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 其它机器人
订阅
纠错
加入自媒体

刘维震撼万字演讲:20年后有了智能机器 人类将何去何从?

2016-07-11 09:08
冷血の爱
关注

  第四是低成本,原来需要非常昂贵的摄像头、非常好的摄像头捕捉图像,甚至要为了人脸识别去建一个很长的通道,要打很好的灯,这样才能够得到非常清晰的照片,现在随着过去几年数据的训练,渐渐变的不需要,这一切来源于什么?这一切来源于刚才所说移动互联网最早从2010年、2011年开始爆发,我们每个人一开始在手机上每天用美图、照相软件拍几张自己的照片,拍几张朋友的照片,这些数据是带有标注的强数据,来自于同一个人的手机,系统知道是你的照片,系统很容易知道你在不同的光线、角度、心情、化妆状态下的照片,这些数据一点点积累,使得数据有了这样的能力。随着能力的积累,机器拿到了更多的数据,当它的识别能力达到一定水平之后,Face++这套技术或者说人脸识别这套技术广泛应用于安防摄像头的领域。安防摄像头每天24小时拍着,每几个安防摄像头有保安、警察帮你做后台的数据标注。如果识别出云海,可能是云海,保安还要看对不对,如果不对还可以帮我做纠正。通过整个人机混合的过程,在过去这些年人,有相当于大量的人、大量的数据在为机器打工,起到了训练机器的效果,才使得人脸识别这样的老话题老树新花。

  人脸识别进展之后到底又能如何呢?或者说的更广泛一点,图像识别的技术,因为人脸这么一个细分应用分支的发展,整体上都有了很大的进步和跃生,同样识别的变化到底为智能机器远大的话题带来什么样的变化。图像识别一小步恰恰解决刚才所说的机器的短板,就是柔性化的大问题。机器很强大,但是就是没有柔性化的能力,没有办法去理解场景,去适应场景。我们刚才举了仓库的例子,以前有朋友讨论,为什么一个导弹,这么一个高科技的东西几十年前就做的很好了,而在一个物流的仓库里去捡一个散货,去捡一袋薯片这样的事还做不到。因为导弹其实末端也可能用图像识别等等,但其实像导弹这样的都是针对一个非常固定的目标,并不是动态的追踪一个目标。而在一个物流仓库内,货架上的一袋薯片比原来大家想象难的多,这袋薯片有可能是一个柔体,有可能是正面朝上,有可能是那面朝上,有可能这个包这么鼓胀一点,那么鼓胀一点,可能被不干胶正好贴住了一点,所以用传统的图象识别技术没有办法更好的去处理判断的。就像刚才提到在果园里如果想通过一个机器摘苹果的话,这个苹果可能离这个树稍微近一点、这个稍微远一点,这个大一点,这个小一点,这个苹果在上午的时候有阳光照在上面,折射出来的光芒一个感觉,到下午没有阳光了,或者正好有一只蝴蝶飞过,所有的事在今天看来已经变的越来越难以解决,老一代的图像技术没有办法更好的处理。图像识别的一小步打开了机器柔性化一大步这样一个门,也意味着机器能处理越来越复杂的情况,而且越来越低成本的处理这些复杂的情况,大家可能都非常关注智能汽车的发展,也会发现无人驾驶汽车早在很多年前就已经进行了很多的路面测试,但是直到现在还没有进入我们的家庭,目前大部分还没有真正进入我们的家庭,因为目前大家还不是基于图像这样的感知技术,也就意味着他还需要大量的昂贵传感器,未来图象识别会渐渐把很多部分代替掉,这样的一小步让机器往前走出了一大步。走出这一步意味着各种技术和机器载体的结合,会渗透到各种各样的生产环节中。

  现在机器在数据的喂养下发生了很大的进展,如果我们看一看整个物理世界,有多少个数据被机器获得,我们觉得这个比例还非常低,我们掏出手机,每天有24个小时,60分钟、60秒,每秒钟有这么多的毫秒、微秒,但是我们每天拍照的次数还很少,我们有这么多的摄像头,目前接入云端的数量还非常少,何况小小的会场也只有几个摄像头,从几个小小的维度拍摄,我们远远没有把我们的物理世界各种情况都了解,我们每天的生活有大量的时间在看电视、开车、娱乐,这些东西云端都不知道。如果谈到生产、企业,就像刚才举的仓库的例子,仓库里每时每刻有什么样的东西,在什么样的地方放。果园里的每个苹果每天在怎么成长,这些信息我们都还不知道,为什么不知道?因为没有办法让企业和个人付出足够的代价把这些数据贡献给云端,因为贡献给云端有什么用呢?

<上一页  1  2  3  4  5  6  7  下一页>  余下全文
声明: 本文由入驻维科号的作者撰写,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。

发表评论

0条评论,0人参与

请输入评论内容...

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

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