看了GPT4官方的演示,涵盖了方方面面,不禁让人感慨,通用人工智能(AGI,Artificialgeneralintelligence)真的要来了? 以往主流人工智能的研究方向专注于某一领域(例如计算机视觉,语音输入等),而通用人工智能(AGI)则是人工智能的大一统。 GPT4能看出图里不合常理的地方,能知道男子在熨衣服 例如上图GPT4能看到行驶的出租车,看到男子用熨斗在熨衣服,这属于计算机视觉研究的范畴。 《三体》剧照,物理学不存在了 AI细分领域不存在了?? (本文纯属虚构,如有雷同,说明AGI时代已经到来了) 小李是某公司资深开发人员,项目主管,精通Python,OpenCV人脸识别技术,在公司做过多个项目。 一天,老板来了任务。 3天时间做一个口罩识别系统并上线,对于小李来说不是什么大问题,因为小李的团队一直从事计算机视觉这方面的项目,轻车熟路。 接下任务后,小李马上就开始安排工作了,安排组员小王去整理收集图片;安排组员小张去部署环境,采购主机显示摄像头音响等,部署一台测试环境,一台生产环境;安排组员小黄写客户文档;而自己开始着手OpenCV模型训练和识别的相关代码。 一会海量包含人物图片的就绪,小李先用OpenCV自带的分类器进行简单分类。 海量图片 用opencv分类器进行预处理 经过OpenCV分类器分类后得到的是人脸的灰度图片,大概有几万张。这些图片需要进行分拣,分拣出戴口罩和不戴口罩的脸,去掉其他不包含脸的图片,这样训练出来的模型才能更准确。小李和组员一起花了一天时间选出了戴口罩的图和不戴口罩的图,分别存放到了POS(正样本)和NEG(负样本)目录,并把其他干扰的图片去掉了。 经过初步分类的图片几个G,里面还有识别错误的图,需要手动分开,不然会影响模型训练 区分这个工作很费时,处理下来全组人员各个腰酸背疼,老板还很贴心的给每人发了一瓶日本进口的眼药水,说是能缓解眼疲劳。 剩下来的工作就简单了,小李处理了正样本(戴口罩的脸)和负样本(不带口罩的脸),批量处理了图片大小,文件名等,得到了模型训练所需的样本。 正样本 负样本 一切就绪,小李运行opencvtraincascade训练这两个文件夹的图片。 opencv是处理计算机视觉的开源库 大约过了几十分钟,得到了分类器文件cascade。xml,到这里工作就完成了一大半了。接着编写测试代码,加载分类器文件,通过摄像头获取人像,都很简单,不一会儿测试系统跑通。 测试代码 第二天和第三天,小李拿出祖传代码,这些代码包含用户界面功能,语音报警等,一阵复制粘贴,继承复用。 项目如期交付,运行完美,团队获得市防疫指挥中心表彰,每人都获得了奖金。 后来老板又有个眼镜店识别戴没戴眼镜顾客的项目,如法炮制,完美交付。直到有一天 AGI到来,AI细分领域不存在了? 小李和小李的组员一起失业了 然而这还没完,一天,小李刷到老板朋友圈 看完后,小李感慨良多,反手给老板点了个赞。