人工智能小u有趣问题.docxVIP

人工智能小 u 有趣问题 1. 人工智能如何引起你的恐惧？深度递归网络+在线控制算法即 可 麻省理工学院创意实验室设计了世界上第一个 AI 恐怖写作协作算 法，并命名为 Shelley。Shelley 是世界上第一个(也是最可怕的)人类 与人工智能的合作体，她的算法核心为深度递归网络（deep learning Recurrent Neural Network）。 Shelley Shelley 每小时在 Twitter 上发布一个新的恐怖故事，她从随机的 种子想法或一小段读者所提供的文字开始撰写原始的恐怖故事。 Shelley 的合作者越多，她获得的种子想法越多，她写的故事就越恐 怖。 第二年，麻省理工学院创意实验室又创造了另一个恐怖机器，被 称为 Nightmare Machine（噩梦机器）。噩梦机器将美好的图片变成恐 怖的图片，当你看到下图的自由女神像，你还会联想到美好和自由 吗？ 巴塞罗那优雅的“米拉之家”在经过噩梦机器处理后，看起来也 不那么吸引人了。 巴塞罗那优雅的“米拉之家”在经过噩梦机器后，看起来不那么 吸引人了。 2. 语音助手处理的搜索量接近一半 显然，苹果 airpods 耳机的问世使得 Siri 的利用率飙升。除了 Siri，Alexa，Google Assistant 和 Cortana 之类的 AI 助手也正变得 越来越有用。在自然语言处理算法的支持下，语音助手现在可以有效 处理近乎一半的搜索问题。现在，六分之一的美国人使用 Alexa 这一 语言助手。 AI 语言助手正在不断改进，因为他们总是会从用户那里接收更多 数据。这使他们在语音识别和请求处理方面变得越来越好。这些助手 获得的数据越多，他们进步的速度就越快。这是一个自我实现的发展 周期。 3. 面部识别越来越普遍 实时面部识别将变得越来越普遍，尤其是在公共场所和零售场 所。将网络跟踪与物理生物识别技术相结合的技术使公司能够快速了 解访问者的身份，然后提供相关内容（通常是广告）。一些有趣的例 子 包括： 新加坡新的大型购物中心将即时跟踪购物者并向他们推荐交易。 2020 年东京奥运会的组委会表示，它将全面使用面部识别系统， 以提高安全性。 当然，面部识别也存在明显的担忧：例如，欺骗攻击、隐私、匿 名性等带来的不良影响。3D 打印的高保真脸谱正在侵入这些面部识别 设备，可以产生正常的访问。因此。面部识别技术可能需要一段时间 的完善之后，才能安全地进行大规模部署。 4. 越来越多的企业正在将 AI 落地化 2019 年，预计许多企业将从展示和试用 AI 技术转向 AI 平台的软 启动和全球部署。如： 金融服务现在正在运行每秒成千上万笔交易的实时日志，并通过 机器学习算法对其进行解析。 零售商正在从购买记录中获取数据，然后将其传递给 AI 引擎，以 确定如何更好地销售产品。 制造商正在使用预测技术来了解什么会对他们的机器造成压力， 并预测何时可能发生故障或事故。 数据比以往任何时候都更有价值，甚至有人说“数据是新的石 油”。大数据对于 AI 至关重要。 5. 人工智能不会代替人类 请放心，机器人不会接替人类的工作。 事实上，人工智能创造的就业机会可能多于让人失业的机会。是 的，人工智能将促进工作自动化，替代技能依赖低的工作模式，执行 可重复且繁重的工作任务。但是研究公司 Gartner 预测，到 2020 年， 人工智能创造的就业机会将多于产生的失业机会。通常，由于技术的 原因，在技术过渡的主要时期，会出现暂时的工作流失，但随之而来 的是业务转型，增长和进一步雇用，“人工智能很可能会遵循这条道 路”。 Gartner 预测将失去 180 万个工作岗位，尤其是在制造业。但是他 们还估计，可以在教育，医疗保健和公共部门创造 230 万个就业机 会。这些工作将随着行业的增长而开放。将 AI 与人类智能相结合将带 来全新的机遇。 6. 人工智能的其他技术创新 深度学习模型的扩展 在 2019 年期间，我们注意到深度学习模型的规模一直在加速增 长，这表明现在可以处理包含更高复杂性的更大数据集了。预计增加 深度学习模型层的这种创新将以指数级的速度发展。 生成对抗网络 2019 年出现了一种特别有趣的创新方法，称为对抗性生成网络 （GENerative Adversarial Networks，GAN）。在 2019 年 5 月，三星 的研究人员演示了基于 GAN 的系统，该系统仅使用某人的单张照片就 可以制作一个该人的动态视频。 将强化学习颠倒过来 瑞士 AI 实验室的团队引入了一种新的方法，称为“颠倒强化学 习”。该团队以监督学习的形式进行了强化学习，使他们能够提供奖 励作为投入，这与传统强化学习的工作方式相反。该技术还帮助他们 仅在机器前进行模仿，就可以