看看NASA喷气推进实验室是怎么搞人工智能的

编译作者: 布加迪 2019-05-16 08:00:00

【51CTO.com快译】在喷气推进实验室 (Jet Propulsion Laboratory,JPL),同事们与智能数字助手聊天,以获得答案、进行合作。本文介绍了几个例子。

看看NASA喷气推进实验室是怎么搞人工智能的

在NASA的喷气推进实验室,我们不断评估和试验新兴技术。我们确认了未来的六大技术浪潮,它们共同形成了一股我们称之为“内置智能无处不在”的巨大海啸。

这场巨大海啸包括网络安全挑战(比如区块链)、加速计算(比如量子计算)、软件定义的一切(比如软件定义的网络和API)、普适计算(比如物联网和增强现实)、新习惯(比如始终联网的工作场所和共享经济)以及应用型AI(比如机器学习和聊天机器人)。

本文探讨应用型AI技术浪潮。

这种内置智能的一种表现形式是智能数字助手(IDA)的兴起。这将使我们在近期和长期都受益。为了做到真正有用,随着我们不断赋予智能,交互过程需要变得轻松自然,IDA还要变得日益智能。

在JPL,我们使用自然用户界面、自然语言理解和API来构建IDA。我们使用亚马逊的Alexa和LEX,让员工可以与IDA进行对话,并通过说话、打字或发短信,几乎立即获得问题的答案。这种IDA为我们节省了大量时间。

见识JPL的智能数字助手

我们开始试用数字助手时,专注于使它们易于使用。你可以通过Echo与Alexa对话,使用网站或Slack来输入问题,或使用移动设备发短信。因而可以通过多种方式与你的答案进行互动:你可以聆听Alexa说的内容,在屏幕上查看,或通过触摸屏与之互动。

实际上,这些数字助手在众多使用场合下大有价值。而且,我们只是开了个头。不妨举几个例子。

员工可以使用IDA迅速查找空闲的会议室,支持那些会议室中的技术,最重要的是,立即获得复杂的数据驱动问题的答案。

比如,一旦IDA找到了会议室,员工可以要求Alexa开启视频会议系统。它解决了记得如何操控多个视频和音频输入和遥控器这个问题。

在会议中,你可以要求Alexa显示某个数据集,它会立即显示在屏幕上。由于这是在视频会议期间发生的,所以双方都能看到。你还可以说:“Alexa,为我展示安全威胁”,相关数据就会出现在屏幕上。

除了简化技术操作外,IDA还能即时搜索数据,寻找原本需要很久才能发现的答案。你可以向Alexa询问有关成千上万分包合同的问题,并询问“谁是分包合同XYZ的所有者?给我看看。放大。缩小。与其他数据结合起来”,进一步深入细究。

一个关键:用户界面保持不变

你使用人工智能覆盖数字助手时,会出现神奇的一幕。然后,可以在后台逐渐让IDA更智能化,没必要改变用户界面。

在IDA找到闲置会议室(版本1)的例子中,用户现在可以索要更多的详细信息,比如搜索附近的建筑物(版本2)、房间里能坐多少人(版本3)以及房间里有什么设备(版本4)。请注意,从版本1到版本4的迭代仅用了几天,是在没有发布说明或大肆宣传的情况下出现的。

我们正以极快的速度构建这些聊天机器人和智能数字助手,因为使用场合太吸引人了,大有价值。一旦你弄明白了秘诀,在此基础上进行完善不难。一个注意事项:你必须能访问准确的数据。IDA越来越好,同时又不改变用户界面。

T在企业中变得异常复杂,我们需要大大简化用户体验。用户不必记住要输入的URL。相反,他们只是希望与系统进行对话,并在需要时获得所需的帮助。这使人们得以专注于解决他们的问题(而不是IT细节),因而使他们更卓有成效。

实现价值

IDA的好处很广泛:它们搜索数十亿条记录,并从数百个数据源中检索答案。再说一下,我们只是刚踏上旅程。

如果地面上的航天器需要某个部件,过去有人要打电话,有人要接电话,查找部件,并告诉他们部件在哪里。现在我们可以搞一个IDA做这项工作。

你会觉得智能数字助手大有价值的不仅仅是JPL:它们适用于每家企业。如果你的服务台疲于回答众多问题,可以考虑开发IDA来回答最常问的问题。这有助于为服务台人员减轻负担,让他们得以回答更难的问题,避免另招员工。

测试智能数字助手并力争无处不在的内置智能不应该吓倒你:它是一种有价值的能力,可以日益完善,并使企业能够更快速更有效地获得问题的更准确答案。我们将受益于行业在自然语言处理方面的快速进步。

如果你是CIO,看到IDA的使用场合,只需要在后台连接廉价的传感器,在前台使用自然用户界面,绑定API,并通过连接更多数据并辅以人工智能,不断使它更智能化。谁能为你做这项工作?贵公司里面很可能已经有人实施了家庭自动化和分析技术,这是个不错的起点。

原文标题:A peek at artificial intelligence in action at NASA Jet Propulsion Laboratory,作者:Tom Soderstrom 

【51CTO译稿,合作站点转载请注明原文译者和出处为51CTO.com】

人工智能 AI 智能数字助手
上一篇:9大核心特性全新发布 百度大脑智能对话引擎“吹响号角” 下一篇:常用的模型集成方法介绍:bagging、boosting 、stacking
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
美城市Baltimore可能颁布最严格的面部识别禁令

据介绍,拟议的法令将禁止私人或商业组织,甚至执法机构在城市使用面部识别技术。

千家网 ·  2021-06-01 09:34:07
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载