AI: Artificial Intelligence(人工智能),它是研究、开发用于模拟和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学,上个世纪50年代一次学术讨论会议上,下图中几位著名的科学家从不同学科的角度探讨人类各种学习和其他职能特征,并研究如何在原理上进行精确的描述,探讨用机器模拟人类智能等问题,并首次提出了“人工智能”的术语。从此,人工智能这门新兴的学科诞生了,那场学术讨论会议,就是计算机科学史上著名的达特茅斯会议(Dartmouth Conferences),关于图灵测试是否是人工智能的评定标准,参见 (http://iscientists.baijia.baidu.com/article/466034

目录:

  • 应用场景
  • 2016AI榜单
  • AI阶段与特级
  • 技术现状
  • 概念
  • AR和MR该如何区分

应用场景



2016年AI榜单 (http://tech.qq.com/a/20161218/003272.htm?pgv_ref=aio2015_hao123news)


  • 2016.03谷歌DeepMind的深度学习领域开发的AlphaGo以4:1的比分击败了世界围棋冠军李世石,  (谷歌DeepMind部门招聘人工智能专家 预防AI毁灭人类 http://tech.qq.com/a/20161126/002425.htm?t=1480146883601)
  • 特斯拉Autopilot将血栓病人送到医院
  • Swarm人工智能预测肯塔基赛马结果
  • 微软人工智能的语言理解能力超过人类
  • 人工智能预测美国大选
  • 人工智能诊断癌症

AI阶段与等级


技术现状


  • 微软提供的认知服务API如下图
  • 百度继天算、天像、天工后发布的天智平台,包含服务如下:

概念


  • VR:VitualReality,虚拟现实,是利用计算设备模拟产生一个三维的虚拟世界,提供用户关于视觉、听觉等感官的模拟,有十足的「沉浸感」与「临场感」。俗话说就是,你看到的所有东西都是计算机生成的,都是假的。典型的输出设备就是Oculus Rift、HTC Vive等等
  • AR:AugmentedReality,增强现实,字面解释就是,「现实」就在这里,但是它被增强了,被谁增强了?被虚拟信息。两个典型的AR系统是车载系统和智能手机系统,被讨论最多的AR设备是Google Glass,应用如下图: 车载系统在其挡风玻璃上投射虚拟图像、比较火的FaceU
  •  
  • AV: 增强虚拟是将真实环境中的特性加在虚拟环境中,手机中的赛车游戏与射击游戏,通过重力感应来调整方向和方位,那么就是通过重力传感器、陀螺仪等设备将真实世界中的「重力」「磁力」等特性加到了虚拟世界中
  • MR:Mixed Reality,混合现实,又称Hybrid Reality,将真实世界和虚拟世界混合在一起,来产生新的可视化环境,环境中同时包含了物理实体与虚拟信息,并且必须是「实时的」。MR的两大代表设备就是Hololens与Magic Leap

AR和MR该如何区分


  • 虚拟物体的相对位置,是否随设备的移动而移动。如果是,就是AR设备;如果不是,就是MR设备
  • 戴上Google Glass,它在你的左前方投射出一个「天气面板」,不管你怎样在屋子中走动,或者转动头部,天气面板一直都在你的左前方,它与你(或者Google Glass)的相对位置是不变的,你走到哪,就把它带到哪
  • Hololens是怎样的呢,它也会在屋子墙壁上投射出一个天气面板,但是不同之处在于,不管你怎样在屋子中走动,或者转动头部,天气面板始终都在那面墙上,它不会由于你的移动而移动
  • 在理想状态下(数字光场没有信息损失),虚拟物体与真实物体是否能被区分
  • AR设备创造的虚拟物体,是可以明显看出是虚拟的,比如FaceU在用户脸上打出的虚拟物品、Google Glass投射出的随你而动的虚拟信息;而Magic Leap,用户看到的虚拟物体和真实物体几乎是无法区分的
  • 总结:「AR设备」与「MR设备」的界限不是绝对的(甚至说这种界限是企业YY出来的)

AI(一):概念与资讯的更多相关文章

  1. AI基础概念

    基础概念 epoch:使用训练的全部数据对模型进行一次完整的训练,被成为“一代训练”.当一个完整的数据集通过了神经网络一次并且返回了一次,这个过程称为一次epoch.(也就是说,所有训练样本在神经网络 ...

  2. AI产品经理成长路

    AI产品经理成长路 https://www.jianshu.com/p/4b98314ad3c0 以下都是自己平时知识的一些总结,只是一些个人的愚见,下面出现的公司.书籍.视频.网站都是自己看过体验过 ...

  3. [AI开发]Python+Tensorflow打造自己的计算机视觉API服务

    "与其停留在概念理论层面,不如动手去实现一个简单demo ."       ——鲁迅 没有源码都是耍流氓github 前言 目前提供AI开发相关API接口的公司有很多,国外如微软. ...

  4. AI 的架构与核心

    AI 的架构 人工智能的架构分为三层:应用层.技术层和基础层. 应用层聚焦在人工智能和各行业各领域的结合.技术层是算法.模型和技术开发.基础层则是计算能力和数据资源. 数据收集:获取什么类型的数据,数 ...

  5. 【转】真正从零开始,TensorFlow详细安装入门图文教程!(帮你完成那个最难的从0到1)

    AI这个概念好像突然就火起来了,年初大比分战胜李世石的AlphaGo成功的吸引了大量的关注,但其实看看你的手机上的语音助手,相机上的人脸识别,今日头条上帮你自动筛选出来的新闻,还有各大音乐软件的歌曲& ...

  6. 2014年2月份第4周51Aspx源码发布详情

    AM自定义报表管理系统源码  2014-2-28 [VS2010]源码描述: 本系统有以下特色之处: 1.一套软件,多点登陆,根据权限不同共同管理报表,适应于前期获取客户需求报表字段使用. 2.客户自 ...

  7. C#爬虫系列(一)——国家标准全文公开系统

    网上有很多Python爬虫的帖子,不排除很多培训班借着AI的概念教Python,然后爬网页自然是其中的一个大章节,毕竟做算法分析没有大量的数据怎么成. C#相比Python可能笨重了些,但实现简单爬虫 ...

  8. 真正从零开始,TensorFlow详细安装入门图文教程!

    本文转载地址:https://www.leiphone.com/news/201606/ORlQ7uK3TIW8xVGF.html AI这个概念好像突然就火起来了,年初大比分战胜李世石的AlphaGo ...

  9. 浅谈Android进阶之路

    过去十年是移动互联网蓬勃发展的黄金期,相信每个人也都享受到了移动互联网红利,在此期间,移动互联网经历了曙光期.成长期.成熟期.现在来说已经进入饱和期.依然记得在 2010-2013 年期间,从事移动开 ...

随机推荐

  1. 封装captcha类 -- 画图四

    <?php // 验证码类 class Captcha{ //属性 private $width; private $height; private $length; private $line ...

  2. iOS学习之下拉刷新、上拉加载

    http://blog.csdn.net/mx_xuanxiao/article/details/50595370

  3. hive学习

    大数据的仓库Hive学习  10期-崔晓光 2016-06-20  大数据   hadoop   10原文链接 我们接着之前学习的大数据来学习.之前说到了NoSql的HBase数据库以及Hadoop中 ...

  4. .NET微信模拟登录及{base_resp:{ret:-4,err_msg:nvalid referrer}}的解决办法

    12年的时候写了些关于微信开发的内容,当时看好这个东西,可惜当时腾讯开放的权限太少,之后的一年多时间没有太关注了. 现在又要重新开始微信开发的阵容了,微信只是个入口,微网站才是趋势. 我是个水货,所以 ...

  5. C++ mem_fun 和 mem_fun_ref 的用法

    假设我们有以下的一个类: 另外有一个包含 class A 对象的数组: vector<A> vec; 如何对每一个类的对象调用成员函数print. 做法1: 利用下标 for(int i= ...

  6. shell 中变量前"?"的作用

    example: if ($?USER == 0 || $?prompt == 0)   then       ....     if ( $?DS_HOME != 0 ) then if ( ${? ...

  7. NOIP2016 模拟赛

    7.10 T1:求出一个矩阵中平均数大于0的子矩阵的最大面积. T2:给出一个N行的,第I行有n+1-i的倒三角形,从中选取m个数,只有当前数的左上角和右上角都被选是才能选当前数,求选的数字的最大和 ...

  8. 关于BT网络的一些改进

    这几天一直在研究如何改进现有的BT网络的效率,现在有了一点小小的成果 大概思路是这样的,对于一些已经拓扑结构以及节点之间延迟的网络(并不算太苛刻,对于例如数据中心的网络来说,是可以实现的), 普通的B ...

  9. Thinkphp_View(1)循环输出

    循环输出主要是使用volist和foreach标签输出. VOLIST volist标签通常用于查询数据集(select方法)的结果输出,通常模型的select方法返回的结果是一个二维数组,可以直接使 ...

  10. ASP.NET项目部署到Linux服务器出现服务器错误

    在Linux系统中安装了Mono和Apache作为Web服务器,使用Visual Studio开发的ASP.NET Web应用或者API应用,在部署到Linux服务器后出现服务器错误,其中一个原因是由 ...