[文章分享] Google 提出新的人像「換景」演算法。
可以換掉「背景」,並將人體重新打光,使之與背景一致,自然無違和。
網址: https://bit.ly/2PKR6dM (簡體中文)
---
分享一個剛剛看到的網頁。現在的神經網路演算法越來越厲害了呀!
該演算法可以用「前景遮罩(Alpha Matting)」,先將人物獨立框出來。然後用神經網路,評估新背景的光線環境,並將之套用到剛剛挖出來來的那個人像,最後將之合成。
有興趣的朋友,點進上方連結,可以看到更多套用範例喔!(簡中網站)
PS: 本文歡迎轉發、按讚、留言鼓勵我一下!您的隻字片語,都是讓我繼續提供好物的動力喔!
--------
看更多的紀老師,學更多的程式語言:
● YOTTA Python 課程購買: https://bit.ly/2k0zwCy
● YOTTA 機器學習 課程購買: https://bit.ly/30ydLvb
● Facebook 粉絲頁: https://goo.gl/N1z9JB
● YouTube 頻道: https://goo.gl/pQsdCt
如果您覺得這個粉絲頁不錯,請到「評論區」給我一個好評喔!
https://www.facebook.com/pg/teacherchi/reviews/
同時也有10部Youtube影片,追蹤數超過1萬的網紅練健康,也在其Youtube影片中提到,【協調性下集】如何提升殺球能力? | 運動科學 | 神經網路理論 |流暢哥】 你是否曾經為了做好一個動作,比方說上籃上好、跳舞跳好、揮棒揮好,而反覆練習到學會/變強為止? 從 AI 的深度學習演算法我們可以理解神經網路是怎麼運作的,進而去找到動作學習上的問題在哪裡,並解決AI 領域會遇到的問題,我...
「神經網路演算法」的推薦目錄:
神經網路演算法 在 AOPEN Taiwan Facebook 的最佳解答
#AI臉部辨識引擎
AVCP AI臉部辨識引擎為100%台灣技術💯
高識別率人臉辨識技術,安全No.1👍
人員人臉辨識、性別、年齡與情緒四大演算法
採用深度學習類神經網路演算法😎
打造1對1、1對多的 #高正確辨識率
歡迎軟體開發商
立即預約體驗👉https://aopen.pse.is/R5CTL
神經網路演算法 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
AI 戰勝電競選手後,美國想用玩家腦波訓練軍事機器人
作者 愛范兒 | 發布日期 2020 年 02 月 12 日 8:30 |
如同前陣子美軍使用無人機對伊朗行使斬首行動,證明現代戰爭即將進入自動時代,美國在軍事技術和思想一直走在世界最前端。
日前,稱為網路發源地的美國 DARPA(國防高等研究計劃署)開始了關於 AI 在軍事決策領域的研究。
用策略遊戲培訓 AI
從外媒報導,可得知紐約大學水牛城分校人工智慧學院工程師已獲得 DARPA 資助。他們透過創造類似《星海爭霸》或《恆星戰役》(Stellaris)等遊戲,並採集玩家的大腦活動和反應,使用這些資料訓練 AI 。
與 AlphaGo 下圍棋不同,類似《星海爭霸》的 RTS 遊戲在策略和操作複雜度更高,需要玩家協調採集資源、建造建築、選擇進攻策略,甚至還要操控每個士兵的精細動作,且都是在有「戰爭迷霧」,也就是不完全資訊的條件下進行。
很顯然,此類遊戲比簡單的棋類策略與真實的戰場環境更接近,在這種資訊不對稱的環境訓練的 AI,更容易在資訊錯綜複雜的戰場上做合理判斷。
監測腦波,向 AI 展示人類決策過程
可能有人要問,這和之前 Google 團隊針對《星海爭霸 II》開發的 DeepMind 有什麼區別。與 DeepMind 目的是獲勝不同,DARPA 想觀察人類在類似場景的判斷和決策,並用機器學習演算法整理,訓練出能相互協調的機器人。
為了達成目的,DARPA 要求所有在水牛城分校玩新策略遊戲的玩家配戴偵測腦波圖(EEG)的頭盔。觀察玩家做決策時,研究者可對照腦波圖,觀察玩家在策略選擇時的大腦活動。
同時研究人員還搭配特殊的超高速鏡頭追蹤玩家的眼球運動。配合遊戲畫面,觀察人類在決策時的直覺反應。
為什麼 DARPA 要做這研究?
對於 DARPA 來說,他們並不想要單單執行工作的機器人,他們需要一群機器人互相配合,根據目前掌握的資訊自己規劃、並有策略的完成工作。
如果策略執行時遇到阻礙,也能隨機應變。比如高度複雜的環境下(天氣、地理環境、敵我動態)多達 250 個單位(空中與地面機器人)協作,這時突然出現煙霧導致可見度低落,AI 控制的機器人同樣能改變策略,完成工作。
只有達到這種程度,AI 在軍事領域的應用才能派上用場。
但從目前來看,目前 AI 都是在相對確定的環境下訓練,但真實環境往往複雜且缺乏資訊。在這種環境下決策,AI 需要根據已知資訊推理,目前 AI 在這方面還處於新生兒狀態。
此研究的意義是讓人類成為老師,向 AI 展現人類長期演化後的直覺,並透過監測腦波,向 AI 展示人類如何處理接收的資訊,進而讓 AI 產生推理能力,並最終學會如何制定總體策略。
我們知道,人類之所以能生存下來,就是因為人類不僅有個體決策,還有指導人類完成工作的總體策略。所以如果想要 AI 完成人類的工作,指導 AI 相互配合並制定總體決策就勢在必行。
結語
過去,機器是輔助人類工作的工具,必須由人操控。後來,人類為工具編好執行流程,讓工具按照流程自動工作。
現在,機器透過機器學習和神經網路演算法,能執行簡單的判斷和決策工作。
未來,人類將賦予機器群體策略能力,人類不再需要為每個機器決定工作,我們只需要給一個目標,AI 就會制定整體策略,並分配工作給獨立 AI 操控的每台機器,合作完成任務。
從總體來看,這是人類的一大技術進步。只是從歷史角度看,這種技術通常先用在軍事行動。還是那句老話:技術不分善惡,只在用途。如果這種技術成為現實,希望永遠不要用於戰爭。
附圖:▲ DeepMind 決策過程。
▲ 水牛城分校研究現場。(Source:水牛城分校)
▲ DeepMind 眼中的遊戲。
▲ 未來的無人機蜂群作戰。
▲ 美軍微型無人機「蜂群」展示。(Source:影片截圖)
▲ 完成工作後「蜂群」繞圈飛行。(Source:影片截圖)
資料來源:https://technews.tw/2020/02/12/darpa-wants-to-train-military-robots-with-your-brain-waves/
神經網路演算法 在 練健康 Youtube 的最佳解答
【協調性下集】如何提升殺球能力? | 運動科學 | 神經網路理論 |流暢哥】
你是否曾經為了做好一個動作,比方說上籃上好、跳舞跳好、揮棒揮好,而反覆練習到學會/變強為止?
從 AI 的深度學習演算法我們可以理解神經網路是怎麼運作的,進而去找到動作學習上的問題在哪裡,並解決AI 領域會遇到的問題,我們人類本身也會遇到,幸運的是AI科學家已經幫我們找出解法了!
當你覺得是最「好」的動作的時候,就真的是最佳的嗎?你登的山是象山還是西馬拉雅山?那登錯了怎麼辦?還有得救嗎?
今天這個影片會以排球的殺球為例,介紹幾個常見問題以及如何透過改變訓練方式去優化動作,之所以拖這麼久才出是因為確實是不好表達,影片已經盡量簡化了,讓我們看下去!
流暢哥IG:https://www.instagram.com/rotator_bro/
練健康IG:https://www.instagram.com/lkk_wellness/
#協調性 #動作模式 #人工智能 #AI #線性代數 #流暢哥 #局部最佳解 #殺球 #排球 #排球殺球
神經網路演算法 在 啟點文化 Youtube 的精選貼文
【線上課程】《過好人生學》~讓你建立迎向未來的思維與能力!
課程連結:https://pse.is/H8JXH
第一講免費試聽:https://youtu.be/-EHOn0UxMys
不定期推出補充教材,讓學習無限延伸:https://pros.is/KQZZH
【8/3開課!】《人際回應力-看懂情緒,輕鬆對談》~第23期
一個人的命運,是回應力的總和!
課程資訊:http://www.koob.com.tw/contents/157
更多學員心得分享:http://goo.gl/Guc6V6
【線上課程】《自信表達力》~讓你不再害怕開口
從「敢表達、說清楚」到讓人「聽得進、會去做」的完整學習
課程連結:https://pse.is/RG5NC
第一講免費試聽:https://youtu.be/fAjySLoa2f8
不定期推出補充教材,讓學習無限延伸:https://pse.is/NUJK9
【線上課程】《理財心裡學》~擺脫家庭影響,從心培養富體質
課程連結:https://pse.is/EPBWE
第一講免費試聽:https://youtu.be/HgrDK7pqR-0
不定期推出補充教材,讓學習無限延伸:https://pse.is/NJ5VE
【線上課程】《時間駕訓班》~
學會提升效率,擺脫瞎忙人生,做自己時間的主人
課程連結:https://pse.is/DDDHB
第一講免費試聽:https://youtu.be/flfm52T6lE8
不定期推出補充教材,讓學習無限延伸:https://pse.is/GXZWM
【線上課程】《人際斷捨離》~
讓你留下怦然心動的關係,活出輕盈自在的人生!
課程連結:https://pse.is/E5MW5
第一講免費試聽:https://youtu.be/YyLvd1cNcDw
不定期推出補充教材,讓學習無限延伸:https://pse.is/LVRLY
【我們有Podcast囉~】歡迎到Podcast應用裡搜尋「啟點文化一天聽一點」訂閱我們!
Apple Podcast~https://pse.is/N2WCZ
Google Podcast~https://pse.is/PEN2Z
在Himalaya收聽~https://www.himalaya.com/ekoob
在Spotify收聽~https://pse.is/PQT76
在SoundCloud收聽~https://soundcloud.com/ekoob
桌遊【人際維基】~一玩就懂得別人的在乎:https://goo.gl/Ej4hjQ
到蝦皮購買【人際維基】:https://goo.gl/ASruqR
=========================
每個人都想要找到更穩定、更有保障的工作,不過我要提醒的是,要是你沒看今天的節目,到頭來,你可能只剩下一場空。
在收看影片之前,不管你是在Youtube還是Podcast收看或收聽,記得訂閱我們的頻道,你的具體支持,是我們製作節目的最大動力~
最近在網路上,有某些關鍵字持續的飆升,像是「企業紓困」、「疫情紓困」都引起上萬人次的搜尋。
而這些關鍵字的背後,也代表著在疫情平息之前,無薪假、失業這些問題不會改善,人們也很難恢復安全、穩定的生活;因此人們會傾向去尋找更有保障的工作,這也讓坊間的公職考試補習班,又熱門起來了!
公職補習班迷思
當然喔,追求安全、穩定本來就是人性,只是當我發現這些公職補習班,還用一些有一點不合時宜的標語,對求職者做宣傳,像是什麼呢?「參加銀行特考,就能擁有讓人羨慕的福利跟待遇」。
甚至是「書記官地位崇高,形象良好,進可攻擊他人之不正,退可保守自己親朋之安全。」這其實是一類的訴求喔,有一點誤導大眾的認知跟行為,我一定要來逆風發言一下。
那為什麼我會這樣說呢?台灣喔的「人工智慧」教父~李開復先生,在他的著作《AI新世界》裡面提到。
他認為人工智慧註定會顛覆世界,並且會帶來前所未有的經濟失衡,而眼下最直接的,就是在未來的五到十年之內,對於全球就業市場帶來的衝擊,很多一般人認定的金飯碗,很可能都會被AI取代。
白領失業潮來了!
李開復在他的書裡面,更進一步的指出,近年來,世界各國因為「無人銀行」的興起,各種AI的工具,已經可以承擔90%以上的金融業務。
再加上喔現代年輕人,普遍使用行動支付、網路銀行的比例越來越多;實際到銀行臨櫃的人越來越少,而第一線的金融人員的工作就此消失,已經是顯而易見的結局!
國外甚至於已經出現申請貸款,把資料送出到核可,不到幾個小時就能夠完成。
這裡的關鍵,就在於AI機器人已經掌握申請人的大量數據,可以在很短的時間裡面做完風險評估,而這些都是人類很難做到的事情。
再來,法院書記官的工作,就是掌管司法紀錄、編案、文牘、統計這些事務;講白話文就是「法院資料的輸入與管理」。
但你知道嗎?現在的科技,已經可以讓機器聽懂人類說話,同時呢在螢幕上轉換成精準的文字,準確率高達九成以上。
你想想看喔,假如準確率繼續提高,費用也越來越平價,法院或者是政府是不是有很大的可能性,會直接採購這樣的設備來取代書記官呢?
一來呢,大幅降低薪資的費用,二來呢,降低人員管理的問題;畢竟人類加班會抱怨,但機器不會有這個問題。
聽到這裡喔,你也許會好奇,以前聽說的AI、人工智能會取代的工作,那應該都是像工廠的工人,或者是體力活動的藍領階層才對啊!
那怎麼現在這些靠「腦袋」的工作,像是銀行行員、書記官,這些白領職業,也會被AI取代呢?
這是因為啊,現代的AI本質,其實是一種「深度學習」!那什麼是「深度學習」呢?
李開復先生在他的書裡面提到,深度學習是一種模仿生物智能的「神經網絡式」的學習方法。
簡單來說喔,過去的電腦只能執行單一程式;比如說,你希望機器人幫你到早餐店買三明治;那麼一旦輸入你家到早餐店的路線,機器人就會執行到底。
如果在路上遇到車它不會閃,遇到人也會直接輾過去,一直到抵達早餐店它才會停止,那是一種沒有思考、沒有應變能力的一個反應模式。
而神經網絡式的學習,則是透過數據資料,幫機器人建立起路況,可能會遇到的障礙物這些相關的應變資訊跟程式。
讓機器人可以在遇到阻礙的時候,先停下來,重新偵測、評估環境的狀況,再計算出成功率最高的路線,轉個彎重新出發,這已經是很接近人類能夠做到的靈活思考。
也就是說啊,在固定的場景底下,只要能透過數據,找到人類固定的「行為模式」,再請工程師把行為模式寫成「運算的程式」。
最後依據收集到的海量大數據,讓AI系統去做深度的學習,AI就能夠擁有思考能力,取代很多白領的工作。
容易被AI幹掉的二特點
從上面的例子,我們可以進一步的知道,符合以下二個特點的工作,很有可能會跟恐龍一樣,在地球上消失喔。
這二個特點又是什麼呢?第一個、那些資料、流程可以編碼的工作;第二個、人際互動頻率很低的工作。
打個比方來說,就像是現代的醫檢師、放射科的醫師,或者是銀行行員,他們都是在固定場景底下,專門分析數據跟資料,再不然就是工作流程有明確的SOP。
工作內容固定,而且有一套嚴格的作業流程和評判標準,不會有太多參數的變化,就很容易被編碼,而變成一條程式。
在未來呢,凡是可編碼的流程,再讓機器人通過大量數據的深度學習,就能夠快速的優化,任何動作都會比人類更快、更精準,而且可以一直進步,還不會喊累!
我們與AI的距離
要是你聽到這裡還半信半疑,感受不到AI對於職場的全面破壞,那麼我再提供一個更貼近你我的事實~
台灣的知名品牌~華碩電腦,在他們關渡總部的13樓,已經有一個130人的AI團隊,成軍了16個月。
而負責領軍的華碩全球副總裁~黃泰一先生,他就表示喔,華碩的AI團隊,已經鎖定醫療、交通、零售這三大產業的數據池,累積使用者的數據資料、網路足跡等等的一切。
透過這些進一步的為零售店家、醫院、輪胎業者,建立起節省人力、降低風險,而且能夠精準行銷的演算法系統。
幫助華碩在他們的未來,能夠透過大量的數據,以及資料跟資料之間的相互運用,所產生的商業價值來賺錢!
儘管現階段呢,華碩只針對醫療、交通、零售這三大產業在搜集數據,不過可以想見的是喔,只要精準的演算法系統建立;商店它是不需要店員,醫院它可能也不太需要醫檢師,輪胎製造廠不需要工人。
而未來這三大產業所需要的「人力」,將以跳崖式的速度往下滑。這也間接證實了李開復先生,在《AI新世界》這一本書裡面所預告的。
他說:「在未來的5~10年之內,現有的50%工作,將會由AI取代」!
所以拉回來看,只要你有稍微留意時事,你一定知道現代的公務人員、銀行行員,就算寒窗苦讀多年考了進去,福利和工作的輕鬆度,也都大不如前了,更別說他們的未來和發展。
也就是說喔,要是你忽略真實職場上正在發生的變化,那麼很有可能等到你花錢、花時間努力考上公股銀行的行員啊、書記官啊...等等的,卻只能做個幾年,就被裁撤了!
這樣的投資報酬率,你覺得划算嗎?算一下喔!會不會你以為自己考到一個安全可靠的資格,但是真正得到的,卻是更高的失業風險!
你想因為「眼前」短暫的穩定,而把自己放到更大的危險裡嗎?如果你不想,你可以選擇現在就打開眼睛,開始為自己的未來做準備~
假如你很想要為自己打造不敗的未來,讓自己的求職、轉職之路,擁有更務實的安全跟穩定,我會很鼓勵你參與我們啟點線上學苑~【過好人生學】這一門課的學習。
人工智慧的時代已經來臨了,但我們卻還用舊時代的工人智慧的腦袋,在面對自己的人生,你曾想過這是為什麼嗎?
其實答案很簡單,那就是「終極選項」和「路徑依賴」這兩大迷思,困擾了很多人。
在【過好人生學】的課程裡,我就會陪伴你去看見「終極選項」這樣的觀念,它的危險之處。
它在於喔,人類的大腦一旦認定當我們「找到了最好的答案」,或者是「最好的鐵飯碗」之後,我們就不再動腦筋思考了,所以會看不見鐵飯碗早就成了破飯碗,千萬別碰!
而「路徑依賴」呢?它是指喔,人會習慣用過去的經驗,想現在的事,然後去預測未來。
比如說吧,你念醫學院,所以就只能當醫生;再比如說,你過去在某個行業,所以你在轉職的時候,就只能做相關的行業。
而弔詭的是,如果過去的經驗能夠適用於現在,還能夠幫你預測未來的話,那每個人都是半仙了啊,也不會有失業的問題、找不到工作的狀況了,不是嗎?
所以呢,無論你是白領,還是藍領的朋友,我想要跟大家說的是喔,未來AI的潮流肯定是沒有辦法阻擋的,無論你想不想面對,它遲早都會來!
不過我也很肯定的告訴你,在我們失去「舊工作」的同時,這個世界還會增加許多的「新工作」。
只要你願意改變,跟上腳步,某些你覺得沒有什麼的工作,其實都潛藏著非常大的人力缺口,值得你好好的關注。
而幫助你換個腦袋,轉換成智能思考的第一步,就是歡迎你加入我們的線上課程【過好人生學】。
【過好人生學】從即日起,到6/12晚上十二點止,我們將推出季節限定的1413的優惠價~
我一直相信喔,未來仍然是充滿希望的,在【過好人生學】裡面,我會用最淺顯易懂的話,點破你對於生涯的迷思,幫助你移除20世紀的思考遺毒,發展出最適合21世紀的生存策略。
我還會幫助你繞過三個心智的陷阱,陪伴你一步一步的去建立起,新時代必備的四大能力,你將看見自己的更多可能性,並且懂得轉換自身的專業,幫自己規劃1413、一世一生的生涯藍圖,過上一個更好的人生。
歡迎你加入學習,也希望今天的分享能夠帶給你一些幫助,我是凱宇。
如果你喜歡我製作的內容,請記得訂閱我們的頻道,YouTube收看的朋友,除了訂閱之外,記得把訂閱旁邊的小鈴鐺打開。
而Podcast收聽的朋友,除了訂閱之外喔,也請給我們5顆星的評價,並且把它分享給你身旁的朋友,我們需要你用最具體的行動來支持我們。
然而如果你對於啟點文化的商品或課程有興趣的話,如同今天提到的【過好人生學】,我們季節限定的1413優惠,陪伴你一世一生。
歡迎你的加入,更期待你在學習之後的發現;那麼今天就跟你聊到這邊了,謝謝你的收看,我們再會。
神經網路演算法 在 范琪斐 Youtube 的最讚貼文
唯一戰勝 Google 旗下 Deep Mind 公司開發的人工智慧 AlphaGo 的南韓棋王李世乭,宣布將要退休,因為他認為人類永遠沒辦法擊敗人工智慧。
不過演算法不是只會越來越強大,為什麼 AlphaGo 會錯判輸給李世乭呢?
因為AlphaGo 有個叫『隨機森林』的算法,可以預測對手可能會下哪一步,但李世乭這一步下在 AlphaGo 認為對方不可能會去下的那一步,李世乭當時下完這步棋,Alphago 還認為自己的贏面超過八成,繼續往後下了十手之後,Alphago 自己有一個勝率的表,突然開始下降,發現自己處於弱勢了,開始慌張了,於是 Alphago 就開始亂下險棋,出現了連業餘選手都不會犯的錯,想賭李世乭會出錯,最後就輸了。
但 AlphaGo 也從敗給李世乭找到自身弱點,再次強化學習能力。像 AlphaGo 的孿生兄弟 AlphaGo Zero,就是完全不靠任何人類經驗訓練的神經網路,它就是不斷跟自己對戰學習,結果在自學 3 天後,就以 100:0 打敗了舊版 AlphaGo ,自學 40 天後,就擊敗了曾經戰勝中國棋手柯潔的 AlphaGo Master,成為世界上最強的圍棋程式!
雖然未來人類可能再也贏不過AI,不過AI 的加入反而讓圍棋有了更多玩法,這時候 AI 的功能,是在擴展人類棋手的思路,和人類合作一起探索圍棋還未被發掘的領域。
因為圍棋是世界上最複雜的遊戲!是看哪個顏色的棋子,圈出的空間最多,誰就獲勝。聽起來規則很簡單,但實際上卻複雜到不行。
圍棋的棋盤是 19X19,通常一步會有 200 種下法,圍棋變化位置的排列組合一共有10 的 170 次方種可能性,比整個宇宙的原子數ㄅ10 的 80 次方還要多更多!人類通常都只能憑經驗跟感覺判斷,但判斷才是最困難的。剛有說嘛,圍棋的勝負是由最終局時,雙方控制地盤的多寡決定,但棋局進行到一半,雙方的地盤都還沒封閉,怎麽判斷形勢呢?很多職業棋手之間微妙的差異,就是體現在這個判斷能力上。
但就連開發 AlphaGo 的團隊都坦言,AlphaGo 面前的最大問題,和人類棋手是一樣的,就是圍棋太難了,還有規則中的規則,例如優勢、虧損、打劫,雖然 AlphaGo 的勝利或失敗,完全取決於這些機率的估計是否準確,但計算力還遠遠達不到『最優解』的程度。目前AlphaGo 團隊的做法是,讓AlphaGo學習像人類棋手一樣,去選點和判斷。
當機器把一件事情做得比人類好時,我們還能做什麼?
你對棋王退休有什麼看法?快和我們一起分享!
---------
《#范琪斐ㄉ寰宇漫遊》每週四晚間十點在寰宇新聞播出,沒跟上的也沒關係,歡迎訂閱我們的 YouTube 頻道 🔔#范琪斐ㄉ寰宇漫遊 🔔https://reurl.cc/ZvKM3 十點半準時上傳完整版!
神經網路演算法 在 【普及瞭解】什麼是神經網路演算法? - PTT看板baichuan 的推薦與評價
人工智慧的底層模型是"神經網路"(neural network)。許多複雜的應用(比如模式識別、自動控制)和高階模型(比如深度學習)都基於它。 ... <看更多>
神經網路演算法 在 類神經網路回歸 - GitHub 的推薦與評價
類神經網路回歸模組. 使用類神經網路演算法建立迴歸模型. 類別: Machine Learning/初始化模型/回歸. 模組概觀. 本文描述Azure Machine Learning 設計工具中的模組。 ... <看更多>