首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

这六个人工智能应用,你听说过吗?

自阿尔法狗战胜人类顶尖围棋大师后,人工智能已经越来越火热,并且在很多领域开始应用,比如金融、零售、医疗等等。不过,在下面这些领域,人工智能的应用可能你不曾想到。

防止小行星冲撞地球

7月,美国宇航局(NASA)的前沿开发实验室(FDL)宣布将利用AI预防小行星冲撞地球,从而拯救地球,保护人类。

NASA总是可以给自己挂上诸多使命感。这个隐秘的FDL,就背负着“寻找可能威胁地球安全的小行星,并尝试去解决它”的伟大使命。这一次尝试,主要是AI在发力。

FDL先召集了各行业学者一起探讨,再用机器学习模拟行星轨道,将2D的数据研究可视化为3D的行星运转图像,从而判定它们的自旋速率和形状,以及是否会危及地球。

如果预估到会撞击地球怎么办?

目前,NASA已经批准了“双小行星重定向试验”(DART)技术,计划在2020年发射高速航天器撞击双小行星“Didymos”,使其轨道发生偏转。

厉不厉害。

“无人驾驶”核电站

到现在说起核电站,很多人还是闻声色变。国际核能事件分级表(INES)将核电站事故对安全的影响分为7级,2011年的福岛第一核电站事故就属于特大级。

INES分级

那么,AI可以帮我们维护核电站吗?它可以做哪些工作呢?

近日,法国公用电力公司EDF打算用AI优化核电站的预见性维护。“先从工厂的传感器中识别设备中的零部件为何会失效,之后再预测何时会失效。”EDF的数字创新主管David Ferguson说。

因吹斯汀。

更有趣的是,他们还打算借助AI实现实时条件监测,为管理人员提供一些建议。或许在未来,核电站可以实现自主运营。

这不是EDF首次提出“AI管理”的概念了。EDF一直在用AI构建核电站的“数字副本”,比如包含数字指令手册的数字连接物理组件。同时,EDF也一直在测试AI性能,用它识别和处理测量数据。

可控的人工智能应用范围越来越大了。

机器也能读懂你

机器也懂“读心术”了。

近日,卡耐基梅隆大学(CMU)的研究人员开发了一个身体动作追踪系统,并命名为OpenPose。

在这项运动分析中,计算机将对人类进行实时的姿态检测,并追踪任务的动作变化。计算机需要捕捉人类的手臂、腿部甚至一个微小的点头动作

让机器人通过非语言交流的细微差别理解周围人的状态,可以让机器人在社会空间中更好地服务人类。

这项技术帮助机器人判断面前的人类在做什么、心情如何以及是否愿意被打扰;可以辅助无人车检测路边的行人,通过姿势判断他们是想要过马路,还是只想站在路边等公交;还能为自闭症、阅读障碍和抑郁症等条件行为的诊断和康复提供新方法。

现实应用场景曾对这项技术提出了较大挑战。在社交场合中,检测数量庞大,并且人与人之间经常存在肢体接触。因此在一开始的尝试中,实时追踪和检测多人的效果并不好。

针对这种情况,研究人员采用了“从零到整”的研究方法。首先,将捕捉到的所有身体部位置于同一场景中——手臂、腿部、脸部——然后,再将这些身体“零件”拼装起来。

研究人员已经公布了这项进展的代码,虽然技术才诞生一个多月,但已经有20多家企业表示对此感兴趣。其中,还包含一些无人车公司。

GitHub代码:

https://github.com/CMU-Perceptual-Computing-Lab/openpose

不妨你也来试一下。

服用“大麻”的正确姿势

首先来科普下,大麻也分种类。

新闻报道中经常出现的“XXX吸大麻入狱”事件里的大麻一般是指娱乐用大麻,主要有效化学成分为四氢大麻酚(THC),吸食过多可能会产生幻觉依赖性。咱今天不谈那个。

大麻/图片来自PotBot官网

药用大麻是指用草药形式制成的大麻,含THC较少,相反像大麻二酚(CBD)等药用性较强的大麻素成分较多,可以用于镇痛和控制癫痫、癌症等疾病。在美国等国家,药用大麻不属于违禁品,可以根据医生建议治疗疾病。目前,包含医用大麻的药物已经多达30000种。

PotBot应运而生。

PotBot是一种医疗大麻推荐引擎,它通过人工智能与药用大麻有关的医学文献,找到与大麻素、大麻活性化合物等有关的研究。之后,它用独特的算法找到治疗37种病症(比如失眠、哮喘和癌症等)最适合的大麻植株,并给病人提供个性化的建议。

PotBot是由David Goldstein和Baruch Goldstein父子共同创建。目前,在国外可以通过iOS或安卓应用市场下载PotBot的APP。

心情地图

谁都不知道社交平台知道你多少秘密。

每年都有几十亿的网友在各种社交平台上发布帖子、动态和心情,社交平台无疑掌握着用户行为的大数据。这打开了一个前所未有的机会,即利用人工智能从大众传播中搜集信息。

这不仅听着有趣,还非常有用。

心理学家Martin Seligman任职于宾夕法尼亚大学的心理健康中心,他和20多位心理学家、医生和计算机专家使用机器学习和自然语言处理来筛选数据,以衡量公众的心理和身体健康。

Seligman团队搜集了Facebook的资料中认为自己抑郁的将近3万个用户。

通过机器学习算法,他们发现在资料中自我描述与抑郁程度有直接关联。有了这些研究,他们可以根据描述判断其他用户是否有抑郁倾向。

社交媒体的大数据不仅可以用来感知大众的情绪,还能用来预测用户性格、收入和政治意识形态。据Twitter推断,该团队甚至根据幸福感、抑郁程度和信任度等五个性格特质,创建了一个美国各州的心理形态地图。

听说你也想看看

美国各州心理形态地图:

https://map.wwbp.org/

社交网络,可能比对象更了解你。

在“分子厨房”里创造新物质

有机化学是个逆向推理工作。像主厨一样,先看到一份成品菜,再来研究如何制作。

化学家们也一样。他们先要考虑期望合成物质的最终结构,再想如何才能将它组装好。

目前,德国明斯特大学的研究生Marwin Segler和小伙伴们正尝试用AI简化分子合成的过程——让AI学会从数百个积木般的零件库中挑选原子等,并依据数千个合成规则进行连接它们。

但是,将这些复杂的规则编写成二进制的代码谈何容易,因此Segler团队设计出一个深度神经网络程序,它能通过数百万个例子学习化学反应如何进行,而不是在化学反应的硬性规则下编程。

“你给它提供的数据越多,它就越好,”Segler说。随着时间的推移,神经网络能学会预测合成中的最佳反应步骤,给出自己的线路,让分子从头开始合成。

Segler团队用合成40个不同分子对程序进行测试,并与传统的分子设计程序进行比较,结果证明AI比传统方法快了95%。

Segler希望用这种方法改进药品的生产流程,他也将到一家伦敦制药厂进行下一步研究和探索。

人类创造AI,AI改变世界。

欢迎扫码添加小编,加入人工智能和大数据公众号读者交流群,探讨、分享、交流!交流群每周会邀请行业专家进行在线分享!

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180406A0AB6C00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券