首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >钢铁侠“变身”AI布道师?小罗伯特·唐尼这次推出一部AI科普纪录片

钢铁侠“变身”AI布道师?小罗伯特·唐尼这次推出一部AI科普纪录片

作者头像
AI科技大本营
发布于 2020-01-21 07:28:41
发布于 2020-01-21 07:28:41
86701
代码可运行
举报
运行总次数:1
代码可运行

作者 | 若名

出品 | AI科技大本营(ID:rgznai100)

穿着一身运动便服,脱去了铠甲的“钢铁侠”托尼·斯塔克最近出现在荧屏上,他正与身后的AI助手互动,一本正经讲解着“机器学习”、“算法”这些词汇。

不过,这个AI助手不是那个万能的贾维斯(J.A.R.V.I.S.),他演的也不是漫威科幻片。

这是一部纪录片。没错,这次小罗伯特·唐尼(Robert Downey Jr.)与YouTube联手推出了系列片《人工智能时代(The Age of A.I.)》,他本人担任制片人,还在纪录片中当了一把主持人。

这部剧12月18日上线,共8集,每集1小时,内容涵盖人工智能、机器学习和神经网络。与其他科技纪录片套路一样,片中会有在科学、哲学、技术、工程、医学、未来主义、娱乐和艺术领域的研究人员和专家分享对于人工智能的看法,探索人工智能的影响,以及在现在和将来AI如何改变人们的生活和工作等。

不同的是,这次有“钢铁侠”小罗伯特·唐尼为这部剧进行旁白介绍,连他出镜的背景都是《钢铁侠》电影取景地。

在漫威的系列超级英雄电影中,钢铁侠超科技的各种特技,赢得了无数好评。让粉丝们印象最深的应该就是与钢铁侠并肩作战的AI管家贾维斯了。

这是一个超智能软件程序,能独立思考,有人类的情感,会帮助钢铁侠处理各种事务,计算各种信息,并且还是一名黑客。“钢铁侠”的机甲开发以及方舟反应炉的更新都离不开它的协助。在托尼斯塔克穿上盔甲时,它还会自动进行虹膜扫描,以确保机甲非外人侵入。

很明显,这部纪录片是想借“钢铁侠”的影响力来获得更大范围人来关注AI科技。要想在普罗大众中对大众进行科普,这无疑是一个非常精准和明智的选择,毕竟这样的AI代言人在全球拥有数十亿粉丝。

目前,该系列第一集上半部分《多远才算远?(How Far is Too Far?)》已经可以免费观看,时长半小时,YouTube原视频已经有近2500万人观看。

《AI时代》的第一集讲了三个AI技术应用案例:拥有情绪、可以学习图像的模拟婴儿;个人的虚拟分身;无需手术就可以与残疾人无缝对接使用的高科技义肢。这一集传达的信息是,机器学习和AI可以使人类变得更具人性化,而不是相反,但我们将不得不仔细考虑如何划清界限其中的界限。总的来说,第一集会让不熟悉AI的观众会学习到很多技术应用内容。

YouTube观看地址:

https://www.youtube.com/watch?v=UwsrzCVZAb8

B站观看地址:

https://www.bilibili.com/video/av79899679?spm_id_from=333.999.b_62696c692d6865616465722d6d.26

第二集讲述了AI如何推动医学科学的发展,并使其在发展中国家更广泛地应用。对了,这里需要提醒的是,虽然观众可以免费观看这一系列剧集,但如果像最快看到更新内容,还需要一个YouTube高级会员。

目前来看,这一AI科普纪录片的制作水平还不错,内容讲解更偏通俗易懂。当然,作为技术人员,如果想要看到更细节的技术内容介绍,那可能会让你失望。

总之,连小唐尼这种影星大腕都积极加入AI技术的传播行列,是想提醒人们对这一技术不容小觑。我们不仅将步入全民编程的时代,还将进入人人都需要了解AI的时代,因为无论从哪个角度看,这一技术都将成为推动人类未来社会发展的重要基础。

(*本文为AI科技大本营原创文章,转载请微信联系 1092722531)

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-12-30,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 AI科技大本营 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
R语言BUGS/JAGS贝叶斯分析: 马尔科夫链蒙特卡洛方法(MCMC)采样
在许多情况下,我们没有足够的计算能力评估空间中所有n维像素的后验概率 。在这些情况下,我们倾向于利用称为Markov-Chain Monte Carlo 算法的程序 。此方法使用参数空间中的随机跳跃来(最终)确定后验分布。MCMC的关键如下:
拓端
2020/11/30
2.3K0
R语言BUGS/JAGS贝叶斯分析: 马尔科夫链蒙特卡洛方法(MCMC)采样
R语言BUGS/JAGS贝叶斯分析: 马尔科夫链蒙特卡洛方法(MCMC)采样|附代码数据
在许多情况下,我们没有足够的计算能力评估空间中所有n维像素的后验概率 。在这些情况下,我们倾向于利用称为Markov-Chain Monte Carlo 算法的程序 。此方法使用参数空间中的随机跳跃来(最终)确定后验分布(点击文末“阅读原文”获取完整代码数据)。
拓端
2022/10/28
1.7K0
R语言Gibbs抽样的贝叶斯简单线性回归仿真分析|附代码数据
最近我们被客户要求撰写关于Gibbs抽样的研究报告,包括一些图形和统计输出。 贝叶斯分析的许多介绍都使用了相对简单的教学实例(例如,根据伯努利数据给出成功概率的推理)。虽然这很好地介绍了贝叶斯原理,但是这些原则的扩展并不是直截了当的
拓端
2022/12/21
1K0
R语言MCMC:Metropolis-Hastings采样用于回归的贝叶斯估计
如果需要计算有复杂后验pdf p(θ| y)的随机变量θ的函数f(θ)的平均值或期望值。
拓端
2021/01/29
1.3K0
R语言MCMC:Metropolis-Hastings采样用于回归的贝叶斯估计
贝叶斯推断:Metropolis-Hastings 采样
前面一篇文章贝叶斯统计:初学指南介绍了最简单的 Metropolis 采样方法,本文将介绍另一种采样 Metropolis-Hastings ,并且会对前文介绍的例子给出证明,为什么 Metropolis 采样work。
zhuanxu
2018/09/07
1.3K0
MCMC原理解析(马尔科夫链蒙特卡洛方法)
马尔科夫链蒙特卡洛方法(Markov Chain Monte Carlo),简称MCMC,MCMC算法的核心思想是我们已知一个概率密度函数,需要从这个概率分布中采样,来分析这个分布的一些统计特性,然而这个这个函数非常之复杂,怎么去采样?这时,就可以借助MCMC的思想。
种花家的奋斗兔
2020/11/13
2.9K0
MCMC原理解析(马尔科夫链蒙特卡洛方法)
简单易学的机器学习算法——马尔可夫链蒙特卡罗方法MCMC
对于一般的分布的采样,在很多的编程语言中都有实现,如最基本的满足均匀分布的随机数,但是对于复杂的分布,要想对其采样,却没有实现好的函数,在这里,可以使用马尔可夫链蒙特卡罗(Markov Chain Monte Carlo, MCMC)方法,其中Metropolis-Hastings采样和Gibbs采样是MCMC中使用较为广泛的两种形式。 MCMC的基础理论为马尔可夫过程,在MCMC算法中,为了在一个指定的分布上采样,根据马尔可夫过程,首先从任一状态出发,模拟马尔可夫过程,不断进行状态转移,最终收敛到平稳分布
felixzhao
2018/03/20
1.8K0
简单易学的机器学习算法——马尔可夫链蒙特卡罗方法MCMC
R语言蒙特卡洛方法:方差分量的Metropolis Hastings(M-H)、吉布斯Gibbs采样比较分析
蒙特卡洛方法利用随机数从概率分布P(x)中生成样本,并从该分布中评估期望值,该期望值通常很复杂,不能用精确方法评估。在贝叶斯推理中,P(x)通常是定义在一组随机变量上的联合后验分布。然而,从这个分布中获得独立样本并不容易,这取决于取样空间的维度。因此,我们需要借助更复杂的蒙特卡洛方法来帮助简化这个问题;例如,重要性抽样、拒绝抽样、吉布斯抽样和Metropolis Hastings抽样。这些方法通常涉及从建议密度Q(x)中取样,以代替P(x)。
拓端
2021/07/16
1.2K0
R语言蒙特卡洛方法:方差分量的Metropolis Hastings(M-H)、吉布斯Gibbs采样比较分析
R语言JAGS贝叶斯回归模型分析博士生延期毕业完成论文时间|附代码数据
本文为读者提供了如何进行贝叶斯回归的基本教程。包括完成导入数据文件、探索汇总统计和回归分析
拓端
2022/12/23
9360
R语言使用Metropolis-Hastings采样算法自适应贝叶斯估计与可视化
1)定义模型(即概率先验)。在此示例中,让我们构建一个简单的线性回归模型(对数)。
拓端
2023/09/25
3370
R语言使用Metropolis-Hastings采样算法自适应贝叶斯估计与可视化
【深度干货】专知主题链路知识推荐#7-机器学习中似懂非懂的马尔科夫链蒙特卡洛采样(MCMC)入门教程02
【导读】主题链路知识是我们专知的核心功能之一,为用户提供AI领域系统性的知识学习服务,一站式学习人工智能的知识,包含人工智能( 机器学习、自然语言处理、计算机视觉等)、大数据、编程语言、系统架构。使用请访问专知 进行主题搜索查看 - 桌面电脑访问www.zhuanzhi.ai, 手机端访问www.zhuanzhi.ai 或关注微信公众号后台回复" 专知"进入专知,搜索主题查看。今天给大家继续介绍我们独家整理的机器学习——马尔科夫链蒙特卡洛采样(MCMC)方法。 上一次我们详细介绍了机器学习中似懂非懂的马尔
WZEARW
2018/04/08
4.1K1
【深度干货】专知主题链路知识推荐#7-机器学习中似懂非懂的马尔科夫链蒙特卡洛采样(MCMC)入门教程02
R语言贝叶斯Metropolis-Hastings采样 MCMC算法理解和应用可视化案例
例如,使用的rstan包采用了一个Hamiltonian Monte Carlo算法。用于贝叶斯建模的另一个rjags包采用了Gibbs sampling算法。尽管细节有所不同,但这两种算法都是基于基本的Metropolis-Hastings算法的变体。
拓端
2023/12/14
3200
R语言贝叶斯Metropolis-Hastings采样 MCMC算法理解和应用可视化案例
R语言MCMC:Metropolis-Hastings采样用于回归的贝叶斯估计|附代码数据
如果需要计算有复杂后验pdf p(θ| y)的随机变量θ的函数f(θ)的平均值或期望值。
拓端
2023/04/28
4080
R语言实现MCMC中的Metropolis–Hastings算法与吉布斯采样
作为第一步,我们创建一些测试数据,用于拟合我们的模型。让我们假设预测变量和响应变量之间存在线性关系,因此我们采用线性模型并添加一些噪声。
拓端
2020/11/30
1.6K0
R语言实现MCMC中的Metropolis–Hastings算法与吉布斯采样
R语言MCMC:Metropolis-Hastings采样用于回归的贝叶斯估计|附代码数据
如果需要计算有复杂后验pdf p(θ| y)的随机变量θ的函数f(θ)的平均值或期望值。
拓端
2022/10/27
8350
马尔可夫链蒙特卡洛(MCMC)算法
在之前的推送中我们了解到什么是马尔可夫链(Markov Chain)。下面我们来介绍一下马尔可夫链蒙特卡洛算法(Markov Chain Monte Carlo), 在此之前,我们需要回顾一下马尔可夫
量化投资与机器学习微信公众号
2018/01/29
3.4K0
R语言实现MCMC中的Metropolis–Hastings算法与吉布斯采样|附代码数据
第一步,我们创建一些测试数据,用来拟合我们的模型。我们假设预测变量和因变量之间存在线性关系,所以我们用线性模型并添加一些噪音。
拓端
2023/08/15
3690
MATLAB随机波动率SV、GARCH用MCMC马尔可夫链蒙特卡罗方法分析汇率时间序列|附代码数据
最近我们被客户要求撰写关于波动率的研究报告。 波动率是一个重要的概念,在金融和交易中有许多应用。它是期权定价的基础。波动率还可以让您确定资产配置并计算投资组合的风险价值 (VaR)。
拓端
2022/11/16
7610
R语言coda贝叶斯MCMC Metropolis-Hastings采样链分析和收敛诊断可视化|附代码数据
最近我们被客户要求撰写关于MCMC Metropolis-Hastings采样的研究报告,包括一些图形和统计输出。
拓端
2023/09/06
4700
R语言用贝叶斯线性回归、贝叶斯模型平均 (BMA)来预测工人工资|附代码数据
在本文中,贝叶斯模型提供了变量选择技术,确保变量选择的可靠性。对社会经济因素如何影响收入和工资的研究为应用这些技术提供了充分的机会,同时也为从性别歧视到高等教育的好处等主题提供了洞察力
拓端
2023/02/21
8610
推荐阅读
R语言BUGS/JAGS贝叶斯分析: 马尔科夫链蒙特卡洛方法(MCMC)采样
2.3K0
R语言BUGS/JAGS贝叶斯分析: 马尔科夫链蒙特卡洛方法(MCMC)采样|附代码数据
1.7K0
R语言Gibbs抽样的贝叶斯简单线性回归仿真分析|附代码数据
1K0
R语言MCMC:Metropolis-Hastings采样用于回归的贝叶斯估计
1.3K0
贝叶斯推断:Metropolis-Hastings 采样
1.3K0
MCMC原理解析(马尔科夫链蒙特卡洛方法)
2.9K0
简单易学的机器学习算法——马尔可夫链蒙特卡罗方法MCMC
1.8K0
R语言蒙特卡洛方法:方差分量的Metropolis Hastings(M-H)、吉布斯Gibbs采样比较分析
1.2K0
R语言JAGS贝叶斯回归模型分析博士生延期毕业完成论文时间|附代码数据
9360
R语言使用Metropolis-Hastings采样算法自适应贝叶斯估计与可视化
3370
【深度干货】专知主题链路知识推荐#7-机器学习中似懂非懂的马尔科夫链蒙特卡洛采样(MCMC)入门教程02
4.1K1
R语言贝叶斯Metropolis-Hastings采样 MCMC算法理解和应用可视化案例
3200
R语言MCMC:Metropolis-Hastings采样用于回归的贝叶斯估计|附代码数据
4080
R语言实现MCMC中的Metropolis–Hastings算法与吉布斯采样
1.6K0
R语言MCMC:Metropolis-Hastings采样用于回归的贝叶斯估计|附代码数据
8350
马尔可夫链蒙特卡洛(MCMC)算法
3.4K0
R语言实现MCMC中的Metropolis–Hastings算法与吉布斯采样|附代码数据
3690
MATLAB随机波动率SV、GARCH用MCMC马尔可夫链蒙特卡罗方法分析汇率时间序列|附代码数据
7610
R语言coda贝叶斯MCMC Metropolis-Hastings采样链分析和收敛诊断可视化|附代码数据
4700
R语言用贝叶斯线性回归、贝叶斯模型平均 (BMA)来预测工人工资|附代码数据
8610
相关推荐
R语言BUGS/JAGS贝叶斯分析: 马尔科夫链蒙特卡洛方法(MCMC)采样
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验