简介：许多朋友问有关人工智能本质的问题。本文的首席执行官注释将为您提供详细的答案，以供所有人参考。我希望这对每个人都会有所帮助！让我们一起看看！
Luan Qing认为AI是数字化现实世界的重要工具。与人工智能相关，您可以在虚拟世界中更快地产生成年人，事物和场景，从而大大降低了Yuan Universe的构建阈值和成本。/VR和AI可以解决整个行业的许多不同问题。除了游戏和社交网络，在工业，建筑，医疗服务和其他行业的数字领域中，还有更多的应用空间。
但是，卢安·清也指出，当前的行业仍处于发展的早期阶段。无论是硬件体验，内容生成平台还是经济系统以及所涉及的授权认证系统，它都需要时间来建立它。年限通常被认为是硬件的迭代循环，最终的成熟时间仍然很难预测，但是在建立最终数字世界之前，将会有更多的胚胎形式可以解决日常生活中的某些问题。
人工智能的核心是继续数字化现实世界
Luan Qing：不管它被称为元宇宙，混合现实还是数字世界，相似的概念已经很长一段时间了。在现在，AI的作用主要包括三个方面。
首先，人们需要具有新的身份。AI将帮助每个人使用数字化身进入虚拟世界；其次是虚拟世界的多模式人 - 机器 - 机器互动经验，也就是说，这些数字人物对不同的虚拟世界的不同虚拟世界2。人机互动的不同服务；第三，虚拟性必须与真实的结合，AI可以更快地构建虚拟世界。
“科学和技术委员会每日”：目前已经登陆的应用方案是什么？
Luan Qing：当前的载体是各种屏幕和电子设备，例如手机，计算机，大屏幕，当然还有VR和AR眼镜，它们开始了初步应用。
在C的应用方面，包括各种VR社交应用，会议系统等。购物中心，银行，医院等，数字人物可以帮助前台完成简单而重复的工作，例如刷卡和访问注册。
AI还可以实现3D含量的快速产生。例如，通过对无人机或手机的快速扫描，可以在数字空间中建立真实场景。在智能城市的管理中，智能遥感技术的应用已经非常多。
在今年的冬季奥运会上，我们对整个冰块的冰立方体进行了三维数字化。运动卷曲的定位可能会在大空间内阻塞。不仅如此，我们还使用“现实组合”来恢复大屏幕和Migu视频上卷发的运动轨迹曲线。这不仅可以帮助您运动员分析和判断战斗的形式，及时调整战术，同时也使观众更好地理解和感受卷曲运动的本质。
“科学技术委员会每日”：完成水立方体现场的三维数字重建需要多长时间？
Luan Qing：我们在场地上花费了大约十二分钟或二十分钟，然后我们可以在两个小时内完成整个水立方冰壶比赛场地。这也是普通服务器的建模速度。如果您使用更多的性能服务器，则可能仍然更快。
“科学技术委员会每日”：AI提高了现实世界数字化的效率。您有任何相关数据吗？
Luan Qing：例如，过去，一个数字人的平均时间约为3-4个月。在AI的优化之后，它可以在初步情况下在一个月内到达。未来，我们还将优化整个过程都达到了天堂的水平，因此许多行业可以以高效的方式使用自己的虚拟图像发言人，这是我们正在努力工作的方向。
可以说，现实世界的数字化是AI的核心。如何产生成年人，事物，场景并降低成本和阈值，而不是长时间完成专业设计师。
“科学和技术委员会每日”：现实世界中如此被称呼的数字化，工业化场景中也有应用空间，例如工业领域中提到的数字双胞胎。
Luan Qing：是的，3D建模和数字管理是相对常见的技能，可以解决整个行业的许多不同问题。工业，建筑，医疗保健等方面有更多的可能性。
其中，行业是一个非常典型的场景。我们还实现了许多工厂，包括用于工业公园和工业工厂的快速三维建模。建立了快速三维模型后，连接了现有的相机设备或其他分配的信号，形成了典型的数字双胞胎场景。
AI的优点是，设计师无需进行三维现场重建，这是一项更加劳动的工作。我们使用普通的民用相机产品，甚至在现场走动以快速建立场景。
此外，这些部署的摄像机可以实现三维高定位定位，并迅速标记了三维空间的空间位置，因此工厂或公园的数字管理将非常有效地进行。
数据化和硬件经验是两个主要挑战
“科学技术委员会每日”：“ AI+XR”的合并应用仍处于初始开发阶段。您认为可能会有什么挑战？
卢安·清：有两个主要挑战。
首先是经验。这是每个人都经常说的VR或AR内容生态系统，包括整个行业的VR或AR内容生态系统，依靠整个行业的一系列技术改进，并建立整个体验和内容。
其次是数据。虚拟世界或数字世界的存在最终将帮助现实世界解决实际问题。但挑战是许多场景具有很长的尾巴效果。例如，在工厂中，某些设备不是在其他工厂区域看到，或仅由这个特殊行业拥有，然后需要一系列长尾内容。如何以高效率和低成本以及我们系统的真实时间数据来识别不同的内容，这也是一个主要的挑战。
“科学和技术委员会每日”：如果虚拟现实应用真正开发，则可能涉及哪些关键工业链？
Luan Qing：首先，硬件的工业链必须是第一步。要采用每个人的习惯和日常使用的体验以便普及。不太可能使用它，并且许多应用程序无法解决。
因此，降低硬件成本，以及重量，散热，能量消耗等的改善，仍然必须继续克服瓶颈。从这种角度来看，光学表明，轻量级芯片等应具有强大的开发空间。在同一时间，各种基于情报的智能，包括手势识别，面部驾驶和三维模型建模和其他需要紧急开发的内容工具。
内容生成平台也很关键。三维两维内容更为复杂。过去，只有游戏制造商可能需要制作复杂的三维内容，但是投资也很大。对于诸如银行，购物中心和办公室大厅之类的普遍人物，他们都进入了三维数字世界，您会发现成本将变得巨大。各种有效的内容生产工具和平台也将有一个流程突破。
此外，如果每个人都需要在三维互联网上进行更深入的沟通，那么大规模云的协同计算也将具有巨大的开发机会。当然，必须在该系统下建立经济体系和授权认证系统。
对数字文化和数字人士的乐观
“科学和技术委员会每日”：您的估计成熟期多长时间？
Luan Qing：更难预测。但是，在建立终极数字世界之前，将会有许多原型可以解决日常生活中的更多问题。
例如，垂直领域中提到的数字人员的应用已经可以消除服务经验和效率的许多困难。没有必要拥有新的硬件或不同的内容来产生生态。只要您在专业方面做得更好领域，您可以有效提高生产效率。此行业级别的应用，我们认为它已经到了。
整个人的三维互联网级别可能需要一定的发展周期。经常说5年是一个硬件迭代周期，我们等待和看。
“科学和技术委员会每日”：目前，有相对前瞻性的应用。除了数字人士外，还有什么？
Luan Qing：数字世界需要各种内容，一个是一个方面，而事物是另一个方面。许多现实项目的数字化也已成为重要的体验链接。
在这方面，数字文化和创造机会具有相对较大的发展机会。我们与邓豪（Dunhuang）和禁忌城市等大型IPS合作，以改善数字内容的体验，以更好地展示传统中国文化的魅力。
实际上，数字世界可以拥有更大的创意空间来展示真实的文化和创意产品无法显示的内容。过去，这是一种数字授权，现在它是一个真正的质量授权编号。通过AI/AR，它将虚拟数字内容附加到实体。这是我们对数字文化和创造力的定义。
“科学技术委员会每日”：多年来，您从事人工智能研究了。您认为人工智能对人类的最大意义是什么？
Luan Qing：人工智能基本上模拟了人脑处理信号。在人工智能的出现之前，计算机只能处理数字信号，无法表达自己的思想，人们仍然需要分析这些信号才能使其有意义。
人工智能的出现首先被数字化了现实世界。这样，计算机可以理解许多领域中现实世界的信号而不依赖Manpower.computer.computers可以自动并主动采取行动来做某事，从而提高了数据的效率。处理。核心是解决信息输入的问题，也就是说，人们最初需要人们进入，现在整个世界的数据信息一直在不断流入计算世界。
当然，人工智能不仅解决了进入问题，而且还可以生成各种三维数字内容。这是另一个价值。在这方面，人工智能可以取代许多重复的劳动，这也是我将来认为的重要发展方向。
这个问题是对人工智能领域的经典论文的解释，称为“人工智能哲学”。本书的中文版本约为420,000个单词。我会告诉你这本书的本质约20分钟：计算机可以成为灵魂本身，而不仅仅是灵魂的工具？回答这个问题取决于我们如何理解计算机可以做什么，还取决于我们如何了解人类的思想是什么，这是试图回答这个系列的问题。
让我们看一下意识形态实验。
假设外国人被锁在一个房间里，并不断收到从房子外部发出的中国票据，但他只能理解英语，不了解中文，他无法理解票据上的中文内容。支持这个外国人不仅有中国人有中文笔记上的符号，还有一套用英语编写的规则来告诉他如何找到相应的中文符号。最后，他收到了英语指示，并要求返回一些特定的中文符号。找到了相应的中国符号，并根据葫芦勺将其写在注释上，然后分发了房屋。此过程不断重复，因此在房屋外的人们的眼中，所有中国问题都得到了有效回答。。
这是人工智能史上非常著名的“中国房屋”演示。提议的是美国哲学家约翰·塞尔（John Sel）。中国众议院论证的目的是反对“强人人工智能”的概念。强大的“当然是反对“弱”的。在虚弱的人工智能意义上，计算机只是我们研究灵魂的工具，例如它可以验证许多关于灵魂的假设。但是，强烈人工智能的观点是不同的。它会认为计算机不仅是工具，而且可能成为一个真正的灵魂，可以像人类一样理解和理解世界。
但是Cears想说的是，计算机只是中国房子里的人。尽管它可以处理中国符号并回答中国问题，但这绝不是计算机“理解”中文。实际上，计算机仅基于规则和输出操作的结果，并且无法理解问题和答案。因此，如果建立了中国众议院的论点，那么强大的人工智能就是一个奇妙的崇敬。计算机只能成为人类灵魂的工具，而不是灵魂本身。
中国众议院的论点引起了广泛而热情的讨论。她从这些讨论中选择了代表性文章，并汇编了这个名为“人工智能哲学”本质的文章。
从这本书中，我们可以阅读人工智能的先驱艾伦·图灵（Alan Turing）的教义，但也聆听了当代哲学家等当代哲学家的声音，以及当前的最新进步，例如机器学习理论中的关键文章，可以有人说，本书中选择的15篇经典论文总结了从1950年代初到上个世纪末的人工智能哲学的发展。即使是最外行的读者也可以做到这一点。人工智能的基础知识具有基本的理解。
好吧，让我告诉您这本书的核心内容。计算机可以成为心脏本身，而不仅仅是灵魂的工具？机器可以做什么人类的智能？要回答这些问题，我们首先需要弄清楚这些问题提出一个更基本的哲学问题，也就是说：人类的思想到底是什么？可以说，自苏格拉底时代，哲学家一直在讨论这一问题。我们如何知道我们的心，我们确定如何设计机器来制造机器来制造机器它具有人工智能。这不仅是人工智能概念的开始，而且是人工智能科学和技术进步的哲学基础。
数学基础：高级数学，线性代数，概率理论统计和随机过程，离散数学，数值分析。数学的基础知识包含解决智能问题的基本思想和方法，它也是理解复杂算法的基本要素。在对各种人工智能技术的最终分析中，各种人工智能技术基于数学模型。要了解人工智能，我们必须首先掌握必要的数学基础知识。线性代数将正式研究对象和统计定律的概率理论。
算法的积累：人工神经网络，支持向量机，遗传算法和其他算法；当然，各个领域都需要算法，例如允许机器人在环境导航和地图中研究大满贯。在矮个子中。
您需要掌握至少一种编程语言，例如C语言，MATLAB等。所有内容之后，该算法的实现仍需要编程；如果它深入了硬件，那么一些基本课程至关重要。
扩展信息：
人工智能（人工智能），英语缩写是AI。这是一门新的技术科学，研究和开发智能理论，方法，技术和应用系统，用于模拟，扩展和扩展。
人工智能是计算机科学的一个分支。它试图了解智力的本质，并生产一种可以响应人类智能的新智能机器。自然语言处理和专家系统。
自人工智能诞生以来，理论和技术已经越来越成熟，并且应用领域继续扩展。可以想象，未来人工智能带来的技术产品将是人类智慧的“容器”。兵工智能可以模拟人类意识和思维的信息过程。人工智能不是人类的智力，但它可以像人类的智力一样思考。人类，可能会超越人类的智力。
人工智能是一门具有挑战性的科学。那些从事这项工作的人必须了解计算机知识，心理学和哲学。人工智能包括一门非常广泛的科学科学。它由不同的领域组成，例如机器学习，计算机视觉等。总的来说，人工智能研究的主要目标之一是使机器能够竞争一些通常需要人类智能才能完成工作的人类智能。但是不同的时代。不同的人对这项“复杂工作”有不同的了解。在2017年12月，人工智能被选为“ 2017年中国十大媒体”。
参考材料：Baidu百科全书 - 官方情报：计算机科学的分支
人工智能现在很热。一方面，另一方面，实际使用各种产品（例如Tmall Elf，例如机器人地震浮雕），另一方面是非常热的数据和深度学习。它看起来不错，但实际上，它是在学习鹦鹉的舌头。它花费了很多人力和计算能力。它仅针对某些特定的任务，在后面仍然是人们告诉机器要做的事情。
通常，当前的人工智能是大数据和小任务阶段。Future人工智能是小数据+多-Tasks.data实际上是外部环境的原因和效果，任务是本能的本能智能生物。
前者是外部环境的因果，这是物理学的本质：“我相信世界上有一个完整的因果关系并找到它。”后者，生物的生存本能，这是达尔文的理论进化，因此未来的人工智能也可以被视为牛顿和达尔文的组合。
它可以分为以下六个一般方向：计算机视觉（可以理解为图像识别和处理），自然语言理解和交流，认知和推理（物理和社会常识），机器人技术（机械相关），游戏道德（实际上，道德实际上实际上是各方游戏的最终平衡状态）和机器学习（目前最受欢迎的深度学习就是其中之一）。
这些方向很远，现在它们在战争时期的六个英雄（历史上）互相穿透。有一天，它可以像秦王国一样合并。
例如，在此阶段，要恢复三维场景，它是使用多角度来拍摄特征点比较的多张照片，但实际上，人脑可以将三维场景恢复到请参阅两个维度的场景。在常识推理上进行。根据任务是逐渐的。您只需要知道大约三到四米，然后在接近过程中调整准确性。
另一个任务驱动的研究如下。给机器一个挖掘任务，机器可以在一堆项目中找到最佳工具。集团1是培训数据。第2组是机器本身选择的机器。对于第3组来说，只有石头，就像石器时代的原始人一样。目的是完成挖掘任务，目的是找出可以持有并指向的物体。现在（在一堆物品中找到一堆铲子，用石头代替铲子）。
未来的图像识别应与推理小说中的侦探相同。它不仅可以看到事物，而且可以思考这个东西的含义以及可以使用的内容。
这是与一个人（机器）的通讯图。底部的椭圆形代表了人类社会的常识。这是机器认知的研究领域，主要是通过关注人们，猜测然后检查的行为。
该语言是右边的左，中和三个椭圆，两人之间的完全对话，至少五个头脑：我知道，您知道的，您知道的，您知道的，您知道的，您知道的，什么，什么我们知道，我们在一起知道的。
语言流量过程中信息的编码。在这里，您可以参考古代象形文字。为了生成模型，语言是视觉上的，视觉是语言。
分解每个步骤任务
建立兴趣函数并在环境上建立一个织补功能。游戏是舞蹈功能与兴趣功能之间的动态平衡。
此交流学习的框架包含大量的学习模式，包括以下七个学习模式（每个学习模式实际上对应于图中的一个或几个箭头），并且可以开发许多模式。
（1）被动统计学习被动统计学习：使用大数据拟合模型上面提到的最流行的学习模式。
（2）积极学习积极学习：学生可以要求老师积极索要数据，这在机器学习中也很受欢迎。
（3）算法教学算法教学：教师积极跟踪学生的进步和能力，然后设计示例以帮助您学习。这是一种相对较高的成本和理想的教学方式。
（4）示范从演示中学习：这是在机器人技术中常用的，即手动进行机器人进行操作。一个变体是模仿学习铅。
（5）对因果因果关系的感知和影响：这是我发明的一种。它是为了观察他人行为的因果，而不必进行实验验证。这种因果模型在人类认知中非常普遍。
（6）因果学习：通过实验，控制其他变量并获得更可靠的因果模型，科学实验通常属于这一类别。
（7）增强学习强化学习：这是学习决策功能和价值功能的一种方式。
测试原始片段代表个人感觉。我在试图总结过程中也感到。很难显示作者最初失去详细案例的本质，然后再次附加原始链接
首先，人工智能的所有方向都有一个共同的目的，试图生产“像人”的智能机器。必须通过处理和思考信息处理过程来研究任何类型的人工智能类型，以模拟诸如人或像一个人一样行事。人工智能的非常重要的方向是数据挖掘技术。该技术的原理是使用计算机分析数据，然后进行人性化建议和预测。例如，根据我们的日常浏览网络兴趣，建议在计算机上使用计算机上的广告。微博上最引人注目的内容和网站也是我们最感兴趣的内容。这些内容是从计算机分析中获得的。本质上，该技术的功效类似于人类的“思维”。尽管它不能完全平等，但现在可以实现良好的辅助效果。人工智能的主要方向是计算机视觉，包括图像识别，视频识别，面部识别等。我们熟悉。计算机视觉的本质是如何要“看”教堂计算机，也就是说，计算机视觉人工智能的最终目标是使用相机和计算机代替我们人类的肉眼。更著名的是“面部识别”，这是其中之一现在更受欢迎的身份验证技术。通过相机收集人的面孔的图片将转换为图像数据，然后与数据库中的面部特征信息进行比较。因此，在他们的范围内，语音识别是核心和最受欢迎的自然语言处理技术。声音识别技术是确定人类声音中的词汇内容， 并通过技术手段将其转换为计算机可用的内容。在流行的术语中，它是让机器学会“倾听人”并让计算机制作我们的“耳朵”。
结论：以上是首席CTO指出引入的人工智能本质的所有内容。我希望这对每个人都会有所帮助。如果您想了解有关此信息的更多信息，请记住收集并关注此网站。