块化和生态化如今多行业预制化都在呈增长趋势,例如,建筑专业人员可以在大约17天内打印一座3D办公楼,再花两天时间现场组装。这样利用预制化可以节省不少预算。作为建筑专业人士,还可以从材料的批量折扣中受益。另一个令人高兴的趋势是异地建造——也就是模块化,它与预制非常相似。凭借其始终如一的质量和更快的施工时间,该技术可以生产出与传统建筑相媲美的建筑。新技术提供的标准化有助于降低成本和缩短交货时间。这些技术的另一个好处是它们是环保的,因为在施工时,额外的材料可以很容易地回收利用。4. 云和移动技术云操作系统已经在许多行业中使用。如今,借助利用云技术的移动设备(随时随地),可以存储大量信息并即时共享。因此为了保持竞争力,可能会发现需要使用易于访问的基于云的商务电话系统。云解决方案不仅可以促进存储大量数据,还可以使项目经理可以访问这些数据,从而使其在远程位置保持安全。并且可以通过连接的设备或数据分析平台访问此信息。因此,强大的数据处理和存储只是云计算技术的一部分优势,但后者对于公司履行合同义务至关重要。云可以帮助承包商在后台处理相同的数据集。使项目以准确的数据和数字化实时运行,消除了各种手动任务,节省了时间,提供了更大的成本灵活性,并提高了盈利能力和生产力。5. 无人机无人机技术正在迅速发展,许多建筑工地严重依赖无人机(又名无人驾驶飞行器,UAV)的使用。在建筑行业,无人机的使用可以在很多方面起到促进作用。例如测量员可以在几分钟内完成对一个站点的调查,而传统上这可能需要数周甚至数月的时间。凭借节省时间和金钱、准确和精确的优势,更多的建筑公司已经公开接受这项技术。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
AIOps(Artificial Intelligence for IT Operations),即智能运维,是将人工智能的能力与运维相结合,通过机器学习的方法来提升运维效率。在传统的自动化运维体系中,重复性运维工作的人力成本和效率问题得到了有效解决。但在复杂场景下的故障处理、变更管理、容量管理、服务资源过程中,仍需要人来掌控决策的过程,这阻碍了运维效率的进一步提升。而AI方法的引入,使得机器能够代替人来做出决策,从而让实现完全自动化真正意义上成为可能。如今的企业可以将DevOps工具整合到他们的AIOps战略中,从而实现更快的数据收集、真正的可观察性和深度数据分析。DevOps(Development和Operations的组合词)是一种重视“软件开发人员(Dev)”和“IT运维技术人员(Ops)”之间沟通合作的文化、运动或惯例。透过自动化“软件交付”和“架构变更”的流程,来使得构建、测试、发布软件能够更加地快捷、频繁和可靠。为什么AIOps如此流行?很简单。让消费者生活更轻松的技术,对企业来说可能是一场噩梦。这就是机器真正发挥作用的地方。人工智能工具可以帮助企业全天候监控他们的应用,降低风险,分析性能,甚至帮助人类团队思考客户服务机器人。AIOps使这一切成为可能,以下是我们最喜欢的2022年AIOPs趋势:这伴随着网络安全的普遍扩展。事件响应(Incident response)是人工智能的深度学习能力可以让人类从繁琐的手工任务中解脱出来的领域。无论多么优秀的网络安全团队,都不可能同时出现在任何地方。人工智能可以学会及早识别违规行为和潜在威胁,在事件扩散并造成进一步损害之前,启动一系列行动,比如关闭服务器或关闭对存储系统的访问。提高可观察性以减少平均修复时间 (MTTR)借助第一种趋势,对系统的一般可观察性可以为事件提供上下文,并使企业能够转向积极的维护方法。 AI 的无所不包的监视,即使是最复杂的系统,不是不断地到处救火,而是帮助企业减少响应和修复事件所需的时间。统一的云监控系统使这成为现实。可观察性不同于监视。使用监视,标志表明已经发生了一些事情,但没有提供下一步要做什么或如何做的步骤。另一方面,可观察性减少了系统中的盲点;人工智能可以从每次事件中学习,这使得它在检测和修复未来事件时更加高效。自动化程度的提高随着越来越多的企业开始采用远程工作、加强网络安全、追求客户全方位服务,智能算法可以自动实现所有这些工作。这种自动化可以进行模式检测,更好地预测潜在的威胁,并为事件提供情景信息,无需人工团队的人工干预。这使得IT能够处理更高层次的任务,同时将系统交给有能力的人工智能。如今,算法可以在不牺牲速度的情况下处理大量数据类型,该领域的创新将增加能够并愿意利用AIOps的企业数量。AIOps和DevOps将合并得益于5G的部署,智能互联环境的基础已经形成。企业可以将DevOps工具整合到他们的AIOps战略中,从而实现更快的数据收集、真正的可观察性和深度数据分析。甚至上面提到的自动化过程也将以人工智能开始和结束。这是好消息。过时的技术工具可能会让一家企业陷入困境,但现在所有的元素都可以让AIOps发挥作用。企业可以在不牺牲安全或治理的情况下合并和简化操作,重新专注于他们所创造的价值。未来属于AIOps人类无法跟上技术进步的步伐,但人工智能的智能应用可以让企业处理大数据、新的网络安全需求,并简化不断增长的架构。它将从混乱中创造秩序,并使新一代互联高效的操作成为可能。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
元宇宙是具有可信的资产价值和身份认证的承载虚拟活动的平台,实现了对现实世界底层逻辑的复制。其本质是承载所有虚拟活动的平台,用户可以进行社交、娱乐、创作、展示、教育、交易等活动,会对用户的生产生活方式产生潜移默化的影响和改变。元宇宙是3D在线数字世界概念,其中包含虚拟土地和物品。足不出户在家办公,远程医疗,身临其境的感受去参与演唱会等都是最基本的。目前这个概念仍在不断发展,目前的主流项目是视频游戏和社交平台,但是打破这两个界限去发展不同的项目是迟早的事情。远程办公、去中心化治理以及数字身份只是元宇宙支持的部分潜在功能。元宇宙也可以连接硬件设备或眼镜变身多维空间,我们也能去验证更多可能。元宇宙从去年开始火爆,带动了市场很长一段时间的热点。去年十月份开始,Facebook更名为Meta,那时候,彻底引爆了元宇宙板块。科技大佬们都认为未来的元宇宙内容、软件、增强现实和穿戴设备的开发,会和现在使用智能手机一样方便易上手。但是元宇宙也不能仅仅靠概念,为了让元宇宙体验更加真实顺畅,很多科技公司都在用最先进的技术打造这个虚拟世界,其中就包括:区块链、增强现实、虚拟现实、3D重建、人工智能以及物联网等技术。这些也是为元宇宙发展的必备技术,换句话说,元宇宙要走进千家万户,也要依赖这些底层技术的发展。欧易OEC作为一条新兴公链,专注GameFi、元宇宙和NFT等领域。1.区块链与加密货币区块链技术为所有权数字证明、数字化收藏品、价值转移、治理、可操作性以及互操作性提供透明公开的去中心化解决方案。用户在3D数字世界中办公或社交时,即可使用加密货币转移价值。例如,在Decentraland中,加密货币可用于购买虚拟土地。玩家使用游戏加密货币MANA,即可购买16x16米大小的非同质化代币(NFT)地块。受区块链技术加持,这些虚拟土地的所有权得以建立并拥有安全保障。加密货币有望在未来成为激励手段,让人们在元宇宙中开展实际工作。当越来越多的公司将办公环境转为线上,开展远程工作,可能还会涌现出一些和元宇宙相关的工作机会。随着区块链行业的蓬勃发展以及技术的持续进步,市场上涌现出大量包括OEC、Solana在内的高性能公链,提供了更多的选择,以及更好的开发环境。我们以OEC为例:OEC是21年8月正式开放的高性能交易链,旨在打造基于区块链技术的去中心化、无边界的价值交换生态系统,开启元宇宙新时代。2.增强现实(AR)和虚拟现实(VR)不管是AR还是VR,都能让我们获得身临其境的3D交互体验。这是我们通往虚拟世界的起点。但是AR和VR还是有些区别的。增强现实使用数字视觉元素和角色来变换现实世界,比虚拟现实的使用更普遍,几乎能在所有带有摄像头的智能手机或数码设备上使用。通过增强现实应用程序,用户能以交互式数字视觉效果查看周围环境。增强现实和虚拟现实的运作方式是元宇宙的早期雏形。虚拟现实已经打造出融合虚拟视觉内容的数字世界。随着技术愈渐成熟,虚拟现实可通过VR设备进行实体模拟,从而提升元宇宙的使用体验。用户将能够与来自全球各地的人们交互,并感受和聆听彼此。考虑到元宇宙热度不减,我们能预见到,在不久的将来,会有越来越多的元宇宙公司投资开发AR和VR设备。3.人工智能(AI)近年来,人工智能(AI)在我们的生活中获得广泛应用,涉及商业策略规划、决策制定、面部识别以及快速计算等方面。最近,专家开始探索利用人工智能打造沉浸式元宇宙的可能。人工智能能以闪电般的速度处理海量数据。结合机器学习技术,人工智能算法学习过往迭代、参考历史数据,最终输出独到洞察。在元宇宙中,人工智能可应用到不同场景的非玩家角色(NPC)。非玩家角色属于游戏环境的一部分,每款游戏中几乎都有它的身影,其主要功能是与玩家互动。凭借人工智能的处理能力,非玩家角色可在3D空间内与用户进行逼真对话或执行特定任务。人工智能的另一项潜在应用是创建元宇宙的虚拟化身。人工智能引擎通过分析2D图像或3D扫描,进而生成真实感和精确度更高的虚拟化身。人工智能还能打造丰富的面部表情、发型、服饰和特征,让创建出的数字人物变得栩栩如生,动态效果更佳。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
水电大坝的围墙限制了河流的流量,并将它们变成了死水池。随着这些水库的老化,藻类生物质和水生植物等有机物积累并最终分解和下沉。这种缺氧环境刺激了甲烷的产生。然后水库表面和涡轮机将甲烷释放到大气中。甲烷约占水电大坝排放的温室气体的80%,在大坝生命周期的前十年达到峰值。甲烷因在大气中徘徊12 年而臭名昭著,其效力至少是二氧化碳的25 倍。研究人员估计世界上至少 10% 水电大坝每单位能源排放的温室气体与燃煤发电厂一样多。在亚马逊流域,现有的几座大坝的碳排放量是燃煤发电厂 的十倍。尽管如此,巴西亚马逊和喜马拉雅山仍积极推动建设新的水电大坝。一个国际研究团队在 2019 年Nature Communications研究中写道:“鉴于新水电大坝建设的预期热潮,确定未来的大坝是否会产生低碳能源至关重要。 ”使用人工智能规划更可持续的大坝为了确定新水电大坝的环保地点,2019 年团队利用了来自使用人工智能 (AI) 的复杂计算模型的数据。他们观察到巴西(一个以低地为主的国家)的低地水坝往往拥有较大的水库区,从而产生更高的碳强度。与玻利维亚、厄瓜多尔和秘鲁的山区相比,巴西亚马逊地区的碳密集型大坝数量最多。他们发现,更高的海拔和陡峭的地形使得水力发电的碳强度更低。该团队已经提出了新的项目,目前至少有 351 站点分布在亚马逊河上,那里已经有 158 个水电大坝。为了找到最小化这些项目对环境影响的解决方案,研究人员正在继续利用人工智能利用这些数据训练模型。基于这些他们发现,不协调的水电扩张会导致生态系统效益的丧失。此外,其他地点的有效大坝布置可以产生四倍的电力。“人工智能正被华尔街、社交媒体用于各个领域——为什么不使用人工智能来解决可持续发展等严重问题呢?”专家们对此提出了设想。研究人员认为,在为新项目选择地点时,必须考虑整个亚马逊流域的各种环境标准,如河流流量和连通性、温室气体排放、鱼类多样性和沉积物运输。虽然基于这些科学证据实施政策对于建设可持续水电大坝至关重要,研究人员同时也在寻找通过甲烷提取减少现有项目温室气体排放的方法。提取和使用储层甲烷提取湖泊和大坝水库中积累的甲烷用于能源生产的想法并不新鲜。在东非,充满盐水的基伍湖拥有 60 立方公里的甲烷和另外 300 立方公里的水溶解二氧化碳。在卢旺达的 KivuWatt 发电厂,使用气体分离器从湖的深水中提取甲烷,用于发电。受到这种可能性的启发,波兰科学院的地球物理学家 Maciej Bartosiewicz 和他的同事建议使用称为沸石的固体矿物吸收剂从储存层沉积物中分离甲烷。在发表在《环境科学与技术》杂志上的一项研究中,他们设计了一种模型机制来研究沸石和可放置在水库底部的活性炭。到目前为止,科学家们一直无法从湖泊和水库等淡水体中提取甲烷,因为这种气体的浓度要低得多。以前使得小量的甲烷提取成本高得多。但 Bartosiewicz 表示,沸石价格便宜且可广泛使用,为此提供一种可行的解决方案。“该系统包含一个气化组件,它是一个盒子里的膜。然后沸石可以在去除二氧化碳后捕获甲烷,”Bartosiewicz 说。安装泵送系统可以进一步促进提取。尽管如此,从水库沉积物中提取甲烷并非没有什么生态环境问题。该过程可能会影响处理沉积物中甲烷的细菌的生长,从而严重破坏生态系统的生物组成,最终影响食物网的生产力。在底部甲烷含量高的水库和湖泊中,这些细菌是微型海洋动物的重要食物和能量来源。尽管如此,Bartosiewicz 认为,水体系统具有非凡的自我调节能力。“我们需要开发下一代可再生能源生产解决方案。这是一种可能性,”他说。“并非所有水电水库都可以提取甲烷。如果我们能从这种甲烷中生产出 5% 的能源,它就会增加可再生能源的配额。”目前人工智能在越来越多的领域发挥的重要性越来越大,专家们努力讨论,让AI发挥更大的作用。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
多年来,我们一直听说和读到“明年”将如何成为人工智能的突破之年。 在某种程度上,这始终是正确的——每年都标志着人工智能优化传统业务运营和更好地简化工作的能力有了一个新的提升。这些年复一年的改进还进一步完善了人工智能,以提供更适合用途的应用,从而在特定用例中推动新的价值。工业人工智能是这一现象的最新迭代,将人工智能的处理应用于快速经历深刻数字化转型的制造业世界的专业应用 。正如2020年和2021年标志着人工智能的新演变,2022年有望见证工业人工智能在制造业如何利用人工智能应用解决当今问题、为其组织和工作方式创造新的增值层方面出现重大新转折。在经历了两年的大流行和经济不确定性之后,我们可以预计工业人工智能将以以下四种方式重塑2022年的制造业格局。1. 代际劳动力变化将加速知识自动化所有行业的劳动力都在经历重大的结构性转变。在工业部门尤其如此。老员工正达到退休年龄,“大辞职”正影响着许多行业的员工,仅仅用刚从学校毕业的新员工来填补劳动力缺口并不能达到目的——通常,这些刚毕业的学生在学校里学到的技术和概念,与工厂实际操作的许多组织的工作流程和系统并不匹配。所有这些都将推动知识自动化技术和流程在2022年的重大加速发展。自动化的知识共享和智能丰富的应用程序,通过保存历史的领域知识,使其在团队之间广泛访问,消除了离职员工和全新员工之间出现的技能差距。这有双重好处,它还可以作为招聘工具;知识自动化越能让工作变得简单,越能给员工提供成功所需的工具,这份工作对潜在员工的吸引力就越大。2.工业数据科学家的出现促进了工业AI战略的发展工业劳动力的世代更替将激发另一个趋势:工业数据科学家的广泛出现,成为采用和管理新技术(如工业人工智能)的核心人物,同样重要的是,部署和最大化这些技术的全部潜力的战略。新的研究表明,虽然 84% 的关键行业决策者接受了工业人工智能战略以推动竞争优势的必要性——98% 的人承认如果没有战略可能会给他们的业务带来挑战——只有 35% 的人实际部署了这样的到目前为止的策略。一方面是传统数据科学,另一方面是独特的领域专业知识,工业数据科学家将在推动工业人工智能战略的创建和部署方面发挥关键作用。3.人工智能投资从通用模型转向更精准的工业人工智能2022年将见证人工智能走向成熟,进入工业人工智能的全面发展,逐步发展到具有具体时间价值的现实世界产品部署。为了实现这一目标,我们将看到更多的工业组织有意识地从投资通用人工智能模型转向更适合目的、更精确的工业人工智能应用,以帮助他们实现盈利能力和可持续性目标。这意味着,人工智能模型要从不能覆盖所有潜在业务的大量工厂数据训练的人工智能模型,转向更具体的工业人工智能模型,利用领域专业知识,通过深度分析和机器学习进行解释和预测。工业数据将在整个资产生命周期中转换为真实的业务结果。这种转变将带来双重好处,即促进围绕工业人工智能建立的新的同类最佳联盟。以前,合作伙伴关系非常以技术为中心,由服务或大型供应商驱动。工业人工智能的更专业化将需要更多的解决方案提供商,将他们独立和定制的专业知识汇集在一起。这不仅有助于将合作伙伴关系从更通用的人工智能项目中发展出来,而且还将更加关注实现价值的合作伙伴关系,而不是自己动手的方法,从而比以往任何时候都更有助于降低人工智能采用的障碍.4. 高管所有权和文化变革将加速工业人工智能部署随着工业组织扩大其在企业范围内的工业人工智能战略和应用的部署,高管所有权和对文化变革的投资对于获得数字化转型的好处至关重要。像首席数字官(CDO)这样的数字高管对于克服这些障碍至关重要。 CDO 将通过其组织在引领数字化转型和工业 AI 方面发挥独特的作用——弥合遗留系统和新技术之间的差距,促进跨孤岛的协作,以及从海量数据收集转向战略性工业数据管理。所有这些职责对于确保工业组织能够执行数字化转型计划至关重要,该计划可以更广泛地采用适合用途的工业 AI 应用程序并围绕其制定战略。随着工业企业开始从规划 2022 年路线图过渡到实际执行该愿景,使工业人工智能成为该战略的关键部分至关重要。劳动力的代际趋势、人工智能项目的作用越来越大,以及围绕数字化转型的文化变革只会继续快速发展。假装否则只会让你陷入困境。在新的一年保持竞争力意味着通过知识自动化、工业数据科学家和适合用途的工业人工智能应用程序来拥抱和利用这些变化。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
人工智能语音初创公司Sonantic表示,他们在音频深度模仿方面取得了一项小小的突破,创造出了一种可以表达挑逗和调情等微妙情感的合成声音。该公司表示,其进步的关键是将非语言声音融入到音频中:训练人工智能模型重现那些微小的呼吸气息,诸如微小的嘲笑和半隐藏的笑,使得人工智能的声音打上真实的生物印记。Sonantic的研究目标是看看人工智能是否可以模拟微妙的情绪,诸如愤怒、恐惧、高兴、悲伤和富于感情等。Sonantic的首席执行官齐娜·库雷希(Zeena Qureshi)将该公司的软件描述为“声音的Photoshop”。它的界面可以让用户输入他们想要合成的语音,指定讲话的语气,然后从一组人工智能声音中选择,这些声音大部分都是模仿真人演员的。这绝不是一种独一无二的产品(其竞争对手,如Descript也销售类似产品),但Sonantic表示,其定制化程度比竞争对手更深入。情感选择包括愤怒、恐惧、悲伤、幸福和喜悦。如今最新选项还包括调情、忸怩、戏弄和自夸。“导演模式”允许进行更多的调整:声音的音调可以调整,声音的强度可以上下调节,还有那些非语言的声音,比如笑声和呼吸。这是Sonantic的主要特色:指导、控制、编辑和塑造表演的能力。目前客户大多是游戏工作室和娱乐工作室,但公司正在向其他行业拓展。早些时候,刚刚与奔驰达成了合作(定制其车内数字助手)。然而,就像此类技术的常见情况一样,Sonantic成就的真正基准是其机器学习模型的音频,而不是那些经过润色的、为公关准备好的演示版本。人工优化是为了最大限度地发挥AI声音的作用。许多人工智能的努力都是如此,比如自动驾驶汽车,它们已经成功实现了非常基本的驾驶自动化,但仍在努力实现最后也是最重要的那5%的人类能力。这意味着要实现完全自动化、完全可信的人工智能语音合成还有很长的路要走。不过除了技术本身的问题,Sonantic的研究还引发了其他问题——比如,部署调情AI的道德标准是什么?以这种方式操纵听众公平吗?为什么Sonantic要把调情的形象塑造成女性呢?(在男性占主导地位的科技行业,这种选择算不算一种微妙的性别歧视。)Sonantic表示,他们选择女性声音只是受到了斯派克·琼斯(Spike Jonze) 2013年的电影《她》(Her)的启发。在这部电影中,主人公爱上了一名名为萨曼莎(Samantha)的女性人工智能助理。另一方面,Sonantic表示已经认识到伴随新技术发展而来的道德困境,并且在如何以及在何处使用人工智能声音方面非常谨慎。首席执行官库雷希表示:“这是我们坚持从事娱乐业务的最大原因之一。它被用于最好的娱乐产品和模拟。“将人工智能语音合成与其他娱乐产品进行比较是合理的。毕竟,我们可以分辨电影和电视剧的真假(因为它们都是假的)。但还有一点需要说明的是,人工智能将允许大规模部署此类操纵,而较少关注其在个别案例中的影响。例如,在世界各地(包括国内),人们已经开始与人工智能聊天机器人建立关系,甚至坠入爱河。给这些机器人添加人工智能生成的声音肯定会让它们变得更强大,这引发了人们对这些和其他系统应该如何设计的疑问。如果人工智能的声音可以令人信服地调情,它们会说服你做什么?本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
据说英国一家公司已经发明了能识别人说话真假的系统,而荷兰一家公司则发明了人类表情识别app,看到这些新闻还真是令我感慨,因为多年前看美剧Lie to Me时,就设想过可以发明一种识别人表情的小程序,卖给HR招聘用 。但当时困于摄像头的像素和手机运算能力,打个比方,就如同当年用286一样,一些应用死机卡顿闪退是常态,此事就不了了之。其实微表情读心术由来已久,但因为人类自身的主观因素和专注度不够,所以往往误读比较多。记得相亲节目非诚就曾经引用过,但效果变笑果,后来也就从节目消失了。而基于现在的高清技术叠加现代人工智能,表情识别将会变得轻而易举,而且具有更高的精确度。一直以来的研究表明,理论上面部表情识别并没那么复杂,因为控制面部表情的也就那么42块肌肉,这些肌肉控制着表情,表达六种基本情绪:愤怒、恐惧、惊讶、厌恶、快乐和悲伤。42块控制表情的肌肉而Glasgow大学的一项最新研究发现人类仅有四种基本情绪。愤怒(厌恶)、恐惧(惊讶)、快乐和悲伤。他们发现恐惧和惊讶拥有共同的表情特征:瞪圆眼睛——这意味着它们只是同一基本情绪的不同成分,而不是两种基本情绪。同样,愤怒和厌恶都以皱鼻子的动作为开始。所以,愤怒和厌恶可能仅仅是一种基本情绪的不同成分而已。愤怒和厌恶的区分仅仅在面部表情得到进一步发展以后才变得明显,即使这种发展通常只需一瞬间就能完成。研究者们认为,从进化论角度讲,面部表情和基本情绪的关联具有进化基础。首先,最先表现出危险信号(皱鼻子)为物种发展提供了最大的益处,因为这能够让同伴尽快逃跑。第二,这些动作对表情者的生理意义——皱鼻子可以避免激怒潜在的敌人,而睁大眼睛就能吸收更多的视觉信息,这对逃跑是有帮助的——也会因为尽可能快地做出它们而增加。”这一理论认为,人类有四种基本的生理性情绪:喜、怒、哀、惧并以此为基础,在几千年的进化过程中衍生出了复杂得多的各种情绪。这并不代表我们的情绪系统比之前认为的要简单,而仅仅是构成它的基础由六种变成了四种而已。也正是基础情绪在进化历程中的不断发展形成了复杂多样的人类情绪:表情过程中,面部肌肉的动作并不是一次性完成,而是有先后顺序的。这说明情绪是一个以生理过程为基础,逐步专门化和社会化演变的多层次系统。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
事实表明,边缘人工智能和云计算人工智能成为企业目前使用的一些最重要的技术。在过去的几年中,全球互联网经历了巨大的变革以满足不断增长的用户需求。就在十年前,很多企业必须运营和维护内部部署数据中心基础设施,并投入大量资金以保持业务运营顺利进行。随着云计算技术的出现,这些都发生了变化。在现代商业领域,云服务使业务部门的操作变得更加简单和高效。各种规模的企业都在不断地将他们的应用程序迁移到云端,他们逐渐意识到云计算技术的重要性。此外,行业专家认为,人工智能集成计算技术将超越IT行业。边缘人工智能和云计算人工智能的出现深刻影响了企业处理敏感数据和应用程序的当前状态。在新冠疫情爆发之后,工作环境的整个生态系统都被打乱了,因为大量员工被迫在家远程工作。这种现象鼓励更多地采用颠覆性技术来应对现有的工作条件并顺利运营业务。这种不断变化的工作模式极具挑战性,但深度学习和人工智能等技术的发展已经让制造业、医疗保健、IT等行业受益。边缘计算人工智能的日益普及边缘计算人工智能解决了在硬件上本地处理和实施机器学习算法的问题。这种形式的本地计算可以最大限度地减少或消除数据传输或共享的网络延迟,并解决安全方面的挑战,因为一切都发生在设备上。但是这种本地处理并不意味着机器学习算法的训练必须在本地进行。在通常情况下,训练在具有增强计算能力以处理更大数据集的平台中进行。该系统融合了人工智能加速功能以及用于实时数据处理应用程序的部署模型。近年来,由于对GPU、NPU、TPU和其他人工智能加速器的需求增加,边缘人工智能技术发生了巨大变化。此外,机器学习和人工智能使用的增加将导致边缘人工智能应用程序和平台的应用增加,用于在本地处理各种任务。云计算人工智能的好处尽管一些专家认为将人工智能集成到云端和边缘是企业战略的补充部分,但每个人都会这么认为,在云中部署人工智能不仅可以保障商业运营,而且还改变了企业制定的财务战略。人工智能在云计算基础设施运行可以同时支持许多项目和工作负载。共享基础设施专注于将人工智能硬件与开源软件结合在一起,通过混合云服务提供人工智能功能。利用人工智能和云计算的力量将使企业能够进行敏捷开发。在当今瞬息万变的技术世界中,企业正努力保持优势地位以保持与客户的相关性。此外,部署云计算人工智能可能是企业加快开发周期以更有效地交付解决方案,同时最大程度地减少错误的一种绝佳方式。取得平衡:实施混合云基础设施云计算人工智能通过在云端远程提供计算能力来支持硬件处理。由于这种处理是远程进行的,因此系统在性能和处理方面更加强大。此外,人工智能云计算增加了架构和设计的选择。边缘人工智能与云计算人工智能有很大不同,提供了其他一些设施,当与云计算和人工智能结合使用时,这些设施非常有价值。对于许多企业来说,云计算和边缘计算的融合是必要的。混合云架构允许企业利用内部部署系统的安全性和可管理性,同时利用服务提供商的公有云资源。但是对于不同的企业来说,部署这项技术可能意味着不同的事情。这可能意味着在云端进行训练并在边缘进行部署、在数据中心进行训练以及在边缘使用云计算管理工具。当企业在同一平台上将云计算和边缘计算结合在一起时,他们将拥有更多的机会。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
2月4日晚上,万众瞩目的北京2022年冬奥会开幕式在鸟巢举行,深圳作为唯一的南方海滨城市举办庆祝活动,并通过连线的方式,与开幕式热场演出进行互动,共赴冰雪之约。“深圳礼物”优必选悟空机器人等深圳科技元素亮相,以“冬奥+时尚+科技”的创新方式祝福冬奥,向世界传递AI。科技迎冬奥,机器人来助威北京冬奥开幕式总导演张艺谋表示,北京冬奥开幕式是雪花和冰的故事,借助现代艺术与科技,集中表现中国的现代和未来。作为一座年轻的科技创新之城,为了这次冬奥开幕式,深圳采用了机器人、无人机、激光等元素,以硬核科技赴冰雪之约。2022架无人机组成冬奥会和冬季残奥会两大吉祥物——冰墩墩和雪容融的形象,在深圳夜空闪耀。值得一提的是,依托于“深圳礼物”优必选悟空机器人,深圳还专门打造了冬奥运动智能机器人。悟空机器人身穿56个民族的传统服饰56台悟空机器人身穿56个民族的传统服饰,凭借超强的生命感与表现力带来了精彩的集体舞蹈表演,他们还挥舞冬奥旗帜,为奥运健儿喝彩。悟空机器人化身滑雪、滑冰运动员在布置着鲜花、浪花和冰花的舞台上,9台悟空机器人化身滑雪、滑冰运动员,生动还原了运动员在冰雪运动中的飒爽英姿。悟空的滑雪板也是为这次节目特别定制,由优必选科技设计师团队结合深圳地标和科技元素,联动创作的手绘滑雪板。滑雪板上有市民中心、平安大厦、人才公园等深圳地标的图案,还有代表深圳精神的拓荒牛。此外,设计师们还绘制了灵动的具有科技感的线条图案和太空图案等。悟空机器人踩着定制的滑雪板在表演中,悟空机器人要呈现单板滑雪和双板滑雪两项运动经典的空中技巧,在兼顾动作的同时,机器人还需要模拟运动员比赛时的表情并保持稳定性,做到动作整齐划一。这次表演是第一次将机器人和冰雪运动结合起来,精彩展现冰雪运动独特魅力,助力冰雪运动走进千家万户,为更多人带来健康与欢乐,为美好生活增添时代光彩。人机共融,为后冬奥会时代增添畅想作为新冠疫情发生以来首次如期举办的全球综合性体育盛会,北京冬奥会不仅是全球优秀运动员的竞技盛会,也是展示科技创新成果的舞台。从智慧场馆建设、服务保障到赛事传播,人工智能、机器人、5G、云、8K等技术的应用无处不在,防疫机器人、引导机器人、递送机器人、物流机器人、炒菜机器人、送餐机器人等各类服务机器人纷纷上岗,提供无接触的智能服务,助力冬奥会顺利举行。包括优必选科技在内的众多科技企业,以科技赋能冬奥,不仅让大家体验到科技创新的力量,共享“科技冬奥”的成果,也为冰雪经济的发展注入了科技创新的动力和活力,推动冰雪运动的持续发展。在“人机共融”的趋势下,未来,机器人也将成为冰雪运动的重要参与主体,不仅能为人类创造舒适安全的冰雪体验环境,形成全年常态化的冰雪活动,助力冰雪运动从竞技体育到群众体育,还将为世界冰雪运动的创新性发展、竞技水平提升和模式的拓展提供无限可能。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
随着企业将更多机器学习和人工智能模型投入生产,人们越来越意识到自己的系统存在偏见。这种偏见不仅可能导致AI系统做出更糟糕的决定,还可能使运行AI系统的组织陷入法律危机。偏见可以渗透到应用于各种行业的AI系统中。哈佛大学和埃森哲公司在去年发布的一份报告中展示了算法偏见如何潜入人力资源部门的招聘流程。在2021年的联合报告《隐藏的员工:未开发的人才》中,不当的职位描述和严重依赖算法进行招聘广告发布和简历评估的自动化招聘系统,是怎样阻止合格的个人找到工作。偏见导致了两个最坏情况。尽管企业在技术上花费了大量金钱,系统仍固守着以往错误的做法,而且效率更高,结果更差。警务是另一个容易因算法偏见而产生意外后果的领域。某些警务预测产品被证明对特定社区的犯罪预测和种族之间存在显著的相关性,这种流行的预测性警务产品可能对少数族裔存在偏见。研究发现在美国,居住在一个地区的白人居民越少,而居住在那里的黑人和拉丁裔居民越多,该产品预测发生犯罪的可能性就越大。同样的差距也存在于富裕和贫困社区之间。DataRobot在一项针对美国和英国各行业350家机构的调查中,超过一半的机构表示,他们非常担心人工智能偏见可能会伤害他们的客户和自己。该调查显示,54%的美国受访者表示,对其组织中人工智能偏见的潜在危害感到“非常担忧”或“深感担忧”。而在2019年进行的一项类似研究中持相同观点的人占42%。调查显示,他们的英国同事对人工智能的偏见怀疑态度更深,64%的人表示他们也有这种看法。而调查中超过三分之一(36%)的受访者说,他们的组织已经因AI偏见受到影响,收入损失和失去客户是最常见的后果。消费者信任的丧失被认为是人工智能偏见的第一大潜在风险,56%的受访者提到了这一风险因素,其次是品牌声誉受损、监管审查增加、员工信任的丧失、与个人道德不符、诉讼和股票价值的下降。虽然有四分之三的受访机构称计划对AI偏见进行检测,约四分之一的组织说他们“非常有信心”有能力来检测AI偏见。受访者列举了消除偏见的几个具体挑战,包括:难以理解人工智能模型为什么会做出决定;理解输入值和模型决策之间的模式;对算法缺乏信任;训练数据的清晰性;保持AI模型的动态更新;教育利益相关者识别人工智能偏见;以及也不清楚什么是偏见。那么,如何解决人工智能中的偏见问题呢?首先,81%的受访者表示,他们认为“政府监管将有助于定义和防止人工智能偏见。”该调查称,在没有政府监管的情况下,约三分之一的人担心人工智能“会伤害用户”。但同时45%的受访者表示,他们担心政府监管会增加成本,使采用人工智能变得更加困难。只有约23%的人表示,他们不担心政府对人工智能的监管。总而言之,在人工智能的偏见问题上,似乎正处于十字路口。随着采用人工智能日益被视为现代企业的必备条件,采用这项技术的压力相当大。企业越来越担心人工智能带来的意外后果,尤其是在道德方面。人工智能领域的从业者需要了解并理解人工智能和道德的重要性和影响。消除偏见的核心挑战是理解为什么算法会首先做出这样的决定。在应对人工智能偏见和随之而来的复杂问题时,需要规则和条例来指导。如今,国际组织和产业巨头已经开始研究人工智能原则和法规,但要确保模型公平、可信和可解释,还有更多工作要做。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
建筑施工行业市场竞争日益激烈,建筑企业面临巨大的生存和发展压力,想要更好地发挥竞争优势,企业就必须及时掌握行业发展趋势,以便确定下一步经营发展的方向。如今,建筑行业发展进程不断加快,短短几年已经发生了诸多变化,一味地墨守成规容易“落后挨打“,因此必须紧跟行业以及整个市场经济的步伐,才能实现”可持续发展"。01 数字化趋势建筑行业因发展模式粗放、生产效能低、工业化程度低、建筑人员综合素质差等因素,长期被贴上了“落后产业”的标签。但近年来,随着互联网、5G等相关技术的发展与成熟,在以数字技术为代表的现代科技的引领下,建筑企业开始逐渐摆脱粗放,基础、传统等标签。工业4.0和物联网(IoT)数字技术大大提高了建筑行业的生产力、效率和安全性,越来越多的建筑企业使用协作技术来连接站点和办公室团队,从质量审计到智能建筑软件,流程正朝着数字化工地发展。未来,数字化将成为建筑行业的趋势之一。02 人工智能趋势人工智能技术给各领域、各行业带来了颠覆性的影响,相对于金融、互联网、医疗等行业来说,传统建筑业的接入此技术较晚。也正因如此,人工智能在建筑业拥有巨大的发展空间,将成为建筑业接下来的重要趋势之一。建筑企业可以巧妙的将人工智能与其他工作技术相结合,比如建筑信息管理、传感器、可穿戴设备和其他监控工具,便于实时做出更明智的决策,通过改进预测和施工管理降低施工成本。人工智能还能通过分析工作现场的照片并识别工人行为的危险情况或高风险趋势,发出预警以此提高安全性。03 项目管理软件的运用越来越广泛近年来,数字化管理软件已经渗入到各行各业,为许多行业带来了数字化便利。目前建筑工程行业也已经有不少企业使用了智能项目管理软件,完成了从粗放式管理到精细化管理的转变。在过去的几年中,工程项目管理软件也在不断地改进和迭代,无论是功能种类、实用性还是灵活性都越来越高,能够满足不同细分行业、不同企业的业务需求,同时助力建筑工程企业完成数字化转型。04 绿色环保的发展趋势绿色低碳建筑获政策鼓励,未来发展潜力大。“十四五”规划提出大力发展绿色建筑,减碳排放工程有望迎来高增长。无论是政策导向还是行业趋势,都促使建筑工程行业越来越关注可持续性发展,逐步向绿色低碳方向转变。虽然目前的建筑材料,比如混凝土,钢筋,水泥等传统材料很难在短期内找到更节能环保的替代品,但是这种缺失不会变,人们将更重视节能环保的建筑,可持续的发展。例如为墙壁提供新鲜氧气的活动墙,近几年在北上广兴起的可以种植植物的建筑住宅等。05 新型建筑材料近年来,各类型的新颖建筑材料正在兴起,新型材料基本都自带轻质、保温、高强度、节能、节土、装饰等优良特性,不仅大大改善房屋功能,还可使建筑物内外更具现代气息,满足人们的审美要求。建筑材料是建筑业经营发展的物质基础,材料成本在施工总成本就中占了三分之二。新型建筑材料成为降低建筑成本的新方法,也是建筑业未来发展势不可挡的一种趋势。06 灵活用工趋势建筑行业是一个劳动密集型产业,而建筑工人是支撑建筑行业的核心。但随着工人老龄化日益严重,年轻人愿意从事建筑施工工作的人越来越少,建筑行业的从业者已经越来越少了。没有什么比在项目中没有足够的工人更能减慢建设速度的了。年龄上的断层现象,为建筑企业带来了用工荒的问题,对建筑业持续、健康、稳定的发展,已构成威胁。07 3D打印技术3D 打印可用于建造基本或应急住房。它可能在建造施工现场所需的更换零件和组件时最有用,例如更换施工设备上的损坏零件。3D 打印还可用于构建极其详细的建筑模型,并在修改设计元素时根据需要对其进行更新,以后将越来越多的被运用到建筑工程行业中去。本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接免费体验百种AI能力以及试用热门离线SDK:【点此跳转】
2022年05月
2022年04月
2022年03月
2022年02月
2022年01月