文章來源地址http://www.zghlxwxcb.cn/news/detail-825327.html

1.?仙女蜂

1.1.?Megaphragma mymaripenne

1.2.?一種微小的蜂類

1.3.?人類已知第三小的昆蟲

1.4.?大腦僅由7400個(gè)神經(jīng)元組成，比大型昆蟲的大腦小了好幾個(gè)數(shù)量級(jí)

1.5.?微小的身體里沒有空間容納這些神經(jīng)元，所以在生長的最后階段，它把每個(gè)神經(jīng)元內(nèi)最重要的細(xì)胞核剝離出來以節(jié)省空間

1.6.?我們還無法理解如此少的神經(jīng)元如何能夠?qū)崿F(xiàn)如此復(fù)雜的感知和控制

1.7.?它的感知機(jī)制似乎比今天的人工智能簡單得多

1.7.1.?我們的人工智能往往是借助大量的數(shù)據(jù)、成千上萬的人工神經(jīng)元和巨大的計(jì)算能力，用蠻力訓(xùn)練出來的

1.7.2.?小小的仙女蜂告訴我們，自然界其實(shí)還有很多更優(yōu)雅、更簡單的方法來感知世界

1.7.3.?其能力是任何機(jī)器人都無法比擬的

2.?感知

2.1.?感知是人工智能的一個(gè)重要方面

2.1.1.?傳感器是極其重要的，但它只是感知的第一步

2.1.2.?面對(duì)連續(xù)不斷流入其數(shù)字大腦的數(shù)據(jù)，人工智能也必須連續(xù)不斷地分辨出意義

2.2.?如果沒有感知外部世界的能力，我們的人工智能就只能活在數(shù)字宇宙中，用數(shù)據(jù)進(jìn)行神秘晦澀的思考，卻與現(xiàn)實(shí)毫無關(guān)聯(lián)

2.2.1.?感官將它們與我們的世界聯(lián)系起來

2.2.2.?攝像機(jī)給了它們視覺

2.2.3.?麥克風(fēng)給了它們聽覺

2.2.4.?壓力傳感器提供了觸覺

2.2.5.?加速計(jì)提供了方向感

2.2.6.?各種奇奇怪怪的、通常用于科學(xué)和工程的傳感器

2.2.7.?化學(xué)傳感器能夠比我們的鼻子或舌頭更準(zhǔn)確地檢測化學(xué)物質(zhì)

2.3.?無人駕駛車輛

2.3.1.?激光雷達(dá)（三維激光掃描）來檢測周圍的物體和它們的位置，而不用顧慮光線的強(qiáng)弱

2.3.2.?相機(jī)可以看到我們?nèi)庋蹮o法看到的光的頻率，人工智能可以借此看到熱輻射或無線電波

2.3.3.?嵌入車輛馬達(dá)的傳感器，以及通過手機(jī)信號(hào)塔和Wi-Fi信號(hào)進(jìn)行運(yùn)算的三角測量技術(shù)和GPS能幫助人工智能準(zhǔn)確了解車子在地球上的位置，以及自己目前運(yùn)動(dòng)的速度

3.?學(xué)會(huì)看見

3.1.?計(jì)算機(jī)視覺的早期工作

3.1.1.?將圖像分解為組成元素，類似于當(dāng)時(shí)公認(rèn)的人類眼睛的工作方式

3.1.2.?許多巧妙的算法來檢測幾何形狀，然后將圖像分割成清晰可辨的區(qū)域

3.1.3.?用于在立體攝像機(jī)的圖像中估算物體間的距離

3.1.4.?用于跟蹤移動(dòng)的物體

3.1.5.?借助從不同角度拍攝的若干圖像，構(gòu)建場景的三維內(nèi)部模型

3.2.?坎尼邊緣檢測法

3.2.1.?創(chuàng)造者約翰·坎尼

3.2.2.?計(jì)算機(jī)視覺中最流行也最常用的方法之一

3.2.3.?精準(zhǔn)的檢測

3.2.3.1.?應(yīng)該發(fā)現(xiàn)真正的邊緣，而盡量避免錯(cuò)報(bào)

3.2.4.?精準(zhǔn)的定位

3.2.4.1.?應(yīng)該正確地找出邊緣的確切位置

3.2.5.?正確的邊緣計(jì)數(shù)

3.2.5.1.?每條實(shí)際的邊緣應(yīng)該檢測為一條邊緣，而不是多條邊緣

3.3.?使用統(tǒng)計(jì)方法，創(chuàng)造了一類算法，通過一組“平均臉部特征”（基圖像，或稱本征臉）來識(shí)別人臉

3.4.?機(jī)器人現(xiàn)在能有更強(qiáng)大的自信四處走動(dòng)，是因?yàn)槿斯ぶ悄墁F(xiàn)在可以識(shí)別簡單的形狀并跟蹤物體的運(yùn)動(dòng)

3.4.1.?在照明不足的情況下，或在傳感器數(shù)據(jù)不夠完善時(shí)，仍然表現(xiàn)不佳

3.5.?計(jì)算機(jī)視覺系統(tǒng)來發(fā)現(xiàn)制造過程中的錯(cuò)漏以進(jìn)行質(zhì)量控制，而回收廠則利用它對(duì)垃圾進(jìn)行適當(dāng)?shù)姆诸?/h2>

4.?神經(jīng)網(wǎng)絡(luò)

4.1.?人工神經(jīng)網(wǎng)絡(luò)是一種成熟且非常成功的人工智能類型

4.2.?其原理是把生物大腦的工作方式高度簡化，得到一種模型，由此在計(jì)算機(jī)中運(yùn)行

4.3.?神經(jīng)網(wǎng)絡(luò)通過改變神經(jīng)元之間連接的權(quán)重來進(jìn)行學(xué)習(xí)，它會(huì)根據(jù)不同的輸入，讓一些連接變得更重要，而讓另一些連接變得不那么重要

4.4.?訓(xùn)練神經(jīng)網(wǎng)絡(luò)的最大問題之一是正確的數(shù)據(jù)

4.5.?前饋式

4.5.1.?每一層的神經(jīng)元只與下一層相連，而不會(huì)反向連接

4.6.?反向傳播

4.6.1.?計(jì)算機(jī)從輸出神經(jīng)元開始，通過各層神經(jīng)元反向逐層更新權(quán)重和偏置，最終讓輸出的誤差降到最小

4.6.2.?訓(xùn)練這種前饋式神經(jīng)網(wǎng)絡(luò)的常用方法

4.7.?卷積神經(jīng)網(wǎng)絡(luò)

4.7.1.?視網(wǎng)膜上的感光細(xì)胞（人眼的視桿或視錐）并不直接連接到單個(gè)神經(jīng)元上，而是會(huì)有一整片區(qū)域的神經(jīng)元與每一個(gè)感光細(xì)胞相連接

4.7.2.?與傳統(tǒng)的前饋式神經(jīng)網(wǎng)絡(luò)的全連接層相比，這是一種截然不同的神經(jīng)網(wǎng)絡(luò)布線方式

4.7.3.?一種常用于計(jì)算機(jī)視覺的深度學(xué)習(xí)網(wǎng)絡(luò)

4.7.4.?所謂“深度”，正是因?yàn)樗泻芏鄬由窠?jīng)元

4.7.5.?大數(shù)據(jù)時(shí)代使得給這些神經(jīng)網(wǎng)絡(luò)喂數(shù)據(jù)變得容易得很

4.7.5.1.?有數(shù)以百萬計(jì)的幾乎任何種類的圖像例子

4.7.6.?2012年，計(jì)算機(jī)視覺已經(jīng)超越了人類視覺，它們能以超人的精度識(shí)別圖像中的物體

4.7.7.?卷積深度神經(jīng)網(wǎng)絡(luò)現(xiàn)在已經(jīng)變得非常聰明，我們不再需要預(yù)先計(jì)算圖像的特征

4.7.7.1.?神經(jīng)網(wǎng)絡(luò)自己就能完成這一切

4.8.?膠囊神經(jīng)網(wǎng)絡(luò)

4.8.1.?為卷積神經(jīng)網(wǎng)絡(luò)增加了更多的由生物體啟發(fā)的層次結(jié)構(gòu)，把神經(jīng)網(wǎng)絡(luò)改進(jìn)得更加強(qiáng)大

5.?種族主義

5.1.?偏見在我們的社會(huì)中普遍存在，因此同樣的偏見傳播到人工智能領(lǐng)域也就不足為奇了

5.1.1.?技術(shù)反映了我們的內(nèi)心以及我們的偏見

5.1.2.?不公的偏見可能會(huì)導(dǎo)致對(duì)某些群體的識(shí)別結(jié)果出現(xiàn)偏差

5.1.3.?在監(jiān)督學(xué)習(xí)中，人工智能的表現(xiàn)只能是我們訓(xùn)練出來的表現(xiàn)

5.2.?人工智能通常主要用淺膚色男性的圖像進(jìn)行訓(xùn)練，而不是其他性別或膚色的人

5.3.?面部識(shí)別的人工智能可能在淺膚色男性圖像上表現(xiàn)出色，但面對(duì)深膚色女性的圖像時(shí)卻容易出錯(cuò)

5.4.?來自業(yè)界領(lǐng)先的公司IBM、微軟和亞馬遜的人工智能系統(tǒng)都給奧普拉·溫弗瑞、米歇爾·奧巴馬和塞琳娜·威廉姆斯的臉做出了錯(cuò)誤分類，而面對(duì)白人男性的臉則完全沒有問題

6.?偽造

6.1.?訓(xùn)練偏差并不是計(jì)算機(jī)視覺的唯一問題

6.2.?深度偽造算法可以在視頻中將一個(gè)人的臉無縫替換成另一個(gè)人的臉

6.2.1.?廣泛用于色情業(yè)

6.2.2.?用于歪曲政治家

6.2.3.?進(jìn)行詐騙

6.2.4.?區(qū)分事實(shí)與虛構(gòu)從未如此困難

6.3.?惡意深度偽造禁止法

6.3.1.?在2018年

6.4.?深度偽造問責(zé)法

6.4.1.?在2019年

到了這里，關(guān)于讀十堂極簡人工智能課筆記04_計(jì)算機(jī)視覺的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！