微软“小冰”识狗与人工神经网络(I)

2014年8月21日,微软“小冰”网络机器人推出了一项图像识别技能;“小冰识狗”。“小冰”怎么会“识狗”呢?

根据微软方面的说法,只要“小冰”用户“将一张包含狗狗的照片发给”小冰“,并且说出“小冰识狗”四个字(语音指令),”小冰“机器人会立刻分辨出上传照片中狗狗的品种,瞬间回答用户发出的指语音令。据称,识别的准确度达到83.8%。

对于”小冰识狗“的小把戏,我们可以设想是在微软方面完成的,好比”114“电话查号服务台,一批应答服务员规规矩矩地坐在服务台上不断地回答用户的询问。现在的情况是,服务员需要事先经过技术培训,牢牢记住狗类的品种,不能答错。

现在的问题是,“小冰”识狗功能的实际用户可能有数千万人,每秒钟平均需要应答上万用户的询问。要是上万个应答服务生应聘微软,这总归不是办法。那么,我们该怎么办呢?

类似”小冰识狗“的场景识是存在的,而且很多,具有普遍的意义。为此,科学家开动”奇思妙想“的习惯,想用电子元器件搭建”人工神经网络“(ANN),替代应答服务生脑袋中的神经元(Neurons)网络。这种”奇思妙想“能够实现吗?答案是肯定的,而且识别效率与“小冰识狗”一样快捷。科学家怎样制造”人工神经元“?然后再用大批的”神经元“连接成”人工神经网络“投入使用?”神经元“是怎么连接的?且听下回分解。

说明:明天是7月17日,我与小孙女(大三)一块儿过生日。明日,我一定为大家写一篇好短文。

袁萌
7月16日

版权声明:本文为博主原创文章,未经博主允许不得转载。

时间: 2024-10-22 13:05:59

微软“小冰”识狗与人工神经网络(I)的相关文章

微软“小冰”识狗与人工神经网络(II)

微软"小冰"识狗使用了什么技术?真的是人工智能吗?今年2月6日,微软亚洲研究院首席研究员孙剑以"微软亚洲研究院"的名义发表文章,题为"微软亚洲研究院:让冰冷的机器看懂这个多彩的世界",阐明了"小冰识狗"的技术真相. 该文深入地阐明了一个事实:微软"小冰"采用了人工神经网络(ANN)技术,而不是一般人想象中的"相片一对一匹配"技术."小冰识狗"为什么一定要采用人工神经网

微软“小冰”识狗与人工神经网络(III)

围绕微软"小冰"识狗有一片"迷雾"(即理解困难),直到今年2月6日,微软技术高管孙剑发表文章确认了"小冰识狗"功能是微软专有的"人工神经网络"(ANN)对广大用户提供的一项网络服务,至此,这片"迷雾"才逐渐消去. 但是,什么是"人工神经网络"?顾名思义,人工神经网络是由"人工神经元"所构成的网络,还是人造的"神经网络"?我们采用前一种理解,也就是说

微软“小冰”识狗与人工神经网络(V)

实际上,微软早在2014年7月14日首次透露了一项雄心勃勃的研究计划"亚当计划"("Projrct Adam"),该项目是有关计算机视觉方面的研究项目,也就是后来的"小冰识狗"功能. "亚当计划"使用了普通PC处理器(即CPU)作为人工神经元的"替身",在这些处理器之间建立了二十多亿个了"逻辑连接",可以高效率训练系统(即向系统不断输入参考图片).比如,识别威尔士短腿犬(Corgis)的

微软“小冰”识狗与人工神经网络(IV)

7月16日,微软"小冰"项目负责人李笛对外表示:在8月份,"小冰"将带来新的图像识别技术,比如,当"小冰"看到用户给出的一张自己受伤的脚踝照片之后,她会理解该相片图像中的含义,做出回应:"你怎么受伤了"或"怎么这么严重啊?",也就是说,到了今年8月份,这个小丫头就会说话了.这是在"小冰识狗"之后,微软(中国)又一次重大的技术进步.为什么? 在本文(III)中,我们已经提到支撑"

人工神经网络--ANN

神经网络是一门重要的机器学习技术.它是目前最为火热的研究方向--深度学习的基础.学习神经网络不仅可以让你掌握一门强大的机器学习方法,同时也可以更好地帮助你理解深度学习技术. 本文以一种简单的,循序的方式讲解神经网络.适合对神经网络了解不多的同学.本文对阅读没有一定的前提要求,但是懂一些机器学习基础会更好地帮助理解本文. 神经网络是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技术.人脑中的神经网络是一个非常复杂的组织.成人的大脑中估计有1000亿个神经元之多. 图1 人脑神经网络 那么机

深度学习——人工神经网络再掀研究热潮

深度学习——人工神经网络再掀研究热潮 胡晓林 人工神经网络起源于上世纪40年代,到今天已经70年历史了.就像人的一生,经历了起起落落,有过辉煌,有过黯淡,有过嘈杂,有过冷清.总体说来,过去的20年中人工神经网络的研究不温不火,直到最近三五年,随着深度学习概念的提出,人工神经网络才又重新焕发生机,甚至再度掀起研究热潮.本文简述一下人工神经网络的“前世今生”,并简单展望一下它的未来. 第一个神经元模型是1943年McCulloch和Pitts提出的,称为threshold logic,它可以实现一些

机器学习算法汇总:人工神经网络、深度学习及其它

学习方式 根据数据类型的不同,对一个问题的建模有不同的方式.在机器学习或者人工智能领域,人们首先会考虑算法的学习方式.在机器学习领域,有几种主要的学习方式.将算法按照学习方式分类是一个不错的想法,这样可以让人们在建模和算法选择的时候考虑能根据输入数据来选择最合适的算法来获得最好的结果. 监督式学习: 在监督式学习下,输入数据被称为"训练数据",每组训练数据有一个明确的标识或结果,如对防垃圾邮件系统中"垃圾邮件""非垃圾邮件",对手写数字识别中的&

人工神经网络Step01

感知器 人工神经网络(ANN)是机器学习的一重要分支,在没介绍神经网络之前,有必要先介绍感知器,感知器是人工神经网络的前身. 有这么一个问题,我们知道某人的体重及身高可否估计出人体脂肪的含量比例(就是肥瘦问题了)? 而实际的 在这之前,我们随机在街上找了几百人做测量,测量下面的数据: 1.年龄(岁)2.体重(公斤)3.身高(厘米)4.颈围(厘米)5.胸围(厘米)6.腹部(厘米)7.臀围(厘米)8.大腿围(厘米)9.膝围(厘米)10.踝周长(厘米)11.肱二头肌(扩展)腰围(cm)12.前臂围(厘

用BP人工神经网络识别手写数字

http://wenku.baidu.com/link?url=HQ-5tZCXBQ3uwPZQECHkMCtursKIpglboBHq416N-q2WZupkNNH3Gv4vtEHyPULezDb50ZcKor41PEikwv5TfTqwrsQ4-9wmH06L7bYD04u 用BP人工神经网络识别手写数字 yzw20091201上传于2013-01-31|暂无评价|356人阅读|13次下载|暂无简介|举报文档 在手机打开 赖勇浩( http://laiyonghao.com ) 这是我读工