大家好，今天小编关注到一个比较有意思的话题，就是关于麻省理工学院人工智能的问题，于是小编就整理了4个相关介绍麻省理工学院人工智能的解答，让我们一起看看吧。
麻省理工的低成本传感器手套TActile将被用于哪些方面？
麻省理工学院计算机科学与人工智能实验室(MIT-CSAIL)的研究人员近日开发了一种低成本的传感器手套，旨在使人工智能能够“弄清楚”人类如何通过触摸识别物体。它被称为可伸缩的TActile手套（ST***），使用550个微小的压力传感器来生成可用于创建改进的机械手的模式。
人类非常善于通过触摸来弄清楚物体是什么（例如在黑暗中摸索眼镜或手机）。工程师希望机器人也能效仿这种能力。这样做的一种方法是收集尽可能多的关于人类实际上如何通过触摸识别的信息。原因在于，如果有足够大的数据库，那么机器学习可以用来进行分析，不仅可以推断人手如何识别某物，还可以估计其重量 - 机器人和假肢难以做到这点。
麻省理工学院正在通过配备550个压力传感器的低成本针织手套收集这些数据。手套连接到计算机，计算机收集数据，压力测量结果被转换为视频“触觉地图”并被输入卷积神经网络（CNN）。该网络能对图像进行分类，找出特定的压力模式并将其与特定的物体相匹配。
该团队从26个常见物体（如饮料罐、剪刀、网球、勺子、钢笔和马克杯）中收集了135,000个***帧。然后，神经网络将半随机帧与特定的夹点相匹配，直到建立了一个物体的完整图片 - 这与人们通过在手中滚动物体来识别物体的方式非常相似。通过使用半随机图像，可以给网络提供相关的图像集群，因此不会在无关数据上浪费时间。
“我们希望最大化框架之间的差异，为我们的网络提供最好的输入，”CSAIL 博士后Petr Kellnhofer说。“单个群集中的所有帧都应该具有类似的签名，这些签名代表了抓取对象的类似方式。从多个群集中***样模拟人类交互式尝试探索物体时找到不同的抓取方式。”
该系统目前识别物体的精确度为76％，其还可以帮助研究人员了解手掌握和操纵它们的方式。为了估计重量，研究人员还编制了一个11,600帧的单独数据库，显示在跌落之前用手指和拇指拾取物体。通过在物体被保持时测量手周围的压力，然后在跌落后比较它，可以测量重量。
该系统的另一个优点是成本和灵敏度。类似的传感器手套价值数千美元，却只有50个传感器。而麻省理工学院的手套则采用现成的材料，成本仅为10美元。
该研究发表在《自然》杂志上。
智伴科技丨创造性工作成为AI的下一***目标，它要与人类竞争吗？
无论是绘画、歌曲还是表演艺术，人类在创造精美艺术作品方面取得了一定成绩。博物馆里到处都是这样的作品，不论是纸质书还是电子书，普通人也有收纳各种文学杰作的图书馆。长久以来，创造力似乎是人类独有的专长。
然而，现在许多崭露头角的艺术家正学习如何在人工智能领域展现自己的创造力。最近，在许多方面，人工智能一直试图超越人类对手，尤其是玩游戏方面。谷歌的DeepMind曾几次证明，在中国的围棋游戏中，人工智能可以与人类冠军玩家的能力相匹敌，而OpenAI最近开发了一种算法，击败了魔兽争霸（Dota）的职业电子竞技玩家。
创造性工作是人工智能进军的下一领域，艾娃科技（Aiva Technologies）的首席执行官皮埃尔·巴罗（Pierre Barreau）认为，创造力不再是人类独有的特质。就像他公司的人工智能音乐作曲家艾娃（Aiva）一样，人工智能可以展现出创造力，巴罗在电子邮件中对《未来主义科技》说，这是灵感和“随机创新”的结合。
“从爱娃的角度来看，灵感是通过对莫扎特、贝多芬、巴赫和其他伟大作曲家的15,000首交响乐的广泛训练而形成的，”巴罗说，“创新部分来自人工智能的随机性，因为我们构建的系统本质上就是随机的。而且，从设计上讲，它非常善于创新，因为它可以非常迅速地尝试很多非常不同的想法。”
AI会有多大的创作力？
但人工智能究竟有多大的创造力呢？巴罗说：“人工智能已经在创作艺术了，而且比人类更容易理解抽象图片的意义。”他认为视觉艺术可能是人工智能可创作的最简单的艺术形式，比如使用谷歌的“DeepDream”（Google 将用来分类和整理图像的 AI 开源[_a***_]）。
“我们已经看到人工智能创作的诗歌通过了图灵测试（Turing test）。我们也已经看到人工智能创作的艺术的得分高于人类的。现在，人工智能正在谱曲。”音乐家和数字故事讲述者泰伦·萨瑟恩（Taryn Southern）说。泰伦的作品中就有一张由一个叫安柏（Amper）的人工智能作曲和制作的专辑，她认为机器学习的进步让人工智能有可能展示出创造力。
她补充说：“人工智能有很多种不同的类型，以生成对抗网络（GAN）为例，在GAN中，一个网络不断‘生成’想法，而另一个网络则不停标记，以确定这个想法是否是‘好’的（符合程序员定义的一组数据的参数），这实际上就是在模仿人类大脑中自然的神经思维过程。”
人工智能基本原理谁提出？
提到人工智能，稍对其有所研究的人不会不知道1956年的达特茅斯会议，因为正是这场会议提出了“人工智能”的概念。

1955年的时候，在洛杉矶召开的美国西部计算机联合大会有这样一个小插曲。在会议上塞弗里奇发表了一篇关于模式识别的文章，而纽厄尔则对计算机下棋的事情发表了自己的观点。

两个人发完言后，当时正在研究神经网络的皮茨主持会议时将这个过程总结为：一个企图模拟神经系统，另一个企图模拟心智，方向不同但是殊途同归。这两位发言者也是达特茅斯会议中极其重要的两个人物。

相比于图灵等人，塞弗里奇在人工智能的历史中并没有多大的名头，但他也是人工智能科学的先驱。他是模式识别的奠基人，也是第一个写出可以工作的人工智能程序的人。

后来塞弗里奇又到麻省理工学院参与并领导了MAC项目，这个项目就是现在著名的MIT CSAIL，其中文名称是“麻省理工学院计算科学与人工智能实验室”。利用3D打印制造人工心脏的技术就是这个实验室研发出来的。

华东师范大学哲学系教授颜青山表示，当前人工智能伦理研究中，有以下几个方面值得关注。一是克服***恐慌情绪。大多数人对人工智能基本原理的了解还没有达到科普水平，常常会基于对人工智能技术的误解产生不恰当的联想。因此，如何对人工智能原理进行科普值得探讨。二是道德程序的内置及其限度。这方面讨论的是人工智能不该做什么。道德两难常常也是道德悲剧，人本身也无法给出确定的答案，更不要奢望机器会给出更好的答案。三是为人工智能研究提供充分的***空间。区分人工智能的研究与应用，为人工智能研究提供充分的***空间是必要的。
南京大学哲学系教授蓝江表示，人工智能发展的最大问题不是技术上的瓶颈，而是人工智能与人类的关系问题，这催生了人工智能的***学和跨人类主义的***学问题。人工智能的***学已经与传统的***学旨趣发生了较大的偏移，它讨论的不再是人与人之间的关系，也不是人与自然界的既定事实之间的关系，而是人与自己所发明的产品之间的关联。
AI人工智能？
这个问题首先可以从现在最热的AI编程语言python下手，先学基本的Python编程知识。
后续可以了解一下深度学习编程框架，如keras或者pytorch，Google的tensorflow是后端初学者可以不用关注。
再学怎么搭简单的框架，再深入看一下实现过程，最后就可以研究一下各大机构会议上的paper了，不过这些大多都是概念性的东西。
还有要搞清楚你想做asr(语音识别)，nlp(自然语言理解)还是cv(图片识别)之类的，人工智能范围太大，建议挑一个窄点的方向，方向明确再找具体资料。每一个方向都有大量细分的知识，这个可以在入行后慢慢深入了解。
AI能做什么？做为一个老司机，我认为换脸AI，衣服消失AI等等都是非常优秀的。
今天说的这个AI，我认为是我见过最牛的：听声还原人相！
图片上半部为声音主人，下半部为AI还原的人脸。
虽然不完美，但已经非常接近了。
它是由麻省理工学院开发，此款AI通过油管上百万的***片段进行学习训练。有了足够数据及硬件支持，将声音与人脸配对，以及找到两者之间的模式和趋势，“学习”如何重建人脸。
ML模型能够达到0.30-0.35相关联的确切特征（相关范围从-1到1，0表示不相关，1是绝对相关），考虑到各种特征，这一点并不差。
AI所做即为模仿人类思考方式，有时AI比你更懂你。
试试这个：
随着互联网越来越普及，电脑相关的行业人才也越来越稀缺，就业岗位逐年增多，人才供不应求。因此从事互联网相关的行业，是一个不错的选择。至于想学的专业，就看个人的爱好和本身的素质来看，室内设计，电子商务，新媒体UI设计，***后期等等都是近两年发展很快的专业，就业前景不错
如何学习人工智能？
谢邀。学习人工智能，主要是看想干什么。如果是做理论研究，选择好一个方向，掌握好数学就够了。如果是想做一些实际的项目，那可能就要复杂一些了，根据不同的应用领域，可能关注点会有所不同，但是不管什么应用领域，有两点是必须的，一是数学，二是一门编程语言，我推荐使用python。下面我就根据不同领域，简单说说可能用到的一些专用技术。
- 图像处理与图像识别。如果从事这方面的研究，卷积神经网络是必须要掌握的，当然，简单的应用可以尝试使用opencv解决。
- NLP，也就是自然话言处理。也是个想当热门的领域。从事这方面的研究，就有必要掌握循环神经网络。有些专业的问答系统应用也可能会用到知识图谱。当然，基本的分词技术，语义分析技术也是必不可少的。
- 当然，针对不同的数据，不同的目的，还有一些方法也常会用到。比如决策树，线性回归，分类算法等。
总之，人工智能是一门特别复杂的学科，渉及的内容杂而多。应用过程当中，需用心慢慢体会。
给大家推荐一个人工智能学习网站，特别适合入门***.deepthink.press
到此，以上就是小编对于麻省理工学院人工智能的问题就介绍到这了，希望介绍关于麻省理工学院人工智能的4点解答对大家有用。
