首页上一页
下一页末页
16-03-14 15:05&&
&&&&&&1.什么是 ？机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分 CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。2.围棋人机大战的现实影响:围棋大战是李世石先走，然后通过机器视觉识别出来李世石走的每一步棋，通过云端数据的海量运算后做出预测和判断并最终得出最终应对招数。实际上人机大战的流程就相当于机器视觉识别的流程，只不过中间多了一步机器自身的庞大的数据运算。3.劲拓股份简介（转）：劲拓股份与康耐视相似，注重自主研发的投入和品牌效应的建立。核心是劲拓股份与康耐视一样，它们的营业收入增速都与下游 设备制造行业销售额增速高度正相关。历年劲拓股份营业收入增速与中国半导体设备销售额增速相关系数高达0.98。机器视觉检测业务未来可期。目前3C类 品日趋精密，人工检测的方法难以适应，因此下游厂商对机器规觉检测设备的依赖程度越来越高，市场需求快速增长的趋势不会变。三季度公司新推出了3D SPI等高端机器视觉产品（已经量产销售），且正在研发银浆线路自动光学检测系统（已经样机调试），将机器视觉检测业务线扩充到 行业，打开了成长空间（市场规模超过100亿）。公司在2013年与南京 大学围绕航空航天柔性生产线开展合作，推出了新一代智能重载全向移动平台。该产品涉及军用和民用领域，有望成为航空航天柔性装配系统的核心基础 。4.机器视觉的应用前景：
器视觉就是用机器代替人眼来做测量和判断。伴随光学技术、图像分析等技术逐步完善。时至今日，机器所能看见的事物，某种意义上开始让那些拥有“5.0”视力的人类望尘莫及，通过机器视觉的自动识别功能，许多流水线上具有高度重复性的检测都可以快速完成，大大提高了检测效率和精度。业内预计，机器视觉未来想象空间将会进一步打开。 　　机器视觉让机器看懂世界 　　与 、人机交互、 、 等概念共振带来的 相比，机器视觉模仿和替代的不仅是人眼，而是一整套视觉系统。凭借强大的信息处理能力，机器视觉不仅可应用于工业生产中，未来更可广泛应用于 领域，想象空间得以拓展。 　　据悉，机器视觉拥有效率高、精度高、稳定性强、可适应危险环境、感光范围广等人工视觉无法比拟的优势，随着 的不断延伸，机器视觉工业应用广泛，专家表示，机器人视觉应用主要表现在四个方面：1、引导和定位：上下料使用机器视觉来定位，引导机械手臂准确抓取。2、外观检测：检测生产线上产品有无质量问题，该环节也是取代人工最多的环节。3、高精度检测：有些产品的精密度较高，达到0.01~0.02m甚至到u级，人眼无法检测必须使用机器完成。4、识别：数据的追溯和采集，在 、食品、药品等应用较多。 　　国内机器视觉行业自2009年以来进入高速发展期，年增速达到15-20%左右。机器视觉的发展，让机器看懂世界，随着公众对产品质量的重视和自动化改造的深化，机器视觉在各行业的渗透率也将逐渐增加。 　　“智造”时代机器视觉发展潜力巨大 　　 ， ，智能 设备……“智能”时代来袭， 将成为未来发展的方向。在智能制造过程中，机器视觉主要用计算机来模拟人的视觉功能，具有 的一部分功能，即从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。在未来几年内，随着中国加工制造业的发展，人们对于机器视觉的需求也将逐渐增多。 　　据了解，机器视觉市场11年开始启动，13年开始呈现爆发式增长，2014年中国市场规模80亿，2015年预计200亿左右（包含系统集成设备）。 　　随着机器视觉产品的增多，技术的提高，国内机器视觉的应用状况将由初期的低端转向高端。随着机器视觉的介入，自动化将朝着更智能、更快速的方向发展。 　　业内分析，随着机器视觉的发展，未来新行业应用可能出现。工业生产方面量比较大的可能是物流行业，特别是会涉及到3D视觉。民用服务上可能更多的需要体验，难度在于环境的可变性大，对算法的冗余度要求较高，民用应用将主要来源于消费级的产品。 　　机器视觉发展遭遇门槛 　　近年来，我国机器视觉得到了一定程度的发展，且未来发展潜力巨大，但是目前国产机器视觉在发展过程中，仍遭遇一定的门槛。 　　有行业人士分析，机器视觉部件的门槛主要体现在软件算法上，而目前国内企业在处理速度和能力等方面均存在较大差距，同时由于行业起步晚，出货量少，硬件价格上也没有优势。 　　笔者获悉，目前国内有近数家机器视觉产品厂商，与国外机器视觉产品相比，国内产品最大的差距并不单纯是在技术上，而且还包括品牌和知识产权上。国内的机器视觉产品主要以代理国外品牌为主，以此来逐渐朝着自主研发产品的路线靠近，起步较晚。 　　未来，机器视觉产品的好坏不能够通过单一因素来衡量，应该逐渐按照国际化的统一标准判定，随着 的逐渐开放，将带领与其相关的产品技术也逐渐开放。因此，依靠封闭的技术难以促进整个行业的发展，只有形成统一而开放的标准才能让更多的厂商在相同的平台上开发产品，这也是促进中国机器视觉朝国际化水平发展的原动力。
总结: 这次人机大战后，科技界将更加重视机器视觉，而劲拓股份是A股的唯一标的，想象空间巨大，建议逢低布局。
16-03-14 15:36
个人认为这个才是真正的围棋人机大战的唯一标的 炒作 的估计很快就会来搞
16-03-14 16:49
明天应该是大涨
16-03-14 20:33
的应用主要有检测和
视觉两个方面：⒈ 检测：又可分为高精度定量检测（例如显微照片的细胞分类、机械零部件的尺寸和位置测量）和不用量器的定性或半定量检测（例如产品的外观检查、装配线上的零部件识别定位、缺陷性检测与装配完全性检测）。⒉机器人视觉：用于指引机器人在大范围内的操作和行动，如从料斗送出的杂乱工件堆中拣取工件并按一定的方位放在传输带或其他设备上（即料斗拣取问题）。至于小范围内的操作和行动，还需要借助于触觉传感技术。此外还有：1自动光学检查2 3 汽车 4产品质量等级分类5 品质量自动化检测6文字识别7纹理识别8追踪定位......等机器视觉图像识别的应用。·机器视觉特点·⒈摄像机的拍照速度自动与被测物的速度相匹配，拍摄到理想的图像；⒉零件的尺寸范围为2.4mm到12mm，厚度可以不同；⒊系统根据操作者选择不同尺寸的工件，调用相应视觉程序进行尺寸检测，并输出结果；⒋针对不同尺寸的零件，排序装置和输送装置可以精确调整料道的宽度，使零件在固定路径上运动并进行视觉检测；⒌机器视觉系统分辨率达到，动态检测精度可以达到0.02mm；⒍废品漏检率为0；⒎本系统可通过显示图像监视检测过程，也可通过界面显示的检测数据动态查看检测结果；⒏具有对错误工件及时准确发出剔除控制信号、剔除废品的功能；⒐系统能够自检其主要设备的状态是否正常，配有状态指示灯；同时能够设置系统维护人员、使用人员不同的操作权限；⒑实时显示检测画面，中文界面，可以浏览几次不合格品的图像，具有能够存储和实时察看错误工件图像的功能；⒒能生成错误结果信息文件，包含对应的错误图像，并能打印输出。
16-03-14 20:48
格灵深瞳CEO何搏飞： 会改变什么？腾讯科技[ ]日20:09分享[摘要]何搏飞表示，实际上在很多领域，机器视觉已经在改变我们的生活。格灵深瞳CEO何搏飞：机器视觉会改变什么？腾讯科技 徐安娜 1月17日报道今日，极客公园创新大会在北京开幕。格灵深瞳联合创始人兼CEO何搏飞作了主旨演讲。他分享了视觉的重要性，及视觉对人类产生的影响。何搏飞表示，我们大脑所接收80%的信息都源自视觉，同时大脑中接近一千亿个神经元，绝大多数只做一件事情，就是处理我们的视觉信息。为什么我们是一步步地从文字，发展到声音，最后才到动态视频？何搏飞认为，就是因为动态的视觉信息是最丰富，但也是最复杂的。那么机器有没有视觉？何搏飞表示，实际上在很多领域，机器视觉已经在改变我们的生活，他举了 体感游戏的例子说，当我们做各种动作时，它会理解我们的行为，配合多媒体的体验，让我们有种互动和丰富的感受。机器有了视觉之后会产生什么影响？何搏飞分享了几个案例来阐述，机器视觉可以给予我们一个更加互动、更加健康、更加便捷的世界。格灵深瞳创立一年多就拿到了两轮融资，去年获得了红杉资本数千万美元的A轮融资。比尔·盖茨访华时还专门造访了格灵深瞳。何搏飞毕业于美国斯坦福大学，他和联合创始人赵勇的愿景是将格灵深瞳打造成一家千亿级的 公司。以下是腾讯科技整理的何搏飞的演讲实录：大家好！“Vision”这个单词在任何一本英汉词典里，第一条解释就是视觉，视觉是什么？视觉是一种感知能力。我们人身上一共有五种感知能力，包括视觉、听觉、嗅觉、味觉和触觉。余凯博士刚才讲到人工智能的本质就是自主学习的能力。我们人的大脑之所以这么聪明，这么复杂，这么高级，就是因为我们人可以自主地学习，而自主学习能力主要源自这五种感知能力。这五种感知能力中，我们大脑所接收的80%的信息都来自视觉，我问大家一个问题，如果我们不得不放弃四种感知能力，只保留一种，你会保留哪一种？我相信在座的很多人答案跟我一样，你会保留视觉信息。大家有没有想过为什么？我们都知道有这样一个数据，我们的大脑分成两半，左脑和右脑，左脑是理性，右脑是感性的，是有创造力的。还有一个数据可能大家并不知道，我们大脑有接近一千亿个神经元，绝大多数只做一件事情，就是处理我们的视觉信息。大家想想当我们休息时，会做什么，通常会闭上我们的眼睛，所以每一天当我们的眼睛睁开时我们在主动或者被动地接受大量的复杂信息。大家知道，我们人类主要是通过学习来成长，智慧也是在这样的过程中提高。那么分享知识就非常重要。从几千年前开始我们人类就把文字编辑成书。但文字承载的信息量是有限的，我们还希望它更加的丰富多彩。所以到了100多年前有了电话，我们可以远距离的让听到我们的声音，后来我们就了广播，终于几十年前我们有了电视，到了十年前最近这段时间大家知道在网络带宽成为可能的情况下 才成为可能。为什么从文字，到声音，到视频，一步一步到几千年前，到最近几年，才能随时随地的分享动态的画面视频？没有其他原因，就是因为动态的视觉信息是最丰富的，也是最复杂的。当我们讨论人工智能，讨论计算机、机器是否有学习能力时，我们首先要问自己一个问题，那就是机器有视觉吗？我必须要这样讲，在今天绝大多数场合下，对我们绝大多数人来说，机器是没有视觉的，机器是瞎子。你们可能会反对我，会说我在用手机拍照，我的电脑上也有摄像头，大街小巷有这么多摄像头，难道它们不都是机器的眼睛吗？难道这不是视觉吗？但是大家想一想，当我们拍了这些照片视频，最终计算机看懂这些视频照片了吗？我们把它存下来，不管是单反相机、摄像机，拍完以后，最终还是要人处理这些信息。为什么？因为在绝大多数情况下，电脑是无法处理这种复杂信息的。机器视觉给予我们一个更加互动的世界但今天我也要告诉大家，实际上在很多领域，机器视觉已经在改变我们的生活。当我说到这儿时，可能很多人马上会想到的第一件事情是微软的体感游戏，当你做各种动作时它会理解你的行为，配合多媒体的体验，你会感受到互动和丰富的感受。所以，当机器有视觉的时候，首先带给我们的就是一个更加互动的世界。在这儿我给大家看一段特别有意思的视频，我的朋友黄沙，就用微软的这个 拍了一段动感的视频。我们知道，
和美剧在制作过程中会有一个绿色的背景，它就是做一件事情，就是把人和背景区分开，这样后期制作时，就可以把绿色背景换成任何的场景，但有了三维计算机视觉，任何在座的每个人都能超越好莱坞特效师，更好地完成精彩的动画，这只是个简单的例子。机器视觉带给我们一个更加健康的世界当机器有了视觉以后，还会给我们带来一个更加健康的世界。举个例子，在我们做心脏手术时有一件特别痛苦的事。大家知道，人的心脏是唯一不能够被麻醉药麻痹使它静止的器官，只要人活着心脏就会不停的跳动，在跳动的心脏上做手术难度是非常大的。所以，很多时候当要对心脏做手术的时候，医生做的第一件事情就是通过医学的手段让心脏停止跳动，然后用最短的时间做完手术再让心脏重新起搏，但将有30%心脏将会永远不能再跳动起来。但如果有一种技术使医生在跳动的心脏上做手术将会挽救很多人的人。大家想一下，人的心脏跳动是非常有规律的，如果手术刀可以跟心脏同频率振动，医生通过摄像头看到的就是相对静止的心脏，那时动手术就相当于在静止的心脏上做手术。这个画面上，白色的网格就是要做手术的区域，通过计算机深度视觉，已经把它稳定下来了。心脏手术很多人看了可能会不舒服，所以我们做了这样一个演示，医生给葡萄剥皮，这在国外已经应用了，我相信不会很久中国也会应用。机器视觉创造一个更加便捷的世界刚才余凯博士也谈到了自动驾驶 ，大家想一想，当自动驾驶这一天来临时，我们将有一个更加便捷的世界。各位极客可能对刚刚过去的2015美国 展CES有更深刻的印象。除了 以外，应该说2015年今年是自动驾驶的元年。奔驰、宝马、尼桑，几乎所有的车厂都在今年推出了自己自动驾驶汽车的计划，很多车厂宣称在2020年，就是五年以后，他们的自动驾驶汽车就会跑在大街小巷。我在这里有个判断，我个人觉得，自动驾驶汽车，将会是第一个真正被人类大规模使用，且对人类生活产生颠覆性影响，真正意义上的
。因为当汽车可以自动驾驶时，它对我们来说才是一个真正智能，不需要人为干预的机器人。大家可能都看到过左边这辆汽车，它其实就是Google的 汽车 。Google应该说是到现在为止全世界第一个让自动驾驶汽车在人类的 上行驶超过100万公里的公司。我曾经跟Google无人驾驶汽车负责人聊过，当时我开了个玩笑，你们Google自动驾驶汽车业只敢在美国这样的城市测试，敢来北京测吗？他当时告诉我，无人驾驶汽车这件事情要成功，最大的障碍和挑战只有一个，那就是计算机视觉。大家想一想，控制汽车的方向盘、油门、刹车，这些事情简单的传感技术就可以解决，甚至如果是一个纯电 的话，可能一个软件就可以解决。告诉汽车，从A到B你的目的地在哪，这件事情GPS就可以解决。但面对路上发生的一切，可能很多人也学过，所以大家都知道，特别是现在自动挡的车，要把车开起来非常容易，开车真正难的是如何应对路上各种复杂的状况，而这些需要的就是视觉的感知能力。我们想一想，如果没有视觉感知，你如何知道前面有行人在穿越马路，必须要依靠计算机视觉。大家可能也知道，格灵深瞳是把计算机视觉技术应用在监控领域的公司，为什么到处有这么多摄像头，连接到监控中心，有很多人盯着它看，为什么还需要计算机视觉，我们需要人工智能做这么多事儿吗？我在这里给大家假象一个场景，如果让你在你自己家里，你在看电视，比如时下特别热门的一部电视剧，在很认真的看，这时又把ipad摆在前面观看意甲联赛，同时你的朋友还在给你发 ，三个屏幕。我跟你打个赌，给你10分钟时间，10分钟以后我随机考你这三个屏幕的内容，我相信在座很少有人跟我赌，为什么？因为三个屏幕展示的东西动态画面的时候，对人来说信息太复杂了。但想一想，安保中心监控室面对的是这样一个屏幕，我看了很多美剧电影，有那么多高端技术，我可以告诉大家，我曾经参观过拉斯维加斯所有大赌场后台的监控中心，跟中国任何一家普通银行的监控中心没有任何区别，都是这样一个大屏幕，几个人盯着这个屏幕在看。我自己在监控中心呆过可能超过100个小时，我当时去的时候正好是 期间，保安们大多数在玩儿手机、看球赛，但相信我，如果让你们去，这不是职业道德的问题，人类是有极限的，当人盯着这样一个大屏幕看，超过10分钟时，说实话你其实跟什么都没看一样。所以大家想象一下，现在屏幕上所显示的一共是10个大屏，每个大屏16宫格，也就是160路视频。北京机场就有几万路视频，也就是说，如果把每一路视频放一分钟把这些视频轮一遍，就需要5万个小时。所以，发生事情能看到吗？每时每刻，每一路视频我们都把它存下来，最后我们当证据用。是的，但你想一想，这么多路视频无时不刻都在存，全世界每卖出两块视频，其中有一块就是卖给 视频的。当有这样海量数据的时候，人类如何处理？所以大家想象一下，如果我们可以把每个摄象头，都换成一个智慧像小机器人一样帮我们盯着，当发生问题的时候就可以第一时间预警。所以，当我们的机器有了视觉的时候，我相信大家都能够看到，我们的世界会变得更好。但是当世界变得更好时，我们人会变成什么样呢？可能你会说人会变得更高、更快、更强，那是奥林匹克精神，其实在我看来，我个人觉得我们人的愿望，其实一开始就跟更高、更快、更强是相反的，我们有时候经常说越是说什么越是代表不具备什么。我自己有个观点，我总觉得，人类从一开始所有技术进步的唯一源动力，就是把自己解放出来，或者说的更直白一点，就是让自己变得更懒。今天有很多服务都可以上门， 上门美甲、洗车，所有事情都是把人类解放出来。每次重大的技术革命，比如17世纪的蒸汽机革命，19世纪的电力革命，近代的信息革命。工业革命发生以后，机器可以开始取代人类做一些简单的体力劳动，我们的四肢被解放出来，去到一个地方不再需要走路去，可以坐车去。随着电力革命、信息革命，到今天大脑一部分功能都已经被计算机所替代。比如我们要去做运算的时候，我们可以用计算器，电脑、手机也可以帮助我们记忆、存储。但是我觉得，这就是为什么我总觉得，人工智能这件事情一定会实现，因为从潜意识里，人一定会不懈的朝着这个方向努力，因为对人来说，最终最难被解放的两个器官，一个是眼睛、一个是大脑。也曾经有人问我说，大家可能也都知道，马斯特和霍金都对人工智能发表了很多威胁论，人工智能成熟以后是不是有很多人会失业？我对这个问题是这么看的。技术变革时，都会迫使我们做更有创造力、更高级的事情。举个例子，比如农民工进城，过去做农活这是个相对来说更加简单的体力劳动，而当这样的体力劳动被机械化所替代时，我们的农民工来到城里，他们做了泥瓦匠、 工、月嫂，他们挣的钱比我们很多人都多。而未来人工智能替代人做更多事情时，人会逼迫做更高级的事情。而人能做什么呢？去交流、去分享、去进步、最终去进化。所以人做的所有事情，最终就是想实现一件事情，那就是人工智能，把我们的大脑彻底解放出来，让人自由自在地做有创造性的事。今天我们这个论坛的主题叫X论坛，“Vision”这个词的第二条解释是“远见”，也就是在未看见的时候，就能通过想象力看到未来。今天我希望大家在一起分享，能跟我一样，看见未来其实就在我们眼前。谢谢！
16-03-14 21:22
《科学美国人》评选出2015年十大科技成就，“眼控机器”列其中。英国伦敦帝国理工学院神经技术科学副教授阿尔多?法赛尔想要用眼球移动来控制轮椅、计算机和视频游戏。利用现成的视频游戏摄像机，法赛尔和他的同事建造了一种护目镜，能够记录用户的眼球移动过程，并传输数据给计算机，软件将数据翻译成机器指令。几乎所有运动受损人士都能应用这项技术，包括截肢者、四肢麻痹症患者、帕金森病患者、多发性硬化症和肌营养不良症患者。这套系统的成本只需要50美元。在一个科技展览会上，志愿者不需要更多的指导，在15秒后就很好地掌握了玩游戏的技巧。大恒科技(
)：公司主要从事光学，
及设备的光机电 业务。公司目前以 软件切入行业，一直从事智能检测系统及部件和 及应用设备的研究、开发和应用。公司旗下子公司大恒图像是中国首屈一指的专业 设备供应商，同时也是著名的机器视觉系统集成商和解决方案提供商。劲拓股份(
)：是国内领先的智能 系统和先进制造系统供应商，主要产品包括 视觉设备、智能焊接 等，未来将重点发展 .0为代表的机器视觉技术、人工智能等。目前公司机器视觉产品软件为自主研发;核心硬件是自主设计;通用硬件以定制外购为主(如相机、镜头)。公司机器视觉检测设备主要应用于下游客户的生产线上多个环节，今年8月份推出了3DSPI等高端机器视觉产品(已经量产销售)，且正在研发银浆线路自动光学检测系统，将机器视觉检测业务线扩充到触摸屏行业，打开了百亿级的成长空间。机器视觉概念股：
16-03-14 22:52
中新网3月14日电 据韩媒报道，人工 lphaGo在与韩国棋手李世石九段的人机大战中连下三城，提前锁定了胜利。如今，信心爆棚的
将继续扩大挑战领域，下一份战书或投往电竞界。近日在韩国首尔举行的谷歌机器学习座谈会上，谷歌方面透露“开发AlphaGo的‘DeepMind’公司正在考虑将人工智能目标转移到电竞上，《星际争霸》将是首个目标” 。众所周知，由暴雪公司开发的即时战略性游戏《星际争霸》在中韩享有极高知名度，尤其是在韩国，职业程度极高。因此，该话题再次引起韩国社会各界的强烈反应。即时战略游戏不仅需要随时处理强大的视觉信息，还需要战局、战术和微操等多元化信息，与围棋的界面平台完全不同，这对人工智能是个不小的挑战。在《星际争霸》中，玩家可以操纵任何一个种族(人族、神族、虫族)，在特定的地图上采集资源，运营发展，生产兵力，并摧毁对手的所有建筑取得胜利。关键在于所有战略的判断和操作需要在“瞬间”完成，不少意见认为人工智能在这类游戏方面暂时难以超越人类。首先，韩国《星际争霸》职业选手在比赛中的最高可达到每秒点击鼠标和键盘数十次，且几乎从未有过停歇。最重要的是，《星际争霸》并非有固定的出招套路可循，除非派遣特殊兵种去侦察对方的举动外，是无法做出战略预判的。韩国有关方面称，围棋和《星际争霸》存在离散型变量和连续性变量的问题，后者的取值是不间断的，这对人工智能来说仍难以对应。
16-03-15 14:10
16-03-15 14:45
昨晚看到兄的贴，自己也仔细看了下，今天翻红24.45入了半仓。涨停特来感谢兄。
16-03-15 14:46
16-03-15 17:09
阿法狗又赢了，李世石有几步走软了，否则不会输。
16-03-15 17:12
人和机器不一样。阿法狗太厉害了。
16-03-16 08:26
昨天 板块只有 起来了 这是市场自然选择的结果 继续看好 （围棋人机大战昨天以4:1机器战胜人类结束）
16-03-16 08:32
AlphaGO凭什么战胜李世石AlphaGO和李世石的第一局对局棋谱。(李世石执黑)　　新闻背景　　昨天， 旗下英国公司DeepMind 开发的AlphaGO 计算机程序，在与世界顶尖天才棋手李世石的五番棋对决中，以4:1取得完胜。此时此刻，想必每一个关注这个事件的人心里都有一个疑问，AlphaGO 到底是何方神圣？竟强到让围棋一代天骄李世石九段败下阵来？　　■ 任你千般招数，我只亢龙有悔　　现在很多正在研究AlphaGO与李世石这几盘对局的棋友，热衷于按照人类的思考方式为AlphaGO的每一步落子赋予一个战略意图，然后讨论合理与否。但事实上，AlphaGO和人类下棋思路很不一样。人类下棋时的思路是多变的，根据盘面情形的不同，人类会把最基本的赢棋问题转化成不同类型的子目标，时而考虑如何杀棋，如何做活，时而又考虑如何借助打击对手扩张地盘，如何制造劫争。有时我们还会猜测对手在盘算什么，自己又如何“将计就计”来应对等等。一旦确立了这些子目标，人类棋手便集中精力考虑具体战术走法来完成这个子目标，而不是赢棋这个最终目标。　　但是AlphaGO与人类思维最大的不同，就是没有这种具有适应性的战略思考成分。事实上，今天AlphaGO 的“思考模式”，和20年前战胜国际象棋世界冠军卡斯帕罗夫的“深蓝”是一样的。对于一个给定的当前盘面A，AlphaGO和深蓝这样的计算机，会对盘面A之后可能出现的大量局面变化所导致的不同结果分别进行预判，然后综合所有这些可能性的胜率分析结果，对最初给定的盘面A进行一次评估。　　“在当前局面下，我走在x点的话最终胜算几何”，计算机就是通过不停地重复问自己这个单一问题来完成对弈的，大有点“任你千般招数，我只一招亢龙有悔”的味道。　　■ 需要融入人类围棋知识经验　　既然AlphaGO和20年前的深蓝思路一样，为什么它能拥有以前计算机程序不曾达到的棋力呢？　　一种观点认为，“围棋复杂度远比国际象棋高，因此AlphaGO的成功关键是避免了像深蓝那样穷举所有可能性”。这其实是对搜索型程序的误解，所谓“蛮力搜索”从来都不是“穷举所有可能”。事实上，无论是围棋还是国际象棋，其变化总数都远远超过宇宙中所有原子数量的总和，根本不可能有物理系统有这样的“穷举能力”。从深蓝到AlphaGO，这些搜索型程序其实都只是考虑了盘面所有可能性中极小的一部分，和“穷尽所有变化”相比规模小到不值一提。　　更具体说，深蓝时代的国际象棋程序，得益于拥有一个强大的评估函数。当时人类国际象棋大师所拥有的知识已经足够精确，使得对盘面胜率的评估可以被直接手工编写。围棋这边，AlphaGO之前的一流围棋程序，大多借助围棋专业知识来手工编写搜索策略。这样的程序目前已经达到业余五段水平，但这些“传统围棋程序”中用到的围棋知识仍然只是“入门级”的。一般而言，围棋高手的知识并不像国际象棋中那样精确，从而使得手工将围棋知识经验写入搜索算法的编程方式面临很大挑战，这一直是阻碍传统围棋程序棋力进一步提高的主要瓶颈。这次横空出世的AlphaGO，主要就是突破了这个“知识融入”瓶颈。　　■ 可以自我训练和改进的程序　　AlphaGO的“围棋知识升级”是由同一项技术带来的——人工神经网络。这项技术的主要优点是不需要手工编写，而是通过程序自我改进的方式，来表达比较“模糊”的领域知识和经验。　　由一条条指令组成的传统“过程式”程序，固然对我们人类而言直观明了，但当程序输出有偏差时通常不能自我修正，而是需要人根据具体情况对程序进行分析之后，才能找到应该改动哪里，如何改动。但 “神经网络程序”在面对输出误差时，却有一套既简单又通用的自动修正方法。这样，每完成一次计算，神经网络程序就可以通过比对输出误差来对自己进行一次微调，当观察了大量误差数据之后，这些微调累加起来就有可能趋近一个误差很小的神经网络程序。　　具体到AlphaGO，开发团队建立一个包含上千万个实战盘面的数据集，每个盘面对应一个实战中的落子位置和最终胜负结果，然后根据这个数据集来“训练”人工神经网络预测落子位置和盘面胜率。面对数据集中的一个盘面，最开始的神经网络可能只是随机无意义地做出的判断，但通过和数据集中的“正确答案”之间的误差进行比对，神经网络可以逐渐修正自己的判断输出，使得这样观察了上千万个误差数据之后的神经网络，可以做出大概正确的落子预测和胜率预测。　　事实结果证明，这样通过海量数据迭代训练出来的神经网络模块，可以比传统的手工编写知识的方式表达更多的围棋领域知识和经验，因此配备了神经网络的蒙特卡洛搜索程序(也就是AlphaGO)，棋力才呈现出飞跃式提升。　　■ 训练AlphaGO更像“驯动物”　　但要注意到，这种人工神经网络在学习方式上和我们人类是截然不同的。人类从了解围棋规则，到理解前人总结的一般概念和要领 (如棋理、手筋、定式)，到练习局部攻杀 (俗称做死活题)，再到通过实战把所学的各种“局部”知识融成一体，再到对已有对局复盘打谱，找出对棋局结果影响大的“关键手”，分析研究背后反映出的因果关系和逻辑规律，其间还要和其他棋手讨论交换心得，甚至可能在某些时候从围棋之外的生活经验得到启发借鉴，然后又以非常微妙的方式运用于围棋之中。所有以上步骤又再经过反复循环之后，一个人类围棋高手才逐渐诞生。　　与之不同的是，我们看到上面描述的训练人工神经网络的方式，和马戏团训练动物更类似，相当于就是做对了给个吃的，做错了打一鞭子，然后大量重复。拿AlphaGO来说，它“学棋”没人类那么多手段，相当于就是自己坐在那里默默看高手对局，数量多到世界上最勤奋的人几十辈子也看不完，其间每一局每一步都通过比对自己与高手的差异，一点点校正自己的行为，以图尽量模仿。这个校正过程本质上可以看作是在同样浩瀚无穷的原始“参数空间”中的一个“蛮力搜索”过程。　　人类和AlphaGO学习方式的不同，一个最大的后果就是AlphaGO这样的神经网络学习，必须要极其海量的数据堆砌才有可能体现出效果。在AlphaGO的训练过程中就发生了一个小插曲：一开始，他们使用来自16万盘棋中的数据来训练AlphaGO，但效果却不佳。为此开发团队不得不通过AlphaGO自弈的方式，重新产生了3000万盘棋做训练数据。这带给我们一个重要的信息就是，AlphaGO使用的神经网络在训练时对数据量要求非常惊人，即使是十万量级的数据规模仍然不能满足要求，而是一定要通过其他手段达到百万甚至千万的量级。　　延伸阅读　　AlphaGO战胜李世石　　并不代表 已接近人类　　AlphaGO战胜李世石这一事件，确实给很多人观念上的巨大冲击。有些人认为，围棋是检验人类智能的标准，围棋下得好的人大都思维敏捷聪明绝顶，所以计算机在围棋棋盘上战胜人类，预示着人工智能超越人类智能脚步的临近。　　但笔者认为，这种理解恐怕带有一定“恐慌情绪”——速算能力同样是一个人智力超群的标志，但最聪明的人也算不过兜里的 ，可没见谁担心自己的手机比自己智商高。况且对于和围棋情况类似的国际象棋，机器早已超越人类多年(人类国际象棋棋手下棋时同样需要综合棋感、推理、计算、定式知识等思考手段).　　这些事实都一再证明，通常用于检验人类智能的标准，未必是检验“智能”程度的一般原则，尤其不适用于检验机器智能。从专业角度看，通用性才是智能的一般标准，一个物理系统的“智能”体现为它在各种不同环境中都能更好完成既定目标的“全才”能力。　　那么机器要怎样才能“证明自己的智商”呢？既然客观事实已经证明用于人类的智能标准对机器不再有效，我们就应该放弃固有的思维惯性，回归到智能的原始定义去检验机器智能。AlphaGO战胜了人类高手，这说明AlphaGO围棋下的好，但并不能立即说明AlphaGO智力超群。围棋上你下不过AlphaGO，0:1。可是随便再找一万个任务来你都比AlphaGO强，总比分10000:1.　　事实上，现在学术界已经有人开始挑战“通用人工智能”，可以说这也是人工智能领域的“初心所在”。比如这次做出AlphaGO的DeepMind公司也致力于此。他们做了一个程序可以同时在几百种视频游戏中都超出人类平均水平，是可喜的进展。但这也不过是几百比零而已，我们一个人可以解决的问题何止万千，按“通用性”标准来看，此时此刻的机器智能程度远远不及人类万分之一。　　综上所述，现在像“动物”一样学习，“一根筋”式思考的AlphaGO程序，之所以可以战胜李世石这样的顶级棋手，不是因为它此时已经像人类一样思考和学习，更不是因为它已经达到了“超人”的智力水平。当然，围棋被称为人工智能研究的果蝇，AlphaGO带来的事实结果和其中所用技术，肯定会为人工智能学术界带来很多启发，毫无疑问是伟大的里程碑。但这距离公众担心的机器智能威胁人类智能的局面，还尚且遥远。　　(本文作者在 亚洲研究院任副研究员期间曾从事围棋AI相关研究，对于此次AlphaGO事件的进一步深入介绍，作者在3月底即将出版的《
ON科学世界》杂志4月号有专文刊载。)字体： 大 | 中 | 小
16-03-16 18:27
科学家研制出可夜视人工眼　　受夜行性鱼类象鼻鱼特殊视网膜结构的启发，研究人员新近研制出一种具有夜视功能的人工眼。这种技术将来有望在搜救
、内窥镜与太空探索等领域发挥作用。　　据新华社3月16日消息，为了在低光或黑暗环境中拍摄到更清晰的照片，现有多数成像系统主要通过使用更好的感光材料或图像增强器来提高成像器件的光敏度。美国威斯康星大学麦迪逊分校江洪睿教授团队在新一期美国《国家科学院学报》上报告了一种光学解决方案，即让成像器件收集更多的光线。　　江洪睿表示：“我们这个方法有一个很大的优势，就是它不同于但不排斥其他方法。相反，它能够与其他方法结合使用来进一步提高光敏度。换句话说，我们的方法能改进任何夜视摄像仪或内窥镜，包括目前使用的夜视摄像仪或内窥镜。”　　据介绍，研究人员主要是从象鼻鱼的视网膜结构获得灵感的。象鼻鱼是非洲的一种热带淡水鱼类，因其吻部形似象鼻而得名。它们的视网膜中有一系列微小的凹陷杯状结构，可把光汇聚到感光细胞上，增加眼睛的光敏度，因此象鼻鱼在浑浊的河水中也能探测到掠食者，生存能力大幅提高。　　研究人员利用 烧蚀等技术设计出一系列具有微型凹陷的杯状结构，其抛物线形侧壁可像镜子一样反射光并将其汇聚。研究人员随后把这些杯状结构固定到半球形基座上，构造出一种与龙虾重叠型复眼类似的新型人工眼。　　江洪睿说，新型人工眼让图像变亮了约4倍，“这种提高程度超过了其他任何成像仪技术”。在几乎漆黑一片的环境中，这种人工眼可清楚地看到威斯康星大学麦迪逊分校吉祥物“獾”的模样。　　江洪睿认为，这项技术主要用于低光成像系统，如夜视仪与内窥镜，但将来也可应用在机器人与太空探索等方面。他们准备在未来5年内进一步改进技术，如让抛物线形侧壁更加平滑以减少光线散射，这样预计其光敏度还可提高一个量级。
16-03-18 13:32
先回避吧，大盘不妙啊
16-03-18 13:36
先回避吧，大盘不妙啊
16-03-21 10:10
好股。类似于 ，有大牛的资质
16-03-21 10:29
16-03-22 10:08
首页上一页
下一页末页}