半岛彩票2001年，斯皮尔伯格在他的电影《人工智能》里，给大家展示了他眼中未来机器人的模样：有着和人一样的外表、神态、情感，能够成为人类的伴侣。
经过近20年的发展，扫地机器人已经成为家用机器人行业最为成熟的产品。我们第一次尝试在扫地机器人身上应用AIVI™技术(Artificial Intelligence and Visual Interpretation 人工智能与视觉识别），推出了首款AIVI™人工智能扫地机器人DG70。
聪明的知友们一定发现，DG70比我们常见的LDS激光导航扫地机器人多了只眼睛。
来自清华大学、南京大学、武汉大学、英国University of Sussex、法国Ecole des Mines等国内外高等院校有着多年研发经验的50多位工程师组成的研发团队，花费了16个月时间，才“初步”完成了这个项目。说它“初步”，是因为AIVI现在只是完成了一个小目标，工程师们对它未来的发展有更大的野心。
绕住电线——耳机线、数据线、头绳不小心掉到地上，就只能去尘盒翻尸体了……
由于LDS以及其他传感器识别盲区的制约，扫地机器人无法真正认知家居环境，无法高效准确地识别到不同障碍物的时候，会面临两个局面：要么漏扫，要么被困。
他们决定在扫地机器人上加入AIVI，给扫地机器人赋予会不断学习“大脑”，让它认知你的家，能分辨拖鞋、电线、袜子这类物体并智能避让，尽最大努力减少漏扫和卡困，真正把人们从扫地家务中解脱出来。
自从法雷尔·恰佩克第一次提出“机器人”这个词，到现在全球还没有对机器人有一个公认的概念。科沃斯董事长钱东奇的认知是：机器人至少要具备四个特性――――感知、思考、行动和反馈，而“感知”是后面一切的基础。
当人在观察周围环境时，眼睛先看到目标物，接着大脑处理视觉信息，分析这是什么物体，并通过左右眼视差估算出目标物与自己的距离。
通过AI摄像头DG70可以识别并标记镜头区域内的障碍物，不断测算自己与障碍物的距离。同时，与LDS激光雷达测距传感器和陀螺仪等传感器组成的SmartNavi系统，超声波传感器SmartEcho地面识别系统和蓝鲸扫拖系统，多传感器协同工作，融合处理信息后，DG70获取到了可视化的家居地图。
前面说道，为了让扫地机器人认识家里的拖鞋、电线多位研发工程师愁到“脱发”，这并不是一句玩笑话。
有人可能会质疑，图像识别算法已经相对成熟，且有很多公开数据集，让扫地机器人学会图像识别，能有多难？
首先是图片库的问题，为什么科沃斯要费时费力自己采集家庭环境图，而不接入现成的公开数据集呢？
一般人的视角跟扫地机器人的视角完全不同。毕竟，扫地机器人是个“拇指姑娘”。DG70整机只有10.3cm高，考虑到摄像头所在的位置，视角就更低。
这就造成了现有的公开数据集对于扫地机器人AI学习的可利用率极低，因此需要从0到1采集扫地机器人视角的家庭环境数据。
并从这些图中标记、提取了几千只形态各异的袜子（气味大概也是各异的）、拖鞋、和粗细、大小、弯折形状不同的数据线、耳机线、电线、充电线的特征。
扫地机器人在家庭室内环境中运行，不同于大家的认知，家庭环境的复杂性远大于一般的室外环境。
室外环境中，汽车、行人、道路、道路上的标线、路边的绿植，都有明显的特征，这些特征较为容易提取。
而家则不同，很多人的家可能一天一个样，每家的装修、家具、光线情况也都不一样，光地面都有千百种不同的材质。
DG70在工作过程中，需要面临恶劣的光线条件、复杂的环境背景、千奇百怪的地板，摄像头视角的抖动、旋转、模糊……这种种困难，都是对神经网络模型的严酷挑战。
袜子、电线、拖鞋，容易缠绕住扫地机器人的大多是这些柔性物体，熟悉图像识别技术的朋友们想必都知道，形态各异的柔性物体，它们的模态、特征极为复杂，算法学习起来难度很大。
大部分的图像识别神经网络模型对小目标的识别率都很差，而困住扫地机器人的很多是袜子、耳机、电线这些小物件。
想要提高对小目标的识别率势必要提高识别精度，要提高精度势必要增大神经网络模型，增大模型则带来芯片计算量的增加。
要让有着AIVI技术的扫地机器人实现量产，走进更多家庭，硬件方面只能选择算力极其受限的芯片，而目前市面上的图像识别神经网络模型实在太大，无法直接应用到扫地机器人上。
为了让AIVI™技术实现从实验室走向家用，DG70选用了高算力低功耗的芯片，运行时散热少，能满足扫地机器人长时间工作的要求。工程师们设计了超轻量级神经网络模型，保证识别精度的同时，也满足了延时使用要求（即模型进行一次识别的反应速度要快，同时延迟要小，以满足使用要求）。
有了经过训练且不断精进的“神经网络”的加持，再融合多个传感器数据、SLAM算法，扫地机器人不但能看清家，更能看懂家。
既然是一款人工智能产品，就要能不断学习，越变越智能。DG70的产品经理和研发工程师们，在不断努力让它成为一台会成长的机器。从满足单一的清扫功能，到满足交互性需求，越来越懂你的心意。
没准在不久的将来，“给在书房的爸爸端杯茶”这种小事儿，DG70就可以代劳。
AIVI识别利用的是机器经过训练后学的的算法，记录了各类物体的“关键特征”，从而实现准确识别。DG70芯片内部不存储图像数据，仅存储训练过的“神经网络”模型，并在扫地机器人本地完成计算，保证了用户的隐私安全。
基于AIVI技术特性，不会对用户信息安全造成不良影响。使用AIVI技术的扫地机器人可在设备本地对捕捉的画面中的物体进行识别，而无需借助云端处理技术，即使在离线情况下也能正常工作。设备捕捉到的家庭环境画面仅在设备本地用于识别物体，不会上传服务器，更不会对外公开，能够有效确保用户隐私安全。
工程师露出了尴尬而不失礼貌的微笑：“平常很乖突然在家里随地便便可能是狗狗生病了，这个时候的粑粑可能不是正常健康的粑粑，而是，emmmm……你懂的。
这方面的数据采集有一定的难度，我们的样本量还不够，可能需要数据采集师多加努力。”
提到人工智能，很多人都有种莫名的距离感，其实，AI 普及范围比我们所知道的要广泛得多，只是没有察觉它的存在罢了。比如人工智能小程序「猜画小歌」能够通过简单的几笔画就识别出玩家画的是什么物品，十分有趣。
而说到人工智能在现实生活中有趣的应用，就不得不提到 2018 年 9 月 Google 在上海龙美术馆举办了一场规模空前的 AI 体验展，2000 平米展区，17 大互动项目，把 AI 和音乐、绘画，甚至皮影戏结合了起来。
在体验区中，只需通过简单有趣的互动，利用涂鸦、语言、音乐、跳舞等方式，无论大人或小孩，都可以轻松探索看似神秘的 AI。
其实，AI 就是一个人人都能体验的工具，希望这场展览能带给观众「AI 触手可及」的感受。
前段时间，Google 开发了一款人工智能猜画小程序「猜画小歌」，用户绘制出一个日常物件，然后 AI 会在限定时间识别用户的涂鸦。
同样是随手涂鸦，这次的「Draw to Art」又带来了另外一种有趣的展现形式 —— 观众在左侧屏幕上任意画一个图像，AI 会在右侧匹配出相似图像的艺术作品。
它是怎么做到的呢？我们先回想一下，小时候学画画，有一门基本功 —— 素描（没有学过绘画的朋友，也应该听说过达芬奇画鸡蛋的故事）。我们通过素描来训练自己对线条、形状和透视的感知。
同样的道理，Google 的工程师们训练了一个深度神经网络，它能识别涂鸦中的视觉特征（也就是刚才说的线条、形状和透视等）。工程师们还训练它来识别绘画或者雕塑中的相同特征。这样，具有相似特征的涂鸦和艺术作品，就能够联系起来，最后程序再把最佳匹配呈现给用户。
不过，Draw to Art 被设计为每个人都能轻易使用的形式，这样你离艺术大师之间就只差一个 AI 了（误）。
中国有不少琴童，也有不少学琴的成年人。学琴和练琴的艰辛众所周知，可如果学习音乐让你失去了乐趣，那学习的意义又在哪里呢？
而AI Duet 的魅力正是在于 —— 你只需要随意弹奏一些音符，它便能根据输入的音符来生成一段保留了原始输入风格的旋律。即使你对弹奏乐器一窍不通，AI 也能根据你弹出的音符来完成一段二重奏。
我们都知道，艺术创作十分需要灵感，所谓「文章本天成，妙手偶得之」。AI 的行为模式有别于人类，AI Duet 经过大量数据集的训练，能对人们输入的旋律作出「应答」，希望它能帮助音乐家找到灵感，也帮助大家找到欣赏音乐的乐趣。
皮影戏是濒于失传的中国传统文化艺术。AI 皮影戏这款互动项目旨在弘扬传统民间艺术。
在一间黑暗房间中，你用手势在墙上打出一些动物的手势，就像小时候我们玩过的手影游戏一样。接下来，AI 会自动识别玩家的手势，并配合动画，你的手影就会化作动物，墙壁上也会据此投射出一张美丽的皮影剪纸。不一会儿，剪纸头像就会「跳」入画布中，在荧幕上化作一段精彩的皮影戏。
这次体验展上的 AI 皮影戏，是它在上海的全球首秀。我们一直认为，科技不仅能够提升我们的生活品质，它也能让古老的艺术焕发新的生机。
AI 与传统艺术的结合就是一个很好的实现方式，不仅帮助了传统文化的传承，也给人们更便捷和轻松的渠道去感受传统艺术的魅力。
现在，AI 在生活中的应用越来越广泛，它不仅是下围棋超厉害的 AlphaGo，是辅助医生进行癌症检测的 AI，它还是能随时随地帮助讲不同语言的人们进行交流的 Google 谷歌翻译。
不是每一个人都需要知道发动机原理，但我们都能享受到汽车。我们也可以不知道冰箱的制冷原理，但我们依然使用着冰箱。所以说，AI 当然是集结了优秀工程师脑力的人工智能，但同时它也是平易近人的，像一个聪明的小管家一样为我们服务。AI 本就是一个人人都能体验并且受益其中的工具。
这次体验展上，还有 Giorgio Cam、Art Palette 等等其他好玩有趣的 AI 项目。Giorgio Cam 会通过摄像头捕捉并识别出物品名称等信息，然后即兴创作一段 Rap；而 Art Palette 则是一个 AI 调色板，它会识别图像中的配色，邂逅与你同色系的世界名画。
即使没有去成现场，也无需感到遗憾，AI 就在每天的生活里，甚至…它就在你的手边！
现在下载 Google 谷歌翻译或者在微信小程序玩转「猜画小歌」，就能随时随地体验有趣的 AI！
关于人工智能的应用，集智过去也分享过不少，今天连同一些新发现的趣应用一同汇总在这儿：
这是一款用机器学习框架 TensorFlow 开发的 App，当宝宝放声大哭的时候，就把手机拿到宝宝身边，打开 App，录下宝宝的哭声，然后 Maggie 就会用 AI 算法理解宝宝的哭声，在屏幕上显示这哭声到底是啥意思，比如“我困啦”“我要喝奶”。哦对了，这个 App 只适用于 12 个月以下的宝宝。
AI 不仅能“翻译”婴儿的哭声，还能为我们“翻译”鸡叫声。美国佐治亚理工大学就搞了个 AI，帮养鸡户弄明白鸡棚里的鸡叫声是什么意思：
DeOldify:基于深度学习技术，专门用于修复&上色拍摄于一百余年前的黑白老照片，甚至也能处理几个世纪前的油画和线条画。
借助这些基于 AI 的图像自动上色应用，即使没有任何绘画功底、没有使用专业图像边界软件的人，也能熟练地为动漫线.AI版 DJ
这个叫 DeepDJ 的应用是一个基于人工智能技术的音乐合成器，能够实时合成特定的钢琴曲，AI 不仅能学习不同的音乐风格，还能学习曲子的动态变化。
说起创作曲子的 AI，就不得不提大名鼎鼎的 Avia，这个会作曲的 AI 甚至已经出了专辑，详情可以看看我们以前的分享：
不知道大家还记不记得去年一件大火的事情：BBC连线釜山国立大学罗伯特·凯利教授讨论时下新闻，直播中途却遭熊孩子乱入。随后这位教授和闯入镜头的两个萌娃成为网络热点。
而在实际工作中，我们使用视频通话时有时也真的会出现不少意外情况。微软今年10月份宣布在旗下办公应用Microsoft Teams中添加了一项新功能，用AI将用户在视频通话期间的背景自动进行模糊处理，防止背景出现尴尬情况。
利用深度学习中的 GAN 网络自动生成现实世界中并不存在的人脸，而且非常逼真。
机器学习中有一种叫做“风格迁移”的技术，就是能把一幅图像的艺术风格转移到另一幅图像上。然而单纯使用“风格迁移”技术，图像内容并没有变动，只是改变了画风。
利用人脸识别技术打造一个抖音机器人，可以完成颜值检测、人脸检测与识别，自动翻页和自动关注。
如果你看过科幻剧《黑镜》的线 月上映的圣诞节特别篇《黑镜：白色圣诞》一定给你留下了很深的印象。在这一集中，《黑镜》为我们展示了一项能够屏蔽人的惊人技术：在不远的将来，人们都装上了一种智能眼，如果你不想和某个人再发生任何交集，你可以直接将 TA 从你的视野中屏蔽掉，从此你不会再看到 TA 的样子，TA 在你的眼前就是一团灰白色的人影轮廓。你虽然听得到他的声音，但是并不知道他具体说了什么。
这种看起来很科幻的技术，现在已经出现了初级版。在 GitHub 上就出现了一个叫 Person Blocker 的项目，字面意思就是“人物屏蔽器”。它可以用预训练的神经网络 Mask R-CNN 自动“屏蔽”画面中的人物，像极了《黑镜：白色圣诞》里的技术。借助这段脚本，你不光能屏蔽人，能屏蔽多达 80 种不同的对象，比如长颈鹿、公共汽车等等。
猫咪自己是不会开关门的，所以有人就利用人脸识别原理，搞了个“猫脸识别”装置。微软甚至为此还出了软硬件产品和教程。详情见我们的介绍：
这是一个日本小哥做的应用，因为太爱吃拉面，借助谷歌 AutoML Vision 技术后研发出一款 AI，能识别出上述拉面是来自哪家拉面馆，准确率达到了骇人的 94.5%。
这个技术是东京大学 Kamitani 实验室去年发布的成果，这个 AI 通过研究大脑中的信号，能准确地计算出一个人正在看的甚至正在想的场景的图像。
使用 AI 做一个聊天机器人，向给你发送钓鱼邮件的人自动回复消息，直到把这些人搞到崩溃！
拍照领域有个终极难题，至今无法很好解决——拍照时恰好闭眼。Facebook AI 实验室今年发布了一项新研究，用人工智能可以将照片中闭着的眼睛替换为睁开的眼睛，而且结果非常逼真。
说到这个很多人应该都有印象，就是直接给消费者配送物流的机器人，在2018年的618活动网购中，有幸体验了一番。
人在帝都三环，当时在平台上买了一些护肤品（具体什么牌子就不说了，谨防说我打广告）我是像往常一样，等着快递小哥给我送货，可这当日达到点了，快递小哥没来，却给发了一串取货码，说几分钟后到楼下取快递。以前都是快递小哥直接送上门，这次怎么不一样了？
抱着好奇心的态度走下楼，就看到一个配送机器人走了过来，到楼下停下了。当时心里的确是这样想的：？这种操作有意思...
之后，我就直接在配送机器人上输入取货密码，配送机器人就将窗口打开，直接取件了，当时也是引来了不少人的驻足。
包括它当时走的时候，楼下路边有个洒水车，配送机器人远远走来，司机看到这样的配送车，就往窗外望，还把洒水的功能关了，也是挺可爱的：
当然，看完这些主要人工智能在哪呢？并不是说这样的配送方式，正如视频里所看到的那样，配送机器人有自己智能的点，例如：自动规避路障、自动等红绿灯...这些就是机器人设置很智能化的地方。
其实，对于我们消费者来说，最注重的就是购物体验，而对于平台来说，急需解决的就是最后一公里的配送问题，配送机器人的出现，也是在智慧化的解决“最后一公里”的配送问题，很多人还在调侃：以后快递员是不是都要失业了？
失业肯定不会，人工快递员还是有他们自己的好处和优势的。不过，这个配送机器人的出现的确是省了不少事，我就有跟快递小哥聊过，以往的快递小哥配送的时候，需要频繁往返于配送站与服务片区来完成订单补货，现在通过配送机器人的帮助，配送员只需要负责所辖配送地区内的最终订单配送，由配送机器人不断从配送站把货物运输到配送员面前，这样中间就省了很多的时间了...
这种人工智能化的操作，配送方式新奇，也能给消费者带来不一样的购物体验，最主要的是平台也能吸引不少消费者...据说现在在北京、上海、天津、广州、贵阳、武汉、西安等数十个城市就配送机器人项目的应用开展布局了。
网站中的这些图，都是用英伟达的StyleGAN做成的。自从它诞生以来，各路“神仙”玩得不亦乐乎，并把它生成的各种图片做成了网站。
一位名叫“Paul Bricman”的热心小哥，把这些网站收集在一起，放到了GitHub上。
她说，一天下午没事的时候，一遍一遍刷着这个网站，突然发现，屏幕里的脸和自己一模一样，连脸上的痣都一样。
在评论中，还有人说自己刷到了自己的表弟，然后有人说他表弟去世五年了，然后表弟在评论区出现了……
StyleGAN，是英伟达2018年底发布的最新研究成果，前不久正式命名。
8One more thing如果你想体验下，上面的这些小网站，用手机也能打开。
