这六个人工智能应用，你听说过吗？

自阿尔法狗战胜人类顶尖围棋大师后，人工智能已经越来越火热，并且在很多领域开始应用，比如金融、零售、医疗等等。不过，在下面这些领域，人工智能的应用可能你不曾想到。

防止小行星冲撞地球

7月，美国宇航局（NASA）的前沿开发实验室（FDL）宣布将利用AI预防小行星冲撞地球，从而拯救地球，保护人类。

NASA总是可以给自己挂上诸多使命感。这个隐秘的FDL，就背负着“寻找可能威胁地球安全的小行星，并尝试去解决它”的伟大使命。这一次尝试，主要是AI在发力。

FDL先召集了各行业学者一起探讨，再用机器学习模拟行星轨道，将2D的数据研究可视化为3D的行星运转图像，从而判定它们的自旋速率和形状，以及是否会危及地球。

如果预估到会撞击地球怎么办？

目前，NASA已经批准了“双小行星重定向试验”（DART）技术，计划在2020年发射高速航天器撞击双小行星“Didymos”，使其轨道发生偏转。

厉不厉害。

“无人驾驶”核电站

到现在说起核电站，很多人还是闻声色变。国际核能事件分级表（INES）将核电站事故对安全的影响分为7级，2011年的福岛第一核电站事故就属于特大级。

INES分级

那么，AI可以帮我们维护核电站吗？它可以做哪些工作呢？

近日，法国公用电力公司EDF打算用AI优化核电站的预见性维护。“先从工厂的传感器中识别设备中的零部件为何会失效，之后再预测何时会失效。”EDF的数字创新主管David Ferguson说。

因吹斯汀。

更有趣的是，他们还打算借助AI实现实时条件监测，为管理人员提供一些建议。或许在未来，核电站可以实现自主运营。

这不是EDF首次提出“AI管理”的概念了。EDF一直在用AI构建核电站的“数字副本”，比如包含数字指令手册的数字连接物理组件。同时，EDF也一直在测试AI性能，用它识别和处理测量数据。

可控的人工智能应用范围越来越大了。

机器也能读懂你

机器也懂“读心术”了。

近日，卡耐基梅隆大学（CMU）的研究人员开发了一个身体动作追踪系统，并命名为OpenPose。

在这项运动分析中，计算机将对人类进行实时的姿态检测，并追踪任务的动作变化。计算机需要捕捉人类的手臂、腿部甚至一个微小的点头动作

让机器人通过非语言交流的细微差别理解周围人的状态，可以让机器人在社会空间中更好地服务人类。

这项技术帮助机器人判断面前的人类在做什么、心情如何以及是否愿意被打扰；可以辅助无人车检测路边的行人，通过姿势判断他们是想要过马路，还是只想站在路边等公交；还能为自闭症、阅读障碍和抑郁症等条件行为的诊断和康复提供新方法。

现实应用场景曾对这项技术提出了较大挑战。在社交场合中，检测数量庞大，并且人与人之间经常存在肢体接触。因此在一开始的尝试中，实时追踪和检测多人的效果并不好。

针对这种情况，研究人员采用了“从零到整”的研究方法。首先，将捕捉到的所有身体部位置于同一场景中——手臂、腿部、脸部——然后，再将这些身体“零件”拼装起来。

研究人员已经公布了这项进展的代码，虽然技术才诞生一个多月，但已经有20多家企业表示对此感兴趣。其中，还包含一些无人车公司。

GitHub代码：

https://github.com/CMU-Perceptual-Computing-Lab/openpose

不妨你也来试一下。

服用“大麻”的正确姿势

首先来科普下，大麻也分种类。

新闻报道中经常出现的“XXX吸大麻入狱”事件里的大麻一般是指娱乐用大麻，主要有效化学成分为四氢大麻酚（THC），吸食过多可能会产生幻觉依赖性。咱今天不谈那个。

大麻/图片来自PotBot官网

药用大麻是指用草药形式制成的大麻，含THC较少，相反像大麻二酚（CBD）等药用性较强的大麻素成分较多，可以用于镇痛和控制癫痫、癌症等疾病。在美国等国家，药用大麻不属于违禁品，可以根据医生建议治疗疾病。目前，包含医用大麻的药物已经多达30000种。

PotBot应运而生。

PotBot是一种医疗大麻推荐引擎，它通过人工智能与药用大麻有关的医学文献，找到与大麻素、大麻活性化合物等有关的研究。之后，它用独特的算法找到治疗37种病症（比如失眠、哮喘和癌症等）最适合的大麻植株，并给病人提供个性化的建议。

PotBot是由David Goldstein和Baruch Goldstein父子共同创建。目前，在国外可以通过iOS或安卓应用市场下载PotBot的APP。

心情地图

谁都不知道社交平台知道你多少秘密。

每年都有几十亿的网友在各种社交平台上发布帖子、动态和心情，社交平台无疑掌握着用户行为的大数据。这打开了一个前所未有的机会，即利用人工智能从大众传播中搜集信息。

这不仅听着有趣，还非常有用。

心理学家Martin Seligman任职于宾夕法尼亚大学的心理健康中心，他和20多位心理学家、医生和计算机专家使用机器学习和自然语言处理来筛选数据，以衡量公众的心理和身体健康。

Seligman团队搜集了Facebook的资料中认为自己抑郁的将近3万个用户。

通过机器学习算法，他们发现在资料中自我描述与抑郁程度有直接关联。有了这些研究，他们可以根据描述判断其他用户是否有抑郁倾向。

社交媒体的大数据不仅可以用来感知大众的情绪，还能用来预测用户性格、收入和政治意识形态。据Twitter推断，该团队甚至根据幸福感、抑郁程度和信任度等五个性格特质，创建了一个美国各州的心理形态地图。

听说你也想看看

美国各州心理形态地图：

https://map.wwbp.org/

社交网络，可能比对象更了解你。

在“分子厨房”里创造新物质

有机化学是个逆向推理工作。像主厨一样，先看到一份成品菜，再来研究如何制作。

化学家们也一样。他们先要考虑期望合成物质的最终结构，再想如何才能将它组装好。

目前，德国明斯特大学的研究生Marwin Segler和小伙伴们正尝试用AI简化分子合成的过程——让AI学会从数百个积木般的零件库中挑选原子等，并依据数千个合成规则进行连接它们。

但是，将这些复杂的规则编写成二进制的代码谈何容易，因此Segler团队设计出一个深度神经网络程序，它能通过数百万个例子学习化学反应如何进行，而不是在化学反应的硬性规则下编程。

“你给它提供的数据越多，它就越好，”Segler说。随着时间的推移，神经网络能学会预测合成中的最佳反应步骤，给出自己的线路，让分子从头开始合成。

Segler团队用合成40个不同分子对程序进行测试，并与传统的分子设计程序进行比较，结果证明AI比传统方法快了95%。

Segler希望用这种方法改进药品的生产流程，他也将到一家伦敦制药厂进行下一步研究和探索。

人类创造AI，AI改变世界。

欢迎扫码添加小编，加入人工智能和大数据公众号读者交流群，探讨、分享、交流！交流群每周会邀请行业专家进行在线分享！