谷歌预测的人工智能未来应用-谷歌预测的人工智能未来应用有哪些

大家好，今天小编关注到一个比较有意思的话题，就是关于谷歌预测的人工智能未来应用的问题，于是小编就整理了3个相关介绍谷歌预测的人工智能未来应用的解答，让我们一起看看吧。

1. 谷歌人工智能创作的长篇小说？
2. Google的人工智能可以预测人类喜好吗？
3. NASA和Google联合宣布：谷歌的人工智能和开普勒天文望远镜共同了发现「第二个太阳系」 ，AI在这其中发挥了怎样的作用？

谷歌人工智能创作的长篇小说？

《相遇无期》

比尔·伦纳德介绍说，之所以把书的名字命名为The Long Hi（意为，相遇无期）是因为，按照梅兰的创造力，这部***的长度是无法估量的。

伦纳德介绍说，像所有的艺术家一样，梅兰认定自己就是为写作而生的，她会穷其一生来写这部***。

这就意味着，我们会在很长一段时间

google的人工智能可以预测人类喜好吗？

据外媒报道，Google的人工智能研究人员最近展示了一种“教”计算机的新方法，以了解为什么一些图像比其他图像更美观。传统上，机器使用传统编目方法对图像进行分类。新的研究表明，人工智能现在可以评价图像质量，不管其类别如何。

这个称为神经系统图像评估（NIMA）的过程使用深度学习来训练卷积神经网络（CNN）来预测对图像的评价。

根据研究人员发表的一份***：

我们的方法不同于其他方法，因为我们使用卷积神经网络预测人类意见分数的分布。我们得到的网络不仅可以用来可靠地评价图像，并与人类感知高度相关，而且还可以帮助适应和优化摄影中的照片编辑/增强算法。

NIMA模式避开了传统的方法，并以10分制评分。机器检查图像的特定像素及其整体美学。然后确定人们选择评分的可能性。基本上，AI试图猜测一个人是否会喜欢这张图片。这可能使计算机成为更好的“艺术家”或“策展人”。这个过程可能会被用来批量查找最佳的图像。

如果您是一种能够一次拍摄20或30张图像的人，以确保您获得最佳图像，这可以为您节省大量空间。***设，只需轻点一下按钮，AI就可以浏览存储器中的所有图像，并确定哪些图像是相似的，然后删除除最佳图像外的所有图像。

根据谷歌研究博客最近的一篇文章，NIMA也可以用来优化图像设置，以产生完美的效果：

目前的人工智能基本都是人工智障。

预测人的喜好，吹呢。人性的善恶美丑，心里没数吗？你搂着你女朋友都不知道自己心里和她心里想啥，无法判断她喜欢什么不喜欢什么。

像现在流行的大数据，应该就是***集一个人经常去哪，买什么，看什么，用几次，然后判断出原来这个人10天有9天吃辣椒，那肯定是喜欢吃辣椒。

我觉得宛如一个智障患者，你让三岁孩子去看他爸爸妈妈的生活习惯，他也知道喜欢些什么。

目前的这些人工智能，名字好听点，实际没太牛，而且只是分析数据，得出结论，然后推荐商家，然后用户去消费。

人性最难把握，还探测喜好？

NASA和Google联合宣布：谷歌的人工智能和开普勒天文望远镜共同了发现「第二个太阳系」 ，AI在这其中发挥了怎样的作用？

简单一点回答：研究人员利用被NASA标记过的1.5万个恒星数据，训练了一个卷积神经网络，然后把一个670颗恒星的数据集，给这个神经网络进行处理。通过微小的特征变化，发现了9个概率大于80%的信号，其中有4个概率大于90%。最终确认了这颗行星。

如果对多达15万颗恒星的大数据集进行分析，则意味着开普勒-90系统，极有可能是个超级庞大的家族，并且拥有数量众多的多种行星。

NASA宣布利用Google的人工智能发现了一颗新的系外行星，这是一个好消息，这是一个与太阳系同样规模的行星系统，还有8颗行星，俨然是一个小太阳系。这个小太阳系被命名为Kepler-90系统，距离地球2545光年，也算是比较远的。

开普勒望远镜的观测距离在5000光年之内，因此2545光年可以说是一个正常距离，说明我们已经将系外行星的观测从数百光年，推向数千光年远的位置。一旦距离扩大，那么我们有可能发现新的情况，比如宜居行星等。值得注意的是，Kepler-90系统有7颗恒星，而且是利用谷歌的人工智能技术发现的，这个人工智能技术其实是个神经网络，通过人工智能浏览开普勒望远镜的数据库，发现行星凌日现象时引起的恒星光线细***化。因为通过人工识别，不仅速度慢，而且错误率比较高，如果用人工智能，可大大缩短发现时间，浏览开普勒望远镜的数据库的近程也会加快，毕竟这是一个拥有10万颗恒星的数据库。在过去20年内，开普勒望远镜项目天文学家发现的2000多颗西瓦行星，

谷歌的人工智能技术利用开普勒数据库中经过验证的信号，对神经网络进行训练，能够识别凌日现象时引起的恒星光线细***化，这样可以大大提高识别的准确率。这就是AI发现行星的技术原理，其实是对数据库进行信号识别，一旦这个技术成熟，天文学家还将对由开普勒太空望远镜收集的10万多个恒星系统进行识别，大大加快发现系外行星的步伐。

在超算能力不断增强，互联网技术日趋完善的情况下，我们还没有弄清楚人工智能是否最终会战胜人类，它已经开始仰望星空了。

开普勒望远镜2009年发射升空，它的主要目标就是发现太阳系外类似地球的行星，换句话说，也就是发现我们通常所说的外星人有可能居住的地方。

2015年7月，美国宇航局宣布，开普勒望眼镜发现了地球的孪生兄弟“开普勒452b”，这是一颗和地球几乎一摸一样的行星，与地球的相似度高达0.98：开普勒452b的直径比地球大60%，体积是地球的1.6倍，距离地球1400光年，其绕母星公转一圈385天，其母星开普勒452与太阳质量相当，距离开普勒452b的距离与太阳和地球之间的距离几乎一致。这是迄今为止，人类发现的与地球环境最为接近的行星。并且该行星的岁数为60亿年，而地球为45亿年，换句话说，开普勒452b的现在就是地球的未来。

除此之外，其实开普勒望远镜几年来识别出了很多的行星（它将人类识别的行星系统数量扩大到了2658个）。这次美国宇航局发布的新闻之所以引起巨大关注，原因有二：一、发现了“第二个太阳系”。这次发布的恒星（开普勒-90）有8颗卫星，与太阳非常接近。这是人类已知的除太阳系外，第二个拥有8颗行星的庞大天[_a***_]统。二、这一天体系统中8颗卫星的发现，AI功不可没。开普勒望远镜利用“凌日法”发现行星。当行星挡在恒星前面时，恒星的亮度会有些许变化，开普勒望远镜就是利用捕捉这些微弱的变化，来判定行星的存在。***系的恒星比地球上的沙子还多，恒星与地球的距离又都以光年计，因此开普勒望远镜观察到的数据既浩瀚又微弱，全靠科学家花费大量的时间从一堆沙子里把一粒颜色稍暗的沙子挑出来。而这次，谷歌的人工智能研发团队向科学家要了15000组开普尔观察到的，科学家花了数年时间已经确认的数据，人工智能仅仅用了2个小时就把这些数据分析完毕，准确率高达96%。在开普尔-90卫星的发现过程中，人工智能更是大显神通，单独发现了开普尔-90i，这是一颗周期仅为14.4天的较小岩石质地的行星，并且，它也确认了另外7颗的准确信号。

人工智能将以无法预测的速度来到我们身边。

NASA的科学家利用AI系统的强大计算能力对开普勒望远镜获取的海量数据进行自动化筛选，并在已经归档的数据中发现了一个此前在进行人工分析时被忽略的微弱异常信号，最终证明这是恒星开普勒-90周围存在的第八颗行星。

简单的说，Google的AI技术提高了对开普勒数据的分析效率。通俗的讲，google的AI让处理数据的能力更加智能化和高效了，就好比以前的计算机提高了人脑的计算效率一样。

那么，这项技术的神秘面纱是什么？开普勒望远镜所收集的数据又是什么呢？这项技术为何能高效处理这些数据来发现“第二个太阳系”的呢？

首先我们来回答第一个问题——谷歌的这项AI技术是什么？

神经网络技术。神经网络的构筑理念是受到生物（人或其他动物）神经网络功能的运作启发而产生的人工智能技术。神经网络已经被用于解决各种各样的问题，这些问题都是很难被传统基于规则的编程所解决的，例如机器视觉和语音识别。神经元在通过简单计算后将相关信息传递给下一级的神经元进行继续处理，以此类推。通过这种方式，计算机可以学会识别猫猫狗狗。当然，通过学习开普勒太空望远镜的光线信号，也可以用来识别地外行星。

第二个问题——开普勒望远镜所收集的数据是什么？

先来了解地外行星侦测法——凌日法。如果一颗行星从母恒星盘面的前方横越时，将可以观察到恒星的视觉亮度会略微下降一些，这颗恒星变暗的程度取决于行星相对于恒星的大小。开普勒太空望远镜使用的就是凌日法，望远镜在长时间里对超过十万颗恒星进行监视，扫描并记录每一颗恒星在不同位置的亮度变化。这种呈U形的明暗信号变化模式通过白色的线条来表示。下图中蓝色的点状分布，正是 NASA 在分析这些光变曲线后，得出“开普勒天体”的数据。

这是一个听起来很高大上，也很有意思的事儿，我尽量用大多数人都能看懂的方式讲述一下。

首先看上面这张图，左图是一颗携带行星（黑色圆形天体）的恒星；右图是开普勒望远镜所观测到的恒星亮度变化曲线。可以想象，行星围绕恒星转动，在一定周期内是会挡住一部分恒星的光的，所以恒星被观测到的亮度是会变化的。

上面这张图，行星已经转到恒星的后面去了，所以恒星的亮度值最高。可以想象，曲线上恒星亮度值最低的时候，正是行星转到前面挡住部分恒星光的时候。实际上，原则上开普勒就是利用这个简单的原理，观测宇宙中光度有周期性变化的恒星，作为携带有行星系的候选恒星。可以看看以下动画，更容易理解。

视频加载中...

这个事情说起来好像很简单，但难点在哪里呢？

首先是千万颗恒星之间光度的干扰，比如下图是一张开普勒观测到的星图，密密麻麻的星光互相掩映，要从这么多干扰中分辨某一恒星的亮度的变化是很难的。其次是引力透镜效应，如果在某一恒星与望远镜之间有大质量天体，那么恒星的光还会改变方向。第三是多行星干扰，如果一颗恒星有不止一颗行星，可以想象这个光度变化是非常混乱的，很难直接看出周期性。

即使开普勒望远镜的分辨率已经相当高，可以对每一颗恒星都观测到精准的光度变化，但NASA拿到的数据是实际上类似如下图一样的。看起来这颗恒星在某时刻确实有光度变化，但这个变化淹没在了背景噪声中，无法有效分辨这到底是恒星携带行星所致，还是其它干扰因素所致。

到此，以上就是小编对于谷歌预测的人工智能未来应用的问题就介绍到这了，希望介绍关于谷歌预测的人工智能未来应用的3点解答对大家有用。

[免责声明]本文来源于网络，不代表本站立场，如转载内容涉及版权等问题，请联系邮箱:83115484@qq.com，我们会予以删除相关文章，保证您的权利。转载请注明出处：http://www.bfgfmw.com/post/74507.html