[期中作業] 真人插畫&-&100-1《中國》竹視傳一C-電腦輔助設計與繪圖(一)論壇&|&美寶論壇&MEPO Forum
[期中作業] 說明
本學期的期中作業，將以
《客家文化重點發展區形象標誌設計競賽》與
《真人插畫》
兩項作業的平均
因加入《客家文化重點發展區形象標誌設計競賽》故將Illustrator的課程移往前面
Photoshop的課程移往期中之後
故希望每位同學們在期中之前都能夠充份的掌握Illustrator基本的應用技巧
除了LOGO的製作練習之後，另安排了人物插畫的作業，做為期中作業的一部分
希望同學們都能夠好好的利用這個機會再畫出與以往不同的、自己滿意的作品
《真人插畫》製作說明
1.請選擇自己或家人或朋友或偶像的照片
2.以illustrator為主要軟體，繪製真人插畫作品
3.除了主角的繪製外，也要考慮背景的部分
3.尺寸：A4
4.上傳jpg檔，請於11/9前繳交
5.原檔則保留置期末統一繳交
6.完成後，請將作品發表於此
7.要附上原始照片
8.說明製作工具、完成時數、製作心得
9.需列印，於課堂繳交 (班及姓名學號寫在後面)
=================================================================
特別注意：
1.主要人物不可使用即時描圖
2.可以描圖，但作品裡不能出現現成圖庫AI圖檔
否則期中分數不及格
=================================================================
=================================================================
參考講義：
----------------------------------------------------------------------------------------------------------------------------------
漸層網格及馬賽克濾鏡的應用-繪製時尚風格插畫
範本圖層、即時上色及筆刷面板的應用
----------------------------------------------------------------------------------------------------------------------------------
以上兩個pdf 講義請至學生系統下載，本週回去請先自行下載講義參閱練習
=================================================================
1. 網路範例及教學
參考範例：
其他範例請參考：
Edited 2 time(s). Last edit at 11/03/AM by JinJin.
利用Ai和Ps畫，而Ps只有用來畫陰影的部份，其他一綠用Ai的鋼筆工具拉線。
大概有五個小時，因為不是很會用這個繪圖軟體。
畫真人插畫除了圖要是自己非常喜歡才有動力畫之外，不會的畫法問孤狗大神最有效
Edited 4 time(s). Last edit at 10/30/AM by Hermit.
這是畫自己的第一張是利用筆刷和色塊所完成的一項作業，大概時間花費了二小時半左右...
這是畫自己的第二張用黑白和色塊方式直接顯現出人的外型，大概時間花費了二小時左右...
這是畫自己的第三張，是用Painter和Photoshop ，大概時間三小時左右.....
Edited 1 time(s). Last edit at 11/10/AM by 張小馨.
利用Ai鋼筆拉線
大概4個小時
利用鋼筆描圖+ 一部分的高斯模糊
因為都是一點一點慢慢畫的所以實際花費的時間不太清楚
不過大概是4個多小時吧=
Edited 1 time(s). Last edit at 11/06/PM by 桂如.
以拉鋼筆 兩小時
模特兒照:陳意涵
用Ai和Ps畫，Ps用來畫陰影的部份，其他用Ai的鋼筆工具拉線和高斯模糊、透明度
大概畫了3個半小時 .....好累呀 !
第一次畫真人插畫，感覺畫的一點都不像!雖然高中時有學過但是是因為要考印前製成乙級證照時學的!
我很喜歡Ai因為Ai很好玩但真人插圖真的很累呀 =..= 做完都餓了。
Edited 1 time(s). Last edit at 11/10/PM by 勝慧.
MEPOERs said:
JinJin: 還不錯，但是臉部的線條可以再流線，頭髮的髮絲層次可以畫出來會更好喔!加油!
製作時間:25分鐘
MEPOERs said:
JinJin: 可以以這張圖發展成自己的設計，如文案，以及小字不要用替代字而是更有意義的字，髮絲的層次可以更細膩點會更好!
真人插畫作品:
illustrator鋼筆工具,透明度,撿色滴管工具
這是我第一次用電繪方式來描繪自己
雖然是照著照片描繪 但還是有一定的難度
明暗度很難抓得適中 也許還不熟悉的關係
利用這次練習 覺得我illustrator進步不少
而且看到成品後很有成就感!!!!
Edited 1 time(s). Last edit at 11/09/PM by nuzox.
MEPOERs said:
JinJin: 覺得有進步就是很大的收穫了，你使用的是比較大膽的色塊分割，也是很有個性的畫法，某些弧度拉得更順暢就更OK囉!
製作工具：鋼筆工具，高斯模糊，透明度，藝術效果
所花時間：3小時
心得：一開始無從下手，後來變的順起來了。主要是從不熟悉到熟悉的一個過程。
MEPOERs said:
JinJin: 很用心~也希望能有所收穫囉!6位创投大咖最新解读夹缝里的fintech、AI+，投资经理们将何时失业？_网易财经
6位创投大咖最新解读夹缝里的fintech、AI+，投资经理们将何时失业？
用微信扫码二维码
分享至好友和朋友圈
（原标题：6位创投大咖最新解读夹缝里的fintech、AI+，投资经理们将何时失业？）
2013年的产生开启了中国互联网金融的新兴时代，&到2016年出现了金融科技，引领新一轮互联网金融的发展。金融科技涵盖物联网、信息技术、金融，如今又延伸结合人工智能技术，这将成为未来金融的发展趋势。
Fintech不仅借用科技手段来解决涵盖零售银行、支付转帐、贷款融资、金融财富管理、保险以及数据区块链交易等多方面的金融问题，还将通过科技、互联网、创业的思维来革新传统行业，打破原有的游戏规则。针对不可逆转的金融科技发展潮流，金融科技现有的格局怎样？而金融科技又是如何改变我们的未来？对此，传统机构又该做出怎样的改变？从金融技术到金融服务之间将产生怎样不可思议的改变？
6月27日，由清科集团举办的投资界沙龙之“金融科技——方显冰山一角”，与大家一起探讨了当下和未来金融科技领域的重点方向。
清科创投高级投资经理张炜嘉：AI+投资，风口来了么？
2013年余额宝的出现象征着中国金融科技的开端。从2013年到2015年，互联网金融行业呈激烈的上升趋势。而2015年下半年到2016年上半年，“互联网金融”在资本市场里变得像烫手山芋一样，无人敢碰。
从2013年到2015年，是互联网金融的1.0阶段。这一阶段最大的特点是把资金端和资产端，两个原本不流通的两端通过边际成本非常低的互联网媒介打通而产生交易。
经过了两年的发展之后，P2P出现大量问题，监管层开始重视，不断出台新的监管政策。2016年上半年，互联网金融的概念和领域投资趋冷。
我们主要考虑的问题是在互联网金融1.0阶段之后会发生什么样的变化？
如果说1.0时期是一个信息交流的时期，那么互联网金融2.0是一个技术驱动的时期。
所谓的智能投顾，就是+投资。、、都在大力投资AI领域。
第一，技术到底能够带给投资什么样的改变？
国内的投顾大多数情况下代表的是卖方，他的盈利模式是佣金驱动性的模式，所谓的私人银行服务，体验非常糟糕。而国外成熟市场的投资顾问会提供专业的投资经验，但是投资门槛较高。
技术在这个时候就以一种和谐和美丽的姿势切入了。以低成本的方式给低净值人群提供一个原来只对高净值人群开放的个性化的投资服务。
市场需求到底有多大？
2015年年底，国内基金的净值规模有8万多亿，大约有40%到50%左右的基金购买客户是个人客户，其余为机构投资客户。以此估算，智能投顾的市场理论上至少是3万多亿，这个市场规模是比较庞大的。
第二，科技会改变用户体验。
国内智能投顾的企业，主要分为几种：一种是依附于P2P平台，一种是独立初创型的，另外一种是背靠大型企业的平台。
很多的智能投顾企业都是在采用ETF（指数基金），因为交易费比较低。另一种是用基础资产来配置，根据客户需要或市场热点配置相关投资组合。
目前来看，大多数企业还在使用，有少部分企业已经开始使用基础资产，而使用基础资产对技术实力的要求是非常高的。例如国外的Betterment和Wealthfront，betterment的基础稳定，深度服务，但是wealthfront的组合基础指数要高很多。
金融领域创业，夹缝中求生存
在金融领域创业会受到监管层、市场、用户等多方制约。
首先国内金融领域监管严格。投资顾问和资产管理公司本质上是两部分的监管，如果把智能投顾的企业做成一个资产管理公司的话，那公司的架构是受到资产管理制度的监管，但是事实上提供的业务、服务又是投资顾问的服务。
第二是用户需求与监管政策的矛盾。用户希望获得的是简单、明了的投资咨询服务和决策服务，但监管制度是不允许投顾帮用户做决策的。
第三个问题是如何在资产标的中寻求平衡。例如国内的一些公司，可能需要配置海外资产，但是遇到英国退欧事件，欧元、英镑贬值，美元情况不明，黄金是在涨，那么人民币投资到底配不配海外资产？如果只做国内资产的话，国内的资产市场的深度有没有那么厚？这都是需要考虑的问题。
所有的创业公司都是在中求生存，只不过在金融领域矛盾更加突出。一纸政令下来，就可能颠覆行业。
总结来说，智能投顾领域的企业投资价值稿，安全边际也高，值得投。需要注意的是尽量寻找强技术的团队，如果其兼具强销售能力，那这家公司有可能做大。
1234下一页阅读全文
本文来源：投资界网站
责任编辑：王晓易_NE0011
用微信扫码二维码
分享至好友和朋友圈
加载更多新闻
热门产品:　　　
:　　　　　　　　
:　　　　　　　　　
热门影院：
阅读下一篇
用微信扫描二维码
分享至好友和朋友圈开发AI可是个大工程 脸书想让AI自己开发AI_网易科技
开发AI可是个大工程 脸书想让AI自己开发AI
用微信扫码二维码
分享至好友和朋友圈
（原标题：开发AI可是个大工程 如今Facebook想让AI自己开发AI）
深度神经网络正在重塑互联网。通过分析大量的数字信息，深度神经网络可以自己学习，执行人类执行的任务，就在短短几年前，类似的智能系统还无法植入到网络服务中去。要开发深度神经网络解决下一个AI大问题，研究人员必须经历无数次失败的尝试，在一台、几十台甚至几百台机器中尝试。“我们更加像是教练而非运动员。”DeepMind联合创始人Demis Hassabis认为，“你引诱它们做一些事，而不是直接告诉它们做什么。”正因如此，许多企业试图将实验和错误变成自动化流程——或者至少将其中的一部分自动化。如果可以将最繁重一部分任务自动化，你就可以向前再进一步，让最新的机器更快速学习，只需要一般的工程师引导就可以了。如此一来，最顶尖的人才可以有更多时间专心研究更大的创意和更难的问题。最终，AI在互联网APP和服务中的进化速度会更快。换句话说，随着计算机越来越聪明、越来越快，计算机本身可以处理更多简单单调的任务。互联网巨头正在开发计算系统，让它们代表工程师测试无尽的机器学习算法，它们自己就可以循环测试许多的可能性。更棒的是企业正在开发一套AI算法，让算法来编写AI算法。没有开玩笑。Facebook工程师正在设计所谓的“自动机器学习工程师”和人工智能系统，它可以协助开发AI系统。要让技术达到完美还有很长的路要走。但Facebook的最终目标是开发一套新的AI模式，让人类从事的单调乏味工作尽可能少。2012年，Facebook成功IPO，候赛因•米汉那（Hussein Mehanna）和Facebook广告团队的工程师感到压力加大，因为公司的广告销售目标提高，他们需要提高广告和无数用户的匹配度。Facebook拥有无数用户，公司会根据用户的特点和行为收集数据，开发深度神经网络及其它机器学习算法可以更好地利用庞大的数据库。据米汉那透露，在开发新的AI时，Facebook工程师并不缺少创意，但是要测试这些创意却是另一回事。为了解决问题，他和团队开发了所谓的“Flow”工具。“我们想开发一条机器学习组装线，所有的Facebook工程师都可以使用。” 米汉那说。Flow的设计目的是为了帮助工程师大规模开发、测试、执行机器学习算法，它实际上包括了任何类型的机器学习——也就是说这门技术是一门泛技术，可以覆盖到所有服务，大部分学习任务依赖机器自己完成。“你尝试的创意越多，结果就越好。”米汉那认为，“你测试的数据越多，结果也会越好。”有了新工具，别人开发的算法工程师可以拿来重新利用，十分轻松，修改算法应用在其它任务上也会简单许多。很快，米汉那与团队就将Flow应用到整个公司。其它团队利用Flow生成算法，从用户的News Feed中挑选链接，还可以识别社交网络中的图片，为照片添加音频标签，盲人可以根据音频了解自己看的是什么东西。据米汉那透露，有了Flow之后，Facebook每月可以训练、测试大约30万种机器学习模型。以前在Facebook社交网上推出一个新AI模型需要60天左右的时间，现在每周就可以发布几个新的模型。事实上，深度学习的应用前景远不止如此。去年，Twitter收购了WhetLab，它是深度学习的专家。最近，微软告诉外界自己的研究人员如何利用一套系统测试海量AI模型。微软研究人员Jian Sun管它叫“人工助手搜索”。
Facebook希望能加速前进，它的目标是打造一个开源Flow，与整个世界分享，LinkedIn、Uber、Twitter已经有兴趣使用它。米汉那还与团队开发了一个名叫AutoML的工具，它可以更多地承担人类工程师的工作。AutoML运行于Flow之上，可以自动“整理”用于训练神经网络和其它机器学习算法的数据，不需要人的干预就可以准备好测试数据，在米汉那的理想中，他们希望AutoML最终可以自己收集数据。更有趣的地方在于：AutoML也许可以利用AI来开发AI。正如米汉那所说的，每个月Facebook要训练和测试大约30万个机器学习模型。AutoML可以利用测试结果训练其它机器学习模型，优化机器学习模型的训练过程。米汉那将它比作“Inception”（指电影《盗梦空间》），它的确行得通，系统可以自动选择可能会管用的算法和参数。米汉那认为：“在训练之前几乎就可以预测结果了。”
本文来源：智东西
责任编辑：丁广胜_NT1941
用微信扫码二维码
分享至好友和朋友圈
加载更多新闻
热门产品:　　　
:　　　　　　　　
:　　　　　　　　　
热门影院：
阅读下一篇
用微信扫描二维码
分享至好友和朋友圈并购潮背后 英特尔能否跨域移动成为AI芯片老大_网易科技
并购潮背后 英特尔能否跨域移动成为AI芯片老大
用微信扫码二维码
分享至好友和朋友圈
编者按：英特尔IDF大会刚结束不久的9月6日，英特尔就在北京召开了机器学习策略的媒体沟通会。在频繁的收购AI公司背后，英特尔销售与市场事业部副总裁夏乐蓓与英特尔中国研究院院长宋继强共同阐述了英特尔在人工智能领域的战略规划与产品布局。错失了移动时代机遇的英特尔，在人工智能时代能否扳回一局？全力押注人工智能，英特尔在产品技术上有哪些优势和不足？文/小羿频繁收购AI公司 补齐人工智能技术短板从去年12月开始，英特尔开启了大举收购人工智能相关技术公司的洪流。据不完全统计，在一年多的时间里，英特尔至少收购了六家AI公司。其在人工智能领域的布局也逐渐显露出来。2015年12月，英特尔完成了167亿美元收购Altera的交易，这成为英特尔历史上最大金额的收购案。Altera是一家可编程芯片厂商，最大的价值是FPGA技术。这是技术专门为了解决深度学习对计算能力的要求而出现的，可同时进行数据并行和任务并行计算。收购Altera，使得英特尔能够推出CPU+FPGA的异构方案，更好的适应人工智能时代的定制化计算。今年4月，英特尔收购了意大利半导体制造商Yogitech，这家公司制造了专为机器人和无人驾驶汽车开发的芯片。Yogitech芯片能够通过感应器和摄像头收集和处理无人驾驶汽车周围的环境信息，并用以指导无人驾驶汽车的行驶。而在随后的5月，英特尔又收购了专门从事计算机视觉算法的俄罗斯计算机视觉公司Itseez。这套计算机视觉算法可以帮助汽车“看见”并躲开路面上的障碍物。英特尔计划利用Itseez创建汽车安全系统的物联网，如自动驾驶，数字安全监控和工业检测等等。通过这两次收购，英特尔就具备了研发无人驾驶汽车芯片的能力。在随后的7月，英特尔宣布与宝马、Mobileye联合开发无人驾驶汽车。今年8月，英特尔刚刚以4亿美元的价格收购了一家AI初创企业Nervana。这家公司研究了深度学习芯片（Engine芯片），性价比很高，而且处理速度是GPU的10倍。未来，英特尔可以把Engine芯片整合到英特尔的CPU中，这样可以以一个低成本的方法来实现人工智能处理的高性能，打造适合深度神经网络的处理器。而在不就后的9月6日，英特尔突然宣布收购硅谷计算机视觉技术公司Movidius。据悉，Movidius自主研发了全新架构的低功耗视觉处理器VPU，可以为智能设备增加视觉功能，包括无人机、安全摄像头、VR和AR头盔。分析认为，英特尔收购了这家企业，主要是为了利用计算机视觉、感知运算来增强RealSense 3D深度摄像头技术。通过收购Nervana与Movidius，英特尔不仅能够补全在嵌入式端与云端的CPU方案的不足，而且能够更加游刃有余的整合深度学习芯片和VPU等芯片。总之，上述一系列的收购，不仅补齐了英特尔在机器学习领域的短板，同时也延伸了英特尔处理器的业务体系，为以后推出适合未来人工智能时代整合型的超级处理器打下了基础。整合技术资源 建立人工智能产品矩阵英特尔销售与市场事业部副总裁夏乐蓓夏乐蓓称，云计算的大规模扩散，计算本身的成本下降以及万物互联产生的海量数据，让人工智能迎来新一轮的大爆发。而英特尔作为芯片领域的厂商，是未来人工智能产业链条上的重要一环。由于这种变化，英特尔目前正在经历着一个非常重大的转型，在过去英特尔公司主要是一个和PC或者融入PC来开展业务运营的公司，而现在更多的转向进一步充分发挥云的能力以及全世界几十亿台互联设备的能力的公司。人工智能依赖于高性能计算，这对英特尔是最大的发展机遇。所以，英特尔不惜血本收购以上诸多AI公司。不过，收购意味着整合，尤其对英特尔这种技术性的厂商来说，整合非常关键。夏乐蓓表示，英特尔最擅长的工作就是整个芯片技术。英特尔已经将Altera的解决方案融入到英特尔产品线当中，通过Xeon+FPGA技术，英特尔的至强融核处理器更加节电，灵活性也大大提升。收购Nervana后，英特尔将其带来的技术和英特尔自己的库，以及现在所执行和制定的标准整合到一起，Nervana的引擎对于整个至强系列的产品在性能上都有很大提升，而且成本更低。英特尔中国研究院院长宋继强据宋继强在会上介绍，通过收购和整合，英特尔已经形成了足以进军人工智能领域的芯片产品矩阵，包含拥有60核处理器的超级电脑芯片Xeon Phi；针对机器学习和人工智能领域的服务器芯片至强融核处理器Xeon+FPGA；针对深度学习领域的芯片厂商Nervana和Engine芯片；针对消费级市场的传统处理器Core；面向研究员、创客和机器人开发者的英特尔Euclid开发工具包；面向可穿戴和微型硬件产品的Soc Curie。夏乐蓓透露，英特尔未来会更加倾向于定制化的产品来服务于客户，但英特尔依然是平台，就算是定制化也会以开放的标准和环境为基础。这是因为英特尔一方面要适应深度学习的技术趋势，另一方面不同的客户需求是千差万别的，英特尔又无法穷尽所有的定制化芯片。业内人士预计，英特尔未来很可能会推出更多的异构化芯片方案，不仅仅是CPU+FPGA，还可能是CPU+DSP、CPU+ASIC。转型中的挑战 来自固有业务的威胁和巨头竞争关于智能机器的发展，宋继强认为，从CT到RT时代计算机上加入了感知功能，而人工智能技术让机器有了认知能力，还有一个是自主机器的行动能力。在智能时代，机器人和用户通过感知、认知、行动联系起来，相互作用，形成一个良性的循环。从互联、智能、自主三个发展阶段来看，目前人类还处于智能的阶段。在向自主过渡的阶段，整个行业的挑战非常大，因为越来越多的传感器进入系统，对计算能力的要求非常高，大量的数据是放在设备端还是云端，也是一个很有争议的问题。从英特尔的角度看，真正的挑战已不仅仅限于阶段的发展，而在于自身业务的转型和对手竞争。首先，由于PC市场的整体低迷，2015年占英特尔整体收入58.1%的PC芯片业务收入下跌了8%。而且，在英特尔收购Yogitech、Itseez进军汽车芯片行业，但这个行业早已被恩智浦、英飞凌、瑞萨所瓜分。其次，虽然受益于全球服务器市场增长，英特尔占整体收入28.9%的服务器芯片业务收入同比增长11%，不过随着人工智能的到来，越来越多的AI服务器开始采用NVIDIA的GPU芯片，虽然英特尔通过收购增加了AI部分的处理速度，但依然面临很大压力。
第三，越来越多的巨头厂商开始加入到定制化芯片的争夺中来。例如，谷歌就推出了定制化的芯片TPU，可以更加高效地运行谷歌的深度学习软件工程TensorFlow。另外，诸如百度等企业开始用ARM架构芯片搭建大型数据中心，因为可以获得更低的功耗。总之，英特尔在大半年的转型中，通过大规模频繁地收购，已经建立起自己在人工智能尤其是深度学习领域的产品矩阵。如果整合顺利，英特尔在未来或许已经能够巩固巨头的体量。但是面对智能时代的诸多挑战，英特尔还要面对激烈的竞争。
本文来源：网易科技报道
责任编辑：丁广胜_NT1941
用微信扫码二维码
分享至好友和朋友圈
加载更多新闻
热门产品:　　　
:　　　　　　　　
:　　　　　　　　　
热门影院：
阅读下一篇
用微信扫描二维码
分享至好友和朋友圈AI替代人类？ 先看看数据和学习能力_网易科技
AI替代人类？ 先看看数据和学习能力
用微信扫码二维码
分享至好友和朋友圈
（原标题：李开复：AI替代人类?先看看数据和学习能力）
在李开复看来，人工智能更适用于拥有大数据基础，且数据量可以实现自我推动的公司。当人人都在炒作AI概念的时候，我们仍然要清醒地认识到：并非所有的行业都适合人工智能。人工智能技术究竟发展到了什么水平，哪些领域更有可能成为人工智能的应用热点？“10年后，人工智能将取代世界上90%的翻译、记者、助理、保安、司机、销售、客服、交易员、会计、保姆，人工智能不是‘模仿人类’，而通常是‘超越人类’。”创新工场董事长兼首席执行官李开复表示。人工智能技术将首先从专业性较强的细分领域开始应用，随着数据库的积累和算法进步渐渐拓展到生活中的各个领域，从而汇聚成为通用智能。在这一过程中能够带动多个产业的发展，逐步打开万亿级别的市场。在李开复看来，人工智能更适用于拥有大数据基础，且数据量可以实现自我推动的公司。应用领域相对封闭和客观，且每一个判断最后的对与错都可以反馈给系统，进行更深入的学习。就目前现状而言，李开复认为最具价值投资的是大数据领域，具体而言能够最快实现应用是互联网领域，而三五年后会产生巨大价值的是金融领域。例如券商股票领域的智能高频交易、辅助交易、智能投顾、机器人理财，银行、保险应用方面包含针对性电话营销、贷款审批、信用卡欺诈。除此之外医学领域的自动化读片、自动和辅助诊断、个性化诊断、基因排序。教育领域的学习外语、智能选题，BI、商业流程自动化等也充满想象空间。过去几年深度学习几乎席卷了图像、语音，但是不得不说深度学习仍然存在诸多挑战。例如需要(云或终端的)巨大计算量，同时无法用人的语言解释动机、理由。“将10亿的数据量压到万级别，需要非常专业的技术。同时在自动调参优化上其实也有很大的瓶颈，调参的难度非常大。”第四范式首席执行官戴文渊说。
客观而言，现在的AI只是一个很初级的AI，可以利用大数据的存在来补足算法的不足，所以如果数据足够大的话，很多算法上的补丁都不用去打了，但当数据变小的时候，这些漏洞和补丁就显得尤为重要，很可能会导致失败。“在人工智能的研究上如何在小数据的情况下也能让人工智能用起来，这是技术研究人员责无旁贷的。”第四范式首席科学家、香港科技大学计算机系主任杨强教授告诉记者。“人工智能要井喷普及到每一个人，需要3到5年的时间。”李开复表示，与人工智能是否会欺骗人，甚至取代人类等问题相比，日后大数据是否会为某个巨头所控制，包括用户个人隐私问题是其更为担心的问题。而人工智能要想实现商业化需要明晰，人工智能是辅助而非取代人，让用户更为自然地找到具体的领域和应用场景。
本文来源：第一财经
责任编辑：钦晓武_NK2781
用微信扫码二维码
分享至好友和朋友圈
加载更多新闻
热门产品:　　　
:　　　　　　　　
:　　　　　　　　　
热门影院：
阅读下一篇
用微信扫描二维码
分享至好友和朋友圈