侵权投诉
焊接机器人 喷涂机器人 搬运机器人 装配机器人 切割机器人 其他机器人
当前位置:

OFweek机器人网

其它

正文

2016年会是机器情绪识别的分水岭

导读: 预计2016年将会是机器情绪识别的分水岭,而且情绪会成为我们与机器交互的强有力的新通道,并且由于照相机技术和计算机视觉算法的发展,未来机器通过我们人类的面部表情、眼动方式、肢体语言、说话方式甚至抬头等理解我们的能力会大大提高。

  近些年来, Google、Microsoft和Facebook等几大玩家都创建了自己的AI研发团队,并取得了一些令人瞩目的成果。

  2015年11月9日,谷歌宣布TensorFlow开源,这是一个在GPU上进行快速梯度式机器学习的巨大数据库。一些文章推测TensorFlow会带来一场人工智能革命,称谷歌的这一举动很大胆,因为Torch(由Facebook人工智能实验室的Ronan Collobert维护)已经提供了相似的深度学习开放资源,同时Yoshua Bengio教授的实验室对Theano(深度学习领域的先驱,一个适合普通大众的革命性软件)已经进行了长期的维护开发。在Wired的一篇文章中,Cade Metz把TensorFlow描述成谷歌的”人工智能引擎“。

  这篇文章讲的是进行线性代数和求导计算的开源数据库,甚至标题也十分夸张。许多其他新闻报道中,却对谷歌把代码设为公开资源感到惊诧。从更加技术的一方来看,从夸张的赞扬到泼冷水,各种反响都有。Soumith Chintala发布了一套应对所有竞争软件包的标准,为人们提供了一种定量的评价,它显示TensorFlow的首个版本落后于Torch和Caffe,特别在卷积神经网络方面。

  神经网络使用硬件和软件搭建出了类似于人脑的神经元网络,这可以追溯到上世纪80年代,但直到2012年,Krizhevsky和Hinton才开始发明在图形处理器(GPU)上运行神经网络的技术。GPU原本是为游戏和其它高性能图像软件设计的专用处理芯片,但事实证明,它们也非常适合驱动神经网络。

  谷歌、Facebook、Twitter、微软和其它许多公司现在都使用GPU驱动的人工智能来处理图像识别等多种任务,包括互联网搜索和安全应用等。Krizhevsky和Hinton后来加入了谷歌。

  微软的一个研究团队设计了一个远比“典型设计”复杂的神经网络,该网络能够进行多达152层的复杂数学运算,而典型设计一般只有六到七层。这预示着未来几年,微软这样的公司将能使用GPU及其它专用芯片的庞大集群来极大提升包括图像识别在内的各种各样的人工智能服务,包括识别语音甚至理解人类自然表达的口语。但是建造这样的大型神经网络是极其困难的。

  为了确定每一层的工作模式以及与其它层的通信方式,需要将不同的特定算法部署到每一层上,但这却是一个极其艰难的任务。但微软在这里也有技巧。他们设计了一个能够帮助他们建造这些网络的计算系统。研究人员可以识别一些可能有用的大型神经网络部署方式,然后该计算系统可以在一系列的可能性上对此进行循环计算,直到确定出最佳选择。

1  2  下一页>  
声明: 本文由入驻OFweek公众平台的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

我来说两句

(共0条评论,0人参与)

请输入评论

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

OFweek品牌展厅

365天全天候线上展厅

我要展示 >
  • 机器人
  • 机器视觉
  • 伺服
  • 猎头职位
更多
文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号