谷歌人工智能自主，谷歌人工智能自主研发

大家好，今天小编关注到一个比较有意思的话题，就是关于谷歌人工智能自主的问题，于是小编就整理了4个相关介绍谷歌人工智能自主的解答，让我们一起看看吧。

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，这部小说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小说。

这就意味着，我们会在很长一段时间

AI下棋已经无敌了，却还会把乌龟错认成步枪，如今的人工智能已经能做什么？还不能做什么？

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！

Speech2Face，神经网络模型，能根据声音重建人脸！

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通过油管上百万的视频片段进行学习训练。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：

1. 想象两个在酒吧谈话的人
2. 想象一下他们的对话和语调
3. 现在给他们两个东北口音

你会怎么想象他们？身高是否魁梧，是否戴着个大金链子等等。我们会根据平时接触的人做出自己的判断，这就是我们说的经验。但对于AI来说，经验就是通过数百万千万次分析训练，往往比你的经验更准确！这就是Speech2Face正在做的事情！或者说所有AI正在做的事！

附上更多结果：

谷歌最新的AI艺术项目如何将用户的自拍照变成“诗画像”？

谷歌总是在人工智能的帮助下赞助奇怪的和创造性的项目，其最新赞助的网络应用程序称为PoemPortraits。其会“采纳”用户使用的词并将其与自拍相结合，以创建同名的“诗画像”。基本上，这是一个Instagram过滤器与几行AI生成的诗歌相配对的效果。

The Verge记者James Vincent 使用“malfeasance”这个词和Keanu Reeves的照片创建了上面的图像。

该应用程序是Google的艺术与文化实验室、编辑Ross Goodwin和Es Devlin之间长期合作的成果，Es Devlin是一位艺术家和着名的舞台设计师，曾与英国国家剧院、侃爷、碧昂丝和阿黛尔等著名艺人合作。

Ross建立了产生诗歌的软件。他在一个巨大的19世纪诗集（超过2500万字！）语料库上训练了一个深度学习神经网络，其在这些数据中寻找模式，然后根据用户的输入生成文本。Devlin将“这台小型制诗机”放入了许多物理框架中，包括伦敦特拉法加广场的狮子雕像和英国蛇形画廊的一个照相亭。

这个网络应用程序基本上是照相亭的数字版本，正如Devlin在一篇博客文章中所写，其所产生的诗歌“有种令人惊讶的哀伤，而且在其他很多时候也可以是无意义的”。

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微变化。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微变化，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。

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。

第三个问题——这项技术为何能高效处理这些数据以此来发现“第二个太阳系”？

简单来说，是科学家让电脑学会了辨认行星的特征。

过往，天文学家寻找系外行星的主要途径是通过自动化软件（使用的是特定编程，不具备AI的智能学习系统）或人工来对大量产生于开普勒望远镜的数据进行分析。过去四年，开普勒望远镜每 30 分钟拍摄一张照片，创造了约 140 亿个数据点。这 140 亿个数据点可以转化为大约 2 万亿个可能的行星轨道！对于计算能力最强大的计算机来说，这样的分析也是一个浩大的工程，而且会非常耗时。为了让这样的分析过程更快更有效，研究人员们转向了机器学习。

研究人员通过训练神经网络，让计算机学会了识别行星从恒星前方横越时产生的微弱信号（注意：先前的技术是不能让“计算机自己”识别这些信号的，需配合人的操作才行，这样先前的工作效率就低了很多）。

在使用这种技术对已知的 670 个多行星系统的扫描过程中，发现了行星开普勒 90i——恒星开普勒-90周围发现的第8颗行星（位于第六轨道）。至此，人类在太阳系外发现第一个由8个行星构成的行星系，也就是第二个太阳系。（下图上面一排是“第二个太阳系”，下面一排是我们的太阳系）。

实际上：Google已经开始将这套AI用在开普勒观测到的15万颗恒星数据上。下图中橙色区域为此次已经探索的区域，而广阔的未被探索区域（蓝色）中有可能还有大量的行星未被发现，预计不久之后又会有新的消息曝出，说不定会发现类似地球的行星，更多的“太阳系”。

更多优质回答，请持续关注镁客网头条号~

到此，以上就是小编对于谷歌人工智能自主的问题就介绍到这了，希望介绍关于谷歌人工智能自主的4点解答对大家有用。