谷歌人工智能技术水平考试-谷歌的人工智能技术

大家好，今天小编关注到一个比较有意思的话题，就是关于谷歌人工智能技术水平考试的问题，于是小编就整理了3个相关介绍谷歌人工智能技术水平考试的解答，让我们一起看看吧。

1. 人工智能顶尖科学家？
2. AI为什么在识别海龟的时候犯了难？
3. 谷歌AI研究使机器狗具备哪些新技能？

人工智能顶尖科学家？

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸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！人工智能顶尖科学家，则是从事这一行业最优秀，贡献最突出的科学家，比如：杰弗里·辛顿（Geoffrey Hinton）！

最顶尖的人工智能科学家包括：
1. Yann LeCun：纽约大学计算机科学和深度学习教授，深度学习理论的奠基者，获得2018年图灵奖。
2. Geoffrey Hinton：多伦多大学神经科学家，深度学习理论的先驱者，曾三次获得图灵奖提名。
3. Andrew Ng：斯坦福大学计算机科学家，深度学习领域的领袖，曾担任谷歌人工智能实验室的副总裁，现任马斯克旗下公司OpenAI的首席科学官。
4. Fei-Fei Li：斯坦福大学计算机科学家，著名计算机视觉专家，现任谷歌云AI实验室总裁。
5. Demis Hassabis：英国爱丁堡大学和剑桥大学联合博士，著名人工智能专家，同时也是DeepMind创始人兼CEO。

AI为什么在识别海龟的时候犯了难？

谷歌公司目前已经从“移动优先”战略向“AI优先”战略发展，从DeepMind取得的成功和近期发布的谷歌服务和产品中，构建于神经网络和深度学习的人工智能的先进程度给人们留下深刻印象。但是一项麻省理工学院labsix团队最新的研究实验却表明，谷歌人工智能视觉识别AI系统（应用于AI视频分类器）对于一只3D打印的海龟毫无辨识能力，不管从任何角度谷歌AI都无法准确识别出这是只海龟，研究人员将之称为“3D视觉干扰对象”似乎点到了谷歌视觉识别AI的“完全死穴”。

就像“光学视觉干扰”图形通常能够欺骗人类视觉系统，有很多含有特殊图型的图像/对象都能够欺骗人工智能，比如你可以戴上“视干扰眼镜框”让AI脸部识别系统完全把你错认为他人，你也可以在图片中加上一个特殊纹理让其隐身。不过这些特殊纹理/图案一旦变换角度，计算机就有可能准确识别出。现在科学家似乎找到了一件能够彻底戏弄AI视觉识别系统的3D物体，无论从哪个角度，谷歌AI都会将这只3D海龟错误识别成一把***。

麻省理工学院labsix团队今日发布了研究结果，团队测试的对象是谷歌InceptionV3视觉识别引擎，被应用于***分类器，是经过谷歌神经网络和机器学习技术，通过大数据训练的成熟AI技术。

labsix团队指出，InceptionV3会错误地识别一只虎斑猫的2D图像为“鳄梨酱”，不过稍微将图像旋转一些角度，计算机识别出图像中可能是“虎斑猫”或“埃及猫”的概率增加，但认为其是“鳄梨酱”的概率仍然很高。随后，团队制作了一个实体版的3D物体一个含有特殊条纹的“3D海龟”交给InceptionV3识别，结果发现，无论从哪个角度，哪个视点，InceptionV3都会错误地将它识别为***。研究人员同样用特殊图案打印了一个棒球，同样从多角度欺骗了InceptionV3，人工智能引擎会将他认为是一杯浓缩咖啡。

谷歌AI研究使机器狗具备哪些新技能？

尽管机器狗的能力很强，但它们往往无法与真实的动物相媲美。这部分原因在于，要直接从狗狗身上学习如何像它们一样走路是很难的--但来自谷歌人工智能实验室的这项研究却让它变得简单得多。谷歌团队与加州大学伯克利分校合作，目的是找到一种方法，使四足机器狗能够像真正的狗***进行轻盈小跑等 "敏捷行为 "。正如研究人员在博文中指出，既定的训练过程往往 "需要大量的专家洞察力，而且往往需要对每一个期望的技能进行冗长的奖励调整过程。"

狗狗的动作方式可能与机器狗的动作方式并不完全一致，导致后者倒下、锁定或其他方面的失败。而谷歌的AI项目就解决了这个问题，在正常的秩序中加入了一点可控的混乱。通常情况下，狗的动作会被捕捉到，并对脚和关节等关键点进行仔细追踪。在数字模拟中，这些点会被模拟成机器狗的样子，虚拟版的机器狗会尝试用自己的动作模仿狗的动作，边学边做。

尽管研究人员取得了不错的效果，但当试图用模拟的结果来控制一个实际的机器狗时仍会出现问题。真实世界不是一个二维平面，[_a***_]理想化的摩擦力规则之类的东西。不幸的是，这意味着未经修正的模拟步态往往会让机器狗直接摔到地面上。

为了防止这种情况的发生，研究人员在模拟中使用的物理参数中引入了随机性元素，使虚拟机器狗的重量更重，或者电机更弱，或者与地面的摩擦力更大。这使得描述如何行走的机器学习模型必须考虑到各种小的变异，以及如何抵消它们。

通过学习来适应这种随机性，使得学习后的行走方法在现实世界中更加稳健，从而可以通过模仿目标狗的行走方式，甚至可以模仿出更复杂的动作，比如转弯和旋转，而不需要任何人工干预，只需要进行一点额外的虚拟训练。当然，如果需要的话，还可以加入手动调整，但就目前的情况来看，这比起以前完全自动完成的动作，还是有很大的进步。

在同一篇文章中描述的另一个研究项目中，另一组研究人员描述了一个机器狗可以自行行走，但被植入了避免在指定区域外行走，并在跌倒时自行爬起的能力。有了这些基本技能的烘托，机器狗能够在没有人类干预的情况下，在训练区域内不断地在完善，学习到了相当令人印象深刻的运动技能。

到此，以上就是小编对于谷歌人工智能技术水平考试的问题就介绍到这了，希望介绍关于谷歌人工智能技术水平考试的3点解答对大家有用。

[免责声明]本文来源于网络，不代表本站立场，如转载内容涉及版权等问题，请联系邮箱:83115484@qq.com，我们会予以删除相关文章，保证您的权利。转载请注明出处：http://www.bfgfmw.com/post/58829.html