辉煌国际电子游艺点击下图进入官网:
辉煌国际电子游艺点击下图进入活动:
辉煌国际电子游艺点击下图进入领取彩金:
编者按:本文作者银Keskkula Skype核心团队首席研究员Teleportinc的创始人之一。他从自己的经验,从五个方面:什么因素会影响人们走动,将人工智能技术如何实现人们足不出户可以找到一个适合自己居住的地方。
我在AI将如何重组的背景下人口开玩笑我的读者。就像在线约会网站谁和谁会让一个孩子,我们将人工智能技术来决定谁将搬到哪里。那么,我们如何知道现在城市可以被称为一个不错的城市?
我们读到这个消息,一个朋友的好消息,看到照片和视频,从那里得到最好的工作,是很常见的,我们经常去城市观光。
我不打算解剖AI是如何决定哪些新闻,朋友的帖子,视频或城市将我们看到的照片,但是我要描述我们如何使用人工智能技术来帮助你在城市的传送更客观的看法。因为我是“每一个孩子开始编程”是深深吸引,在接下来,我将通过一个简单的代码示例演示的过程中,为了使用的所有工具的人工智能是一个非常容易的事情。
通过人工智能的眼睛参观这座城市
让我们开始与传送开发者API塔尔图区域,获取10000年爱沙尼亚和生成随机的地理坐标。你可能会问,为什么是一万?因为科学!
所以地理上均匀分布的当然可以使我们的城市有一定的意见,因为大部分时间我们在树林里或在屋顶上几乎什么也看不见。但幸运的是,Google Maps API的帮助下,我们可以将任何坐标,并获得更多的事情是这样的:
正如你所看到的,我们计划访问的位置(红点)或多或少在繁忙的公路和街道,而不是地方覆盖着树木。
现在我们已经有我们的立场,现在是时候在看,API和熟悉谷歌街景图片。基本上我使用我称之为坐标的API,并保存在本地生成的图像。
一些反向地理编码和定期跟踪后,谷歌API来让我把每个坐标返回的图片(和均匀分布显示“对不起,我们没有形象”)。
然后通过我的代码,我可以看到成千上万的塔尔图图像,而不需要离开房间(或我的电脑?)。
为了简化事情,我跑过我们组的公共API可用机器视觉图像。我们有很多类似的选择,如微软计算机视觉API /谷歌云愿景API / IBM视觉识别API /云/ API / Clarifai视觉,等等。
但是对于本例,我去牛津微软的项目。微软研究院组织给我留下深刻印象,说实话,他们的API的使用条款最吸引我的是免费的。他们甚至慷慨提供快速启动Python代码。
本质上,你只需要上传照片的API,并返回一个场景的描述文本。这里是一个图像从塔尔图样本,输出文本从视觉女士API。
智能压缩
通过他们的API,我将来自塔尔图8所示。5 gb原始图像像素数据压缩到255 KB的文本数据。如果压缩进行了研究和情报关系,那么这可能是减少35294倍的大小的一些问题。
无论如何,现在我们终于有了自然语言描述的场景,我们可以开始研究统计,看看能不能找到一些理由来说服别人。
看一长串,我几乎睡着了,直到我看到“摩托车”这个词。摩托车摩托车或人口的数量的比例好说明了一个城市的潜力。我个人怀疑非常共振(因为我有两个摩托车)。当然,在城市里寻找关于摩托车的统计数据或将会有很多来源,但请记住,这些来自不同国家的不同来源的数据,我们需要花很多工作要抓住和规范化。谷歌街景的大城市的美丽在于它将作为一个单一的数据源,以及任何捕获图像中的信息是可见的。
人工智能的进展,更具体地说,神经网络的进步的深度惊讶我们每个星期,如果你仍然怀疑AI技术在图像中提取信息的能力不如人类,所以请考虑以下AI击败人类结果列表:
谷歌的击败李se-dol AlphaGo
卡内基梅隆大学人工智能击败顶级职业扑克选手
微软在语音识别AI击败人类
当然,摩托车是开玩笑我个人担心的是一个例子,但是不难想象在人类可见的(或者可能是不可见的)图像中提取任何知识。隐藏在谷歌捕捉到数以百万计的图像,但有许多线索来描述这些城市的生活质量。
这里有一个快速的声音检查方法,测试的一些事情我们知道什么是真实的。我们在阿姆斯特丹和一万年拍摄的图像,出现在图像标记计算自行车:
在远离街道的地方
当然,我们并不会在意你在街上看到的一切。有时你不得不离开繁忙的街道上,越野。Tanel P rnamaa,例如,作为传送做一些实习工作,他从Flickr的一组公共地理标记的照片,和使用机器视觉标记来识别海滩。有趣的是,当机器视觉有限的数据信号,他发现很多沙子高尔夫球场。
更重要的是,随着地球再次推出88年卫星在轨道上,我们可以有另一个惊人让AI技术的图像源。因此,数据量呈指数增长,我们理解城市生活质量的增长。
选择你的工作,选择你的城市,选择你的生活!
我们的投资者之一,他说:“电脑和互联网的传播将分为两类:工作告诉计算机做什么,并被告知要做什么。”
我看到我们站在一些现有花大钱来捕捉一些可以用的代码。但是我相信,通过机器学习效率和计划将为我们提供一个巨大的竞争优势,从长远来看,我希望看到它将如何工作。
如何在你的代理/检测器的地理分布,同时,使各种各样的偏差最小化(造成的城市大小、人口密度等)
为了促进一个公平的比较,标准化的数据应该如何捕捉城市地区?
如何避免重复计数的近景?
如何减少在统计天气、季节等白天吗?
如何优化视角,在每个采样或图像的坐标用于360度视图?
从图像数据中提取后的生活质量,如何构建/火车具体目标模型?
最后,公众形象捕获的数据可能与生活质量,也会影响你决定去下一个?