MOLARFRESH年第21期

人工智能新鲜趣闻每周五更新

.7.30

三百六十行

行行有AI！

0

1

暴躁扫地机器人“口吐芬芳”火出圈，精通三国语言擅长东北话！

“瞅啥呢瞅”

“是不是找挨削呢，啊？”

“跟谁俩呢？”

嘿，还是东北那疙瘩来的。

“流氓不可怕就怕流氓有文化”，它可不止会讲东北话，英文、日语也是信手拈来，妥妥的“三语流氓”。不仅精通三国语言，连外形都是霸气侧漏，“天上天下唯我独尊”，是不是有内味儿了。

这款口吐芬芳的扫地机器人出自日本无用发明家——藤原麻里菜之手。

而将普通的扫地机器人改造成“高级骂街机器人”的过程看起来也不难：首先，准备一个现成的扫地机器人，再在网上找几个不同语言的骂人语音，然后进行Arduino开，板子上连接一个压力传感器以及一个小音响。写好程序后，只要压力传感器被撞击，音响就会发出暴躁语音，这样“骂街装置”就做好了。

生活既可耻又无聊，需要一些提振精神的小道具—麻里菜的发明虽然没用，但真的挺有意思。

为什么要发明这样一款机器人呢？

麻里菜认为，一直以来过于顺从的机器人总让人感觉有点可怕，所以她希望机器人偶尔也能有叛逆的时候。

（来源：机器人大讲堂）

4分钟45亿年！

澳洲小哥用GPU模拟地球

3D裸眼震撼

0

2

一位小哥编写程序在GPU上实现了高精度的地球模拟，4分钟内演示了45亿年的历史，足以让人震撼！

他表示，自己完全通过GLSL最终着色器编写，模拟刷新时间为60帧/秒，一览45亿年前地球的演进，原行星——构造板块——水力侵蚀——全球气候——生命诞生。

以原行星阶段为例。早期的地球是一颗原行星，温度很高，被小行星撞击的痕迹很重

由于模拟完全是程序化生成的，没有预先渲染的纹理，所以第一个任务是生成一张地形图。为了计算出某一经纬度（lat）和经度（lon）上的地形高度（hight），首先要将其转换为三维直角坐标。由于撞击的小行星有各种不同的大小，因此产生的陨石坑也是如此。为此着色器在五个级别的细节上进行迭代，将大小不一的陨石坑分层叠加。

为了使陨石坑有一个真实的凹凸不平的外观，它与一些分数布朗运动的噪声混合。陨石坑本身是在一个三维网格上生成的，从这个网格上刻出一个球体作为表面地形。

为了避免规律性的生成，陨石坑中心使用哈希函数从网格点中得到一个伪随机的集合。为了计算一个给定位置的陨石坑的影响，对属于附近网格点的陨石坑进行加权平均，其权重随着与中心的距离呈指数下降。环形山的边缘是由一个简单的正弦曲线生成的。

（来源：新智元）

0

3

跳水比赛背后的隐形教练现身了！

03

所谓台上一分钟，台下十年功，科学训练数据分析啥的大家想必都听说过。

不过你知道，现在的竞技体育，早已经跟前沿科技有了更深度的绑定吗？

就拿最近频频上演“水花比下饺子还小”的中国跳水梦之队来说，背后就有一位“隐形教练”——

国内首个云端3D+AI跳水训练系统。

云端的3D视觉技术，可以实现运动员三维姿态重建，对跳水动作进行精准量化评估，进而实现智能打分。

教练员和运动员也可以借助AI系统，对训练视频进行高效的回顾、横向对比和纵向评估。

这么一套系统下来，训练效率能提升20%，还能减少辅助人力。

这个AI教练，由百度和国家跳水队联手打造。它的背后，是以百度飞桨为核心，以百度大脑为支撑，同时还包括百度的AI中台和知识中台。跳水的整个过程仅仅2秒钟，而且这期间运动员的动作可谓是又快又复杂。

但即使如此，AI教练也精准hold住完整过程，例如起跳高度、入水角度、24个关节角速度等等。

（来源：量子位）

04打工人得努力了呀！AI虚拟人都要入职了…

他叫中村浩树（HirokiNakamura），之前在日本LINE集团担任AI负责人。最近LINE上线的一个AI虚拟人类，成功地引起了他的注意。这个虚拟人是由我们熟知的小冰公司打造，能和人类无障碍地沟通交流。并且还能“七十二变”，幻化成各式各样的角色。

正是小冰AI的这种能力，让中村浩树萌生了一个念头：为什么不能用它，来扫除同事间的沟通障碍呢？

于是，这种想法立即付诸到了行动当中——离职，加入小冰公司。并且中村浩树的目标非常之明确——创造首位虚拟员工。

AI虚拟员工可以不受限制地表达自己。如此一来，组织内部的沟通效率，就会大大提升。为了让“虚拟员工”顺利成为团队中的催化剂，他提出三步走的设计思路：第一步：建立团队信任感；第二步：让信息共享起来，在这一步中，虚拟员工会建立一个团队信息共享库。第三步：充当“气氛组”。在这样的三步路线之下，中村浩树认为，虚拟员工最终会提升团队表现。

（来源：量子位）

05AI寻宝！美国女博士用YOLOv3打造沉船探测器，杰克船长：我错过了亿

沉船是一笔宝贵的公共财产，因此，国家政府机构自然就承担起了挖掘和保护的重任。在美国，年成立的海军历史与遗产司令部（NHHC）水下考古分部承担着美国在世界各地海底长眠的2,多艘沉船和15,多架飞机残骸的开发和保护工作。而这其中先找到这些水底残骸的位置至关重要。

不久前，NHHC与美国德州大学开展了一项研究，通过计算机视觉系统从遥感图像中找到并确认残骸。通过测试美国和波多黎各海岸的遥感图案，准确率达到了92%。

作者使用Python完成了所有建模，并在ArcGISPro中完成了地理空间分析。用TensorFlow支持的Keras运行深度学习模型，GPU用的是NVIDIAGEFORCEGTX。沉船训练数据中包含艘沉船，研究人员通过增强沉船数据，得出额外个不同的沉船图像。总训练数据集包括艘沉船，个区分沉船和地形的背景地形图块；而测试数据集则额外含有40艘沉船和40个背景地形图块，无数据增强。

未来通过更大、更多样的训练数据集，可以进一步提高模型性能和泛化能力，从而开辟了新的海洋探索方法。不仅如此，这套训练好的系统已经可以从新的数据中来预测沉船或者飞机的方位，并且还能够适配于其他格式的数据，比如多光谱图像。

（来源：新智元）

END

掌握AI咨询

了解更多科技趣闻

长按扫码