亚马逊发布AI跟踪系统,监督员工能否保持社交距离

据国外媒体报道,当地时间周二亚马逊公司推出了一款基于人工智能的跟踪系统,让办公室和仓库的员工彼此之间保持一定的社交距离,帮助降低员工感染新型冠状病毒的风险。

亚马逊发布这套系统之际,正值美国国会议员和工会对公司保护员工免受疫情影响的做法进行审查。


亚马逊表示,公司仓库里设置的监控器将用绿色圆圈标出保持安全距离的员工,而距离较近的员工将用红色圆圈标出。

该系统名为“距离助手”(Distance Assistant),其利用亚马逊设施内摄像头所拍摄的画面,帮助识别人员流动量大的区域。

据一份内部备忘录显示,亚马逊还在测试一款可穿戴设备,当员工离得太近时,设备就会发光并发出音频警报。这款设备将于本周三在西雅图郊外的一个仓库进行测试。

据亚马逊内部招聘信息显示,公司还在招聘社交距离专员和监督人等职位。这些员工的职责包括经常对仓库进行检查,以及确保员工人数不超过休息室的限定座位数。

亚马逊没有立即对备忘录和帖子发表评论。

据悉,亚马逊还将开放其距离助手系统背后的技术源码,其也并不是第一家利用人工智能跟踪社交距离的公司。

几家公司对路透表示,基于人工智能摄像头的软件开源至关重要,因为它不仅可以向员工和客户展示工作原理,还可以向保险公司和监管机构表明其是在监控和执行安全措施。然而,隐私活动人士仍对越来越详细的追踪功能表示担忧。

亚马逊周二表示,跟踪系统已经在少数设施中启用,并表示计划在未来几周部署数百个这样的系统。

RECOMMEND

             

  AI社群  

                

AI感兴趣的小伙伴,

网易智能12个不同垂直领域社群等你来
添加智能菌微信:kaiwu_club

和我们一起探讨AI的故事~

网易新闻 | 智能工作室出品

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值