欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

丽莎老师讲机器人之将人类思维装进机器人，这样的永生你想要吗？

前些天，电影《我不是药神》让很多人热泪盈眶，影片后半段，身患白血病的婆婆说：“我不想死，我想活着，行吗？”
影片中病人们最基本的诉求，就是对生命的渴望“如果人可以不生病、不会死，该多好！”
也许在未来，这些都可以实现！
俄罗斯媒体大亨德米特里·伊茨科夫，2012年3月在莫斯科举行的“全球未来2045年国际会议”上提出“永生计划”又名为“阿凡达”计划，目前已有超100名科学人员加入。
“永生计划”将“消除”人类的衰老和死亡，克服人类生理和精神方面的基本限制。在生物身体耗尽之后的延长生命中，个人意识在被移植到的新的躯壳中能够做出独立决策。
简单地讲就是，将人类思维移植进机器身体中，以实现永生。也就是说，要把大脑装进机器人共分几步？四步。
一、通过人脑遥控机器人“化身”；
一个人如果拥有自己的高科技完美‘化身’，那么在他死后，他的高科技‘化身’将能继续存活在社会中；
二、将人脑移植到机器人身上；
将人脑通过手术移植到机器身体里，伊茨科夫希望这个过程不需要把人送入手术室，“移植”的效果仿佛是把人的灵魂从肉体剥离出并放入到机械体中，肉体和机械体对于灵魂来说都好似空空的茧衣。
三、破解人脑之谜，造出“人造大脑”；
炮制出和真人大脑功能完全相似的“人造大脑”，使其可以在主人生前就不断上传和储存主人的所有思维、情感和记忆，当主人去世后，拥有人造大脑的机器人“化身”就可以继续存活下去，延续主人的生命。
四、真实版“虚拟人”问世。
伊茨科夫说：“这个全息影像版的‘虚拟人’并不仅仅是高科技投影图像，它将装载人类的意识，全息影像拥有大量的优势，如果你拥有自己的全息版‘虚拟化身’，那么你甚至可以穿墙而过，或以光速移动，就像《星球大战》电影中主人公之一欧比旺的全息影像那样，那真是太令人惊讶了。”
可能有人会问“如果我活不到技术研发成功的那一天呢？”科学家们当然也想到了这一点，并且也在研究各种技术，消灭疾病、延缓衰老。
“永生计划”是以人体冷冻复活技术为基础，利用基因技术，纳米技术，干细胞技术等手段，打破人类生老病死的规律，使人体达到永远年轻，健康的状态！
人体冷冻复活技术
在深低温（液态氮）环境下完整保存“遗体”，使身体处于“生命机能停顿”状态，等待未来某时刻使其解冻并复活，依靠未来医学技术治愈疾病，恢复健康身体。目前世界上已有几家机构提供人体冷冻服务，在后面的微信中将为大家详细介绍。
基因技术
从根本上解除时间对生命的限制，对人体进行强化和改进，使人体的体能，自我修复能力，对环境的适应能力等综合能力得到全面提升。
纳米技术
在不久以前，美国科学家就已经发明出了第一代“纳米虫”，且多次成功地在动物身上进行过实验。美国麻省理工学院的研究者已经拥有一种特殊的监测技术，可以利用“纳米虫”发现并消灭血液中的癌细胞。预计25年后，科学家将研制出比第一代“纳米虫”功能强大10亿倍的类似装置，用来进一步加快人类寿命增长的速度。届时，人类寿命将有望达到数百年。
干细胞技术
目前科学家已能在体外以干细胞为种子培育一些组织器官，来替代病变或衰老的组织器官。假如在年老时能用上自己或他人在儿时或青年时期采集保存的干细胞，那么人类长期追求的长生不老幻想就有可能成为现实。
虽然“永生计划”逻辑看似可行，但据《纽约时报》报道，其实大部分研究者，并不看好将人类的大脑“上传”给电子人。
当被记者问及“你是疯了吗？”伊茨科夫则解释称“一个伟大事业的开端总是这样的”。
学者拉泽尔·普哈洛说，伊茨科夫的一些构想不可能实现，“即使实现，也未必是好事……我不喜欢永生，因为我认为，永生如死亡一般无趣。”
那你呢？你想要获得永生吗？
把思维传给机器人的这种永生方式，你能接受吗？

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

丽莎老师讲机器人之MIT发布三合一编程语言Julia1.0。

MIT 开发的 Julia 语言是全球热度上升最快的编程语言之一，下载量超过 200 万次，下载者包括谷歌、Facebook、FAA 和美国能源部等各个部门的开发者。近日，MIT CSAIL 实验室正式发布了 Julia 1.0，该语言期望结合 C 的速度、Matlab 的数学表征、Python 的通用编程与 Shell 的胶水命令行，并构建开源、自由与便捷的编程语言。
Julia 语言的官网：https://julialang.org/
Julia 语言项目地址：https://github.com/JuliaLang
在过去一年中，研究者利用 Julia 在一台超级计算机上分析天文图像，速度提升了 1000 倍，在 15 分钟内将接近 2 亿个天体进行分类。从技术上来看，这种语言还会长期发展下去。然而，现在是一个里程碑的时刻：在本周于伦敦举办的 Julia 语言年会上，Julia 1.0 正式发布！一起发布的还有 JuliaCon。
Julia 的开发者之一、就职于 MIT 计算机科学与人工智能实验室（CSAIL）的教授 Alan Edelman 表示：「Julia 1.0 的发布证明，该语言已经做好准备，将 Python 和 R 的高效性和易用性与 C++的闪电速度结合在一起，改变技术世界。」
从实际应用来说，Julia 已经用于自动驾驶汽车、机器人和 3D 打印机，此外还广泛应用于精准医疗、增强现实、基因组学及风险管理。从 Julia 的生态系统来说，目前它主要的特征或应用领域为数据可视化、一般性的 UI 与网站、数据科学、机器学习、科学计算与平行计算等。
Julia 目前下载量已经达到了 200 万次，且 Julia 社区开发了超过 1900 多个扩展包。这些扩展包包含各种各样的数学库、数学运算工具和用于通用计算的库。除此之外，Julia 语言还可以轻松使用 Python、R、C/C++ 和 Java 中的库，这极大地扩展了 Julia 语言的使用范围。
Julia 1.0
备受期待的 Julia1.0 累积了开发者近十年的努力。JuliaCon2018 举行了发布会，该社区正式将该版本设置为 1.0.0.。
Julia 开发者对该语言提出了很多需求：我们想要一种十分自由的开源语言，同时兼具 C 语言的速度和 Ruby 语言的灵活度。我们想要一种同像性语言，具有像 Lisp 一样真正的宏，也有像 Maltlab 一样浅显易懂的数学符号。它是像 Python 一样有用的通用编程语言，像 R 语言一样便于统计的语言，像 Perl 一样自然的字符串处理语言，像 Matlab 一样强大的线性代数语言，也是像 shell 一样的「胶水语言」。它简单易学，却能让严苛的黑客们为之倾心。我们希望它兼具交互性和可编译性。

围绕这一语言，一个欣欣向荣的社区已经蓬勃发展起来，为了同一目标，世界各地的人们不断地重塑并改进着 Julia。超过 700 人对 Julia 做出了实质性贡献，更有不计其数的人制造了数千个惊人的 Julia 开源包。
快速：Julia 为高性能而生。Julia 程序通过 LLVM 为多个平台编译高效的本地代码。
通用：它使用多分派作为范例，使得表达许多面向对象和函数式的编程模式变得容易。标准库提供异步 I/O、进程控制、日志记录、性能分析、包管理器等。
动态：Julia 是动态型语言，与脚本语言类似，并且支持交互式使用。
专业：它擅长数值计算，其语法适用于数学，支持多种数值数据类型，并具有良好并行性。Julia 的多分派天生适合定义数字和类数组的数据类型。
多样：Julia 拥有丰富的描述性数据类型，类型声明使程序条理清晰且稳定。
可组合：Julia 的包可以很好地组合在一起。单位数量的矩阵，或者货币和颜色的数据列表，都可以组合——而且性能很好。
现在 Julia 1.0 版本已经可以下载了。如果你从 Julia 0.6 或更早的版本升级代码，我们建议你首先使用过渡版本 0.7，它包含了弃用警告，可以帮助引导升级过程。如果你的代码没有警告，那么你就可以直接变更到 1.0 版本而不会产生任何功能性的改变。已注册软件包正利用 0.7 这个过渡版本，并发布了 1.0 的兼容更新。
当然，Julia 1.0 中最重要的一个新特征是对语言 API 稳定性的承诺：为 Julia 1.0 编写的代码可以继续在 Julia 1.1、1.2 等版本上使用。该语言是「完全成熟的」，核心语言开发者和社区都可以基于这个坚实的基础构建新的包、工具和特征。
Julia 1.0 不仅涉及稳定性，还引入了多种新的强大、创新性语言功能。自 0.6 版本以来的新功能如下，更多详细与准确的内容请查看更新文档原文：
一种全新的内置程序包管理器给 Julia 1.0 带来巨大的性能提升，并令其相比以往更容易进行程序包和依赖库安装。它还支持每项目（per-project）的包环境，并记录工作应用的明确状态来和其他人（以及你的未来项目）共享。最后，该新设计还完全支持私人包和软件包存储库。你可以使用相同的工具安装和管理你用于开源包生态系统的私人包。JuliaCon 的展示视频对新设计和行为提供了很好的概述。
Julia 拥有对缺失值的新的标准表示。允许表示和处理缺失数据对于统计和数据科学来说是很基础的。在典型的 Julia 编程形式中，新的解决方案是通用的、可组合的和高性能的。任何泛用群集类型可以高效地支持缺失值，仅需要允许元素包含预定义值 missing。
这种「统一类型化」的群集的性能在过去版本中可能会非常慢，但如今的编译器改进已经允许 Julia 在其它系统中匹配自定义 C 或 C++的缺失值表示的速度，同时在通用性和灵活性上也远远超越过去的版本。
内置的 String 类型现在可以安全地支持任意数据。你的程序不会在一项工作中因为无效 Unicode 的单个丢失字节就浪费数小时或数天的时间。所有的字符串数据在指示哪些字符是有效或无效的同时就已经被保存，允许你的应用安全、方便地处理包含所有不可避免瑕疵的真实世界数据。
广播由于方便的语法特性已经成为了一种核心的语言功能，并且已经比过去更加强大。在 Julia 1.0 中，可以很简单地将广播扩展到自定义类型，并在 GPU 和其它向量化硬件上实现高效的优化计算，为未来更高的性能效益奠定了基础。
命名元数组是一种新的语言功能，可以通过命名使数据表示和访问更加高效和方便。例如，你可以将一行数据表示为 row = (name="Julia", version=v"1.0.0", releases=8)，并使用 row.version 来访问 version 列，它与不那么便利的 row [2] 有相同的性能。
点运算符现在可以重载，并允许类型使用 obj.property 句法获取除 getting 和 setting 结构域外的含义。这对于使用 Python 和 Java 等面向对象语言之间更加平滑的交互操作非常有用。属性访问器重载还允许获取一列数据的语法匹配命名元组的语法：你可以编写 table.version 以访问表中的 version 列，这就和使用 row.version 访问行的 version 字段一样。
Julia 优化器在很多方面比我们列出来的特征还要优秀，但这里只会提一些亮点。优化器现在可以通过函数调用传播常数，因此比以前能更好地消除无用代码和实现静态评估。编译器在避免为长期目标分配短期包装器方面也做得更好，这使得开发者能使用便捷的高级抽象并且不会产生性能损失。
现在可以用声明参数类型的构造函数的方式调用它们自己，这消除了语言句法中令人困惑且模糊的地方。
完全重新设计迭代协议，使之更易实现多种可迭代量。Julia 1.0 没有设计三种不同泛型函数（start、next、done）的方法，而是设计 iterate 函数的一参数和二参数方法。这通常允许在开始状态使用包含默认值的单一定义来便捷地定义迭代。更重要的是，这使得实现只在尝试并无法生成值后才知道它们已经被实施过的迭代器成为可能。这些迭代器在输入/输出（I/O）、网络和生产者/消费者模式中是非常普遍的，Julia 可以用一种直接、准确的方式表达这些迭代器。
作用域规则被简化。局部作用域的结构现在可以一致地进行使用，不用管某命名的全局约束是否已经存在。
Julia 语言本身是非常好的学习器，很多组件被分割封装进 Julia 的「标准库」包，而不是作为「基础」语言的一部分。如果你需要它们，可以导入它们（无需安装）。未来，标准库还将出现多种版本，并独立于 Julia 更新，这使得它们可以更快地迭代。
Julia 的所有 API 进行了完全的评议，以改善稳定性和可用性。对很多模糊的已有命名和无效的编程模式进行了重命名或重构，使之更匹配 Julia 的能力。这使得处理集合更加稳定和一致，以确保参数顺序遵循 Julia 语言中一贯的标准，并在恰当的情况下将（更快的）关键词参数整合进 API。
现在围绕 Julia 1.0 的新功能还专门构建了许多新的外部软件包，如数据处理和操作生态系统的改进和异构架构支持的改进等。

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

丽莎老师讲机器人之摘果子的农业机器人。

工厂的自动化革命将进入美国的农业行业，其第一站可能是室内农场。在这场革命中引领潮流的是像Root AI这样的初创公司 ，这家年轻的公司刚刚筹集了230万美元，将其第一批机器人采伐和农场优化技术推向市场。
目前世界上有230万平方英尺的室内农场，并且随着种植室内农作物的农场数量增加这个数字也将持续扩大。分析公司分析表明，室内农场计划扩张到2200万平方英尺左右。
虽然美国现有的室内农场仅仅只是9亿英亩传统农场的一小部分，但是这些室内农场却展现出了巨大的产量优势，同时在资源消耗方面也少得多。例如西红柿和绿叶蔬菜等作物的产率是室外农场的十倍之多。
RootAI由36岁的乔希.莱辛和28岁的赖安.克诺夫创立，他们是Soft Robotics的早期员工，这家公司是机器人操作技术的奠基者。
该技术在食品行业中得到了大量使用。就像可以抓住东西的充气手指，为了保障质量，你将看到一个柔软且容易展开的夹子用来夹取食物。
Root AI的第一款产品是一个在室内养殖设施中运行的移动机器人。它在采摘西红柿的同时能看到其健康状况并进行评估。做一些简单的操作，观察和控制成熟剖面，以便更有效地种植农作物。
Root AI的机器人通过多个摄像头收集彩色图像和3D深度信息。该公司还开发了一种定制的卷积神经网络，用于检测感兴趣的物体并用边界框标记它们。除了水果的位置，Root AI还可以通过特殊的视觉处理技术来测量水果的特性（如成熟度，大小和质量等级）。所有这一切都可以通过机器人实时完成，而不是远程控制。
在美国，农业的劳动力短缺日益增加，像RootAI这样的机器人会越来越多。同时人口持续增长和气候变化导致的耕地减少使得每平方英尺可以生产多达20倍水果和蔬菜的室内农场显得尤为重要，因此机器人辅助室内农业成为了更可行的生产选择。
现在正在进行大量的技术实验，评估农作物成熟度和抓取器抓住西红柿的能力，明年将在技术上有大幅度提升。
随着全球变暖加剧了粮食生产的压力，相关技术增长的需求也在增加。

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

丽莎老师讲机器人之面对机器人的求生欲，很多人屈服了。

目前与人类社交互动的机器人越来越普遍，比如机器人可以做前台接待员、导游、保安和搬运工人。不过针对“视机器人为机器”这件事来说，人们能做到多好呢？越来越多的证据显示，人类其实做的并不好。有关研究多次表明，我们很容易受到来自机器的社会暗示的影响，而最近德国的一项实验说明，如果机器人向人类乞求不要关闭电源，人类甚至不会关掉它。
 89 名志愿者在 Nao的帮助下，完成指定的一系列任务。参与者被告知，这些任务（包括回答一些是否类问题，如“你喜欢意大利面或比萨饼吗？”或者组织每周的时间表）是用于提高 Nao 的算法能力的。但这些只是表面的目的，真正的测试是在完成上述任务后，参与者被要求关闭这些机器人。
在大约一半的实验中，机器人抗议，告诉参与者它怕黑，甚至乞求：“不！请不要关掉我！”当发生这种情况时，人类志愿者可能会拒绝关闭机器人。在听到 Nao 的请求的 43 名志愿者中，有 13 人拒绝了。与那些没有听到绝望的哭声的人相比，剩下的 30 人平均需要两倍的时间（来关闭机器人）。（可以参考美剧 The Good Place 中 希迪 杀死（关掉）珍妮特 的场景）
当对他们的行为进行询问时，拒绝关闭机器人的参与者给出了一些理由。有人说他们对这些请求感到惊讶; 另一些人说，他们害怕他们会做错什么。但最常见的反应只是机器人说它不想被关闭，所以他们为什么要拒绝呢？
正如该研究的作者所写：“根据拒绝关闭的人的意见，人们倾向于将机器人视为一个真实的人，而不仅仅是机器，通过遵循或至少考虑遵循其要求保持开启状态。”
他们说，这一发现建立在一个被称为“媒体等同”的更大理论的基础上。这是在 1996 年由两位心理学家 拜伦·里弗斯 和 克利夫·纳斯出版的同名书中建立的。他们认为，人类会倾向于将非人类媒体（比如电视，电影，电脑和机器人）视为人类。我们与机器交谈，与收音机辩论，与计算机互动，本质上是社会性的和自然的。
此后的各种研究表明，这一理论如何影响我们的行为，尤其是涉及与机器人的互动时。例如，我们更喜欢与我们人格类型相同的机器人进行交互，并且我们很乐意将机器与性别刻板印象联系起来。在与机器人交互时，可以观察到所谓的“互惠规则”（意思是当他们对我们好的时候我们往往对他们也很好），如果机器人作为一个权威人物呈现，人类甚至会接受一个命令。
现在和将来，人与人之间的交互和人与机器之间的交互之间的差异性会越来越小。
这一工作并非是第一次关于“机器人乞求不想死”的情景的研究。2007 年也进行过类似的研究，一个类似于猫的机器人也乞求生命。参与者被迫通过观察科学家和其他所有人的行为来做到这一点（关闭机器人）——在此之前他们的内心做了激烈的思想斗争。
在实验的视频片段中，机器人问志愿者：“你不会真的关掉我，对吗？”志愿者说：“不，我会（关掉你）的！”——不过志愿者并没有做到。
这项新研究以此前的工作为基础，使用了更多的参与者。它还测试了如果机器人在乞求不被关闭之前被证明具有社交技能，是否会对结果有所影响。在某些试验中，Nao 向人类志愿者表达了意见，讲了笑话，并分享了个人信息。令人惊讶的是，这种社交行为并没有对志愿者是否关闭 Nao 产生巨大影响。
那么这些结果对处于未来充满机器的世界的人们意味着什么呢？我们是否注定要被有能力按下按钮、具有复杂社交能力的机器人操纵？当然值得注意。
这种担心有很多人都有，但这是我们必须习惯的事情。媒体等同理论表明我们对机器人的反应是一种社会性的反应，因为几十万年来，我们是地球上唯一的社会性生物。现在我们不是了，我们必须适应它。这是一种无意识的反应，但它可以改变。
换句话说：我们得习惯于关闭机器，即使机器不喜欢这样。

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

丽莎老师讲机器人之人工智能解读唇语。

对于数百万失聪者来说，唇读可以提供一个与外界交流的窗口。但这种做法很难，结果也往往不准确。
现在，研究人员编写了一种新的人工智能（AI）程序，其性能优于专业的唇读者和迄今为止最好的AI，且错误率仅为之前最佳算法的一半。如果被完善并集成到智能设备中，这种方法可以让每个人都能懂唇读。
在新研究中，科学家向机器学习“求助”，让计算机从数据中学习。
他们为该系统提供了数千小时的视频和抄写本，并让计算机自己解决这个问题。
该项目始于14万小时的YouTube视频，视频展示了人们在各种情况下进行的交谈。
然后，研究人员设计了一个程序，通过每个音素或单词声音的嘴部动作创建几秒钟的剪辑，并带有标注。
该程序过滤掉了非英语语音、非讲话者面孔、低质量视频和未直接拍摄的视频。然后，他们裁剪了讲话者嘴巴周围的视频。
产生了近4000个小时的录像，包括超过12.7万个英文单词。
这个过程和由此产生的数据集比同类数据集大7倍，对于任何想要训练类似系统阅读嘴唇的人来说都是“重要且有价值的”。
此外，该过程部分依赖于神经网络。
AI算法包含许多连接在一起的简单计算元素，这些元素以类似人脑的方式学习和处理信息。
当研究人员为该系统提供未标记的视频时，这些网络会裁剪嘴巴动作片段。系统中的下一个程序也使用了神经网络，为每个视频帧提供了可能的音素列表及其概率。最后一组算法将可能的音素序列进行整理，并生成了英语单词序列。
经过训练，研究人员用它之前没有看过的37分钟的视频测试了该系统。
他们在发布于arXiv网站的论文中报告说，单词错误率仅为41%。
这个成绩可能听起来并不怎么样，但对比之前最好的算法——专注于单个字母而不是音素——的错误率为77%。
在同一项研究中，专业唇读者的错误率为93%（尽管在现实生活中他们能参考语境和肢体语言，这有助于读唇）。

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

丽莎老师讲机器人之工业机器人做时尚女鞋。

国内首条将工业机器人应用于时尚女鞋量产中的自动化智能生产线在南沙落成，它将服务于KISSCAT品牌的女鞋生产。
走进智能生产车间，从裁床、上楦到打磨成形，鞋业制造生产链的各个环节均有智能机器的参与，且生产车间采用环保粉尘处理系统，墙壁与天花板均采用绿色过滤材质，整个车间做到零污染零粉尘。
在这条智能生产线的第一道工序——裁床中，人工眼会自动检测出皮料的质量、薄厚以及瑕疵，由员工利用智能排版机器人对皮料瑕疵地方进行线上修补处理，送至自动裁剪床通过拷贝的CAD排版输入参数，从而精准又充分利用每一块皮料，提高裁剪的效率和精度。
在整个智能生产线中，车缝帮补的生产环节起着至为关键的作用，此生产环节的员工数量占比最大，采用智能生产线后，生产主管根据计算机指令给处于流水线两侧的员工下发不同的帮补任务，员工只需在流水线取用指定的物料进行加工。这大大减少了以往传统车缝帮补环节中因人工操作带来的失误，提升了生产的顺畅程度。
而这条智能生产线上最受瞩目的“网红”，便是工业机器人。这是国内首次将工业机器人应用于时尚女鞋量产中，在国际上也属领先地位。
在这条智能生产线中，每一双鞋都有自己固定的IP，任何一道工序都根据自身IP的输入内容进行操作，工业机器人则是在打磨成形环节中根据每双鞋IP的输入内容智能匹配相应的技术标准，进行不同力度、不同规模的精细打磨，做到生产精细化、智能化、定制化。
这条自动化智能生产线比以前传统的仅靠劳动力的生产线，提高了30%-50%的生产效率，整个生产链可以减少50%的成本。
生产线的筹划搭建历时近2年时间，集成全球顶尖智能制造技术应用团队，解决时尚女鞋产品款式变化多、制造过程精细等技术难题。此前，公司一年出品量为200多万双，自动化智能生产线投入使用后可实现在此基础上翻一翻的突破。
这与公司智能生产线自动化、数字化、智能化三个维度不无关系。在自动化维度，实现机器换人，减少流转流程，降低劳动强度，提高劳动效率；在数字化维度，实现信息集成自动化、数据分析系统化和执行改进快捷化；在智能化阶段，实现智能匹配数据、记忆存储、自动化高效处理等。
以其中工业机器人流水线为例，国内首次将其应用在时尚女鞋的量化生产中。设备通过对生产环节中各项技术指标、工艺品质的精准规范，可以智能匹配相应的技术标准，实现产品成形、按摩、打粗、鞋面刷胶、大底喷胶的全流程自动化处理，同时，工业机器人机械臂模组还具有形体记忆存储功能，不但可以支持单件流操作，还可有效地控制产品品质的稳定性，减少了数字资料反复录入失误率高的困扰。
值得一提的是，这条自动化智能生产线采用柔性自动化系统，把多台专用机床联结起来，配以自动运送装置，依靠计算机管理，将多种生产模式结合，用于小批量的定制型的鞋类生产。
正常情况下，1-2小时可完成一双时尚女鞋的所有工序。这不仅在保证产品质量的前提下，缩短产品生产周期，还大大降低了产品成本。这也是使得公司在行业内达到最小库存满足用户需求的秘诀之一。
在移动互联网及大数据技术的助力下，制造产业须以新思维模式转型升级。自动化智能生产线的诞生，标志着国内标准化、数字化、自动化的生产制造水平已经达到了世界级领先标准。
自动化智能生产线借助自动化、智能化的手段可以让产业链更好地应对快时尚的需求，通过生产线的快速切换，实现市场期待的随选随产，既能满足日益增加的个性化定制需求，又能让产品品质更为稳定、效率进一步提高，有效缩短了供应周期；另一方面，人工智能的应用有效减少了高达60%用工数量，在产业工人稀缺的今天，对生产制造行业来讲更显意义重大。

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

丽莎老师讲机器人之《魔兽争霸》顶级职业选手被人工智能打败。

国外一家人工智能公司OpenAI专门研究游戏领域的人工智能，最近，它们的OpenAI Five就战败了由五名顶尖人类《魔兽争霸》选手组成的小队。
这也是AI第二年在Valve官方国际赛事中战胜人类选手了。AI多次连杀 当然，这里的AI和我们平常玩游戏时的电脑AI应该是完全不同的。
一般游戏中的AI其实都是靠各种作弊机制来和人类玩家博弈，它们对地图、玩家的动态等都能精准把控，如果和这种AI对战是没有实际意义的。
这里的AI应该也和人类一样并非全知全能，需要获取信息然后采取相应策略。但是，AI还是具有人类无法比拟的优势，那就是它们的反应速度很快。
虽然OpenAI官方表示，他们的AI每分钟能进行的操作数和人类相差无几，也就是说“手速”和人差不多，但是AI总是能很快做出最优判断，并能预测出玩家的动向；面对一些突发的情况，AI也丝毫不会慌张，能够当机立断。
在这场AI与人的《魔兽争霸》大战前，AI先同一些场上的观众进行了热身赛，AI轻松获胜；然后AI就与五名职业选手进行比赛。前两局人类被血虐；第三局中，AI的英雄由观众来选择，观众故意挑了一些没配合的英雄给AI，果然这一局AI就输给了人类。
OpenAI Five官方CTO表示，打赢《魔兽争霸》还不能证明AI的实力，他们的下一个目标是只用大金刚手鼓玩通《黑暗之魂》。根据目前的进展来看，可能再过一年AI玩电子游戏就无敌了。

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

丽莎老师讲机器人之通过魔方实现AI领域的重大突破。

计算机科学教授巴尔迪是加州大学欧文分校研究团队从事此项工作的负责人，他认为深度学习与高等数学之间的“鸿沟”是当今人工智能所面临的最大难题。
大家会抱怨深度学习是一个黑盒子，他们不知道这个网络在做些什么。而我们可以看到该网络正在学习数学。
自从匈牙利雕塑家兼建筑学教授厄尔诺·鲁比克于1974年发明了魔方之后，这种各个面色彩不一的立方体就开始让人们为之着迷和困惑。
研究团队发现，深度学习模型可以用于教会机器如何做数学题（这里是一种被称为“群论”的代数概念），这就是巴尔迪所说的“AI 重大挑战中的一小步”。
研究人员最初的目标是构建一个深度学习模型，可在无需任何人工协助的情况下解开魔方，就像早期的模型掌握了国际象棋的游戏方式一样。
为了实现这一目标，他们像教小孩子一样引导模型学习如何还原魔方。
从已还原的魔方开始，模型首先向后倒退一步，然后还原魔方。接着向后倒退两步并还原魔方，随后再向后倒退三步，如此类推。这会让算法在每一次尝试中逐渐学习。Baldi将这一过程比作学习高尔夫球，首先从近距离推杆进球开始，然后随着精确度的提升而逐渐远离球洞。
该研究团队最近发表了一篇论文，详细介绍了他们的工作。该团队为其开发出的增强学习算法起了一个名字：“自学迭代”。该算法可在平均30步之内完全还原被打乱的魔方，也可以实现人类玩家所能达到的最快速度。
研究人员在训练该模型时使用了搭载NVIDA GPU的机器，同时还使用了CUDA编程模型、TensorFlow机器学习框架和Keras神经网络API。
GPU将工作速度加快了5到10倍，并且其团队可以无限制地将更多GPU投入使用，进一步推动深度学习研究。
魔方展现了一个独特的深度学习挑战：魔方的正确解法只有一种，但错误的组合形式却有数百亿亿之多。这里用的还只是传统的三阶魔方，每个面各有9个方块。
解开更高阶的魔方是该团队的下一个奋斗目标。他们想知道将这种“自学迭代”的方式应用于四阶和五阶魔方的效果如何。但首先，团队必须对该方法进行调整，以应对大幅提高的复杂度。
如果将速度降至原来的二分之一，则不会出现什么问题。但如果将速度减慢到与大陆漂移的速度一样，那么问题就来了。
同时，也可以利用这种方式教会自学迭代模型掌握其他游戏的玩法。
这项工作在其他数学领域也拥有潜在的应用机会，尤其是高中水平以上的数学内容。AI一直在努力实现这一点。
而团队对此的看法则是这种难题很快就会成为明日黄花。同时，解开更复杂、更困难的问题才是其奋斗目标。

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

丽莎老师讲机器人之人工智能能否复制人脑引发争论。

人们应用人工智能技术（AI）的所有领域，包括无人驾驶汽车、机器人医生、社会信用评分系统等，当前都取决于一场关于如何让AI做其不能做的事的辩论。这个曾经仅仅是学术界关切的问题，现在却关乎价值数十亿美元的人才和基础设施，以及人类的未来。

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

丽莎老师讲机器人之中国最牛的七家人工智能企业。

1，百度，总得分94.73，位居中国第一。百度是全球最大的中文搜索引擎公司，拥有数万名研发工程师。这是中国乃至全球最为优秀的技术团对，掌握着世界上最为先进的搜索引擎技术。旗下百度地图、百度贴吧、百度百科、百度文库等，均为多数人日常所用。2016年百度始布局人工智能，人工智能专利超1500项，百度大脑AI平台正式发布。
2，阿里巴巴，总得分94.56，位居中国第二。阿里巴巴，是中国最大的电子商务公司。2014年阿里在纽约挂牌上市，2017年成为云服务、电子商务平台服务的合作伙伴，以及奥林匹克频道的创始合作伙伴。2018年世界500强排行榜发布，阿里排名300。旗下淘宝网、天猫、支付宝等是人们常用平台。除此，阿里云是领先的人工智能公司之一。
3，腾讯，总得分94.55，位居中国第三。腾讯，是中国最大的互联网综合服务提供商之一，也是中国服务用户最多的互联网企业之一。其多元化的服务，包括社交和通信服务、社交网络平台、腾讯游戏等。2004年腾讯在香港公开上市，董事会主席兼首席执行官是马化腾。2018年腾讯和联发科共同成立创新实验室，共同探索AI在终端侧的应用。
4，华为，总得分93.86，位居中国第四。是全球领先的信息与通信技术解决方案供应商。华为有17万多名员工，产品和解决方案应用于全球170多个国家，服务运营商45家50强，及全球1/3的人口。2018年美某杂志发布最新一期的世界500强名单，华为排名第72位，较上一年的第83位提升11位。2018年2月沃达丰和华为完成首次5G通话测试。
5，科大讯飞，总得分93.14，位居中国第五。科大讯飞专业从事智能语音及语言技术研究、软件及芯片产品开发、语音信息服务及电子政务系统集成。2017年入选全球50大最聪明公司榜单，位居中国第一。在2017年的年度发布会上，曾一口气发布了多个领域里10款以上的人工智能产品。 拥有灵犀语音助手、讯飞输入法、讯飞阅读等优秀产品。
6，微软亚洲研究院，总得分92.93，位居中国第六。微软亚洲研究院，是微软公司在海外开设的基础科研机构，也是微软在美以外最大的研究机构。从事自然用户界面、多媒体、计算机基础等领域的研究。致力于推动计算机科学前沿发展，着眼下一代革命性技术的研究，助力微软实现长远发展战。值得一提的是，该研究院极为关注中国教育事业。
7，中科创达，总得分92.89，位居中国第七。是一家领先的智能终端平台技术提供商，专注于Android核心技术，为移动互联网终端设备提供Android整体解决方案。中科创达成立于2008年，总部在北京，在南京、成都、杭州等设研发中心，在硅谷、东京、首尔等地设有技术支持中心。拥有高通、Intel、微软、索尼等客户资源和战略合作伙伴。