育苗智慧与结构设计（一）：AI 产业发展产业发展史

联系电话：饶明磊

学号：19021210815

【嵌牛编者按】随着育苗智慧的蓬勃发展，结构雕塑家会不能担心自己被替代？

【嵌着力点】电脑自学 广度自学 文创结构设计

【嵌牛发问】育苗智慧对设计起著远距作用还是会全然替代结构雕塑家？

【嵌牛节录】育苗智慧的产业发展产业发展史

生前非职业偶而做许多结构设计、摄影家等等的艺术活动，经常碰触到许多文创应用软件，发现最近几乎每款文创应用软件的备受瞩目预览都体现在了育苗智慧演算法的重新加入。包括生前从事的研究领域，有关增容应用软件也是在不断重新加入育苗智慧增容演算法，更加智能化了。从结构设计各方面著手，我在想，以后世工智慧会不能全然替代结构雕塑家和技师呢？

为了更快理解育苗智慧和结构设计的亲密关系，我开始兼及许多机器自学、广度自学等各方面的科学知识，并且和有关专精的老师深入探讨那个各方面的热门话题，从原本真的育苗智慧只会让大部分结构雕塑家失业者，到现在真的育苗智慧只是一个结构设计的基本操作，也称得上高速成长了不少。

那个专题讲座将分为三个部分来考察，用两篇该文较为详尽地将 AI 的产业发展史、表述以及和结构设计之间的亲密关系和影响呈现出给大家。

讲起育苗智慧（AI：Artificial Intelligence）这词，不得不提到育苗智慧的产业发展史。育苗智慧的概念主要由Alan Turing明确提出：电脑会思索吗？如果两台电脑能够与人类谈话而不被鉴别出其电脑的身分，那么这台电脑具备智能的特征。翌年，Alan Turing还断言了存一定的可能性可以创造出具备真正智能的电脑。（说明： Alan Turing （1912.6.23-1954.6.7）曾帮助英国军队补齐了德国的zhu名公钥系统Enigma，帮助美军取得了第二次世界大战的重大胜利。因明确提出一种用于认定电脑是否具备智能的测试方法，即哥德尔测试，被后世称为计算机系统先驱和育苗智慧先驱。）

1956年，在达特茅斯学院举行的一次会议上，不同领域（数学，心理学，工程学，经济学和政治学）的科学家正式确立了育苗智慧为研究学科。

2006年达特茅斯会议当事人重聚，左起：Trenchard More、 John McCarthy 、 Marvin Minsky 、Oliver Selfridge、Ray Solomonoff

达特茅斯会议之后是大发现的时代。对很多人来讲，这一阶段开发出来的程序堪称神奇：计算机系统可以解决代数应用题、证明几何定理、自学和使用英语。在众多研究当中，搜索式推理、自然语言、微世界在当时最具影响力。

大量成功的AI程序和新的研究方向不断涌现，研究学者认为具备全然智能的电脑将在二十年内出现并给出了如下断言：

1958年，H. A. Simon，Allen Newell：“十年之内，数字计算机系统将成为国际象棋世界guan军。” “十年之内，数字计算机系统将发现并证明一个重要的数学定理。”

1965年，H. A. Simon：“二十年内，电脑将能完成人能做到的一切工作。”

1967年，Marvin Minsky：“一代之内……创造“育苗智慧”的问题将获得实质上的解决。”

1970年，Marvin Minsky：“在三到八年的时间里我们将得到两台具备人类平均智能的电脑。”

院、卡耐基梅隆大学、爱丁堡大学和斯坦福大学四个研究机构，并允许研究学者去做任何感兴趣的方向。

当时主要成就：

神经网络机、世界第两台电脑人被制造出来了；贝尔曼公式（ 增强自学 雏形）被明确提出；感知器（ 广度自学 雏形）被明确提出；搜索式推理被明确提出

然而遇到了 第一次寒冬（1974年—1980年）

70年代初，AI遭遇到瓶颈。研究学者逐渐发现，虽然电脑拥有了简单的逻辑推理能力，但遭遇到当时无法克服的基础性障碍，AI停留在“玩具”阶段止步不前，远远达不到曾经断言的全然智能。

当时主要问题：

计算机系统运算能力有限，解决不了超大型的计算问题，同时人们对世界的认知还不够充分

当时有一个莫拉维克悖论：如果电脑像数学天才一样下象棋，那么它能模仿婴儿自学又有多难呢？然而，事实证明这是相当难的。

1987年，AI 硬件的市场需求突然下跌。科学家发现，专家系统虽然很有用，但它的应用领域过于狭窄，而且预览迭代和维护成本非常高。同期美国Apple和IBM生产的台式机性能不断提升，个人电脑的理念不断蔓延；日生前设定的“第五代工程”最终也没能实现。育苗智慧研究再次遭遇了财政困难，一夜之间那个价值五亿美元的产业土崩瓦解。

当时主要问题：

1.受到台式机和“个人电脑”理念的冲击影响

2.商业机构对AI的追捧和冷落，使AI化为泡沫并破裂

3.计算机系统性能瓶颈仍无法突破

4.仍然缺乏海量数据训练电脑

在摩尔定律下，计算机系统性能不断突破。云计算、大数据、电脑自学、自然语言和电脑视觉等领域产业发展迅速，育苗智慧迎来第三次高潮。

摩尔定律起始于Gordon Moore在1965年的一个断言，当时他看到因特尔公司做的几款芯片，真的18到24个月可以把晶体管体积缩小一半，个数可以翻一番，运算处理能力能翻一倍。没想到这么一个简单的断言成真了，下面几十年一直按那个节奏往前走，成为了摩尔定律。

主要事件

1997 年：

IBM的国际象棋电脑人深蓝战胜国际象棋世界guan军卡斯帕罗夫

2005 年：

Stanford开发的两台电脑人在一条沙漠小径上成功地自动行驶了131英里，赢得了DARPA挑战大赛头奖；

2006 年：

1.Geoffrey Hinton 明确提出多层神经网络的广度自学演算法

2.Eric Schmidt在搜索引擎大会明确提出“云计算”概念

2010 年：

Sebastian Thrun领导的Google无人驾驶汽车曝光，创下了超过16万千米无事故的纪录

2011 年：

1.IBM Waston参加智力游戏《危险边缘》，击败最高奖金得主Brad Rutter和连胜纪录保持者Ken Jennings

2.苹果发布语音个人助手Siri

3.Nest Lab发布第一代智能恒温器Nest。它可以了解用户的习惯，并相应自动地调节温度

2012 年：

Google发布个人助理Google Now

2013 年：

广度自学演算法在语音和视觉识别率获得突破性进展

2014 年：

1.微软亚洲研究院发布育苗智慧小冰聊天机器人和语音助手Cortana

2.百度发布Deep Speech语音识别系统

2020 年：

1.Facebook发布了一款基于文本的育苗智慧助理“M”

2020 年：

1.Google AlphaGo以比分4:1战胜围棋九段棋手李世石

2.Chatbots那个概念开始流行

3.Google发布为电脑自学定制的第一代专用芯片TPU

4.Google发布语音助手Assistant

2020 年：

1.AlphaGO在围棋网络对战网络平台以60连胜击败世界各地高手

2.Google开放源码广度自学系统 Tensorflow 1.0正式发布

3.Google AlphaGo以比分3:0完胜世界第一围棋九段棋手柯洁

4.默默深耕电脑学习和电脑视觉的苹果在WWDC上发布Core ML，ARKit等组件

5.Google发布了ARCore SDK

6.百度AI开发者大会正式发布Dueros语音系统，无人驾驶网络平台Apollo1.0自动驾驶平台

7.华为发布全球第一款AI移动芯片麒麟970

8.iPhone X 配备前置 3D 感应摄像头(TrueDepth)，脸部识别点达到3W个，具备人脸、解锁和支付等功能；配备的A11 Bionic神经引擎使用双核结构设计，每秒可达到运算6000亿次

9.AlphaGo Zero全然从零开始，不需要任何产业发展史棋谱的指引，更不需要参考人类任何的先验科学知识，仅需要4个TPU，并花三天时间自己左右互搏490万棋局，最终无师自通完爆阿法狗100-0

很多专家学者对此次育苗智慧浪潮给予了肯定，认为这次育苗智慧浪潮能引起第四次工业革命。育苗智慧逐渐开始在保险，金融等领域开始渗透，在未来健康医疗、交通出行、销售消费、金

详情参见下一篇：育苗智慧与结构设计（二）：AI 是什么？

人脸源码是谁写的

中科院山世光老师。SeetaFace6是一个开放源码人脸库，基于C加加编写，可以自由的用于商业用途，最早是由中科院山世光老师开放源码并维护的，所以人脸源码是中科院山世光老师编写的。截止到2022年10月15日，顺着SetaFace能找到的公司叫中科视拓。

有哪些开放源码的地图引擎

图形处理器开发环境 CUDA，C++视觉库 VXL，Google三维API O3D，三维图形渲染引擎 OGRE，SoftArt，beostudy-imagelib，计算机系统图形渲染库 Voreen，C语言的JPEG操作库 OpenJPEG，2D，Magick++，Equalizer，Python图像处理 Mahotas，GLFW

人脸 faceservice.cgi，libpng，绘图引擎 RRDtool，计算机系统视觉库 OpenCV，图像处理类库 CImg，2D图形库 AGG，Google 图形处理引擎 skia，JPEG 图像压缩库 LibJPEG，图像处理库 GD，C++图像处理库 ExactImage，太多了，开放源码图形库 FreeImage，C++向量图生成库 CreEPS，医学影像转换工具 XMedCon，3移动设备上的OpenGL OpenGL ES，Apache图像处理模块 mod_gfx，LibRaw，OpenGL图形接口 glew，OpenGL的C++封装 D;Enfent Engine

NVIDIA Scene Graph，C语言的EXIF库 libexif，Exiv2，Symbian绘图库 Cairo for Symbian OS，数据可视化库 Tulip，高质量图形图表库 MathGL，图像识别类库 Tesseract OCR，开放源码图形API OpenGL，开放源码图形库 CxImage，C++ PNG类库 PNGwriter，图形布局引擎 GLE，OpenCSG，图像处理和分析 Leptonica，QTeXEngine……;3D 图形开发库 Visualization Library，BMP图像处理库 bmplib，向量图形库 Picasso，摄像头图像捕捉 QuickCapture，2D 图形引擎 Quad-Ren，Symbian图像处理扩展库 NokiaCV，

libQGLViewer，OpenGL工具包 Freeglut，大图像处理工具 VIPS，OCR识别 OCRopus，C 图像操作库 Jhead，图形处理包 DevIL，OpenGL应用工具包 GLUT多了去了

怎么去开发一个人脸系统？

开发一个人脸系统，难度非常大，这块不是一个人可以搞定的，需要很多数据的。现在市面上有很多人脸系统了。与其自己开发不如去使用他们的。这样省时省力，可以使用我们公司的人脸！

比较好的开放源码人脸应用软件有哪些？

开放源码的人脸没有一个靠谱的。OpenCV等自带的很弱，face++等是服务接口，不是开放源码代码。这两年随着广度自学的流行，人脸技术提高一大截，主要是归一化和特征提取部分。人脸，是基于人的脸部特征信息进行身分识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列有关技术，通常也叫做人像识别、面部识别。人脸系统的研究始于20世纪60年代，80年代后随着计算机系统技术和光学成像技术的产业发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸系统成功的关键在于是否拥有的核心演算法，并使识别结果具备实用化的识别率和识别速度；“人脸系统”集成了育苗智慧、电脑识别、电脑自学、模型理论、专家系统、视频图像处理等多种专精技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱育苗智慧向强育苗智慧的转化。

传统的人脸技术主要是基于可见光图像的人脸，这也是人们熟悉的识别方式，已有30多年的研发产业发展史。但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。解决光照问题的方案有三维图像人脸，和热成像人脸。但这两种技术还远不成熟，识别效果不尽人意。

人脸应用软件

可以做到人脸的系统可以给你推荐脸探app。功能多，而且通过扫描人脸照片就能够识别，还有一定的商业价值，能追踪在逃人员，走失老人或孩童等。

脸搜，那个还是比较赞的，功能多，而且通过扫描人脸照片就能够识别。

介绍。

Ageitgey

Ageitgey是最流行的免费人脸应用软件，它在GitHub上也有37.6k的星星。该应用软件可以通过Python API或其二进制命令行工具使用。那个网络平台有关于安装的所有说明，这使得它更加有趣和流行。

2.CompreFace

CompreFace于2020年在GitHub上发布，拥有约900颗星星。它是少数几个只需一个docker compose命令即可使用的自托管REST API自由人脸应用软件之一。该应用软件可以识别多个视频流中的人脸。CompreFace还有一个用于管理用户角色和面部集合的UI。

3.DeepFace

DeepFace于2020年在Github上发布，拥有约1100颗星星。那个免费的人脸应用软件支持不同的人脸方法，如FaceNet和Insightface。

4.FaceNet

FaceNet是一个由Google研究人员创建的免费人脸程序，它是一个开放源码Python库，实现了该程序。FaceNet具备很高的准确性，但wei一的缺点是它没有RESTAPI。

5.InsightFace

InsightFace是另一款免费人脸应用软件，拥有约800颗星星。该应用软件使用最新和准确的人脸方法。InsightFace与以下应用软件一样准确。

google人脸开放源码的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于Google育苗智慧开放源码、google人脸开放源码的信息别忘了在本站进行查找喔。有需要独享得id可以点击下方广告链接进入。独享一人一号。