[区块链]对话区块链人工智能顶级实力公司ObEN

正文

区块链:新的世界观与方法论

7月17日南京信息工程大学滨江学院企业教授、上海对外经贸大学创新创业导师——刘峰携上海对外经贸大学学生汤季安、王梦珂以及无锡太湖学院18级物联网专业学生倪子昕采访了区块链人工智能顶级实力公司ObEN。

由于采访对象Adam(ObEN创始人之一)在美国,采访团队在对好时差后采用语音电话方式对其进行了深入的采访。采访团队也由一开始有点紧张到逐渐恢复正常并最终很好地完成了采访工作,那么他们之间到底进行了怎样的对话呢?让我们就其精彩采访片段来深入展开吧!

汤季安:
我们了解到ObEN希望用PAI助力临床和健康管理,通过为患者开发虚拟形象PAI来帮助其改进生活习惯,请问ObEN在这部分现在进展如何?

Adam:
我们和马里兰州、华盛顿特区的Medstar医院合作,在美国健康研究院的资助下,为心脏病人手术后出院,在家里进行监护,提供我们做的虚拟护士的互动音箱。Medstar医院是马里兰州、华盛顿特区最大的医疗机构,Medstar已经做完测试。

虚拟护士就相当于一个客服,可以通过语音互动形式了解病人的状态,然后根据状态算法判断是不是马上要通知护士或者医生,判断病人是不是会出现潜在的风险。

这是我们的PAI在美国的一个测试案例。这个虚拟护士可以和带有屏幕的智能音箱结合,同时智能音箱也可以播放视频。如果未来要继续开发一个版本的话,虚拟护士也可以有自己的虚拟形象。

汤季安:
现在有人认为,ObEN会将PAI应用在房产领域,通过去中心化的区块链来发布房源信息,以保证每个房源的可信性、可追踪性并且让交易按照智能合约履行。对此,您怎么看?以及ObEN将在此如何布局?

Adam:
房地产其实就是大家生活的地方,目前我们正在做筹备工作——打造人工智能短视频生产平台,希望人工智能短视频生产平台可以为商业地产项目服务,让每一个商户每天都可以非常便捷地通过编写自己产品的内容,然后通过上传照片、视频,再加上选择虚拟代言人,或者以做自己的虚拟代言人的形式快速生产大量宣传短视频。

如果很多人看这类人工智能短视频,这种方式就可以为商户带来流量。所以我们是希望可以把这种短视频生产平台的技术和商业地产项目、商场以及卖场融合起来。

汤季安:
最近ObEN凭借强大的技术实力和广阔的市场前景成为了全球软银的合伙人之一,您认为未来公司的发展前景如何?公司未来布局怎样?

Adam:
针对5G环境,4月份我们跟软银以及软银的另外几个全球创新合作伙伴一起发布了VR现场的一个应用,像中国、日本、韩国等很多亚洲国家现在正在快速部署在5G环境上的应用,除了大家可以看到更高清的视频,其实更重要的一点是它会带来一种以前在4G环境下很不容易实现的互动的视觉体验。

如果大家以前玩过VR,你会发现过程中会有一些眩晕感,造成眩晕感主要有几个原因,第一可能是显示器的清晰度不够高。随着硬件的迭代,现在已经出现了4K头显,未来很快也会出现8K头显。4K头显的时候,场景的清晰度看起来已经很舒服了,8K的话就会非常舒服。

在5G环境下很多渲染可以部署在云端,云端的这个功能或者说边缘服务器的功能也会比你身上背的计算机强很多,这样一来它运算渲染的速度也会很快,就不会因为你眼睛看见的和你脚上走的时差的问题导致眩晕,所以通过5G的基础设施的部署,像VR、AR和人工智能互动,未来都会成为5G上非常核心的应用。

我们正在研发我们的虚拟人和虚拟人之间的互动,包括内容生产平台,在5G上进行部署的方案。未来我们也希望成为全球5G运营商的视觉互动内容的合作伙伴,跟软银的合作其实就是在5G平台上做人工智能和VR的互动。

王梦珂:
接下来是关于社会价值的问题,作为公司的创始人,您认为ObEN公司可以为用户带来的收益怎么样?以及如何吸引用户呢?

Adam:
从技术的角度来看,ObEN最终希望能够打造一个区块链的应用,让每一个人都可以做出自己的虚拟AI形象,可以立体P图,虚拟消费等等,把自己的虚拟AI做好了以后,可以使用它做一些应用的互动。

ObEN今年上半年推出了一个测试版,推出来以后收到了许多的用户反馈。在区块链的技术上,美国开发者计划在未来的三个月推出一个POS的协议测试版, POS协议会根据你持有的Stake的数量,让你能够为PAI区块链提供认证或者其他形式的服务工作,并且你将能够得到PAI的奖励。

美国开发者计划三个月左右,把第一次模拟测试版推出来,通过跟大家在使用中的互动,代码不断迭代。美国ObEN的想法是在符合监管的前提下,把两个协议推出来,这样每个人就可以开始在PAI链上管理自己的虚拟AI,然后去购买一些虚拟的体验,或者道具。

美国另一个PAI链的合作伙伴同时还在研发另外一个产品,这个产品可以根据每个人自己的数字资产,比如说如果我是一个歌手,做一个MV,它其中会涉及到很多的合作伙伴,有编舞的,有编曲的,有我自己,还有摄影师,还有策划等等。一个MV可能多的有11个参与方。

他们正在开发的这个产品计划在明年的第二季度左右发布,在这之前他们也会陆陆续续开放一些测试,欢迎到时候开发者来参与提供一些反馈。有这个个人数字资产协议以后,大家就可以把自己的这些创作,或者一些跟合作伙伴的创作的数字资产放在PAI链上进行管理,运营。

所以他们希望明年的下半年,大家就可以看到在PAI区块链上的个人的数字资产运营的生态体系逐渐能够形成,大概是这么一个规划。

王梦珂:
我们了解到ObEN近期有在做清洁技术方面的项目,那么ObEN是否在绿色创新方面有一定的专利呢?

Adam:
在申请专利方面,专门针对绿色创新的专利我们目前还没有做,但是我们跟亚利桑那州立大学的Rob and Melani Walton Sustainability Solutions Service已经签署了合作协议,我们希望通过人工智能互动和区块链的技术,能够帮助企业在节能和碳减排方面做些工作,这方面应该也是刚刚开始,我们挺重视的。

我们跟亚利桑那州立大学合作,用区块链的方法去核算碳减排。大家知道比特币是通过工作量证明来进行挖矿,POW就是说你的矿机的算力越强,那你挖到比特币的几率越高,能够挖到比特币的成本越低,所以你挣的钱也会越多。

但是现在挖比特币的算力所消耗的能源其实已经相当于欧洲的一个小国全国的电力,对电力能源的是一种浪费。

ObEN现在正在开发一个改进的算力证明叫POUW(proof of useful work)。基本的一个想法就是我们把比特币挖矿的算力拿出来,去解决一个人工智能运算里头的一个需求,这样的话这个算力就可以被用来做人工智能的训练等等。

我们已经做成了一系列AI的训练,比如算力训练的AI已经可以用来做简单的数字的识别。未来我们也希望可以尽快把它开放出来,让开发者可以用POUW的算力来进行人工智能的训练,把原来浪费的电力用来做一些有用的计算。

亚利桑那州立大学的这个实验室就可以把这个节能换算成碳减排的积分。碳减排积分在全球是可以交易、可以变现的,所以这个POUW协议是我们把区块链与节能、减排结合的一个案例。

以上便是采访实录的精彩片段,当然精彩内容可不止这些哦。采访团队在采访前先是做好了创新创业企业评估框架,采访结束后又结合搜索资料进行了论文的编写工作。目前该论文已成功被RCCSE国际中文核心学术期刊《现代管理》所收录。
论文详细内容参见:https://blog.csdn.net/lsttoy/article/details/98992601

附录:

*ObEN公司(https://oben.me/)简介:
由Nikhil Jain和Adam Zheng在2014年联合创办的ObEN公司,始源于一个最基本的人性化需求 - 希望自己在离家在外时能够”留下“一个虚拟的全息的自己,陪伴家人。随着社交媒体连接能力,扩增现实,虚拟现实以及物联网的飞速发展,ObEN的人工智能整合技术将会将你的数字体验带到更加拟人化和私人化的阶段。
ObEN的专利人工智能技术能够迅速将一个人的平面图像和声音结合起来,创造3D虚拟形象。将你的个人3D虚拟形象复制到任何虚拟现实或者增强现实的情境中,享受更深刻,记忆更持久的社交体验。创始于2014年,ObEN是HTC旗下VIVE X速创项目计划中的公司之一,目前在加州帕萨迪纳的领先科技孵化器创意工作室内办公。
采访团队成员介绍:
刘峰教授:南京信息工程大学滨江学院企业教授,上海对外经贸大学创新创业导师,中国自动化学会区块链专业委员会委员,无锡优级先科信息技术有限公司首席信息官兼任先进技术研究中心主任。原IBM 全球商业服务部资深顾问。八年以上研发经验,拥有区块链专利3项、认知学相关专利10项(申请中)、实用新型专利和软件著作权若干。研究并发布了核心论文若干篇,应用型论文数十篇。主要研发方向于认知学、区块链、大数据、人工智能、脑机计算等领域。兼职汉斯出版社《人工智能与机器人研究》(RCCSE国际中文学术期刊)责任编辑。
汤季安:上海对外经贸大学国际经贸学院17级学生。参与了第十四届松江大学园区创业大赛,团体组第5名,同时产出对应的专利和论文。平时也很喜欢玩模联,预计在下学期出校当主席团成员,第十六届“挑战杯”全国大学生课外学术科技作品竞赛上海对外经贸大学选拔赛优胜奖。区块链新金融项目正在撰写专利申请,其中团队成员六名,属于跨校组队,和长沙理工和上海大学学生合作完成,由统计信息学院副教授和企业教授指导项目,发布RCCSE中文核心期刊论文《企业管理创新创业领域竞争力框架及机制探究》一篇;暑假参加2-3场创业比赛,将项目孵化。

王梦珂:上海对外经贸大学商务日语专业17级学生。摄影爱好者,FRM全级通过者,埃及海外志愿者,CFA在读。参与区块链新金融项目,由统计信息学院副教授和企业教授指导项目,正在撰写专利申请。第十四届松江大学园区创业大赛,团体组第5名。第十六届“挑战杯”全国大学生课外学术科技作品竞赛上海对外经贸大学选拔赛,优胜奖。

倪子昕:无锡太湖学院18级物联网专业学生,学习兴趣在人工智能等领域,有发表物联网相关论文。*

Ich werde eine Funktion in Python schreiben, um Messwerte aus einer Datei zu lesen und einen Algorithmus zur Fouriertransformation und Rücktransformation zu implementieren. Zuerst müssen wir die erforderlichen Bibliotheken importieren: ```python import numpy as np import matplotlib.pyplot as plt ``` Dann können wir die Funktion zur Messwert-Leseimplementierung schreiben: ```python def read_data(filename): """ Diese Funktion liest Messwerte aus einer Datei und gibt sie als Numpy-Array zurück. """ data = np.loadtxt(filename) return data ``` Als nächstes können wir den Algorithmus zur Fouriertransformation ohne Schleifenimplementierung schreiben: ```python def fourier_transform(signal): """ Diese Funktion berechnet die diskrete Fourier-Transformation (DFT) des Signals. """ n = signal.size omega = np.exp(-2*np.pi*1j/n) k = np.arange(n) matrix = np.power(omega, np.outer(k, k)) spectrum = np.dot(matrix, signal) return spectrum ``` Schließlich können wir den Algorithmus zur Rücktransformation ohne Schleifenimplementierung schreiben: ```python def inverse_fourier_transform(spectrum): """ Diese Funktion berechnet die inverse diskrete Fourier-Transformation (IDFT) des Spektrums. """ n = spectrum.size omega = np.exp(2*np.pi*1j/n) k = np.arange(n) matrix = np.power(omega, np.outer(k, k)) signal = np.dot(matrix, spectrum) / n return signal ``` Um das Amplitudenspektrum zu visualisieren, können wir die folgende Funktion verwenden: ```python def plot_spectrum(spectrum): """ Diese Funktion stellt das Amplitudenspektrum des gegebenen Spektrums dar. """ amplitude = np.abs(spectrum) plt.plot(amplitude) plt.xlabel('Frequenz (Hz)') plt.ylabel('Amplitude') plt.show() ``` Insgesamt sieht unsere Implementierung wie folgt aus: ```python import numpy as np import matplotlib.pyplot as plt def read_data(filename): """ Diese Funktion liest Messwerte aus einer Datei und gibt sie als Numpy-Array zurück. """ data = np.loadtxt(filename) return data def fourier_transform(signal): """ Diese Funktion berechnet die diskrete Fourier-Transformation (DFT) des Signals. """ n = signal.size omega = np.exp(-2*np.pi*1j/n) k = np.arange(n) matrix = np.power(omega, np.outer(k, k)) spectrum = np.dot(matrix, signal) return spectrum def inverse_fourier_transform(spectrum): """ Diese Funktion berechnet die inverse diskrete Fourier-Transformation (IDFT) des Spektrums. """ n = spectrum.size omega = np.exp(2*np.pi*1j/n) k = np.arange(n) matrix = np.power(omega, np.outer(k, k)) signal = np.dot(matrix, spectrum) / n return signal def plot_spectrum(spectrum): """ Diese Funktion stellt das Amplitudenspektrum des gegebenen Spektrums dar. """ amplitude = np.abs(spectrum) plt.plot(amplitude) plt.xlabel('Frequenz (Hz)') plt.ylabel('Amplitude') plt.show() # Beispielverwendung der oben definierten Funktionen data = read_data('messwerte.txt') spectrum = fourier_transform(data) plot_spectrum(spectrum) reconstructed_signal = inverse_fourier_transform(spectrum) ``` Die Funktion `read_data` liest Messwerte aus einer Textdatei (z.B. 'messwerte.txt') und gibt sie als Numpy-Array zurück. Der Algorithmus zur Fouriertransformation `fourier_transform` berechnet die diskrete Fourier-Transformation des Signals, während die Funktion `inverse_fourier_transform` die inverse diskrete Fourier-Transformation des Spektrums berechnet. Die Funktion `plot_spectrum` stellt das Amplitudenspektrum des gegebenen Spektrums dar. Schließlich haben wir die Funktionen verwendet, um das Amplitudenspektrum zu visualisieren und das rekonstruierte Signal mit `reconstructed_signal` zu erhalten.
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

打赏作者

乐扣老师lekkoliu

你的鼓励是我最大的科研动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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