|
撰文 | 小熊 出品 | 中国3D打印文化博物馆 欢迎关注中国3D打印文化博物馆公众号 引言 在人工智能的热潮下，众多领域已经开始尝试人工智能。目前人工智能比较可靠的应用领域包括： 1. 高级自动化，取代重复的手工劳动。 2. 在数据领域发挥作用，创造商业价值，辅助重大决策。 3. 在特定领域成为专业人士的助手。 4. 受限场景下的自然人机接口。 5. 娱乐业，玩具。 3D打印与人工智能结合又将迸发出什么样的潜能？ 之前我们提到，人工智能有三个方面的特点： 第一：计算能力。 计算能力需要用GPU（图形处理单元）来进行处理。在过去，如果需要提供人工智能能力，要有很强大的财力支持，因为要买很多GPU，搭建一个完善的GPU计算平台。但是现在，全球的IT企业巨头，都纷纷把自己的计算能力开放出来了。现在有了云计算和开放平台，只要能够接入互联网，就能享受到谷歌、Facebook这样的巨头公司提供的最强大的计算能力的支持。 第二：算法。 如今人工智能算法是开源的，而且随着它的迅速扩散，会变得越来越开源，越来越通用。例如，谷歌开源了自己的人工智能的开发系统（TensorFlow），当然是为了配合它的TPU（Tensor Processing Unit），也就是人工智能处理的硬件。它是开源的，开发者可以直接使用。很多不懂人工智能算法的人，也可以调用很多人工智能的复杂的处理方法去做人工智能的开发了。 第三：大数据。 当计算能力和算法都不再是门槛，唯有数据是门槛的时候，有数据的人才有竞争优势。因为计算能力可以利用大公司的平台；算法往往是开源的，包括谷歌TensorFlow在内的人工智能学习系统极大地降低了算法难度。相当于说二十年前做网页是需要编程序的，现在因为已经有了网页设计软件，普通人只要打开这个软件，直接利用软件提供的工具就能做出不错的网页了。人工智能有类似的特点，它的开发门槛在迅速降低，基本的工具已经做好，人们只需要直接拿来使用。所以在人工智能时代，数据最为关键。掌握了数据就能不断发掘人工智能的潜能。
人工智能的一大应用就是通过机器视觉来鉴定并筛选产品。在日本，有一位汽车嵌入式系统的设计师，他父母在经营一个黄瓜农场。种黄瓜最困难的环节就是黄瓜的分拣，黄瓜成熟了以后大小不一，成熟度不一，如何把它们按等级分拣出来，需要耗费大量的人力，成本也较高。在黄瓜的收获季节里，这位设计师的母亲每天要花费超过8小时来进行黄瓜的分拣工作。于是设计师就基于谷歌的TensorFlow系统开发了一个基于视觉识别的人工智能系统：给不同的黄瓜拍照，让人工智能自己学习什么样的黄瓜应该分到哪一级，然后在流水线上做自动分拣，大大提升了黄瓜的分拣效率。
不同的黄瓜形态 机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过图像摄取装置将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号。图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。利用机器视觉技术的例子有很多，比如有大学生在社交网络上去识别社交网络里的海量用户上传的图片里的野生动物，从而能够制作出整个全球的野生动物迁徙的路线图和迁徙的模型。 基于机器视觉和人工智能的技术同样可以应用在3D打印技术，实现金属3D打印粉末的鉴定。在金属融化过程中，每个激光点创建了一个微型熔池，从粉末融化到冷却成为固体结构的过程中，多种因素会对最终产品的质量产生影响。卡内基梅隆大学工程学院的研究人员开发了针对金属3D打印材料的机器视觉技术，可以自动识别和分类不同种类的3D打印金属粉末，准确度达95％以上。
对不同种类的金属粉末进行识别 卡内基梅隆（Carnegie Mellon）大学的材料科学和工程教授，研究领域的研究主管伊丽莎白·霍尔姆（Elizabeth Holm）解释说：“在传统的制造领域，通常通过破坏性测试来实现对零件的检测。 一家公司可能会生产多种零件，并对其进行测试，看看这些零件如何忍受压力和疲劳。” Holm和她的研究团队在八种不同的商业原料粉末上测试了机器视觉粉末分选系统，发现他们的系统能够精确地分选进入3D打印机的粉末，这将使得一些破坏性测试变得多余。在Holm看来，“破坏性测试花费大量的时间和金钱，拉低了增材制造的效率和自动化程度，另外破坏性测试使得3D打印的按需性质变得缓慢。” 在没有手动监督的情况下通过计算机视觉来识别和分类粉末，计算机可以看出，金属粉末是否具有零件要求的微观结构质量、强度、抗疲劳度、韧性等。如果是这样，一旦进行3D打印，金属粉末就不太可能带来零件裂纹或发生加工故障。  人工智能的反馈方式有两种，第一种是客观结果，比如说3D打印金属粉末，判断是由客观依据的；另一种是专家结果，就是并非完全客观的东西，比如作曲，一个曲子是不是旋律优美并非完全客观。所以需要用专家的判断作为反馈依据。比如现在已经有人工智能的画家，一个俄罗斯的程序员编写了一个小程序叫Ostagram，你只要输入两幅画，一副是风格，一副是构图，人工智能系统就自动地把第一幅的风格叠加到第二幅的构图上去，形成统一风格的作品。比如你在风格那副用梵高的《星空》，在构图这幅随便用一个风景画，结果你的风景画就被改造成了梵高的星空风格。
类似的，哥本哈根IT大学（IT University of Copenhagen）和怀俄明大学（University of Wyoming）的计算机科学家们在2016年开发出了一种能够创作3D打印艺术品的人工智能软件，能够在无人干涉的情况下使用深度学习和创新引擎来创建3D对象。据科学家们介绍，他们使用了图像识别技术，可以用于高级别数据抽象的建模。深度神经网络会根据（1）可以打印、（2）是彩色的、（3）能够突出有趣的特性等这几条标准挑选出几件3D作品然后将其送到在线3D打印平台Shapeways上用彩色砂岩材料进行3D打印。
利用人工智能软件创建的三维艺术品 人工智能同样可以与三维扫描结合，体现出巨大价值。布朗大学的迈克尔·布莱克（Michael Black）教授创立了Body Labs，并开发了一种技术能够将人体用更精确的方式数据化。与普通的人像扫描不同的是，Body Labs能够通过人工智能技术来实现自我学习，可以收集、数据化和整理关于人体外形、姿态和运动时的动态数据。更精准的数据意味着能够通过3D打印技术制作服装，或者用来支持3D打印人体假肢或其他医疗器械。
Body Labs的创立源于当地的执法人员找到布莱克教授，希望他找到一种解决办法，通过计算机来识别罪犯。根据安全摄像机镜头所拍摄到的犯罪嫌疑人，执法人员希望能还原出嫌疑人正常姿态下的身高、身材和形状。为了实现这个目标，布莱克教授通过机器学习算法来研究成千上万的3D扫描的真实生活的人在各种姿势下的人体形状，并创建了统计模型，这项研究持续了十年。 Body Labs的软件依赖于初始网格模板和人工智能，通过自动修复的算法，能够更准确地反映人体的三维数据。在修复三维数据方面，市场上的普遍做法只是将缺失的部位通过点阵的方式连接起来，而Body Labs的网格变形是基于人工智能数据库，可以更精确的按照人体组成的规律来修复三维网格。 通过Body Labs的在线平台，仅仅需要输入简单的人体数据，就能够在线订购定制的、3D打印的服装。Body Labs的一个主要用户就是著名的美国麻省的设计工作室Nervous System。Nervous System通过该平台，对客户进行身体的三维扫描，让客户挑选服装的样式和版型，然后对尼龙花瓣的图案密度进行调整，使衣服更加合身，接着采用选择性激光烧结技术进行打印，一件精致的3D概念服装就成型了。
Nervous System设计的3D打印服装 美国《连线》杂志前主编克里斯·安德森在《创客》一书中写道：“正如前两次工业革命发生时，技术的影响力需要几十年的时间方能显现，此次数字计算发明本身的力量仍然单薄。第一台商业计算机取代了某些公司和政府的精算与统计工作，第一批IBM电脑取代了某些文秘职能，但两者都未能改变世界。计算机的终极经济影响并未体现在经由软件改变的服务业中，而是体现在前两次工业革命大显神威的相同领域内：制造业。”近年来，在制造业的某些特定领域，人工智能取得了显著的进步，并取得了一系列突破性的成果，如机器视觉和人工智能技术大大提高了增材制造的生产效率。人工智能应大数据而生，给大数据提供了一个深度思考的大脑，而3D打印给了智能数字化一个强健的躯体，三者共同引发了智能时代浪潮的来临。随着智能制造时代的到来，我们相信今后的3D打印与人工智能联手会实现更多意想不到的成果。 推荐阅读 ▼ （点击图片即可获取全文）
这里是了解3D打印世界的入口，一本轻松实现跨界交流的宝典，以及让你获得全球创新视野的绿卡。 与志同道合的人一起，关注3D打印世界的新变量。
|
|
|
来自： 百眼通 > 《05机器人和人工智能-109》
