- 综合排序
- 最热优先
- 最新优先
- 来自专栏JAVA开发专栏
思维的边界，认知智能，从感知智能迈向认知智能
这里有很多的机会，把我们的认知智能，搜索、问答问题、推理这些东西用在工业互联网的很多场景里面，认知智能技术，搜索、回答问题、推理的这些数据用在工业借的很多场景里，认知智能技术蕴藏着巨大的前景。 从感知智能到认知智能的挑战 相比以前的小数据智能，现在的人工智能是一个大数据的智能，因此数据、算法和算力相关作用，形成三轮迭代的过程，但是这其中还是需要将知识融合进去，这也是目前对人工智能的挑战。 人工智能的三要素，算法、数据、算力，人工智能进入三轮同时驱动的时代，基于超大规模预训练模型的小样本和零样本学习 人工智能是可以交互的，可以把简单的问题换一个角度重新阐述，但是在大数据海量运算中是无法实现的 ，所以人工智能的发展方向是将知识系统进入三轮中以便更好的推理和训练模型 在认知智能方面，本身很复杂，在全世界的发展都在处于摸索阶段，所谓的感知智能就像我们看到东西，听到东西，是第一步，而认知智能就是相当于我们接受到了感知信号之后 从感知智能跟认知智能在实现机理上面的区别来看，感知智能可以理解为一个sigle-turn（单轮交互），一个输入和一个输出，基本不涉及知识图谱和常识，不需要推理步骤；相对应的认知智能就是nulti-turn
1.1K52编辑于 2022-12-15 - 来自专栏漏洞战争
从态势感知到人工智能
三家公司理解的态势感知完全不一样。 可见，蹭概念热度有时蹭得大家互不认识了。 现在“态势感知”与“威胁情报”一直都很火，在我的理解里面，态势是预测，情报是事实。 最近看到一篇PPT，又提到一个新概念叫“纠缠感知”，是指对终端与服务端的态势感知。作为一个刚看过《蚁人2》的娃，有点怀疑作者也是个漫威迷。 ? 最近“量子纠缠”的应用挺广的，前有通讯安全、针灸论文、后有纠缠感知（算是态势感知的进阶版）。除此之外，还有“平行安全”、“拟态安全”、“有限系统的不安全经络图”…… ? 无AI，不开会 最后互联网安全大会的PPT都公开了（下载地址：https://pan.baidu.com/s/18mZIJcwyhtRVkPyVNDHmig），最常见的一个关键词应该算是“人工智能”，各个分论坛基本都有个标题包含 “人工智能”，过程都是建模型，搞算法，训练样本，应用业务，但实现细节、应用效果，大家一般都不谈，或者是过程搞得很牛逼，结局却很惨淡。
1.9K30发布于 2019-07-18 - 来自专栏一点人工一点智能
智能汽车车身感知系统详解
转载自：钛祺汽车 原文地址：智能汽车车身感知系统详解 本文主要针对车身感知定位系统进行介绍，车身感知主要是感知车辆位置、行驶速度、姿态方位等信息，下文分别介了绍惯性导航、卫星导航系统和高精度地图三种主要的定位技术的发展情况 ，为无人驾驶系统进行仿真验证、优化人工智能训练等提供重要基础数据。 高精度地图提供的地图数据不仅包括传统路网信息，还包括高精度车道级及环境信息数据，以及动态感知层和驾驶决策层部分信息，数据绘制的自动化和智能化成为重要的发展趋势。 10 相关公司：四维图新、华测导航、中海达、千寻位置 10.1 四维图新：国家测绘局体系支撑的中国导航地图产业开创者 四维图新成立于2002 年，中国导航地图产业的开拓者，专注于商业化车载导航地图，公司第一大股东中国四维测绘技术有限公司由国家测绘局创建 目前，公司有2800+地基增强站，总用户数超过10 亿，服务覆盖230 多个国家和地区，日处理数据位置10 亿次。
1.7K30编辑于 2023-03-08 - 来自专栏媒矿工厂
通往人工智能的感知运动之路
v=f6fDpKDxpL0 内容整理：李江川 在提到人工智能时，我们会很容易的联想到AlphaGo、ChatGPT4等模型。人工智能在智力测试或下棋时表现出了达到甚至超过成年人的水平。 但如果你想在不同的地方移动和寻找食物，你需要感知，你需要知道去哪里，这意味着你需要有某种视觉系统或感知系统。 Steve Pinker后来对这个悖论做了简洁的总结：“35年以来人工智能研究的主要教训就是，难题很容易而简单的问题很困难”。普通人认为很容易的事情对人工智能来说其实很难。 然而，我们认为困难的事情，需要通过多年的教育来掌握，实际上对人工智能并没有那么困难，或者我们已经在这方面取得了进展。 图2 今天的演讲题目是"感知运动智能"，它涉及到进化早期的概念。 图9 图10 附上演讲视频： http://mpvideo.qpic.cn/0bc3jiaa2aaadaae2hg4hfsfaswdbvfaadia.f10002.mp4?
45420编辑于 2023-09-09 - 来自专栏喔家ArchiSelf
感知人工智能操作系统
人工智能如何应用落地呢？ ? 回忆过往，我们是如何在PC或者智能手机上开发应用的呢？ 人工智能可能是一个听着简单，实际又很复杂的概念，外延比较宽泛，《人工智能简史》一书可能会给出一些历史上的脉络。 ? 如何解释智能呢？或许， 用图灵测试来理解人工智能更加方便。1950年， 阿兰图灵提出了图灵测试：如果一台机器能够与人类展开对话（通过电传设备）而不能被辨别出其机器身份，那么称这台机器具有智能。 什么是人工智能操作系统？ 回到主题，什么是人工智能操作系统呢？首先，它是一个操作系统，应该具有操作系统的相关功能。那人工智能操作系统是具备了人工智能能力还是提供了人工智能能力的操作系统呢？ 不同维度的操作系统，如果具备并提供了人工智能的能力，大概都可以被认为人工智能操作系统，而不仅仅局限在机器人的领域。 现如今，有没有人工智能操作系统供我们使用呢？
1.8K20发布于 2019-03-11 - 来自专栏从头开始学习测试开发
打造“源码感知型” Sentry 智能分析官
✅ 上下文感知： 提取错误行前后 5-10 行代码作为上下文，让 LLM 理解变量状态、控制流与业务逻辑。 ✅ 智能诊断： 基于完整代码上下文，分析空指针、类型错误、逻辑漏洞等常见问题，输出根因。 Step 2：编写核心分析逻辑（__init__.py） 创建 __init__.py 文件，实现 “Sentry API 调用 → 本地源码读取 → LLM 智能诊断” 流程： python编辑 # 结语：从“告警”到“洞察”，只需一个本地 Skill 通过以上四步，你已将 Sentry 从一个“错误记录仪”，升级为一个具备源码理解能力的智能诊断引擎。
9400编辑于 2026-03-31 - 来自专栏澜舟科技 NLP
从感知智能跨越到认知智能，NLP领域要做哪些创新？
在自然语言领域，感知智能之后的下一个窗口是什么呢？澜舟科技创始人周明对「认知智能」的发展前景和需要解决的问题做了详细的综述和展望。 3月23日，机器之心AI科技年会在线上召开。 我们是从事自然语言理解的，关心的是在感知智能之后自然语言的机会在哪里？我这里在判断感知智能之后的认知智能开始崛起，推动了产业的发展。 这里有几个关键点。 第二个是知识增强，包括基于实体抽取的增强、常识知识和领域知识的增强、事件依赖与因果关系和多模态世界知识的感知，从各个方面研究如何能够使用相应的知识来在同样大小的模型下使它的能力有所提高。 我们的模型是10亿参数，但是对比其他公司的百亿和千亿参数的模型，毫不逊色，甚至有所提升。在语义相似度等多项自然语言处理任务上，我们的模型在所有任务的综合体现中都是第一名。 我们还需要解决小样本学习、可解释和常识推理，这是未来5-10年的发展目标。澜舟现在做了一些工作，即融合神经网络和符号系统，加上一些基础能力和微调的设想，试图来推进相关的实验。
1K30编辑于 2022-06-14 - 来自专栏蓝桥杯历年省赛真题集
《模式识别与智能计算》感知机模型
感知机模型 按照统计学三要素来写的话： 模型：符号函数 策略：损失函数；误点到超平面的距离之和 算法：利用梯度下降算法进行求解 感知机原理： 感知机模型用来线性判别数据集，什么意思呢就是用一超平面来隔断两个不同的类别 有了这个后我们就可以来写感知机模型了。原谅我偷懒了，这里就把图片弄过来吧，图片来源（统计学习方法） ?
73910发布于 2020-02-13 - 来自专栏具身小站
具备情绪感知的，智能语音对话系统方案
–15% 转化率提升：20–30%（销售场景） 关键建议 优先级 建议 预期收益 P0 快速上线基础SER + 情感感知Prompt 满意度↑15–20% P0 集成情感TTS模块 满意度↑25–30% P1 优化多轮对话情感连贯性 满意度↑10% P2 个性化情感风格 + 情感预测 满意度↑5–10% 推荐实施路径 快速上线（4–6周）： 讯飞一站式 → 成本 ¥1.5–2/分钟 生产级（8–12 Speech 成本敏感 百度ASR 第三部分：情感识别与情绪输出 3.1 为什么需要情感识别与情绪输出 3.1.1 核心价值对比 3.1.2 应用场景价值 场景 情感识别价值 情绪输出价值 预期收益 智能客服 LLM（3–4周） 目标： 实现情感感知的对话生成 任务清单： ☐ 设计情感感知Prompt ☐ 集成情感上下文到RAG ☐ 实现情感-回复映射 ☐ 测试多轮对话情感连贯性 ☐ 优化Prompt效果 ☐ Prompt 满意度↑20% 中 第2–3周 P1 情感TTS集成 满意度↑25% 中 第4–5周 P1 多轮情感连贯性 满意度↑10% 高 第6–7周 P2 个性化情感风格 满意度↑5% 高 第8–10
12210编辑于 2026-04-14 - 来自专栏自动化
传感器：开启智能感知新时代
按基本感知功能可分为力敏、热敏等多种元件。 交通运输：智能化、耐用、高可靠性、定制化以及一站式采购是交通运输行业客户对开关和传感器类产品的普遍需求。 智能汽车 / 自动驾驶：在智能汽车时代，主动安全技术成为备受关注的新兴领域，需要改进现有的主动安全系统，比如侧翻（rollover）与稳定性控制（ESC）。 语音将成为人与智能汽车的重要交互方式，MEMS 麦克风将迎来发展新机遇。 环境监测：传感器网络用于环境监测，能够对环境进行早期预警，对环境的综合治理进行确切地衡量。 更好的感知与更多的数据：未来传感器将更有效地模仿人类感官，检测复杂信号。例如，先进传感器不仅能感知大量单一分析物，还能破解气味组成。智能微尘可监控各种情况。
72310编辑于 2024-11-27 - 来自专栏《C++与 AI：个人经验分享合集》
《C 语言构建感知机：开启智能算法之门》
在人工智能的广袤天地里，感知机算法犹如一颗璀璨的基石，为众多复杂智能模型的构建奠定了基础。而 C 语言，以其高效、灵活且接近底层硬件的特性，成为实现感知机算法的有力工具。 今天，让我们一同深入探讨如何借助 C 语言来实现这一重要的简单感知机算法，领略人工智能与 C 语言融合的魅力。 感知机算法是一种用于二分类问题的线性分类模型。 总之，通过 C 语言实现简单的感知机算法是深入理解人工智能算法原理和 C 语言编程技巧的重要途径。尽管过程中会面临一些挑战，但收获的知识和技能将为我们在人工智能领域的进一步探索奠定坚实的基础。 无论是对于想要深入研究人工智能底层实现的技术爱好者，还是致力于开发高效智能系统的专业开发者，掌握这一技能都具有极为重要的意义。 让我们在 C 语言与人工智能融合的道路上不断探索，开启更多智能算法的大门，为科技的进步贡献力量。
16900编辑于 2024-12-18 - 来自专栏深度学习与python
从检测到通用感知：构建空间智能的基础
作者｜张磊，IDEA 研究院计算机视觉与机器人研究中心讲席科学家 审校｜罗燕珊 策划｜AICon 全球人工智能开发与应用大会 视觉感知是机器和物理世界交互的基础，也是 AI 走向通用必须具备的能力 本文整理自 IDEA 研究院计算机视觉与机器人研究中心讲席科学家张磊 6 月 在 AICon 2025 北京 的分享《从检测到通用感知：构建空间智能的基础》。 5 从通用感知到空间智能的延伸 接下来，我想和大家分享一些成果，但不会涉及算法细节。首先，我们已经能够实现人体和人手的二维关键点检测，并且可以提取人体和人手的三维网格（Mesh）。 这种精准的检测能力使得卡路里计算更加准确，这也体现了将强感知模型与强语言模型结合的巨大优势。 我们之所以认为感知如此重要，是因为它与空间智能密切相关。 通过提升 3D 感知能力，我们希望逐步为空间智能提供基础支撑。空间智能目前还没有统一的定义，就像世界模型一样，不同的人和研究方法给出了不同的定义。
21910编辑于 2025-11-26 - 来自专栏用户5909132的专栏
全景感知、智能融合｜视图计算平台全新发布
随着智能安防时代的到来，视频图片数据呈现爆发式增长，然而由此引发了多种问题。 “ 本地化数据存储集群安全保障性较低、规模化扩容问题等如何解决？ 端侧智能存在局限性，视图数据价值如何更高效地挖掘？ ” 为了解决上述问题，我们面向视频监控场景推出了可提供设备接入联网、云存储及AI分析一体化PaaS服务——智能视图计算平台。 云端：提供设备接入与管理、视频处理与查看、数据分层存储、AI智能分析、多维度运营指标统计等功能，赋能您的业务高效运转。同时提供视频监控SAAS应用和AI智能化应用，您可享受一站式的视频闭环服务。 同时结合客流统计、目标识别等算法分析，促进门店智能化升级，助力业务降本增效。 点击“阅读原文”了解智能视图计算平台更多信息
1.9K20编辑于 2023-02-13 智能感知·先知先行：AI 智能巡检系统重塑设备运维新范式
AI 智能巡检系统通过融合物联网感知、计算机视觉与边缘计算技术，构建了集自动感知、智能诊断、预测预警于一体的全方位巡检解决方案，实现了从"被动响应"到"主动预警"的运维模式革命。 "端-边-云"协同的立体化架构：智能感知终端（巡检机器人、无人机、固定摄像头）实现多维度数据采集；边缘计算节点完成实时分析与初步诊断；云端智能平台进行深度学习和预测性分析；数字孪生系统则实现设备状态可视化与模拟推演 20 倍异常预警定期巡检发现实时监测 + 趋势预测，提前预警故障预警提前量达 72 小时环境感知手持仪器抽样检测多传感器融合，全域实时监控监测密度提升 100 倍 智能诊断与预测引擎原理系统核心技术在于多层次分析预警机制 ：实时感知层：通过可见光、红外、声纹等多模态传感器，构建设备全方位数字画像特征分析层：基于深度神经网络提取设备状态特征，建立正常/异常状态模型趋势预测层：结合时序数据分析，预测设备性能衰减曲线与剩余使用寿命决策推荐层 智能制造产线在生产车间部署智能视觉检测系统，实时监控设备运行状态、产品质量参数。
84210编辑于 2025-10-28- 来自专栏HueiFeng技术专栏
如何为.NETCore安装汉化包智能感知
这样我们就可以通过智能感知在ide中获取到汉化后的注释提示
61510发布于 2020-02-24 - 来自专栏HueiFeng技术专栏
如何为.NETCore安装汉化包智能感知
效果 重启一下visualstudio再来看看如下效果 [1098068-20191220150307533-447795046.png] 这样我们就可以通过智能感知在ide中获取到汉化后的注释提示 总结 关于智能感知可以参考以下文档 https://docs.microsoft.com/zh-cn/dotnet/core/install/localized-intellisense https://docs.microsoft.com
99800发布于 2020-01-22 - 来自专栏机器视觉工坊
感知
环境感知了确保无人车对环境的理解和把握，无人驾驶系统的环境感知部分通常需要获取周围环境的大量信息，具体来说包括：障碍物的位置，速度以及可能的行为，可行驶的区域，交通规则等等。 无人车通常是通过融合激光雷达（Lidar），相机（Camera），毫米波雷达（Millimeter Wave Radar）等多种传感器的数据来获取这些信息，本节我们简要地了解一下激光雷达和相机在无人车感知中的应用 通常来说，激光雷达以10Hz左右的速度对周围环境进行旋转扫描，其扫描一次的结果为密集的点构成的3维图，每个点具备（x,y,z）信息，这个图被称为点云图（Point Cloud Graph），如下图所示， 对于反射点稀疏的目标（比如说行人），基于点云的分类并不可靠，所以在实践中，我们往往融合激光雷达和相机传感器，利用相机的高分辨率来对目标进行分类，利用Lidar的可靠性对障碍物检测和测距，融合两者的优点完成环境感知
64520发布于 2020-07-28 - 来自专栏信数据得永生
Python 智能项目：6~10
在这里，S表示智能体可能会暴露的所有状态，而A则表示智能体可以参与的可能动作。 您现在可能想知道智能体如何采取行动。 应该是随机的还是基于启发式的？ 好吧，这取决于智能体与相关环境的交互程度。 状态和奖励将由环境呈现给智能体，而智能体将通过采取适当的行动对智能体采取行动。 这些状态采用从汽车前面的摄像头拍摄的图像的形式。 设计智能体 该智能体将与环境交互，并在给定状态的情况下，尝试执行最佳操作。 智能体最初将执行随机动作，并且随着训练的进行，动作将更多地基于给定状态的 Q 值。 因此，每个字符可以是26字母和10数字中的任何一个。 这要求 CNN 的最终输出层预测与26字母和10数字有关的36类之一。
90620编辑于 2023-04-23 基于多模态感知与深度学习的智能决策体系
感知层（端侧） - 视觉感知单元 - 部署800万像素广角摄像头（1/1.8" CMOS，0.1Lux低照度） - 支持HDR宽动态范围（120dB），适应逆光/高反光场景 - 集成UWB定位模块 （Decawave DW3000芯片，±10cm精度） - 环境传感单元 - 毫米波雷达检测移动物体（60GHz频段，5m探测距离） - 激光TOF传感器测量垃圾桶填充度（0.1%分辨率） 2
46410编辑于 2025-05-13- 来自专栏AI人工智能
智能体核心架构解析：感知-推理-行动的完整闭环
智能体核心架构解析：感知-推理-行动的完整闭环摘要作为一名在AI智能体领域深耕多年的技术从业者，我深深感受到智能体架构设计的复杂性和重要性。 通过多年的项目实践和技术调研，我发现一个高效的智能体系统必须具备四大核心组件：感知（Perception）、记忆（Memory）、推理（Reasoning）和行动（Action），它们构成了一个完整的认知闭环 感知模块（Perception Module）2.1 传感器融合与数据预处理感知模块是智能体与环境交互的第一道门户，负责多模态数据的采集和初步处理。 ) # 10种可能的行动 self.confidence_head = nn.Linear(hidden_dim, 1) def forward(self, x: torch.Tensor 从最初接触简单的规则引擎，到现在设计复杂的多模态智能体系统，我见证了这个领域的快速发展和技术演进。感知-推理-行动的闭环架构不仅仅是一个技术框架，更是对人工智能系统认知过程的深度抽象和工程化实现。
76110编辑于 2025-07-14
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号