除了菊花模式识别 人工智能还有什么奇怪的识别能力?

对于人工智能技术来说,我们的人体只是大数据的宝库。

最近发表在《自然生物医学工程》杂志上的“斯坦福智能厕所”已经成为人们谈论的“最有趣”的人工智能应用。这种马桶不是一种只能“自动清洁、干燥和除臭”的伪智能马桶,而是一种真正的智能马桶,能够分析人类的粪便和尿液,并识别人类的菊花图案。

斯坦福大学的研究人员说,就像世界上没有两片完全相同的叶子一样,世界上也没有两种完全相同的——菊花图案(为此,研究人员专门创造了一个新的复合词Analprint)。

菊花模式识别的使用不是直接的诊断功能,而只是一种识别功能。这是因为研究人员小心翼翼地发现,智能马桶不仅仅是一个人使用的。虽然指纹识别装置安装在冲水按钮上,但马桶也有可能在排便后不冲水,这可能导致“不同的人”。

菊花模式识别很好地解决了这个问题。毕竟,身份识别是在排便时实现的。自然,它绝对准确。赞美斯坦福研究人员的智慧,并将其与一幅美丽的图片相匹配,以淡化每个人大脑创造的图片。

祝贺人类。在拥有了人脸、指纹、声纹、虹膜和DNA之后,我们开启了一种识别人类身份的新技术。当然,人体内仍有大量富含大数据的矿物质,利用人工智能技术对人类大数据的研究可谓是数不胜数。

借此机会,我们可以对人工智能在过去两年中对人类特征、疾病和行为的研究做一个简短的总结,看看人工智能技术在人类中有哪些奇特的识别应用。

人体最大的财富是一个行走数据库。

人工智能已经进入我们的日常生活,这是一个不争的事实。唯一的区别是我们是否能意识到人工智能的存在。人脸识别和指纹识别是几乎每天都在使用的手机功能。智能扬声器的语音识别功能随时恭候您的来电。您常用的输入法预测您下一步要输入的单词。您经常观看的新闻客户端和短视频会记录您的偏好,并推荐您最喜欢的内容.

比你更了解你的不再是你的母亲,而是无处不在的人工智能。比你自己更真实的你不再是你设置的旗帜,而是你一直保存的数据。如果你仍然担心《西部世界》中模拟人的自由和解放,最好多了解人工智能对我们身体的了解程度。

人工智能在人体的大型数据库中还发现了哪些有趣的宝藏?

除了菊花模式识别,实际上还有一种鲜为人知的人工智能技术用于个人识别,那就是步态识别。因为我们每个人都有不同的生理结构和行走习惯,或多或少有些不同,人工智能可以根据人们的行走姿势来识别他们。

与人脸、指纹、声纹、虹膜等身份识别相比,步态识别具有距离远、视角全、不易伪装等优点。尤其是在安全领域,为了抓住“坏人”,寻找失散的老人和儿童,他们要么故意伪装,要么就融入到庞大的人群中。通过分散在公共区域的摄像机进行大规模远距离拍摄,可以根据步态识别来跟踪人。

当然,识别的前提是与以前的数据输入进行比较,或者在敏感区域进行排除。步态识别将来可能首先应用于有犯罪记录的人。除了拍照和记录DNA,这些人还得在摄像机前走两步。

嘴唇识别也是最近才成熟的人工智能技术。对于能听、说、看的正常人来说,这项技术非常罕见。然而,对于占世界人口5%的听力受损者来说,这是一大幸事。通过这个新的唇读人工智能系统,听力受损的人可以获得专家唇翻译的结果。

未来最可行的方法是让听力受损的人佩戴谷歌眼镜之类的智能设备,通过隐藏的摄像头读取对方的嘴唇,并通过增强现实技术显示翻译后的文本.这样的界面会更友好。

类似地,相似的手识别更加灵活和紧凑。通过目标检测分类算法,可以快速训练出识别手势手类型的人工智能模型。至于功能,发明者想用它从远处发送表情符号。虽然实用性不高,但表达起来很甜蜜。

最新发布的一款人工智能识别应用,技术含量很高。这就是英特尔和康奈尔大学上个月联合推出的人工智能嗅觉识别技术。通过英特尔开发的Loihi人工智能芯片和一系列化学传感器,开发的人工智能算法可以采用类似人类的嗅觉能力,辨别几十种有毒化学气味,并可以对它们进行标记。

这让已经对机器视觉和语音识别不敏感的人又有点兴奋了。最好的情况是,我们大脑中负责嗅觉的部分告诉我们嗅觉有点奇怪,而在Loihi芯片上训练的模型可以告诉我们嗅觉是什么。将来,可能只需要一个探针笔来完成房屋和新房屋的检查和验收,以及一些封闭空间中的气体检测。

此外,还有一些典型的医学场景,比如帕金森病患者会有一些奇怪的特殊味道。通过人工智能嗅觉识别,可以实现早期发现和早期防治。

当涉及到人类疾病的识别、诊断和预测时,人工智能也发挥着超乎想象的作用。

人类疾病的问题只是数据异常。

对于人类疾病的诊断,人工智能技术的参与由来已久。在新皇冠疫情开始时,由于核酸检测试剂的短缺,对疑似病例的肺部CT图像进行人工智能诊断成为当时的关键补充。人工智能胶片将CT诊断效率从10分钟以上提高到20秒,诊断准确率达到96%,体现了人工智能技术在医学诊断中的有效性。

除了这些大规模人工智能诊断应用,我们还注意到一些非常小的应用。

阿尔茨海默病的早期识别是人工智能技术的一个重要应用。以前,当阿尔茨海默病的临床症状出现并最终被诊断时,患者大脑中的神经元已经严重受损,基本上没有可能进行干预和治疗。将机器学习应用于正电子发射断层成像神经成像扫描,使得人工智能算法能够学习大脑中葡萄糖蛋白水平的细微变化。通过学习ADNI的大数据集,该系统可以识别大约6年前的阿尔茨海默病的诊断。识别准确率可达98%。

当然,这种人工智能技术需要更多的国家和更多的人来研究,以校准算法的准确性。

临终关怀对我们来说可能还是一个陌生的词,但它也是近年来在医疗机构推广的一种护理方法。然而,临终关怀会遇到一个棘手的问题:如果实施得太早,会造成不必要的资源浪费;如果实施得太晚,当患者身患绝症时,临终关怀将无法实现。如果能找到在三个月到一年内死亡的病人,就可以进行更合适的医疗干预。

2016年,斯坦福大学的人工智能团队通过神经网络研究了20万名患者的病历。在对其中160,000名患者进行“死亡算法”培训后,其余40,000名患者接受了测试。对于在3到12个月内死亡的患者,该算法的识别准确率为90%,对于存活超过一年的患者,该算法的识别准确率为95%。

当然,这种“死亡算法”的过程仍然是一个黑箱,重症患者的样本仅基于美国医疗水平较高的医院的数据,并不具有普遍性。对大多数人来说,预期寿命和死亡只是平均值的参考。生死极限仍然是一个由复杂因素决定的问题,很难准确预测。

与预测重症患者死亡时间的更客观的数据不同,通过人工智能预测自杀是一件更困难的事情。自杀的原因本身既复杂又不确定。悲剧发生后,我们只能追溯其原因。

一个人的自杀有可能是由几十个甚至上百个心理、生理和经济因素造成的。人类的预测与盲目猜测的概率基本相同。然而,机器学习可以训练人工智能根据大量有自杀倾向和自毁行为的病人的病历来识别那些企图自杀的人。美国范德比尔特大学的代理团队通过了该算法的测试结果。预测一个人在未来两年内是否会自杀的准确率为80-90%,而预测一个人在一周内是否会自杀的准确率为92%。

然而,这一预测仅适用于住院患者。事实上,许多有自杀倾向的人不会去医院接受治疗。此外,很难解释预测自杀概率的原因,但研究人员发现,患者的睡眠障碍与自杀概率有很大关系。这一点值得我们警惕。

尽管这些人工智能算法在人类疾病的诊断中仍然存在这样或那样的缺陷,但是在医学领域中应用预测识别算法是一种创新的尝试。人工智能可能彻底改变当前的医学诊断和疾病治疗方法。从流行性感冒到癌症,从抑郁症到自杀干预,人工智能的引入将大大提前患者的诊断时间,并使及时的干预和治疗成为可能。

争论的人工智能方面可靠吗?

常言道,一个人是发自内心的。相反,一个人能通过外表判断一个人的内在特征吗?例如,性取向。这似乎得到了人工智能算法的支持。

斯坦福的团队专门研究看起来不太大的事物,在2017年推出了人工智能算法来预测性取向。它不仅可以根据面部特征判断一个人是否是同性恋,男女学生的判断准确率高达81%和74%。

来自南非的学生约翰复制了人工智能算法,并从一个约会网站上拍摄了50万张照片,选择了一组有2万个性别和性取向平衡分布的数据。然后,他提取照片中的面部特征,并将其转换成4000多个元素的特征向量,以训练回归模型来预测新照片中人物的性取向。测试结果的准确率男孩达到68%,女孩达到77%。

显然,这一发现极具争议性。除了侵犯个人隐私和威胁同性恋等少数群体的人身安全之外,简单识别模型仅证明面部特征和性取向之间的相关性,而不是因果关系。

然而,对相关性的研究也是致命的。因为斯坦福团队的研究不仅使用人工智能来判断性取向,还可以判断人们的智商、政治倾向甚至犯罪倾向。

当然,我们人类也有这样一个直觉或经验判断系统。我们也会根据一个人的表情和举止来判断他的智力和暴力倾向。这似乎是一种天生的能力,从一个小孩开始,年龄较大的警察,就像那些已经被测试了很长时间的人一样,可以在茫茫人海中找到那些可疑的人。这种能力的确很神秘,但我们经常会犯错误。互联网上流传的投资者一再错过马云的例子就是一个很好的反例。仅凭外表很难判断一个人的能力。

然而,人工智能算法通过学习特定人群的相关人脸数据,可以快速、准确地做出特征判断。然而,这涉及到各种问题。

首先,如果使用有偏差的数据,就有可能训练有偏差的算法模型。例如,同性恋者可能更关心他们的外表,化妆或美化照片。例如,犯罪率较高的人口数据是由有偏见的司法机构提供的。

其次,这些特征在人群中有一些平衡的分布比例。人工智能给出的识别概率并不比这些自然概率高多少。只要有一定比例的误差,那么人工智能的预测结果就会造成一些严重的后果和风险。

因为我们有这种预测的冲动,现在借助人工智能算法,几乎更难抑制研究人员和商业公司把这些算法应用到生产和生活中的冲动。

例如,人工智能面试。如果人工智能只用一张照片就能给你的专业能力和职业表现打分,你可能会觉得很不公平。虽然这有效地提高了一些大公司的简历筛选效率,但也可能导致大量的“意外伤害”。也许是因为你的嘴没有抬起来,你的眼睛不够坚定,当你拍照的时候,你的分数很低。

另一个例子是人工智能人格测试。澳大利亚墨尔本大学的一个团队设计了一个人工智能生物识别模型。通过将面部特征与他们的个性特征相关联的深入学习,可以分析测试者的十几个个性特征。

尽管这些研究和应用很有吸引力,但在实践中应该谨慎应用。尽管偏见和歧视无处不在,但如果人工智能技术为这些偏见和歧视提供了强有力的相关证据,这对普通人来说显然不是一件幸运的事情。

通过以上对人工智能识别技术的快速回顾,我们惊奇地发现,许多原始人体的秘密正在被人工智能所揭示。从最基本身体数据的识别和检测,到更复杂疾病的识别和病因判断,再到深层人类行为的识别和预测,人工智能正在一步步深入其中,试图将人类行为完全还原成一个可预测和可计算的既定程序。

理论上,这是可能的。我们必须克服人工智能算法的黑箱属性,找出高识别率背后的复杂原因。最后,人工智能成为一种可解释和可追踪的技术。然而,在情感上,我们仍然希望自己是自由的,一些人类行为不能完全由外部客观因素决定。

在人工智能的应用中,我们应该时刻保持警惕,即人工智能算法在识别和预测具有复杂原因的行为时只有相关性,没有因果关系。在一些实际的人工智能应用场景中,结果仍然具有参考价值,不能作为人们判断的最终依据。正如人工智能不能提前逮捕一个人,因为他认为他有很高的犯罪倾向,如果一个人被判断为智商低,他将被剥夺受教育的权利。

我们也应该为人工智能技术的发展和升级留有余地。毕竟,做出最终判决的权力仍然掌握在人类手中。也许在不久的将来,这些奇怪的人工智能应用会充斥在我们周围,成为我们规划和指导未来生活的重要参考。