刚刚,大消息突然传来,马云的野心终于暴露了!再见,朝九晚六的生活

640?wx_fmt=jpeg

马云吹过的牛皮终于实现了!

酝酿两年的阿里无人酒店正式开业,整栋楼没有一个服务员,却比任何一家酒店更安全、更干净、更舒适。

这意味着马云离他的的目标越来越近了……

640?wx_fmt=other

无人酒店,未来已来

根据阿里旗下飞猪旅行近日公布,阿里无人酒店取名未来酒店,位于杭州西溪园。

它全程没有任何人操作,没有大堂、没有经理,甚至连打扫卫生的阿姨都没有,所有事情统统交给了人工智能。

话不多说,我们直接来看它的体验过程吧!

640?wx_fmt=other

入住:

客人到达酒店后,一个1米高的机器人取代了传统的人工接待。它通过人脸识别技术,首先记住了客人的样子。

登记入住时,客人只需在大堂自助机刷一次脸,这时后台就会对接公安系统确定住户身份信息。随后,客人的个人信息就会覆盖酒店内全场景。

这意味着客人的脸从此成了一张通行证,无需任何服务员引导,只需刷脸就能享受酒店所有服务。

640?wx_fmt=other

登记完毕后,电梯会启动等候系统,这时机器人带客人去房间就不必再费时间等电梯了。

电梯通过无感体控系统,识别客人身份,判断乘坐电梯的意图后,最后直接在入住的楼层停下来。640?wx_fmt=other

到达房间门口后,摄像头识别出身份,房门自动开启,客人就能进去休息了。

吃喝玩乐:

传统酒店进门必须插卡才能取电,但在阿里未来酒店,一切反人类的东西统统消失了。

进门无需插卡,灯光会自动进入欢迎模式,电视机自动开启。房间内的空调、灯光、窗帘等设备全部不用手工操作,客人只要对着天猫精灵下达指令,一切躺着进行都可以。

我们上面说过,登记时酒店系统会记住客人身份,也就是说去餐厅、健身房、游泳池只需带着一张脸就行了。

比如,当客人走进餐厅,人脸识别系统就会识别出他的身份和房间号,所点的餐品将自动被记录到消费清单。

客人不需要再结账或签单,用完餐或者健完身拍拍屁股就能走。

如果你不想出去,只需在手机上点单,机器人就能把食物和水送到你房间。

退房:

我们在传统酒店退房时,前台会派卫生阿姨前去查房,但在未来酒店,客人只需在手机上退房,系统就会弹出客人的所有消费金额。点击确认,随时离店。

640?wx_fmt=other

在离开房间的一瞬间,电梯也已经启动程序等候客人了。

此时,房间会自动生成一张打扫订单,就像滴滴一样,附近的卫生阿姨接到订单就会前来打扫房间,酒店无需专门请清洁工。

未来酒店凝聚了阿里豪华的阵容:达摩院负责架构、阿里云提供大数据、人工智能实验室设计机器人、智能场景事业部完成酒店数字化运营和智能服务中枢、天猫则为酒店床品提供供应链。

我们从眼前看,服务员在未来酒店失去了用武之地,但长远看来,是不是可以理解为阿里给解放服务员提供了宝贵经验呢?

有什么人不能被替代?

一声枪响,全国的服务员职业进入了寿命倒计时,10、9、8、7、6……

上个月,海底捞斥资1.5亿打造的“无人餐厅”在北京正式营业。

店里没有洗菜工、没有配菜员、没有传菜员,就连表演拉面的小哥和美甲擦鞋的服务员都不见了。

昔日穿梭不息的服务员,瞬间被机器臂和机器人取代,一切来得太突然。

没有服务员的日子,这家海底捞的成本降了4成。

同时机器人全年无休、不要加班费、不会发脾气、出错率又低,轻而易举就统治了餐厅。

不光是海底捞,2017年10月,马云的无人餐厅亮相,没有纸质菜单、没有点餐员、没有收银员,顾客吃完饭拍拍屁股就可以走人,交给了支付宝在后台扣账。

640?wx_fmt=other640?wx_fmt=other

另一个互联网巨头京东也奋起直追,推出“JOY’S 智慧餐厅”,点菜、做菜、传菜全程无人化,预计在2020年,将运营1000家无人餐厅。

除了店里的服务员,流水线的工人也越来越少。

从富士康率先用机器人取代流水线工人开始,制造业如今掀起了大规模地自动化迭代,就连包饺子这种细活都交给了机器。

室外的劳动力同样开始了一场大颠覆,从京东研究无人快递车开始,到饿了么外卖机器人,快递小哥和骑手的寿命也进入了倒计时。

也许还有人说体力劳动容易被取代,脑力劳动绝无可能,那么我要告诉你,阿里的人工智能设计师从去年就已经上岗,每秒钟做8000张海报,你还觉得你无可替代吗?

再见,朝九晚六的生活

在2017年的世界物联网博览会上,马云宣布人类即将迎来一场解放:

在可预见的二十年内,人类每天只需工作4小时,每周只上3天班。未来世界程序化的工作都会被机器所取代,我们需要做的,是让人活得更像人,机器更像机器。

也就是说那些流水线、收银员、餐饮人,甚至编辑、文案、程序员等等职位都会被颠覆。

职业被颠覆的那部分人去哪里?并不是无工可打,而是去瓜分机器无法取代的那些行业里的工作,缩减他们的工作时长!

所以马云说,机器取代人类的工作,人类无需太过担心,未来人类每天只需工作4小时,每周工作3天。

这意味着我们将有更多时间陪家人、去旅游、去吃喝玩乐,把精力浪费在美好事物上面,而不是现在的朝九晚六!

无独有偶,李彦宏、马斯克也纷纷站队马云:人工智能将彻底改变人类工作模式,拥有更多休息时间将成为人类常态!

李彦宏曾说,未来人类将可能实现每周工作2天休息5天。

他在百度峰会宣布:第一幕PC互联网和第二幕移动互联网即将成为过去式,第三幕人工智能已经来临。

宗庆后diss他:“什么都用机器人代替,全社会都失业了,还要人干什么?人不都变傻子了吗?

李彦宏霸气怼回:技术革命,不论你喜欢不喜欢,都会发生。比如蒸汽机和电力的发明,都会因解放劳动力造成大量的失业,但我们现在不是活得更好吗?

另外,马斯克也这样直言:上班这种苦差,未来都是机器人干的。随着自动化在未来成为常态,可供人类选择的工作岗位可能会越来越少,人们也将获得更多的闲暇时光、更好地享受生活。

我们可以对未来怀疑,但我们必须看到事实:

蒸汽机取代人力后,工人每天工作12小时;

电力取代蒸汽机后,我们每天工作8小时,每周休2天;

人工智能到来后,毫无疑问,人类的时间将得到更大解放!

这是马云的理想,也是李彦宏、马斯克的理想,更是我们全人类的理想。


PS:对于一周上4天班休3天,你有什么话要说的吗?我反正是很希望这天快点到来,虽然,我们现在也不用加班,每天准时上下班,但是还是觉得属于自己的时间太少了,如果机器人可以解决一些人的工作,把一部分人解放出来,你愿意成为被解放出来的那部分人吗?

所以,在这里,我还是要啰嗦一下,我早几年前就说过的,下班时间,好好培养一下自己的爱好,不管是为了挣钱还是为了个人纯生活爱好,可能有的人会说,我不知道自己喜欢什么,我也没有什么特别爱好。

其实,爱好,真的没有天生的,基本都是后天培养的,所以,趁现在,赶紧去培养一两个自己的爱好,例如,爱好挣钱,爱好葛优躺,哈哈~

好了,在实现这个爱好前,还是需要好好学习,好好工作。

我是杨小二,一个80后技术员,设计师,目前坐标上海。


640?wx_fmt=jpeg

640?wx_fmt=jpeg

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