AI賦能博物館 將在三大領(lǐng)域帶來(lái)變化

• 2018年11月26日 ZhangHongYuan來(lái)源：綜合 695 41
• 繁體

• 

  金融監(jiān)管趨嚴(yán)，融資環(huán)境寬中帶緊，科技創(chuàng)新企業(yè)如何實(shí)現(xiàn)有效投資？

  中國(guó)科技創(chuàng)新基礎(chǔ)較為堅(jiān)實(shí)。中國(guó)一直重視科技創(chuàng)新的培養(yǎng)，從新中國(guó)成立之初就提出科學(xué)技術(shù)是第一生產(chǎn)力，近年來(lái)更是加大科研經(jīng)費(fèi)的投入，科技創(chuàng)新是經(jīng)濟(jì)發(fā)展和社會(huì)進(jìn)步的驅(qū)動(dòng)力，是提高中國(guó)綜合...

大會(huì)上，德國(guó)人工智能研究院計(jì)算機(jī)視覺(jué)研究分院院長(zhǎng)斯特里克·迪迪爾認(rèn)為人工智能將在三大領(lǐng)域帶來(lái)變化：一是數(shù)字化管理，對(duì)博物館藏品、觀眾等信息實(shí)現(xiàn)精細(xì)化管理;二是數(shù)字化服務(wù)，通過(guò)互聯(lián)網(wǎng)向觀眾提供無(wú)所不在的服務(wù);三是數(shù)字化體驗(yàn)，讓觀眾以前所未有的方

“AI賦能博物館，不僅是為顛覆歷史文物的傳統(tǒng)呈現(xiàn)方式，更多是為文物檔案原始數(shù)據(jù)的留存和復(fù)原提供技術(shù)支撐。”在近日舉辦的第三屆中國(guó)人工智能大會(huì)上，四維時(shí)代創(chuàng)始人兼CEO、中德人工智能研究院院長(zhǎng)崔巖告訴科技日?qǐng)?bào)記者，“智慧化的博物館，文物與場(chǎng)景的三維數(shù)字化仍是存儲(chǔ)、運(yùn)算、呈現(xiàn)的主流方式?！?/p>

要實(shí)現(xiàn)人工智能，大數(shù)據(jù)與算法的完美結(jié)合必不可少，但博物館的特殊“身份”使其總是數(shù)據(jù)“匱乏”。崔巖表示，一方面文物數(shù)據(jù)量與日常生活產(chǎn)生的數(shù)據(jù)量相去甚遠(yuǎn)，另一方面博物館的數(shù)據(jù)有自身的開(kāi)放級(jí)別，導(dǎo)致文物大數(shù)據(jù)庫(kù)很難建設(shè)。因此，AI賦能博物館，更多是從場(chǎng)景、游客著手，改變參觀者的感官體驗(yàn)。正如2018國(guó)際博物館日到來(lái)前火遍朋友圈的“第一屆文物戲精大會(huì)”短視頻，通過(guò)引入人工智能、大數(shù)據(jù)、云計(jì)算等，讓展覽、文物、知識(shí)與參觀者之間發(fā)生奇妙的“化學(xué)反應(yīng)”。

大會(huì)上，德國(guó)人工智能研究院計(jì)算機(jī)視覺(jué)研究分院院長(zhǎng)斯特里克·迪迪爾認(rèn)為人工智能將在三大領(lǐng)域帶來(lái)變化：一是數(shù)字化管理，對(duì)博物館藏品、觀眾等信息實(shí)現(xiàn)精細(xì)化管理;二是數(shù)字化服務(wù)，通過(guò)互聯(lián)網(wǎng)向觀眾提供無(wú)所不在的服務(wù);三是數(shù)字化體驗(yàn)，讓觀眾以前所未有的方式參觀展覽、感受文物、獲取知識(shí)。

“目前，AI技術(shù)未來(lái)還能幫助博物館對(duì)破損文物進(jìn)行再現(xiàn)。虛擬現(xiàn)實(shí)技術(shù)甚至可以讓已經(jīng)消失的文物‘起死回生’?！惫蕦m博物院副研究館員黃墨樵表示，博物館承載著人類(lèi)的歷史文化藝術(shù)等記憶，人工智能是要讓人更真切地感受博物館之美。

相關(guān)閱讀：AI變身農(nóng)業(yè)“醫(yī)生”問(wèn)診作物病蟲(chóng)害

在美國(guó)和墨西哥的幾座農(nóng)場(chǎng)里，溫室中有10 臺(tái)攝像機(jī)正連續(xù)拍攝西紅柿的生長(zhǎng)情況，并提交給相關(guān)軟件進(jìn)行分析，識(shí)別出可能存在的問(wèn)題，比如蟲(chóng)害或病菌侵染……AI識(shí)別技術(shù)的應(yīng)用，正從人臉識(shí)別、動(dòng)物識(shí)別進(jìn)一步擴(kuò)展到農(nóng)作物病蟲(chóng)害檢測(cè)等領(lǐng)域。AI識(shí)別技術(shù)是如何檢測(cè)病蟲(chóng)害的，其準(zhǔn)確率如何?有哪些應(yīng)用難點(diǎn)?在農(nóng)業(yè)領(lǐng)域，AI還會(huì)有哪些應(yīng)用?

進(jìn)軍農(nóng)業(yè)“藍(lán)海” 圖像識(shí)別日趨成熟

與AI在其他領(lǐng)域應(yīng)用相比，在農(nóng)業(yè)領(lǐng)域的應(yīng)用可以說(shuō)還是一片“藍(lán)?！?，不過(guò)，這種狀況正在發(fā)生變化。近日舉行的AI Challenger 2018發(fā)起了世界上首個(gè)農(nóng)作物病害檢測(cè)競(jìng)賽，競(jìng)賽提供給參賽選手近5萬(wàn)張標(biāo)注圖片，覆蓋10種植物的27種病害，目前已經(jīng)吸引了來(lái)自世界各地的29個(gè)國(guó)家的近1200支團(tuán)隊(duì)參賽。

據(jù)中國(guó)統(tǒng)計(jì)年鑒，2016年，我國(guó)農(nóng)業(yè)生產(chǎn)總值達(dá)5.93萬(wàn)億元，占GDP的8%，但由農(nóng)業(yè)病害等災(zāi)害造成的直接損失達(dá)0.503萬(wàn)億元，占農(nóng)業(yè)生產(chǎn)總值的8.48%。

新客科技創(chuàng)始人劉新農(nóng)說(shuō)，在農(nóng)業(yè)生產(chǎn)中，農(nóng)藥使用也在急劇增加，農(nóng)藥殘留不僅會(huì)引發(fā)社會(huì)問(wèn)題，還會(huì)加劇對(duì)環(huán)境的污染。因此，對(duì)農(nóng)作物進(jìn)行準(zhǔn)確的病害識(shí)別并推薦合適的防治措施，創(chuàng)造出能為植物看病的“醫(yī)生”，可以挽救農(nóng)作物的生命，減少農(nóng)藥使用量，保證農(nóng)作物的產(chǎn)量。

劉新農(nóng)說(shuō)，AI與農(nóng)業(yè)病蟲(chóng)害做結(jié)合，首先是要建立病蟲(chóng)害的數(shù)據(jù)集，其次需要機(jī)器學(xué)習(xí)和圖像識(shí)別系統(tǒng)技術(shù)的配合，并且要確保農(nóng)民使用智能手機(jī)的普及率，這樣才可以使技術(shù)快速有效地傳達(dá)。

AI監(jiān)測(cè)病蟲(chóng)害主要指利用機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)等技術(shù)，采用特定的計(jì)算機(jī)算法和模型，對(duì)農(nóng)業(yè)病蟲(chóng)害發(fā)生的光譜或圖像信號(hào)進(jìn)行挖掘，獲得有效的數(shù)據(jù)特征，實(shí)現(xiàn)對(duì)病蟲(chóng)害情況的實(shí)時(shí)識(shí)別和鑒定的過(guò)程。

農(nóng)作物病害檢測(cè)競(jìng)賽的發(fā)起方、創(chuàng)新工場(chǎng)人工智能工程院執(zhí)行院長(zhǎng)王詠剛認(rèn)為，目前AI在圖像識(shí)別領(lǐng)域已非常成熟，并有了相應(yīng)的數(shù)據(jù)，將其應(yīng)用到農(nóng)業(yè)病蟲(chóng)害檢測(cè)中難度不大?！叭绻軌蚶脜①愡x手的算法，開(kāi)發(fā)出一個(gè)能實(shí)際運(yùn)用的產(chǎn)品，對(duì)于農(nóng)業(yè)發(fā)展來(lái)說(shuō)，是一個(gè)非常有價(jià)值的事情?！?/p>

不可知因素多 “把脈”農(nóng)作物并非易事

以往，病蟲(chóng)害的檢測(cè)需要人工巡視，而且一旦發(fā)現(xiàn)不及時(shí)，就容易導(dǎo)致農(nóng)作物大片死亡。通過(guò)AI圖像識(shí)別技術(shù)的引入，可以不停拍照和比對(duì)，提供不間斷的監(jiān)測(cè)和預(yù)報(bào)，節(jié)省了大量人力成本。美國(guó)和墨西哥農(nóng)場(chǎng)AI實(shí)際應(yīng)用結(jié)果顯示，農(nóng)產(chǎn)品每周的收成提高了2%—4%。

不過(guò)，利用AI檢測(cè)病蟲(chóng)害發(fā)生并非如此容易。有農(nóng)業(yè)專家在接受科技日?qǐng)?bào)記者專訪時(shí)表示，應(yīng)用難點(diǎn)主要體現(xiàn)在農(nóng)業(yè)領(lǐng)域涉及不可知因素太多，如地理位置、氣候水土、病蟲(chóng)害、生物多樣性甚至微生物環(huán)境等都影響著農(nóng)作物生產(chǎn)。因此，在應(yīng)用推廣過(guò)程中，其中某個(gè)因素的改變很可能就將在特定環(huán)境中已經(jīng)測(cè)試成功的算法變成無(wú)效算法，進(jìn)而影響檢測(cè)效率。

延伸閱讀

推薦閱讀

猜您喜歡