机器学习新兴技术正推动边界的计算机的能力。
375多年前,勒奈·笛卡尔写道:“我认为,故我在。”和“认为”的口号所使用的技术巨头不亚于IBM了超过一个世纪。人类的思维过程是定义方面因为我们的开始。但是现在技术人员正在努力灌输这种能力通过人工智能机器。
编程电脑并不是什么新鲜事,但创建计算机可以执行的外部命令从多人,实际上自己“学习”打开一个新的世界的可能性。机器学习使用统计模型和算法,使计算机执行特定任务没有得到明确的指示。实际上,这种计算机可用依赖于访问数据,识别模式和使用逻辑推理得出结论。重要的是要注意,AI系统不产生独到的见解。他们的智慧来源于应用大规模的内存容量和能力几乎瞬间紧缩大量数据,比较和寻找联系,让他们到达的答案。
机器学习是一个新兴领域生成对抗的网络(甘斯)。举一个例子,一台电脑可能会生成一个逼真的图像,然后另一个系统试图确定是否真实的形象。通过两个神经网络本质上彼此游戏——可以被称为无监督学习——不断制造,然后发现现实的相似性,甘斯可以用来产生图像看起来真正的观察者。
如您所料,培训甘斯可能是一个挑战。这样想:它是容易识别视觉上令人费解m.c Escher画而不是复制一个。但潜力非凡。工作从运动模式捕获视频,甘斯可以创建3 d模型的对象从工业产品设计的在线头像。或者他们可以用于数字时代人的形象展示他或她看起来在未来十年或更长时间。和甘斯可以应用在扑杀tb的图像从店内安全监控和交通摄像头进行面部识别和跟踪希望人的下落,从罪犯逃到失控的孩子。
与大多数技术一样,甘斯也可用于非法途径。例如,他们可能会被应用在创造人工图像邪恶的原因,如假照片或视频剪辑,否则会使无辜的人有罪寻找政治或经济利益。或者它可以用来规避验证码安全特性的波浪字母和数字,很多网站使用阻止机器人访问网站的伪装人类观众。
除了视觉操纵,甘斯可以在合成和应用“微调”从语音智能电子机械医疗程序。随着技术的进一步发展和应用,GAN和机器学习正在成为现实。具有讽刺意味的是,完善的人工智能用于影响我们感知和思考的真实性。
|
|
|
|
|
|
|
|
|
|
留下一个回复