假設我們已經有了功能足夠強大的計算機,那么模擬數十億互動的神經元就不再是棘手 的事了。從已經展開的工作來看,我們知道在網絡里組裝數十億個神經元并不能產生智能的 人類級大腦,而把數十億個傳感器放在一起至多產生一個功能不錯的處理器(CPU)。 秀麗隱桿線蟲這樣的神經連接體是一個靜止的環路,實際上缺乏所有的環路運行信息。這是 因為,當我們查看神經網絡的時候,有些參數隱藏在我們無法進入的神經元內。換句話說, 你可能查看了現有計算機的藍圖之后就建造了一臺計算機,但你可能依然會對編寫微軟Word 程序一頭霧水。人工智能新技術帶來哪些的新機會。蘇州智能機器人人工智能零基礎培訓場景工匠經濟的工作可能會變得非常...
至少當時的設想是這樣的。在Deep Dream項目中,谷歌工程師們實際上利用了生成圖 片的神經網絡的一個有趣的怪癖。無人協助時,神經網絡就會變得困惑:它從谷歌的100多 億張圖片中發現了不尋常的關系,因而很難計算出物體的邊界。因此,谷歌給柏拉圖式物體(完美的椅子的本質)帶上了一些不同尋常的附件,如從Deep Dream的理想化啞鈴上垂下 一條修長豐滿的胳膊,看上去就像粉紅色的長橡膠管。正如谷歌軟件工程師亞歷山大·蒙德維 特塞夫(Alexander Mordvintsev)和邁克·泰卡(Mike Tyka)在博客里寫的那樣:“雖然圖片 上有啞鈴,但是似乎沒有肌肉發達的舉重運動員把它們舉起來的話,...
隨著人工智能變得更加智能,關注創造力和社交智能等人類特性將變得更加重要。盡管 人工智能越來越擅長以人類的方式進行交流,并且在特定應用程序中也展現了驚人的創造力 ,但這些仍是人類特有的技能。卡茨所說的工匠經濟不只是指編織業。工匠經濟指的是那些非機器驅動、非同 質、依靠人類創造力和互動的產品的回歸。舉例來說,3D(三維)打印等技術的興起使那些 出售和配合標準化產品的木匠們難以為繼。然而,如果木匠能夠對客戶進行評估,了解客戶 需要的到底是柜子還是桌子,然后調整自己的工作以適應客戶的需要,那么效果會更好。同 樣,只像兒童保姆這樣的看護工將被機器人取代,但是擁有絕妙的想法以讓客戶積極參與 的癡呆癥看護工...
隨著人工智能變得更加智能,關注創造力和社交智能等人類特性將變得更加重要。盡管 人工智能越來越擅長以人類的方式進行交流,并且在特定應用程序中也展現了驚人的創造力 ,但這些仍是人類特有的技能。卡茨所說的工匠經濟不只是指編織業。工匠經濟指的是那些非機器驅動、非同 質、依靠人類創造力和互動的產品的回歸。舉例來說,3D(三維)打印等技術的興起使那些 出售和配合標準化產品的木匠們難以為繼。然而,如果木匠能夠對客戶進行評估,了解客戶 需要的到底是柜子還是桌子,然后調整自己的工作以適應客戶的需要,那么效果會更好。同 樣,只像兒童保姆這樣的看護工將被機器人取代,但是擁有絕妙的想法以讓客戶積極參與 的癡呆癥看護工...
1996年杰森·洛恩(Jason Lohn)加入美國國家航空航天局時31歲。他是個訓練有素的電 子工程師,之前一直在谷歌工作,洛恩的任務是設計宇宙飛船執行任務時使用的天線。“天 線在宇宙中非常重要,”洛恩說,“如果沒有良好的天線系統,你發射的飛船可能就只是一個 造價昂貴的金屬球,因為我們沒有辦法與之交流。”天線優化的問題在于如何建立一個帶寬 盡可能高的比較好通訊頻道,與此同時,它的體積還要充分地小。早期天線一次只能發送少量 字節的信號(兩位數)。忽然某天,夢想變成了收到來自太空的全動態視頻流。洛恩非常 清楚這個問題的復雜性,然后他想到了解決問題的辦法:為什么不把設計流程交給人工智 能?人工智能...
只有生成新穎性還遠遠不夠。雖然我的電影簡述生成項目可能效率很高,但它可能只是把多數編劇所面臨的難題顛倒了過來。與沒有足夠的創意可選不同,突然之間,我們變 得有太多的創意可以選擇。這仍然是個數據問題,只是反過來了而已。使人們具有創造力的 是識別按照正確原則處理某一創意的能力。1997年史蒂夫·喬布斯重回蘋果之后不久,他將創 新描述成否定1 000個可能創意的能力。“你必須精心選擇。”他說,“實際上,我因我們沒做 那些事而感到驕傲,就如同因我們所做的事感到驕傲一樣。”喬布斯領導蘋果創造了 iTunes、iPod、iPhone和iPad,但在此之前,他否決了幾十個他離職期間蘋果公司一直研發的 產品。...
擁有創造力很可能是一個人類仍然會對 機器保持優勢的特質。就像風險資本家、軟件工程師馬克·安德森(Marc Andreessen)所認 為的那樣,在人工智能不斷“蠶食世界”的過程中,那些需要人類創造力的工作很可能禁得起 自動化浪潮的沖擊。 然而,這不是說人工智能沒有創造力。2015年6月,谷歌公布了Deep Dream項目。這家 更關注工程而非美學的公司設立的這一研究項目十分迷人。Deep Dream是一個由人工智能 驅動的圖片生成程序,工作時它會利用谷歌耗時15年建立索引的圖片庫。幾乎可以肯定地 說,谷歌擁有歸檔了的數字化圖片,這些圖片被匯聚在一起。2001年,谷歌 已經擁有了2.5億張建立了...
直到現在,神經系統科學主要沿著兩個方向發展。一個是研究者專注于個體神經元的微 觀研究。這取得了一些進步,但它只提供了一些有關大腦機能的有限知識,因為它忽視了發 生在神經元周圍的大腦網絡活動。另一個是研究者關注大腦不同部分的宏觀皮層架構,在大 腦皮層里,小的可分解單元可能是幾十萬個神經元。一直以來,這種研究主要通過實際移 除部分人類大腦,并在顯微鏡下進行分析來進行。我們能夠以微創的方式進行這項研 究。1990年,日本物理學家小川誠二(Seiji Ogawa)和他的同事創立了一種腦成像技術,稱 為功能性磁共振成像,簡稱fMRI,由于能夠找出哪部分大腦對某些類型的行為負責,它創造 了許多令人矚目的成...
如果有人向你展示了一個你以前從未見過的設備或機器,為了從其他類似物中把它 識別出來,你可能需要一會兒工夫,但不必考慮展示它時的角度或光線條件。這是因為神經 網絡依然是大腦技術,而非大腦真實的再創造。 MICrONS項目領導R. 雅各布·沃格斯坦(R. Jacob Vogelstein)表示:“當前,多數前列算 法都是由神經系統科學原則派生出來的,至少在相當程度上是這樣的。但這些神經系統科學 原則如今已經使用了20年、30年,甚至是50年之久了。幾十年來,神經系統科學與機器學習 社群相互之間一直沒有多少技術轉化。”沃格斯坦說他希望去“彌合當前人工智能算法與大腦 中實際發生的算法之間的鴻溝”。人工...
只有生成新穎性還遠遠不夠。雖然我的電影簡述生成項目可能效率很高,但它可能只是把多數編劇所面臨的難題顛倒了過來。與沒有足夠的創意可選不同,突然之間,我們變 得有太多的創意可以選擇。這仍然是個數據問題,只是反過來了而已。使人們具有創造力的 是識別按照正確原則處理某一創意的能力。1997年史蒂夫·喬布斯重回蘋果之后不久,他將創 新描述成否定1 000個可能創意的能力。“你必須精心選擇。”他說,“實際上,我因我們沒做 那些事而感到驕傲,就如同因我們所做的事感到驕傲一樣。”喬布斯領導蘋果創造了 iTunes、iPod、iPhone和iPad,但在此之前,他否決了幾十個他離職期間蘋果公司一直研發的 產品。...
在像技術行業這樣幾乎全是年輕人的行業里,幾乎沒有人花費太多時間去考慮死亡,這 不足為奇。畢竟在這個行業里,人們21歲時就已開始二次創業,25歲時就成為億萬富翁,以 至史蒂夫·喬布斯曾一度擔心超過30歲的人還能否成就終身偉業。因此,在大多數硅谷“谷 民”的頭腦中,衰老和死亡都是沒影的事。 來自羅馬尼亞、曾經是醫生的烏爾薩凱比大多數人思考的死亡問題要多。他甚至已經將 之變成了工作。作為一家名為Eterni.me的創業公司的創始人,他夜以繼日地工作,夢想著能 夠構建出人工智能3D替身,即那些外觀、聲音和舉止就像我們死去的親朋好友一樣的數字生 物。人工智能零基礎培訓找成都深度智谷科技有限公司。深圳op...
但這同樣適用于創造力嗎?這依然是遙不可及的任務,還是比我們想象的更接近成功? 甚至是現在就已經出現了嗎?看著谷歌Deep Dream項目生成的這些圖片,我發現自己一直 疑惑不已:如果我在參觀倫敦泰特藝術館時看到它們,我會有什么反應?我會立即對它們置 之不理,或者,令人尷尬地,我會努力將它們與贏得當年特納獎的其他藝術品區分開?如果 我們知道它是由谷歌神經網絡創作的由數據驅動的作品,我們的反應會不會與我們認為這是 一名人類藝術家的作品時有所不同?如果碰巧創作出兩幅相同的圖片:一幅由人類創作,另 一幅由人工智能創作,又將如何?我們的判斷會有所不同嗎?人工智能的發展正在愈加受到國家的關注與政策的扶持,...
過去幾十年中,一個非比尋常且雄心勃 勃的腦科學項目是2011年俄羅斯億萬富翁德米特里·伊茨科夫(Dmitry Itskov)宣布的項目。 鑒于項目的名稱為“俄羅斯2045”計劃,伊茨科夫的計劃是一項非營利性計劃,致力于實現生 命擴展的目標。用該項目自己的介紹來說,“俄羅斯2045”計劃旨在“創造各種能夠將個人品 格轉移到高級生物載體上的技術,并且延長生命,直至達到永生”。 和BRAIN計劃一樣,伊茨科夫的計劃被分解成了多個階段。第一階段要求建造能夠被人 腦控制的機器人。第二階段是開發能夠通過外科手術移植并寄存物理人腦的機器人。此后10 年,伊茨科夫計劃能夠將人腦內容上傳至機器人,這就意味著對人...
依據不同的人工智能技術, 以及彼此不同的創作規則。在我們展開論述之前,必須先準確定義我所談及的創造力。說起 來容易做起來難。盡管我們對人類大腦所知甚多,但是人類創造力的根源對我們來說還是個 難解之謎。談到這個話題是1891年出版的《天才的人類》(The Man of Genius)一書, 其作者是意大利物理學家切薩雷·隆布羅索(Cesare Lombroso)。隆布羅索將極端創造力與 天才和瘋子聯系在一起。相關的特質包括左撇子、結巴、獨身、早熟以及神經質:只有一條 可以完全地適用于計算機。神經學家使我們距離創造力源自何處的答案更近了一步, 但我們依然無法找到一個準確的答案。或許,我們至少可以采...
早期版本的沃森大廚*生成了可食用的食材清單,隨 后這些單子交給人類廚師轉換成食譜。沃森大廚現在能夠自主創建食譜,提供食材 數量和烹飪時間方面的建議。未來10年中,人人都有一個廚房機器人并不是什么值得大驚小 怪的事,就像前面章節講述的動力機械公司做漢堡的機器人,能夠從頭到尾執行全部流程。 你有沒有發現自己突然渴望某種不知道是否存在的食物,比如韓式雞肉蛋卷?沒問題!當你 離開的時候,可以通過自己的iPhone 12設置參數,而到家的時候,食物就等你品嘗了。成為人工智能人才需要哪些能力和素質?北京圖像視覺人工智能零基礎培訓發展假設我們已經有了功能足夠強大的計算機,那么模擬數十億互動的神經元就不再是棘...
我們如何建造這樣的一個大腦?簡單的答案是,就像任何一個曾 經把鬧鐘拆開想要了解其工作原理的人,他知道這是對它的“反向設計”。這種行為就是把現 有軟件或硬件拆開,從而了解它的生產方式。一旦我們了解了它的生產方式,我們就可以用 同樣的方法建立一套完全相同的模型。如果我們碰巧知道它已經建造成功,還獲取了一些輸 入和輸出的數據,我們就可以訓練神經網絡,使它對本書所述的任何事做出相同的舉動。當今時代,把大腦當作軟件**成功的嘗試是深度學習神經網絡。基于對生物大腦的簡單 模仿,這些網絡已經變得越來越復雜,并且越來越成熟。深度智谷科技的人工智能培訓課程包含哪些呢?鄭州人臉識別人工智能零基礎培訓合作隨著人工智...
現在有許多關于如何更好完成這個項目的想法。未來學家雷·庫茲韋爾(Ray Kurzweil) 目前被谷歌聘為工程總監之一,他建議使用小型微觀納米機器人掃描人腦。這有點像第三章 里描述的可注射式智能設備。實現庫茲韋爾的愿景需要數十億個這種掃描機器人,其尺寸如 同人類的血液細胞,它甚至可以更小,從而進入大腦,通過內部掃描來捕捉“所有的神 經元細節”。從理論上來講,這是個好想法,但庫茲韋爾的樂觀想法一直為一些神經系統科學家所批 判。因為他這種關于人腦科學的說法就像是建議我們要增強對瀕危物種的意識,而做法則是 在雨林的建造很多公路,以便人們可以近距離觀看動物。成都深度智谷科技給大家分享一下人工智能學習要...
工匠經濟的工作可能會變得非常“高技術個性化”,這意味著他們依靠的是人與人的 接觸。這使其很難被外包,或者被機器人或正確的算法所取代。不過,與工業革命時期的工 匠不同,如今工匠經濟中的工人能夠使用技術增加就業機會,而不是被替代。可以以一種數 碼時代之前從未有過的方式將業務擴展,覆蓋數百萬甚至數十億人。2014年,《商業內幕》 (Business Insider)上有這樣一則故事,一個學習能力傾向測驗(SAT)的老師在網絡通話工 具Skype上進行一對一教學,90分鐘收費1 500美元。即使在一個教育應用程序和在線學習工 具十分發達的時代,這位老師還是能夠收取這么高的費用,這是因為他確實能夠提高學...
過去幾十年中,一個非比尋常且雄心勃 勃的腦科學項目是2011年俄羅斯億萬富翁德米特里·伊茨科夫(Dmitry Itskov)宣布的項目。 鑒于項目的名稱為“俄羅斯2045”計劃,伊茨科夫的計劃是一項非營利性計劃,致力于實現生 命擴展的目標。用該項目自己的介紹來說,“俄羅斯2045”計劃旨在“創造各種能夠將個人品 格轉移到高級生物載體上的技術,并且延長生命,直至達到永生”。 和BRAIN計劃一樣,伊茨科夫的計劃被分解成了多個階段。第一階段要求建造能夠被人 腦控制的機器人。第二階段是開發能夠通過外科手術移植并寄存物理人腦的機器人。此后10 年,伊茨科夫計劃能夠將人腦內容上傳至機器人,這就意味著對人...
未來幾年,隨著個人信息泄露到人工智能系統中, 這種曾經模糊的輪廓將日益類似于精細的素描,甚至是逼真的油畫。就像我們在第三章所看 到的,這種知識將會重新配置和優化我們周圍的世界。你的家門或者所住的酒店房門將只在 你走近之時為你打開。你從未駕駛過的租賃汽車將自動調節以滿足你的偏好設置。恒溫器將 深知你喜歡的溫度并自動調節,以便提高不同時間的效率。 這不只是采集更多數據的問題,而是由億萬人常規記錄的全新、不同類型的細粒度數據。成都深度智谷科技公司人工智能零基礎培訓課開課啦!南京圖像分割人工智能零基礎培訓機構直到現在,神經系統科學主要沿著兩個方向發展。一個是研究者專注于個體神經元的微 觀研究。這取得了...
事實上,人工創造力是人工智能面臨的**重要的問題之一。谷歌的Deep Dream項目是 否算是藝術領域或許不能引起所有人的興趣,但創造力的其他含義卻影響重大。1949年,享 有盛譽的英國神經外科醫生杰弗里·杰弗遜爵士(Sir Geoffrey Jefferson)曾如此爭辯:“只有 機器由于創作樂符的想法和情緒偶然降臨而創作出一首交響樂或協奏曲時,我們才會認同機 器等同人腦。”如果機器能夠做到,我們是否應該認為它有智能? 沒有什么話題比機器可能有創造力的想法更引人驚愕。批評者的典型論據是藝術是由情 緒而非智慧創造的。人工智能將會替代更多的工作,還是會創造更多就業機會?天津智能機器人人工智能零基...
谷歌通常使用自己的圖片識別神經網絡將圖片歸類,而不必由人工完成。比如,谷歌相 冊允許用戶輸入如“摩天大樓”或“畢業”等搜索關鍵詞,隨后其神經網絡會立即開始查找高大 的塊狀建筑或學位帽。利用Deep Dream,谷歌團隊設想,通常用于分類和識別圖片的流程 也可以用于從無到有地生成圖片。這個設想是這樣的,在從每一個可能的角度查看了幾十萬 把不同的椅子之后,谷歌的神經網絡應該不僅能夠識別椅子,而且還能再現一張完美的柏拉 圖式椅子:本·斯蒂勒(Ben Stiller)主演的《德里克·祖蘭德》(Derek Zoolander)中的人物 可能會將之稱為“椅子的本質”。與其說這種再現是基于看到的某把具體椅子...
工匠經濟的工作可能會變得非常“高技術個性化”,這意味著他們依靠的是人與人的 接觸。這使其很難被外包,或者被機器人或正確的算法所取代。不過,與工業革命時期的工 匠不同,如今工匠經濟中的工人能夠使用技術增加就業機會,而不是被替代。可以以一種數 碼時代之前從未有過的方式將業務擴展,覆蓋數百萬甚至數十億人。2014年,《商業內幕》 (Business Insider)上有這樣一則故事,一個學習能力傾向測驗(SAT)的老師在網絡通話工 具Skype上進行一對一教學,90分鐘收費1 500美元。即使在一個教育應用程序和在線學習工 具十分發達的時代,這位老師還是能夠收取這么高的費用,這是因為他確實能夠提高學...
20世紀80年代,貝爾通訊研 究所的一位名叫托馬斯·蘭道爾(Thomas Landauer)的研究員進行了一系列實驗,旨在找出 人類一生中能記住多少事。這些實驗包括要求人們看圖片以及聽單詞、句子和音樂片段。過 了數分鐘或數天后,蘭道爾去測試參與者能夠記起多少內容。通常采用多選問題來進行測 試。盡管他的估計無法面面俱到,但他推斷,一般人每秒大致可以存儲2比特的信息。人的 一生可以記憶總共109比特(約數百兆字節)的信息。鑒于我撰寫本書所用的計算機已經存 儲了3兆兆字節的信息,根據蘭道爾的計算,即使再低端的個人電腦也可以存貯數千個人類頭腦文件。英文不好也能學習人工智能,還可以順便提高一下英文水平。...
在某種程度上,人人都具有創造 力,雖然并不是所有的個人創造力都擁有相同的社會價值。比如,孩子想出的對于他們而言 是新穎的想法,但這個想法通常是人人所熟知的。父母采取獎勵這種行為,因為“獎勵”展現 了他們的孩子在學習,但小湯米學會了如何開門或寫數字8就不太可能持續吸引公眾,因為 這些事大家早已熟視。同樣的例子,我可以告訴你我早有關于觸屏智能手機及其應用商店的 創意,但除非我能證明我的想法早于蘋果公司,不然蘋果的律師不可能為此睡不著覺。人工智能零基礎培訓找成都深度智谷科技有限公司。天津圖像生成人工智能零基礎培訓內容只有生成新穎性還遠遠不夠。雖然我的電影簡述生成項目可能效率很高,但它可能只是把多數編...
經過數百次生成,算法給出的結果看起來像個錯誤。洛恩稱其設計類似一個“曲別 針”。他備感失望,就像信誓旦旦保證朋友可以勝任工作,卻看到他酗酒并醉倒在 桌子上一樣。然而,洛恩忠誠地制造了一臺實體原型機,并將它送到了測試室。原型機比他 所見到的其他所有解決方案都要出色。隨后的設計也是同樣的結果,但是由于它們包括的不 必要元素過多,洛恩深感茫然,不知道如何解釋它們為什么可以工作得這樣順利。“作為工程師,我們通常能理解計算機設計的一兩個方面,但我們卻不理解設計的其他 部分。”他說,“如果使用進化算法對天線進行優化,我只有50%的可能可以準確解釋它做出 選擇的理由。其余情況下,對我們來說,計算機設計是不能...
通常,谷歌會修正“這類訓練事故”。但是對于Deep Dream,谷歌決定從相反的方向開 始。其結果是帶來了超現實的圖景,而這似乎更應該感謝薩爾瓦多·達利(Salvador Dal)和 H. P. 洛夫克拉芙特(H. P. Lovecraft),而不是谷歌的聯合創始人拉里·佩奇和謝爾蓋·布林。 谷歌團隊讓神經網絡重點關注其發現的所有異常現象。由于接到的指令是極度重視在每張圖 片中發現的元素,Deep Dream創造出了奇妙的夢幻之旅。神經網絡收到圖片,并按要求對 其分類,隨后再加入細節,就會陷入了一個陌生但迷人的反饋回路。人工智能作為新一輪產業變革的驅動力,釋放歷次科技革命和產業變革積蓄的巨大能...
利用全息技術,人工智能甚至能夠使適應時代的甲殼蟲樂隊在舞臺上表演他們的新作 品。這樣的事情實實在在地發生過,2014年的公告牌音樂頒獎典禮上,邁克爾·杰克遜 (Michael Jackson)被“復活”登場,表演了他去世后發布的打榜歌曲《節奏的奴隸》(Slave to the Rhythm),與之同臺的則是一群充滿激情的伴舞人員。設想一下,同樣地將甲殼蟲樂 隊解散后的成員約翰(John)、喬治(George)和林格(Ringo)重新聚在一起,唱一首他們 不曾創作但可以在1967年創作的歌曲將會怎樣。運用利奧爾·沙米爾的算法展示甲殼蟲音樂風 格在他們活躍的10年間的變化方式,或許我們就能夠預測甲...
如果有人向你展示了一個你以前從未見過的設備或機器,為了從其他類似物中把它 識別出來,你可能需要一會兒工夫,但不必考慮展示它時的角度或光線條件。這是因為神經 網絡依然是大腦技術,而非大腦真實的再創造。 MICrONS項目領導R. 雅各布·沃格斯坦(R. Jacob Vogelstein)表示:“當前,多數前列算 法都是由神經系統科學原則派生出來的,至少在相當程度上是這樣的。但這些神經系統科學 原則如今已經使用了20年、30年,甚至是50年之久了。幾十年來,神經系統科學與機器學習 社群相互之間一直沒有多少技術轉化。”沃格斯坦說他希望去“彌合當前人工智能算法與大腦 中實際發生的算法之間的鴻溝”。“人...
我們如何建造這樣的一個大腦?簡單的答案是,就像任何一個曾 經把鬧鐘拆開想要了解其工作原理的人,他知道這是對它的“反向設計”。這種行為就是把現 有軟件或硬件拆開,從而了解它的生產方式。一旦我們了解了它的生產方式,我們就可以用 同樣的方法建立一套完全相同的模型。如果我們碰巧知道它已經建造成功,還獲取了一些輸 入和輸出的數據,我們就可以訓練神經網絡,使它對本書所述的任何事做出相同的舉動。當今時代,把大腦當作軟件**成功的嘗試是深度學習神經網絡。基于對生物大腦的簡單 模仿,這些網絡已經變得越來越復雜,并且越來越成熟。數學是人工智能的基礎,機器學習是當下人工智能的重點。深圳人工智能零基礎培訓場景至少當時...