2016年会是机器情绪识别的分水岭 这里总结了机器人发展五大趋势

本篇文章2809字，读完约7分钟

据预测，2016年，情感将成为我们与机器互动的一个强有力的新渠道，由于摄像技术和计算机视觉算法的发展，未来机器通过我们人类的面部表情、眼球运动、肢体语言、说话方式甚至仰视来理解我们的能力将会大大提高。

近年来，谷歌、微软和facebook等几大公司都成立了自己的人工智能R&D团队，并取得了一些显著的成绩。

2015年11月9日，谷歌宣布tensorflow是开源的，这是一个用于gpu上快速梯度机器学习的巨大数据库。一些文章推测张量流将带来一场人工智能革命，称谷歌此举是大胆的，因为torch(由facebook人工智能实验室的罗南·科洛伯特(ronan collobert)维护)为深度学习提供了类似的开放资源，而yoshua bengio教授的实验室对antano(深度学习领域的先驱，一款适合大众的革命性软件)进行了长期维护和开发。在《连线》的一篇文章中，cade metz将tensorflow描述为谷歌的人工智能引擎。

这篇文章是关于线性代数和导数计算的开源数据库，甚至标题都被夸大了。在许多其他新闻报道中，我很惊讶谷歌将代码设置为开放资源。从更技术性的角度来看，从夸张的赞美到泼冷水，都有各种各样的反响。Soumith chintala发布了一套标准来处理所有相互竞争的软件包，为人们提供了一个量化的评估。结果表明，张量流的第一个版本落后于torch和caffe，尤其是在卷积神经网络中。

神经网络使用硬件和软件来构建类似人脑的神经网络，这可以追溯到20世纪80年代，但是直到2012年krizhevsky和hinton才开始发明在gpu上运行神经网络的技术。Gpu最初是为游戏和其他高性能图像软件设计的特殊处理芯片，但已经证明它们也非常适合驱动神经网络。

谷歌、脸书、推特、微软和许多其他公司现在使用gpu驱动的人工智能来处理各种任务，如图像识别，包括互联网搜索和安全应用。克里热夫斯基和辛顿后来加入了谷歌。

微软的一个研究小组设计了一个比典型设计复杂得多的神经网络。该网络可以执行多达152层的复杂数学运算，而典型的设计通常只有6到7层。这表明，在未来几年内，像微软这样的公司将能够使用大量的图形处理器和其他特殊芯片来大大增强各种人工智能服务，包括图像识别，包括识别语音，甚至理解人类自然表达的口语。但是建立这样一个大的神经网络是极其困难的。

为了确定每一层的工作模式和与其他层的通信模式，有必要对每一层部署不同的特定算法，但这是一项极其困难的任务。但是微软在这方面也有技能。他们设计了一个计算系统来帮助他们建立这些网络。研究人员可以识别大规模神经网络的一些潜在有用的部署方法，然后计算系统可以循环通过一系列的可能性，直到确定最佳选择。

深度学习初创公司skymind的首席研究专家亚当吉布森表示，类似的做法越来越普遍。这被称为超参数优化。

他说:人们可以让一组机器运行，一次运行10个模型，然后找到最好的一个来使用。他们可以输入一些基本参数(基于直觉)，然后机器可以据此确定什么是最佳解决方案。吉布森说，去年被twitter收购的公司whetlab提供了一种类似的方法来优化神经网络。

预计2016年将是机器情感识别的分水岭，情感将成为我们与机器互动的强大新渠道。随着照相机技术和计算机视觉算法的发展，机器通过我们人类的面部表情、眼球运动、肢体语言、语言，甚至是仰视来理解我们的能力在未来将会大大提高。

卡耐基梅隆大学机器人研究所的费尔南多·德拉托雷发明了一种特别强大的面部识别软件，叫做“脸内识别”。他的团队使用机器学习来教inface如何识别和跟踪面部表情，这种方式适合大多数人。然后，他们创造了一种个性化算法，使软件能够分析个人情感表达。它不仅准确，而且高效，该软件甚至可以在手机上运行。

在未来，机器可以更好地理解我们的情感，我们与机器的互动将变得更加丰富。卡内基梅隆大学的贾丝汀·卡塞尔研究了虚拟同龄人在教育中的应用。她发现，当虚拟同龄人能够恰当地回应学生的情绪状态，甚至在某些场合嘲笑他们时，学生会更积极地参与进来，学得更好。不难想象商业领域有多喜欢使用这个功能。广告商、营销人员和电影制作人可以获得更多关于客户群的具体信息。

在医疗和人工智能相结合的情况下，医生的询问主要基于患者在当前检查中留下的医学图像信息，而在做出诊断时，过去的病史、家庭病史和检查结果的影响几乎被忽略。但是想象一下，如果患者的身体数据能够被实时地和连续地记录下来，并且有一个智能的医学诊断系统能够将这些数据与全世界具有相似症状的患者的数据进行比较，在此基础上，在当前临床医学的研究和指导下给出全面的诊断建议将会更加准确和科学。

Sentrian，一家生物传感器研究公司，已经开发出一种可以完成上述操作的医疗系统。公司总部位于美国佛罗里达州，致力于机器学习的相关研究。目前，智能医疗系统已经进入临床测试阶段。他们希望创建一个医疗系统，让医生能够实时关注病人的身体数据，然后做出更好、更早、更个性化的诊断方案。

如今，无线生物传感器可以收集一些简单或复杂的物理信息，如体温、心率、血氧饱和度和血钾含量。通常，每个远程病人一次只佩戴一个或两个传感器，医生可以直接分析他们的数据。如果患者连续佩戴多个传感器，产生的数据将是巨大的。

Sentrian的医疗系统收集患者数据，并通过机器学习算法进行分析。系统包含慢性病(包括心脏病、糖尿病、慢性阻塞性肺病等)的身体数据变化信息。)，并将患者的信息与这些信息进行匹配和比较，系统可以通过观察细微的关联做出早期诊断。心率、血压、血氧饱和度等信息也会被传输到云端进行分析，必要时会通知医生。

2016年，五大机器人发展趋势值得期待:

1.中国的机器人革命中国已经开始尝试在工厂使用先进的制造机器人。政府希望这将有助于在世界工人工资上升、制造业效率提高、技术更先进的时候，保持中国制造业的领先地位。这需要更先进、更具成本效益的机器人。广东省决定投资1540亿美元安装机器人。富士康创始人郭台铭也表示，在未来几年，他们将安装超过100万个机器人。

2.机器人会学得更聪明。有了深度学习技术的支持，我们可以训练机器人观察、掌握和推理，并且相信他们的学习能力会越来越强。

3.机器人之间的知识共享。今年另一个值得期待的趋势是机器人相互分享他们获得的知识。一旦机器人能够从其他机器人的工作中获益，学习过程就会加快。即使是两个完全不同的机器人也可以互相教对方如何识别特定的物体或执行新的任务。让工业机器人学会通过互联网识别或抓取不同的物体，空.肯定会有很大的想象力

4.机器人将会有更多个性化的元素。5.无人机时代。2016年可能是无人驾驶飞行器能够大量飞行的一年。附言。无人机+全景相机+虚拟现实头部显示是一个完美的匹配。

5.初创企业在开发基于人工智能平台的应用方面将会有很多机会。