一 : Prisma虽昙花一现 但人工智能平民化时代才刚刚开始
摘要:如果说Alpha Go还让普通人仰之弥高,那么人人皆可“调戏”的Prisma可谓是第一款人工智能平民化应用,两者的共同特征是,都在让深度神经网络从幕后走到台前。
先有Alpha Go在数亿人的眼皮底下,五战四胜将人类从围棋神坛上“拉下马”,后有Prisma风靡全球,一时间人人皆开了梵高、葛饰北斋的“金手指”,深度神经网络渐渐开始从幕后走到台前,从不可见变得可见可触,从赋能于企业走向“赋能”与每一个普通人。
如果说Alpha Go还让普通人仰之弥高,可望不可及的话,那么上至总统下至中学生,人人皆可“调戏”的Prisma可谓是第一款人工智能平民化应用。在手机的硬件军备竞赛人困马乏、了无新意的时代,利用人工智能技术,通过“云端算法”的远程助力,可以在硬件瓶颈之下大幅提高手机的“智能化”水平。
如果说Alpha Go出尽风头是因为背靠Google在深度学习领域的深厚功底,成功非一般创业公司可复制,那么四人团队一个半月时间内开发出的Prisma则意味着:站在人工智能领域前人的成果之上,小团队也有可能touch the sky。
将卷积神经网络应用于“图片合成”乃至“艺术品滤镜”,Prisma并不是第一个。早在去年,DeepArt团队的三名成员就通过两篇论文《Texture Synthesis Using Convolutional Neural Networks》和《A Neural Algorithm of Artistic Style》分步拆解,提出了合成名画风格的照片的具体方法。去年上线的DeepArt.io也得到了WIRED、The Washington Post等媒体的广泛报道,只不过由于是网页版收费服务、处理时间长达半个小时,所以未能如Prisma这般引爆流行。
卷积神经网络是如何生成“星月夜滤镜”?
即使将卷积神经网络用于“艺术品滤镜”,Prisma也不是第一个。这个领域的先驱是DeepArt团队,几篇论文记录了它们从“物体识别——纹理合成——风格提取——图片合成”一步步的研究轨迹。也像我们展示了用于识别猫的图片的卷积神经网络是如何用来让《星月夜》变成一款滤镜的。
不同光照环境之下的同一张人脸
同一张人脸在不同光线之下,轮廓、形状可能完全不同,而物体识别的难点也就是在不同的变量(比如光照条件)之下对物体存在的感知,这意味着神经网络要把图片的内容从风格中抽离出来,也意味着物体识别的神经网络中内在地存在着Prisma的运作机制:从图片中提取艺术风格特征。
问题是如何把梵高的《星月夜》中旋流不息的笔触与梦幻一般的用色“抽象”成一种风格滤镜,然后用在所有的照片之上?这就涉及到卷积神经网络的“过滤原理”。
就像Alpha Go的12层神经网络划被划分为负责选择落子的‘策略网络’(policy network)和则负责计算棋面优劣的‘价值网络’(value network)一样。卷积神经网络也是通过一些可供“调教”的参数,分层处理图片以便实现某些目的,例如目前应用最为广泛的物体识别,图片分类,也可以用于图片降噪或去模糊。
卷积神经网络运行原理图示
也正如其他的人工智能神经网络一样,卷积神经网络的运行方式是前向分层处理。一张图片相继通过神经网络的各个分层,最后一层产生的图片即为最终结果。每一层都有一组参数,在运行过程中被不断训练。这些可以调教的参数决定了每个“过滤层”的功能。图像每经过一个“过滤层”都会产生一组“滤后图像”,被称为feature maps(特征映射)。每一张feature map都代表了原始图像的某一特征(边缘、角度、轮廓、物体部分等)。
通常,当一张图像经过了多层过滤之后,后面留下的特征会越来越抽象。例如,如果卷积神经网络被训练用于物体识别,更深层次的“过滤层”更能“感知”到物体的存在而非具体的像素值。与之相反,第一个过滤层更容易感知到边缘等简单特征。
经过多年发展,用于物体识别和定位的卷积神经网络表现已经越来越好,挑战门槛也越增越高。ImageNet图像识别挑战赛2014年的获奖者是一个有19层“过滤层”和相对更小过滤器的深度卷积网络,这就是DeepArt系统的基础VGG网络。
人造纹理的合成步骤
在《Texture Synthesis Using Convolutional Neural Networks》中,DeepArt团队介绍了用于物体识别的卷积网络是如何用来完成另一项任务:合成人造纹理的,意即模仿原始图像的纹理创造一张人工合成的图像。通过可以被“打散重组”的图像都包含某一特定的图样,比如沙子、纸张、碎云、木纹、混凝土的特写图片,整体布局对于这类图片来讲并不像对于地标建筑那样是重要特征。
合成图片的产生过程就是不断迭代“升级”这些含有“随机噪音”的图片,直至产生与原始图像相似的图片。“相似性”的标准就是色彩和局部细节被保留,而总体布局发生改变。
我们想要的结果是去除空间信息,保留纹理。问题在于一张特征图本来就是原始图像的“过滤版”,肯定会保留空间信息。如何加以去除呢?DeepArt团队采取的方法计算一个去除了空间信息的过滤层中,不同特征图之间的相关性(只要两张特征图之间的相关系数是单一值,那么空间信息就肯定被去除了)。作者计算了一个过滤层中所有特征图的相关性,得到了一个N×N的格拉姆矩阵(Gramian matrix),其中N就是这一层中特征图的数量。
而格拉姆矩阵从某种意义上来说就相当于这名艺术家的风格。他再现一张脸的方式与再现一棵树、一幢房的方式有某种相关性。只要捕捉到了这种相关性就捕捉到了风格。
迭代升级程序不断修改“噪声图”,直至它的格拉姆矩阵接近原始图像。这种迭代升级可以通过多层神经网络标准的误差反向传播(BackPropagation)算法来完成,通过这一程序,就可以创造出与原始图像相似的纹理。
在后一篇论文《A Neural Algorithm of Artistic Style》中,DeepArt为原来的纹理合成方法增加了新的一步,目标是模拟VGG网络中特征图的格拉姆矩阵,以得到一张风格相似但内容不同的图片。模拟图片的内容与纹理合成的方法类似,只不过标准不同:目标是直接模拟VGG网络深层过滤层的数值。步骤可以概括如下:
让艺术家画作经过VGG神经网络,计算并保存格拉姆矩阵 G。然后再让用户的照片通过VGG神经网络,保存特征图F。生成一张白噪音图片,通过误差反向传播算法,不断升级这张图片直到它的特征图接近F,格拉姆矩阵接近G。
通过很难找到一张完美匹配G和F的图片,所以就需要做出一定程度的妥协。是更接近G还是更接近F?如果生成的图片更侧重于格拉姆矩阵接近G,那么它就更接近艺术品的风格。如果生成的图片更侧重于特征图接近F,那么它就保留更多照片的内容。下面的几张图片演示了这种妥协,从左至右,艺术风格越来越淡,图片内容越来越凸显。
为什么Prisma注定昙花一现?
Prisma的滤镜更像脸萌而不是Instagram、Faceu,是娱乐型产品而不是工具型产品,更别说再进阶为社交应用。实际上,很多新奇酷产品都把握不好娱乐产品和工具型产品的界限——是可以日常使用还是偶尔玩耍?使用场景是什么?Faceu之所以没有昙花一现,是因为它可以用于自拍、美颜、自带表情聊天,那么Prisma则只是为了追求新鲜炫酷。Faceu是锦上添花,Prisma则是改头换面。
而对于图片工具的主要应用场景——社交网络而言,被发在那里的照片主要是为了凸显内容而不是彰显风格,追求真实性大于效果炫酷,过度使用滤镜、使用过度“失真”的滤镜乃是一大忌讳。
更为重要的是,自拍美颜是国内用户“修图”的首要驱动力,一切不能美颜的修图工具都是“耍流氓”,而Prisam过度“风格化”的滤镜在人像尤其是面部处理方面很难令人满意。美颜需要的是对面部细微之处的修修补补,轻抹慢涂,而不是狂放艺术家的笔刷横扫,颜料泼洒。
一方面要用艺术家的风格让人耳目一新、为之惊叹,一方面又要要保留每一张照片的内容,这就意味着Prisma只能选取印象派之后、现代主义之前的艺术流派,正如一位学艺术的朋友所言:“它的智能尚不能学着像毕加索那样去解构人体,更不消说康定斯基完全不依实物作画。”而且后古典主义时代的审美(摆脱对于“像不像”的纠缠,同时注重变现形式与内容)目前在大众中尚未被普遍接受,Prisma的“日常化”尚不具备群众基础。
人工智能正在让智能手机更“智能”
正如钛媒体的文章《代码不再重要,未来我们要像训狗一样训练计算机》中写到的,机器学习在互联网应用中已经无处不在:Facebook利用它来决定哪条新闻出现在你的时间线上,Google图片用它来做面部识别。微软的Skype Translator利用机器学习把演讲实时转换成不同的语言。Google还利用DeepMind 为它昼夜运行的数据中心节能降耗。而基于深度神经网络的人脸识别技术已经广泛应用于线下的身份认证。
然而,这些面向企业用户、运行于后台的的人工智能技术还没有“把玩”在普通用户手中,响应他们的每一次需求,使智能手机真正变得智能起来。
Prisma的风行,标志智能手机的硬件时代已经过去,人工智能时代已经到来。Prisma使用的卷积神经网络技术,正是现在人工智能的前沿。以后各种顶尖的人工智能技术将继续平民化,实现在各种移动硬件上。实际上,除了Prisma这样的娱乐化应用,人工智能也正在被用于解决智能手机用户的真正“痛点”。
如果你是个拍照达人,不知不觉中相册中已经泛滥成灾了上千张照片,让你有心去整理而又不知从何下手。现在,Apple Photos、Flickr、 Google Photos等都开始利用图像识别技术帮助你自动整理、归类图片。
应用了人工神经网络之后,Swiftkey的预测准确性有了明显提升
而今年,人工智能技术也第一次应用在输入法上,7月份,在全球拥有3亿用户的Swiftkey发布了一款利用人工神经网络预测用户输入内容的输入法SwiftKey Neural Alpha,相比于过去只能根据最新键入的两个词进行“局部预测”,SwiftKey Neural Alpha通过对每个单词编码,然后寻找句子中不同词语之间的相关性,基于云端数百万的语料库,从而实现基于句子的“全局预测”。这是神经网络技术首次应用在输入法上,SwiftKey的联合创始兼CTO Ben Medlock称,他们的一些想法是受到了英国著名科学家图灵的启发。
二 : “昙花一现”是“现”在一天中的什么时间?
“昙花一现”是“现”在一天中的什么时间?
昙花(Epiphyllum oxypetalum)仙人掌科。肉质植物,灌木状。老枝圆柱形,新枝扁平,绿色,呈叶状,边缘波形,两面中央具有一肥厚中脉。花生于叶状枝的边缘,白色,大型,两侧对称,美丽,芳香,夜开,翌晨即萎,仅数小时,故有“昙花一现”之说。浆果红色。原产热带美洲;中国各地温室栽培,供观赏。用叶状枝扦插繁殖。
三 : NIBIRU星球是什么?什么时候发现的
NIBIRU星球是什么?
NIRU星球是什么? 什么时候发现的
NIBIRU星球:在1982年发现的威胁地球NIBIRU星球 会使地球磁场紊乱 跟近期大地震发生有关
关于谜之行星NIBIRU,最早被发现于遥远的古文献记载。虽然是流传,但科学界对它的发现已经是不争的事实,将之称为“第10大行星”或者 “NIBIRU(Plant X)”。然而,严格来说它不是一颗太阳系轨道中的行星,想要观测到它也并非是件容易的事。说它是“谜之行星”,除了它自身的神秘外,NASA和媒体界都对此消息十分保守的样子。在网络上发现一篇有意思的关于NIBIRU的日文资料,我将之翻译过来,权当分享。
译文:
公转周期3600年的NIBIRU将在2012年末回到太阳系
在日本,这也许是个比较热门的话题。关于谜之行星Plant X(NIBIRU),我从妈妈工作的地方获得了很多原始资料。
据说,迎接地球、人类的净化和文明切替的,这个导火索可能就是行星NIBIRU。
2012年的12月下旬,这颗行星将再次接近地球,可能给地球带来无法估计的影响。
关于NIBIRU:
1.太阳系第10颗行星。(含太阳和月亮在内是第12号星体)
2.围绕太阳3600年1个公转周期的超椭圆形轨道。
3.体积和木星可以匹敌。
4.拥有5颗卫星。
可能给地球带来的影响:
1.磁极偏移。
2.大地震与地壳变动
3.巨大海啸(100米~150米)
4.异常气象(电影《后天》中的情节将成为现实)
5.火山喷发
对于这种不太可能的事大家一般都会一笑了之吧。然而,我感觉妈妈还有必要对这个事情做更深入的调查。这也许会成为2012年次元上升的1个真相。
在近年,有很多推?y關於X行星(或第12顆行星) 的作品,這也被稱?镹ibiru行星。 大多?礪echaria Sitchin的??斜环Q?榈?2 顆行星。 Sitchin像Velikovsky(維利科夫斯基) 和Darwin(達?文)一?樱?褂盟??的各自的理?支援他的關點。一????題出現︰ Nibiru是真??的?幔?
古早的人???髡f的一顆行星,蘇美人叫它Nibiru 巴比??人叫它Marduk。古代Mesopotamians相信Nibiru是在我??的太?系裡的第12 顆行星,它是" 天堂" 他??的神存在?K且每3600年回?磉@裡。
Nibiru行星(Ne.Bi.Ru) 被很多名字同義, 例如︰第十二行星,X,天??琈arduk,天堂, 天堂的王??等等 。雖然Nibiru已?被叫?榈?2 顆行星,但是??際上這不是我??的太?系的行星。??際上,這是?碜粤硪??太?系的一顆行星,它的太?已?熄?纭?ibiru 目前?o法?牡厍蛭纯匆?,但是Nibiru?碜缘奶??系是可由地球的天空裡?。
Nibiru的?道給住在其上的居民Anunnaki,他??能觀察?K且調查很多其他行星的???荨?Nibirians (Nibiru居民),?常被稱?锳nunnaki,Nephilim,Elohim(?樯裱}?? ,以及Mardukians。在舊約全??斜唤蠥nakim 。
有些人相信Nibiru的Anunnaki不久?⒒氐降厍颉?他??相信那顆行星X?⒁运?,600 年週期?道?過地球周遭。那些信仰者害怕Nibiru可能??斫Y束。 他???峙逻@?⒁??夂驙?r,疾病,流星火風暴,地震,潮汐波,特大洪水,食品短缺,火山爆發等等。他??恐怕??е戮薮?碾y性生活的?p失。
NASA在1982年發現了這??星球.
在1983年,NASA發射了IRAS(Infrared Astronomical Satellite) 衛星, 這在華府郵?蟮腏PL IRAS科?W家的訪?中被揭露. Nibiru又稱?镻lanet X.Niburu是一??黑暗星(Dark Star) 的七??副星之一. 也稱?镠omeworld, 它非常像地球. 這裡Annunaki"Giants與舊神"仍然存在. 它造成??特蘭提斯與Noah's 洪水. Nibiru曾被稱?榈厍蛏系腤inged(或Horned)Disc.
我??的2007年12月 = Mayan?训?012年12月
?默F在的2007~2012年間,Nibiru??拷?厍? 它的磁???V沟厍虻淖赞D?兹栈蛞贿L. 更糟的是90%的人口也許??劳? ??斐删薮蟮暮?[, ?⑾埔坏饺?ǜ叩暮?[. NASA目前以南?O的新S.P.T天文望遠鏡在觀察Niburu. 到了2009年5月15日, 它即可被南半球的人?以肉眼看?.
到2011年五月, 所有人都可以肉眼看?.2012年12月21日,Nibiru???過Ecliptic plane. 像太?一?拥牧良t色,大約有月亮一?哟笮? 地震與海?[等?毫?夂?⒏?愀? 然而最糟的情?r在2013年2月14日, ?地球移?拥教??與Nibiru之間. ?O軸??D移. 全球的風暴地震與海?[?⑦_到最糟的?夯??r. 到了2014年7月1日,Nibiru就不再影?地球了.
奇怪的是,如此巨大的行星将可能会进入太阳系,却没有此消息相关的新闻报道。是何原因呢?
1.有意图隐藏情报。(译者注※)
2.防止世界混乱。
3.人类没有可能挽救。(这一说法占10%~20%)
※起初发现土星之际,发现它的轨道“不正常”,似乎是受到某种力量的牵引,所以预测土星之外还有其他行星。在海王星与天王星都相继被发现过后,天文学家们都在这两颗星球上发现类似的情况,认为那颗假想的planetX还是未被找到。最后冥王星被发现了,这颗遥远的又看起来有点奇怪的小星球都被一部份人认为这个就是planetX,那颗对其他临近星球有某种引力的神秘星球。可是这颗冥王星体积太小了,不足以拥有那种力量去影响其它星球。从那时候开始,planetX在天文界里还是1个未解之谜。直到1982年,一颗神秘天体被发现了。为了确定其属性,NASA于1983年发射了IRAS卫星上空并于猎户星座的方向找到了这颗当时估计拥有木星那么大的天体。当时,NASA有对外界发布相关的发现,可是没多久之后,NASA又向外界发送消息澄清之前的发现只不过是1个错误的发现。
1月中旬以来,中国南方大部分地区和西北地区东部出现了建国以来罕见的持续大范围低温、雨雪和冰冻的极端天气。受灾害天气影响最大的是正值春运期间的交通运输。冰雪灾害目前已经造成黔、湘、鄂、皖、苏、陕、甘等十七个省(直辖市、自治区)不同程度受灾,灾民过亿。
2008年5月12日四川省发生里氏8级强烈地震,全国大半地区有明显震感,震中位于阿坝州汶川县。造成68109人遇难,364552人受伤,失踪19851人。紧急转移安置1500.6341万人,累计受灾人数4561.2765万人。
19日的最新数据显示,全国累计手足口病近25000例 34名患儿死亡 瘟疫蔓延中国!
26日以来袭击蒙古国大部分地区的特大沙尘暴和暴风雪造成的死亡人数已升至46人,其中大多数为牧民。蒙古国中东部和西部戈壁地区自26日起出现沙尘暴天气,在当地造成重大财产损失和人员伤亡。沙尘暴发生后东部一些地区的能见度降到10米到20米,个别地区风速达每秒40米。
国家林业局今早发布消息,我国今春影响范围最大、强度最强的沙尘天气过程已经出现。本次浮尘天气影响五个省区300个县市,受影响的人口约1.1亿,是我国今年入春以来发生的影响范围最大、强度最强的一次沙尘天气过程。这一过程将持续到今年5月底。
美国遭遇数十年来罕见的严重水灾。受到连降暴雨和积雪融化的影响,著名的美加边界河、圣约翰河,水位暴涨了九米,有冲破河堤的危险。造成沿河的百多座房屋淹水。上千个居民被迫紧急撤离。他们表示,这是当地80年来遭遇到的最严重水灾。
龙卷风频频袭击美国,今年内已经造成100个人死亡,是十年来最严重的。美国气象局已经发出龙卷风警告,这场十年来最严重的风暴,危机还没有解除,单单在俄克拉何马州内便至少出现了十七个龙卷风。
一场热带风暴,肆虐位于中南半岛西端的缅甸,造成缅甸几乎半个国家成了灾区,缅甸强热带风暴造成的死亡人数上升至77738人,失踪人数为55917人,受伤人数为19359人,而经济损失,更是难以估计。
印尼雅加达洪涝灾害已经造成至少20人死亡,34万人无家可归。气象部门预计雅加达地区未来两周仍有降水天气,某些区域深达4米的水位可能还会继续上涨。
中新网6月17日电 6月6日以来,中国南方地区连续出现大范围的强降雨过程,部分地区发生严重暴雨洪涝灾害。据民政部网站消息,截至6月16日,此次灾害过程已经造成浙江、安徽、江西、湖北、湖南、广东、广西、贵州、云南等九个省(自治区)不同程度受到灾害影响,因灾死亡63人,失踪13人,紧急转移安置166万人;农作物受灾面积1017千公顷;倒塌房屋6.7万间;因灾直接经济损失144.5亿元。其中广西、广东、湖南、江西等4省(自治区)受灾较为严重。
日本当地时间14日上午8点43分(北京时间14日上午7点43分),日本岩手县内陆南部发生里氏7.2级强烈地震。日本方面没有发布海啸警报。首都东京有震感。中新网6月14日电 14日上午日本东北部的岩手县奥州市与宫城县栗原市发生里氏7.2级地震。据日本共同社报道,余震一直持续到下午,两市新确认3人死亡,至此地震死者人数已达6人,另有15人失踪。另据NHK报道,日本气象厅方面表示,“在今后的1个星期左右很可能会频繁发生余震。
?默F在的2007~2012年間,Nibiru??拷?厍? 可能是那个星球所致 否则不可能会出现这么多极端的自然灾难
四 : 破水是什么样的啊?医生跟我说,一但发现破水的时候就要立刻住院,可
破水是从阴道排出,小便是从尿道排出,感觉不一样.当你破水的时候 2005年5月18日 09:36 羊膜囊是羊水袋的另一称谓,其中充满了液体,保护胎儿不受伤害。当羊膜囊破裂的时候(破水时),羊水就会流出。大多数情况下,破水发生在临产前不久。大多数病例中,孕妇在住院后发生破水,而后,她进入产房。 当你破水的时候,你感到阴道有大量液体流出,随后是慢慢的渗出,或者你只感到有液体慢慢渗出,而没有大量涌出。你需要使用卫生护垫来吸收这些液体,以免使你在别人面前感到尴尬。 一旦你发生破水,请与医生联系。如果你已进入临产,医生会让你去医院。如果你的妊娠还未足月,你就会被请到医生办公室进行检查。你可能还没有为分娩做好准备,而你的医生也不想你由此而发生感染。当你破水后,发生感染的危险增加。 尽管你可能听说有的孕妇在大庭广众之下发生了破水,但这的确不会经常发生。如果这在你身上发生了,别人会非常理解和帮助你的。在这个阶段,你怀孕已经是很明显的了。 当我破水的时候,我该做些什么呢? 当你破水的时候,围绕着宝宝和胎盘的羊膜囊破裂了。(羊膜囊也称为水囊)。起初,羊膜囊内的羊水大量涌出,然后慢慢渗出。这常常是预示着临产的到来。如果你认为自己破水了,请与医生联系。 分辨是偶尔的阴道分泌物还是破水了很重要。随着妊娠的时展,你的子宫变大。变重。因为子宫们于膀胱的顶部,它会对膀胱产生很大压力。不断增大的子宫使你的膀胱不能像从前那样容纳那么多的尿液了。偶尔会发生尿液渗漏,特别是你提重物或做跳跃运动的时候,你可能会发现内裤或衣服变潮湿了。 应如何处理 当你破水的时候,请与医生联系,不要进行性交,因为这会增加子宫内感染的机会。 在些检查能够识别你是否破水了。一个是试纸法。将羊水置于专用试纸上,如果胎膜破裂,试纸将变色。另一个试验是宫颈黏液检查。取宫颈黏液在显微镜下观察,干燥的羊水的形状像蕨类植物或松树的树枝。
本文标题:昙花一现的现是什么时候-Prisma虽昙花一现 但人工智能平民化时代才刚刚开始61阅读| 精彩专题| 最新文章| 热门文章| 苏ICP备13036349号-1