News

  的理解，基本上来自于科幻电影。那么，致力于AI领域的世界顶尖专家究竟在做什么、在想什么。今年是美国人工智能协会 （ AAligence）组织首次在冬天举办旗帜性年会：AAAI 2015大会。鉴于此，我们一同探讨人工智能与

  人工智能研究的道德问题：和AI有关的职业和社会道德问题是主题演讲中最热门的话题。最近一段时间这样的一个问题似乎确实受到了整个社会的广泛关注。一些为大众所熟知的科技明星，如 Stephen Hawking和Elon Musk，表达了人工智能技术的突破会对人类自身构成威胁的担忧。而加州大学伯克利分校计算机系教授StuartRussell（目前最权威的人工智能专著的作者）则在他的主题演讲中表示：现有人工智能技术水平距离引发“机器人统治人类”之类的风险还为时尚早。不过，他也认为人工智能技术的研究和应用与核武器、生化技术、基因技术等其他影响巨大的技术一样，应该受到规范化约束。“ACM通讯”杂志的主编Moshe Vardi教授做了一个关于人工智能技术进步引发的失业问题的主题演讲。他提到以往的几次技术革命在导致失业的同时也创造了大量新型工作。但人工智能技术的发展有几率会从本质上对创造新工种贡献有限，从而在整体上对就业产生负面影响。另外，大会还组织了一个关于自治武器的伦理问题的公开辩论也相当有趣。

  对人工智能技术的这一波“担忧”浪潮实际上反映了外界对人工智能技术近年来进步的认可（我猜一些AI领域的学者在听到这些“质疑”时其实是欣慰远大于困扰吧）。也许与“机器是否会过于聪明”相比，“机器是不是已经真如公众想象的那样聪明”才是更值得人工智能学界担心的问题。从历史上看，人们对机器智能水平的理解似乎极易产生偏差，往往一开始过于高估，觉得它们无所不能，然而在发现机器能力达不到他们的想象之后又转向过于低估，觉得现有的技术什么都不是。这两种看法又经常在媒体的推波助澜下走向极端化，长久来看无论是哪种极端化看法都会对正常严谨的AI研究造成负面影响。

  “人工智能与机器人技术”是AAAI 2015大会的一个主题。从学科基础看，人工智能学科从“什么是智能”的哲学问题出发，从原理上研究在“智能行为机械化”过程中的一些根本限制和技术原则。另一方面机器人学科则从工程应用的方面出发，考虑怎么实际制造满足特定“智能化”要求的机器。两个领域本应是相辅相成的关系，机器人领域为AI领域提供实验和实践的机会，而AI领域为机器人领域提供知识储备和技术工具。”但事实上两个领域的研究在很大程度上是相互脱节独立发展的。所以现在人们开始考虑如何加强这两个领域的合作和相互渗透”，本次大会的学术委员会主席Sven Koenig教授在一次交谈中提到。事实上美国国家科学基金会（NSF-National Science Foundation）专门就这个问题在会议期间组织了一个专题研讨会（只有受邀的领域专家才能参加）。

  在公开活动中，大会隆重举行了一个对机器人项目“Shakey， the robot”的纪念活动。上世纪60年代末到70年代中期，几个研究员为设计制造一个名为Shakey的机器人发明了一系列后来影响广泛的人工智能技术，包括启发式搜索中的A*算法，自动规划中的STRIP模型，计算机视觉中的霍夫变换，以及如今几乎已成为标准的机器人系统框架。在纪念活动中领衔发言的是AI领域元老级人物Edward Feigenbaum教授，他以一篇极具感染力的演讲高度评价了Shakey项目的巨大影响。有趣的是，以他的名字命名的Feigenbaum奖也同时在纪念活动中颁发，而今年获奖者是微软雷德蒙研究院的院长Eric Horvitz。Feigenbaum奖是当今人工智能界的一个主要奖项，用来奖励对人工智能的实验方面研究做出突出贡献的个人和团体。

  去年关于Eugene Goostman通过图灵测试的新闻似乎让一些研究者们看到一个“推翻”图灵测试的好机会。他们先后组织了一个专题研讨会和一个正式会议，主题都叫“Beyond TuringTest”。会议期间，研究者们提出了一些新的机器智能的测试标准，试图代替图灵测试。其中有两个标准是比较有影响力的：

  The Winogard Schema Challenge 这是一个旨在取代“有缺陷的”图灵测试的测试方案。这个方案的基本思想是限制图灵测试中对话的内容。在标准的图灵测试中人类提问者可以问任意问题，但在Winogard Schema Challenge中所有问题都有关自然语言中的代词理解。不过，在和这个挑战的主办方交流之后，我个人感觉这个方案真正的关键似乎在于他们只允许人类专家参与提问，而不像标准图灵测试中是普通人在提问。而代词理解，尽管被声称是“关键思想”，其实可以被看作只是对我们应该如何在图灵测试中提问的一种“建议”。但我个人并不觉得这个建议对人类专家是必要的。比如我——作为AI领域一个普通的研究员——很有自信可以在图灵测试中分辨出任何当下的聊天机器人，即使不使用这类代词理解问题。所以在我看来，真正的问题是要找“对”的人，而不是找“对”的问题。从这个角度说，我并不认为目前有特别必要的理由真的要取代现有的图灵测试。也许我们该做的是规范化图灵测试在执行层的一些细节，例如更好地挑选甚至培训参与图灵测试的人类提问者。

  The Aristo Challenge 这是另一个要求计算机通过我们在中小学里常见的期中或期末考试的测试方案。考试内容一般包括算术，几何，和一些常识问题等等。另外还有一些题目需要考生结合文字和图片内容进行理解和作答。现在的人工智能技术在这类考试中能达到大概小学4年级水平。我个人认为这个挑战更有趣一些。不过，如果站在“测试机器是否具有智能的方案”的高度，你仍然很难说如果真有计算机通过了所有中学考试是否它就一定具有智能。在我看来，和仔细设计的图灵测试相比，似乎还是这个方案更有可能被破解，就像国际象棋或者“危险边缘“竞赛那样。

  最近该领域的一个阶段性成果是，德州扑克的一个最基本的版本被近似完美解决了，具体就是说研究员们显式地找到一个博弈策略，其平均收益与（这样的游戏的一个）纳什均衡策略的差距比连续玩这个游戏70年之后结果的随机波动还要小。这个结果发表在一月份的一期《科学》杂志上，而项目的主要负责人Michael Bowling教授在会议期间就这项成果做了一个主题演讲。

  会议期间同时举行了General Game Playing比赛。这项比赛要求计算机在没有人类手工输入领域知识的情况下进行棋类游戏博弈。为了能够更好的保证这一点，比赛组织方会维护一个包括各种不同游戏的列表，每项游戏的基本规则都用一套通用语言进行形式化表述，并且只在比赛当时才输入给计算机。另外组织者还进行了一场有趣的“碳硅大战“，也就是让人跟比赛中优胜的计算机在这个比赛规则下比赛，结果是机器取得胜利。

  这些都是人工智能的传统领域。让我其实有一点意外的是，这次会上相当多这些领域里的论文是关于蒙特卡洛树搜索法（Monte Carlo Tree Search）的内容——一个从计算机围棋领域发展而来的技术。而我这次在会议中做的论文报告正是关于如何结合Monte Carlo Tree Search与传统的搜索算法，从而设计更为通用的AI算法。尽管论文主要讨论在假设最差情况下如何规划（adversarial planning），我相信论文的主要结果同样适用于更为一般的情况，例如基于概率的规划问题。

  另外有些关于算法选择（Algorithm Selection）的论文，讨论如何通过增强学习等技术解决组合优化问题。基本思想是说，一般而言每一个单独的算法在解决这类问题时都有自己的“盲点”，也就是在最差情况下性能很差（所谓的“NP困难”问题）。但是不同的算法盲点往往不同，因此如果在实际应用中能通过学习技术了解正在面对的是“哪些”具体问题类型，也就非常有可能有的放矢地选择正真适合的算法。个人觉得这是一个有趣的研究方向。

  声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

  到底是什么，你就会越懂得如何利用它助长你的业务！文章来自：怡海软件（）

  可能会夺走人类的工作，甚至会控制人类，最终夺取这个星球等议论，只是科幻迷们的自娱自乐，离现实还很遥远，但在围棋高手李世石和AlphaGo人机大战中失败；日本开发的

  的表现很优秀。 英语学习形式丰富 在布丁豆豆中，学习英语的方式从来都不是固定的，而是多种多样的。基于“寓教于乐”的理念，布丁

  带来了新的机会和紧迫性，预计在2021年将会有更大的发展。疫情显然慢慢的变成了一种催化剂，从产品创新到消费的人偏好

  和深度学习，成为这一革命的一个组成部分。一旦你完成了它的来龙去脉，成功就在眼前拥抱你！

  的创新使您可以简化购买流程，从而使流程平稳进行，直到交易完成并且您的产品已交付客户为止。6）电话

  研究所等)，软硬件研发人员，高校讲师等，在国内的话工作前途是比较好的，国内产业升级，IT行业的转型工业和

  可能会减少全球多达30%的人类劳动，到2030年自动化将取代4-8亿个工作。1、机械加工

  综合应用与创新–Magician视觉套件一、设备介绍系统能独立完成多种自动化典型应用，这中间还包括搬运、码垛、上下料、视觉分拣等多种应用。在实际教学过程中，除通过传统

  ，与此同时还具备强大的语音系统，导览迎宾，这样一个能说会道、对答如流的

  ； 4.安卓手机控制设计； 5.火灾、煤气泄漏检测及GSM报警系统；理论依照：1.传感器在物联网中的应用； 2.短距离无线.向量空间理论与

  有什么区别？当今唯一可用的软件选项是 ML 系统。在十年左右的时间里，当计算能力和算法开发达到可以显着影响结果的地步时，我们将见证第一个真正的

  可以不断地从具体事例中归纳出道理或对规律的认识，道理积累多了，就能形成一套系统的规则。大家看这样的思路有可行性吗？

  有限公司（下称“实时侠”）研制的全球首款单芯片多轴驱控一体运动控制器（简称 SCIMC）完成了

  开发的，适用于产品业务或服务推广需求的语音营销服务平台!通过精准语音平台，***潜在客户群体，并模拟销售专家沟通进行信息筛选的

  取得一定实质性的进展，语音和图片系统的识别率得到大大的提高。OFweek行业研究中心

  的运营成本、人力成本还在逐步的提升(如：办公场地的租金、员工的工资、社保公积金、节假日福利等)。 如今的

  （Cobot），它们都要依靠可生成大量高度可变数据的传感器。这一些数据有助于构建更佳的

  （iDeepWise.ai）4.0”产品，在中文语义理解与人机交互领域顶配水平的SMP2018-ECDT赛事中获得冠军。 明显提高了人机对话的质量和水平。今天我们采访到深芯

  语音识别单元，计划5月份开发完成，7月份量产，pcb板在华强pcb加工。

  的学习和探索，在Ubuntu及ROS开发有一点见解。想借助发烧友论坛和RK1808

  现在可以与具有多任务处理能力的人类工作者一起工作。计算机视觉、传感器网络和

  广泛应用于数字控制机床和装配线，以减少误差，实现自动修正和提高生产率。交通: 基于应用程序的出租车服务和车辆共享

  的崛起，为什么开始讨论数据保护和隐私问题如此重要。因为这些计算机像超级计算机一样有着前所未有的能力，也因为随着

  近两年的兴起。一时间，语音交互、对话问答、人脸识别、环境感知、自主定位导航，几乎成了

  完全取代人类来完成一些医生大夫要做的事情如帮忙看病。的确还是有难度的。但是随着

  附加值很高。对提升产品的质量与产量、保障人身安全，改善劳动环境，减轻劳动强度，提高劳动生产率

  ，所以从长久来看，这些电影里面80%的内容，是会成为现实的；但是短期来说，不管是

  应用对象相结合后的系统，其是硬件和软件紧密捆绑在一起的系统。将嵌入式系统应用于灭火

  （上海）有限公司。2016年12月1日，由ARMECO加速器安创空间联合全志科技、地平线

  `span style= 工业

  ，Google 能辨别 99.9% 的垃圾邮件，并将你的语音转化为文字，这就是最常见的

  方面的原创课程视频，1000元-3000元不等要求：1；时间40分钟左右2；视频干货、有内容，初学者易懂3；画质清晰、无杂音。有意向者请联系VX:badouwenda100

  ，站删除了这段言论。作者觉得，马斯克的言论介于上述两种大话企业家的中间，他预言的趋势没有错，在

  ，是当代研究十分活跃，应用日益广泛的领域，也是一个国家工业自动化水平的重要标志。

  的对话系统建设，能让人机对话的过程变得更自然流畅；另外还可以接入类似幼儿教育、听广播、订机票等外部服务，功能能无限扩展。

  已经开始接管人类的部分工作，例如快递、工厂作业、餐厅服务员甚至媒体编辑---就聘请了一位

  的一项基础研究，但同时也是多年来一直横亘在研究者面前的一大难关，而不光

  ，你可能会发现这些小东西“智商”都不怎么高，打碎花瓶，绕进电源线，误吸入重要财物。而扫地

  、汽车号牌识别、号牌识别软件、车牌识别方案 DSP车牌识别、车牌识别SDK、车牌OCR、车牌识别软件、车牌识别系统、车牌识别

  光耦相关知识，讲述光耦的作用，光耦原理及各种光耦型号和替代型号，让大家全面

上一篇：【48812】究竟自学云核算难不难 云核算核心技术有哪些 下一篇：小白怎么学习云计算？2020最新云计算学习路线图