国产精品久久久aaaa,日日干夜夜操天天插,亚洲乱熟女香蕉一区二区三区少妇,99精品国产高清一区二区三区,国产成人精品一区二区色戒,久久久国产精品成人免费,亚洲精品毛片久久久久,99久久婷婷国产综合精品电影,国产一区二区三区任你鲁

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

用機器學習來量化魔術師的手法,并試圖讓AI來預測道具的去向

DPVg_AI_era ? 來源:lq ? 2019-09-07 07:14 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

西班牙神經科學研究所和幾所大學的研究人員突發奇想,用機器學習來量化魔術師的手法,并試圖讓AI來預測道具的去向。實驗最終走向了一個有趣的方向。

據說魔術的起源跟宗教信仰有關。“魔術(magic)”一詞源來自拉丁語magi,歷史上有關魔術記載最早現于埃及,距今已經有4000多年。魔術追求的是通過一些障眼法、心里暗示、道具等,達到愚弄觀眾眼力和智商的目的。

最高明的魔術師,就是玩弄人心的高手。人類的眼睛或許會產生錯覺,會受到心理作用的影響。那么AI呢?

這個完全沒有心的冷血家伙,可以面對世界最頂級的圍棋選手而絲毫不受影響;可以面對世界最頂級的星際職業玩家而不出任何差錯,統統完勝!那么AI能否突破人類固有的局限,輕松破解魔術師的手法呢?

西班牙神經科學研究所和幾所大學的研究人員突發奇想,用機器學習來量化魔術師的手法,并試圖讓AI來預測道具的去向。

說干就干。他們找來一位專業魔術師表演最經典的猜硬幣游戲。魔術師首先向觀眾展示手中若干枚硬幣,然后通過投擲、掉落、拖拽、放置和抓取等動作,讓硬幣出現或者消失。

為了照顧觀眾,或者主要是為了照顧AI,研究人員給魔術師不斷增加難度,不僅不允許通過言語來誘導觀眾,同時也不會使用任何機關或者道具,全靠魔術師一雙白嫩的肉巴掌。所以看視頻的時候不要以為自己聾了。

研究人員使用DeepLabCut,一款用來自動跟蹤和標記移動動物身體部位的工具。由一對神經科學家夫妻Mackenzie Mathis和Alexander Mathis開發。

DeepLabCut允許研究人員從互聯網上下載任何有關視頻,并對特定的身體部位進行數字標記,比如下圖中小鼠的爪子。當然也可以用來追蹤硬幣。

有了這款神器,志愿者就可以手動給硬幣打上標簽以便訓練AI去識別硬幣,從而可以在魔術表演中跟蹤硬幣的位置。

接下來魔術師可以開始表演了。只見魔術師雙手上下翻飛,左右舞動,硬幣在雙手間時而現身時而消失。當硬幣出現的時候,AI會死死盯住硬幣,當硬幣隱身在魔術師手中時,AI則試圖通過算法來預測出硬幣的去向。

從視頻中的軌跡來看,AI好像和人類的眼光差不多。同樣也被魔術師一頓猛如虎的操作給騙了,甚至有時候即使硬幣最后出現了,AI依然固執的認為沒有出現。

但終究跟人類比起來,AI的眼神還是相對更毒辣一些,被騙次數也比人類少一些。研究人員認為由于算法不存在像人類這么多的認知偏見,因此更不容易被騙。

這個實驗讓研究人員了解到,人類的某些認知技巧是可以被遷移到 AI 系統的。并且證明通過選擇盡可能接近人類認知系統的AI模型,可能有助于針對人類的對抗性認知技巧的開發。

有趣的是,在開發出能與人類對抗的AI系統之前,最好的樣本不是那些拒絕被愚弄的人,而是沉迷于被魔術愚弄帶來的快感之中的人。

或許,讓AI去研究魔術,能夠讓我們更了解人類自身?

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • AI
    AI
    +關注

    關注

    91

    文章

    39793

    瀏覽量

    301382
  • 機器學習
    +關注

    關注

    66

    文章

    8553

    瀏覽量

    136940

原文標題:戰勝星際爭霸最頂級人類玩家的AI,也能識破魔術師的把戲嗎?

文章出處:【微信號:AI_era,微信公眾號:新智元】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    機器視覺的核心技術和應用場景

    機器視覺正通過機器“看見”解讀視覺數據為行業帶來變革,進而提升自動化水平、質量控制效率與運營效能。本文將深入探討
    的頭像 發表于 12-29 16:32 ?902次閱讀

    降壓恒流車燈芯片H5522L 惠海 12V 24V 48V 60V 72V降壓9V高低亮

    LED 驅動界的 \"空間魔術師\"!惠海半導體H5522L 芯片設計更省心~ 想 LED 驅動電路告別復雜布線?想要小體積也能實現穩定恒流?惠海半導體H5522L 非隔離式
    發表于 12-05 09:42

    理論到操作實現 AI玩具機器人等智能硬件在嘈雜環境中只聽我說話

    如何ai在嘈雜的環境中僅識別你的聲音呢?我們的方案即是使用聲紋進行分別
    的頭像 發表于 10-17 17:34 ?772次閱讀

    30道電子工程面試題拷問墮落的你...

    今天30道電子工程面試題拷問墮落的你,你能扛住第幾題?1、下面是一些基本的數字電路知識問題,請簡要回答之。(1)什么是Setup和Hold時間?答:Setup/HoldTime用于測試芯片
    的頭像 發表于 10-15 17:37 ?1130次閱讀
    <b class='flag-5'>用</b>30道電子工程<b class='flag-5'>師</b>面試題<b class='flag-5'>來</b>拷問墮落的你...

    AI賦能6G與衛星通信:開啟智能天網新時代

    \"更清晰\"的秘訣 衛星通信面臨的一大挑戰是信號衰減和干擾。當衛星信號穿越大氣層時,會受到天氣、電離層變化等因素的影響,導致信號質量下降。而AI正在改變這一局面。 通過機器學習和深度
    發表于 10-11 16:01

    【「AI芯片:科技探索與AGI愿景」閱讀體驗】+AI的科學應用

    是一種快速反應能力,是直接的感知;靈感是一種通過思考和探索獲得的創造性想法,是一種創意。 AI怎么模擬直覺與靈感呢?四、AI代替人類的假說 這可能嗎? 機器來生成假說: 1、直接生成
    發表于 09-17 11:45

    靠專利復合陽極箔蝕刻技術,冠坤臺系電容在車規領域擴充容值密度的 “魔術師

    一背景下,冠坤電子憑借其專利復合陽極箔蝕刻技術,成功在車規電容領域實現了技術突破,成為提升容值密度的"魔術師"。 冠坤電子的核心技術突破源于對陽極箔蝕刻工藝的深度創新。傳統鋁電解電容的陽極箔采用單一蝕刻技術,形
    的頭像 發表于 08-05 17:05 ?794次閱讀

    AI的未來,屬于那些既能寫代碼,又能焊電路的“雙棲人才”

    自己的邊緣智能盒子。你不是在“AI”,你是“AI用起來”。這就是AI工程真正的價值。未來五
    發表于 07-30 16:15

    任正非說 AI已經確定是第四次工業革命 那么如何從容地加入進來呢?

    從簡單的AI應用入手,如使用機器學習算法進行房價預測。收集當地房價的相關數據,包括面積、房齡、周邊設施等信息,然后選擇合適的回歸算法(如線性回歸)
    發表于 07-08 17:44

    【「零基礎開發AI Agent」閱讀體驗】+ 入門篇學習

    很高興又有機會學習ai技術,這次試讀的是「零基礎開發AI Agent」,作者葉濤、管鍇、張心雨。 大模型的普及是近三年的一件大事,萬物皆可大模型已成為趨勢。作為大模型開發應用中重要組
    發表于 05-02 09:26

    芯傳感器解決方案助力打造下一代智能機器人系統

    Melexis推出全新電子指南《賦感于形:邁向智能機器人的感知集成之路》。該指南深入剖析機器人領域的最新發展態勢,全面展示邁芯的前沿技術,詳細闡述邁芯傳感器解決方案如何高效攻克集成
    的頭像 發表于 04-27 09:56 ?1074次閱讀

    【「零基礎開發AI Agent」閱讀體驗】+初品Agent

    期待中的《零基礎開發AI Agent——手把手教你扣子做智能體》終于寄到了,該書由葉濤、 管鍇、張心雨完成,并由電子工業出版社出版發行。 全書分為三個部分,即入門篇、工具篇及實踐篇。由此可見這是
    發表于 04-22 11:51

    首創開源架構,天璣AI開發套件端側AI模型接入得心應手

    科正將AI能力體系化賦能終端生態。 大會上,聯發科定義了“智能體化用戶體驗”的五大特征:主動及時、知你懂你、互動協作、學習進化和專屬隱私信息守護。這五大特征需要跨越從芯片、模型、應用、終端乃至整個
    發表于 04-13 19:52

    **【技術干貨】Nordic nRF54系列芯片:傳感器數據采集與AI機器學習的完美結合**

    和更多外設接口。無論是運行還是休眠狀態,功耗表現都非常出色! 3. 在傳感器數據采集與AI機器學習中的優勢? 答:主頻高、功耗低,內置專用核處理數據采集,還配備AI加速器,
    發表于 04-01 00:00

    如何排除深度學習工作臺上量化OpenVINO?的特定層?

    無法確定如何排除要在深度學習工作臺上量化OpenVINO?特定層
    發表于 03-06 07:31