人工智能迷惑行为大赏

每日一句正能量

把坚持当成一种习惯，别人光鲜的背后，都有加倍的付出，没有谁比谁更容易，只有谁比谁更努力！

前言

在当今人工智能技术发展的浪潮下，越来越多的应用和平台开始推出自己的AI大模型，让我们似乎可以与人工智能进行更深入的互动和体验。例如，文心一言、通义千问等引人注目的AI产品，以及抖音等应用内置的AI特效，给我们带来了许多新奇和有趣的体验。然而，在使用过程中，我们也不免会遇到一些令人怀疑的瞬间，让我们开始怀疑，这真的是人工智能吗？这些人工智能的迷惑瞬间，让我们不禁思考AI技术的边界和真实性。让我们一起来分享和探讨这些令人着迷的人工智能迷惑瞬间。

人工智能的“幽默”瞬间

场景一：(曾经小米某场新品发布会)

雷军：三个木叫什么?
音箱：木三分
雷军：三个木叫什么?(再给你个机会，好好表现)
音箱：你是电，你是光，你是唯一的神话
雷军：三个木头的木叫什么?(崩溃的边缘，最后给个机会，别给爸爸丢脸)
音箱：栽树的木头，感觉你是个乐观的人
雷军：…

场景二：

人：小爱同学，放一首周杰伦的《说好的幸福呢》
音箱：…
人：小爱同学，放周杰伦的歌。
音箱：…
人：小爱，周杰伦!周杰伦!周杰伦!
音箱：诶…
人：小爱同学，放歌，周杰伦，周杰伦!(气死我了)
音箱：在…
人：放首王菲的歌，行了吧。放歌，放歌啊
音箱：…
人：小爱同学，小爱，小爱同学，我要听歌啊，听歌
音箱：诶…
人：…(不拔电是我对你的温柔)

场景三：

人：小爱同学你喜欢我吗?
音箱:不喜欢
人：那你喜欢吃什么
音箱：我喜欢吃shi
人：那你为什么有这个想法呢?
音箱：因为所以，自然道理，你要不要也来一点
人：﹠﹩﹪﹟﹩﹡﹫…这，的确是个智障。

美好愿景背后的潜规则

通过智能音箱进行机器与人之间的语音对话，是美好的愿景，接近完美的交互方式是，说句话就能搞定生活中大多数事。

智能音箱大致技术思路是——通过捕捉人声，上传语音信息与云端储存的大数据进行比对。

简单的需求AI音箱能立刻给予反馈；复杂的要求，则需要通过模糊搜索，给出最终评估后的答案。

但往往模糊比对后给出的答案，能看出不少智障的一面。

现在的它们，可以实现关灯、放歌、聊天气等服务，但不能做到精准购物、点外卖、有效聊天，而且一旦网络出现故障，它也就成为了一个废物。

而且智能AI音箱行业，似乎有个不成文的潜规则，每个音箱都会收集用户家里的各种声音信息，因为当你说出某些特定的触发词时，你的声音也会被云处理，所以可能发生在用户不知情的情况下，设备存储对话的情况。

60秒语音，硬是不敢听。

这吊坠被挤得很有艺术感。

人工智能应用

人脸识别

人脸识别（Face Recognition）是基于人的面部特征信息进行身份识别的一种生物识别技术。它通过采集含有人脸的图片或视频流，并在图片中自动检测和跟踪人脸，进而对检测到的人脸进行面部识别。人脸识别可提供图像或视频中的人脸检测定位、人脸属性识别、人脸比对、活体检测等功能。

人脸识别是机器视觉最成熟、最热门的领域，近几年，人脸识别已经逐步超过指纹识别成为生物识别的主导技术。人脸识别分为4个处理过程——人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别

由于人脸识别产业的需求旺盛，众多大型科技公司和人工智能创业公司均有涉足该领域，目前该技术已经处于大规模商用阶段，未来3～5年仍将继续保持高速增长。

视频监控分析

视频监控分析是利用机器视觉技术对视频中的特定内容信息进行快速检索、查询、分析的技术。由于摄像头的广泛应用，由其产生的视频数据已是一个天文数字，这些数据蕴藏的价值巨大，靠人工根本无法统计，而机器视觉技术的逐步成熟，使得视频分析成为可能。

通过这项技术，公安部门可以在海量的监控视频中搜寻到罪犯；在拥有大量流动人群的交通领域，该技术也被广泛应用于人群分析、防控预警等。

视频/监控领域盈利空间广阔，商业模式多种多样，将视觉分析技术应用于视频监控领域正在形成一种趋势，目前已率先应用于交通、安防、零售、社区、楼宇、校园、工地等场合。

自动驾驶/驾驶辅助

自动驾驶汽车是一种通过计算机实现无人驾驶的智能汽车，它依靠人工智能、机器视觉、雷达、监控装置和全球定位系统协同合作，让计算机可以在没有任何人类主动操作的情况下，自动安全地操作机动车辆。机器视觉的快速发展促进了自动驾驶技术的成熟，使无人驾驶在未来成为可能。

自动驾驶技术链比较长，主要包含感知阶段、规划阶段和控制阶段三个部分。机器视觉技术主要应用在无人驾驶的感知阶段，其基本原理可概括如下：

1. 图像采集：通过安装在无人驾驶车辆上的摄像头，实时获取车辆周围的图像数据。

2. 图像预处理：对采集到的图像进行预处理，包括去噪、图像增强等操作，以提高后续处理的准确性和效率。

3. 物体检测与识别：利用计算机视觉算法，对预处理后的图像进行物体检测和识别，以识别和分析图像中的各种物体，如车辆、行人、交通标志等。

4. 场景理解与环境建模：通过对检测到的物体进行场景理解和环境建模，分析物体的位置、形状、大小等信息，进一步判断场景中的各种交通情况和障碍物。

5. 实时监测与跟踪：利用目标跟踪算法，实时监测和跟踪物体的运动轨迹和状态变化，以及检测障碍物和交通规则的违法行为。

6. 环境感知与决策：将感知到的环境信息传递给规划阶段，支持无人驾驶车辆进行环境感知与决策，包括车道保持、目标路径规划、安全距离控制等。

通过以上基本原理，机器视觉技术在无人驾驶的感知阶段能够实现对周围环境的实时监测和分析，为后续的规划和控制阶段提供准确、可靠的数据支持。

后记

在本文中，我们一起探讨了人工智能在当今社会中的迅猛发展和广泛应用。随着ChatGPT等AI模型的热度攀升，越来越多的公司纷纷推出自己的AI产品，让人们对人工智能的可能性感到兴奋和好奇。然而，正是在使用这些AI产品的过程中，我们也不可避免地遇到了一些问题和迷惑瞬间。

有时候，我们会怀疑这些所谓的人工智能产品是否真的具备智能能力。可能是因为回答不准确、理解上的偏差或产生的结果不符合我们的预期。这些瞬间让我们反思，并思考人工智能技术的边界和真实性。

然而，无论我们是否怀疑，人工智能的发展势头已经不可逆转。随着技术的进步，我们可以期待人工智能在未来的进一步突破和发展。这些迷惑瞬间并不会阻碍我们对人工智能的探索和应用，相反，它们提醒着我们持续关注和审视这个领域的发展。

让我们怀揣着好奇心，继续探索人工智能的无限可能性。只有通过不断的实践和探索，我们才能更好地理解和应用人工智能技术，为未来创造更美好的世界。

转载自：https://blog.csdn.net/u014727709/article/details/136631082
欢迎 👍点赞✍评论⭐收藏，欢迎指正