demi的博客

关于VR的电影非常多，如果你小心，仔细的去看这些电影，会发现，当VR发生的时候，经常也会伴随着人工智能AI的事情。比如说在虚拟世界里，会看到很多故事是关于人造人跟自然人之间的一些故事。VR跟AI，非常紧密关联的两个概念。基本上所有的科幻片，里面都会有VR的场景，VR的元素。

人工智能，更具体地说，是机器学习将科幻小说变成了现实 —— 没有其他的方式来表达它。每次我浏览技术评论或 TechCrunch 时，我都被我们现在可以“随意”做的事情所震撼。

虽然现在CNN可以自己进行特征提取，但还是需要对OpenCV传统的特征提取方法有一些了解

计算机视觉的特征提取算法研究至关重要。在一些算法中，一个高复杂度特征的提取可能能够解决问题（进行目标检测等目的），但这将以处理更多数据，需要更高的处理效果为代价。而颜色特征无需进行大量计算。只需将数字图像中的像素值进行相应转换，表现为数值即可。因此颜色特征以其低复杂度成为了一个较好的特征。

AI技术发展的三大支柱：“算法＋大数据＋计算能力”，算法是人工智能发展的核心关键之一，很多技术环节和系统功能的实现都依赖于算法的精准度，算法的优劣直接影响了人工智能的发展方向。那么我们当下感受到的人工智能生活服务，运用了哪些AI算法呢？

物联网（IoT）现已成为工业技术对话的重要组成部分。尽管如此，人们对这项技术及其应用的热情并没有减弱。展望未来几个月，有五个领域是企业内部物联网应用开发的关键......

每个人都知道物联网，但它的一个子集——工业物联网，在整个制造业和工业流程中具有非常广阔的前景，并一直在提高运营效率。事实上，它已经让大多数公司的生产力、可扩展性和成本效益得到显著改善。

在过去的十年中，我们的家庭已经装满了越来越多的设备，无论大小，简单和复杂，它们都已连接到Wi-Fi。每个设备都需要路由器的一些时间和带宽，这已成为一个问题。家庭里拥有的设备越多，路由器的容量就越稀疏。如果这种情况继续下去，速度可能会减慢。

大多数人工神经网络忽略了生物神经网络的尖峰特性，这使得简化底层模型以及诸如反向传播等学习技术成为可能。但是，这样做是否违背了生物神经网络最核心的原则了呢？

GPU：负责整个渲染流水线。它会从处理CPU传递过来的模型数据开始，进行Vertex Shader、Fragment Shader等一系列工作，最后输出屏幕上的每个像素。因此它的性能瓶颈包括顶点、像素、显存等因素有关。