2019-04-19 初识AI
本周成果
一、以下是部分队员的感想感受:
王宇超:
第一次兴趣小组课，主要聊了历史以及一些周边衍生物，衍生物又反过来促进了人工智能的发展。庞大的数据量是人工智能的发展基础，而物联网则是当下人工智能最好的落地范畴。物联网可以通过，数量巨大的传感器和细密的网络进行数据采集，即成为人工智能的感知器官和神经网络。边缘计算为云计算拓展了鞭长莫及的地方，成为各个大大小小的网络中的某些关键节点。人工智能既可以是运行在云端，也可以运行在局域网络中，各有各职业，相辅相成，类似人类社会的行政等级等，而更高效。物联网感知层的规模会决定人工智能的进化速度和能力，经过学习的人工智能反过来也能分析感知层异常的情况。例如，前几天巴黎圣母院被烧毁了，据报道，报警系统未能检测出火情，如果感知层的传感器数量足够多也许能及早发现。其次边缘计算的中心节点需要存在容灾备份和替代的能力，当一个节点出现故障时可以启用其他的节点作为中心节点，每个中心节点就如同人工智能的一个大脑，人工智能可以有无数个大脑，而且身处异处，就如分布式异步服务器，网络才是人工智能的生存依赖。这是人工智能和人类大脑最大的区别，人类只有一个大脑，就如单机服务器。个人感觉这两年是学习人工智能的最好时机，十几年前它还很学术，对于做工程的我们而言太过晦涩难懂，再过几年，也许它就像现在的移动应用开发一样烂大街了。知识面广度决定了开发者对人工智能理解和整合能够做到什么。最后个人觉得人工智能发现了半个多世纪，所涵盖的知识点和信息太过于庞大，所以学习它，应该从主线出发，遇到一个不懂的知识点就学习一个，遇到一个问题就解决一个，而不能全部的去学习，否则即使花上十年二十年都学不完，而且知识的增长速度远比人学习的速度快。最后对于任何的消费级别的知识的学习都不应该畏惧和退缩，毕竟不是去研究原子弹，也不是上太空。。
陈毓锋:
分享会主要说了AI的历史以及发展过程，超哥的发言让印象深刻。
其中还了解到了Yolo的使用方法，让我们不再惧怕AI，其实AI也不复杂，收集信息，训练模型，生成模型，最后分析数据。这就是AI的过程。
当初选择AI是想实现一个人工智能去控制灯泡的简单需求而已。经过了这次分享会，我觉得实现起来并不是那么遥远，也不再像以前那样没有方向。
经过这次的分享会，成功的让我从AI入门到放弃。我还是选择手动去关一下灯就好。[捂脸]
二、关于YOLO的尝鲜:
官方页面路径
1.基础步骤跟这页面上的描述即可完成。
2.主要遇到的问题:
在mac系统上使用brew安装opencv后，在python环境下无法检验到opencv正常安装，打开YOLO的Makefile的opencv选项，无法make通过。下载opencv源码，make失败。