人脑给AI打工?给保安带上脑机接口,眼睛识别违禁品,0.3秒自动标记结果
对于一个科技周边开发者来说,牢固扎实的基础是十分重要的,golang学习网就来带大家一点点的掌握基础知识点。今天本篇文章带大家了解《人脑给AI打工?给保安带上脑机接口,眼睛识别违禁品,0.3秒自动标记结果》,主要介绍了,希望对大家的知识积累有所帮助,快点收藏起来吧,否则需要时就找不到了!
假如你是一名地铁安检,你的眼前以每秒三次的频率闪现这样的图像,你能发现其中一个行李里面携带了枪支吗?

不是很难,对吧?
不过,现实中的工作不是这么简单,一眼看到还不够,后续还要进行一些操作,比如按下暂停按钮或者人工上报,这些往往更耽误时间。
这时候你可能会想,能不能用AI呢?
的确,AI识别危险物品现在也能做到又快又准,不过,哪怕是最先进的AI,准确率也不能达到100%,对于一些不是很重要的任务,AI或许可以独立完成,但是对于安检这样的重要任务,往往只能依靠人工检测。
人脑本身处理图像的速度就非常快,稍加培训的安检员,0.3秒内就能做出判断,真正耽误时间的反而是判断之后的操作。
既然这样,那么把这部分工作交给AI怎么样?
比如,把安检员的大脑作为一台机器,用脑机设备识别大脑信号,当安检员看到危险物品时,脑机设备识别到信号,迅速将图像自动标记出来。
这种非典型的AI,似乎是更实用的AI。
利用大脑信号提升工作效率,走神也没关系
在 Herzliya 的一间办公室里, Sergey Vaisman坐在一台电脑前。他很放松,但是注意力集中,沉默,一动不动,完全没有被他戴的脑机设备分散注意力。在计算机屏幕上,图像迅速出现和消失,一个接一个。
一些图像刚刚被Vaisman的大脑标记出来,其中大部分现在被发现有隐藏的枪支,这一过程没有任何停顿,所有的标记都是脑机设备自动标注的,这极大地提升了工作的效率。
Vaisman 是 InnerEye 研发部门的副总裁,InnerEye是一家以色列新成立的公司,跟传统的AI公司专注于用AI取代大脑不一样,这家公司反其道而行之,他们不取代大脑,而是“理解”大脑。
InnerEye将脑电信号识别为“目标”和“非目标”,这些目标可以是任何训练有素的人类大脑能够识别的东西,除了开发安全筛选,还包括检测医学图像中的肿瘤,识别病害植物,发现产品缺陷等等。
对于一些简单的案例,InnerEye发现我们的大脑可以以每秒10幅图像的速度处理图像识别。而且,维斯曼说,该公司的系统产生的结果与人类手动识别和标记图像时一样精确,InnerEye只是利用脑电图作为进入人脑的捷径,以大大加快工作效率。

虽然InnerEye技术不需要主动决策,但它确实需要训练和专注,使用者必须是这项任务的专家,在识别特定类型的目标方面受过良好的训练,无论是枪支还是肿瘤。
他们还必须密切关注他们所看到的东西ーー他们不能走神,不过走神了也没关系,InnerEye的系统能够非常精确地测量对焦,如果用户眨眼或者暂时停止集中注意力,系统就会检测到它,并再次显示错过的图像。
不跟人类抢工作,发挥人类的优势
人们总是担心AI的发展会逐渐取代人类,造成人类员工的失业,但是InnerEye探索了一条不一样的路。
人类的大脑对于分类数据跟AI相比有着非常明显的优势,因为人类大脑会总结归纳,形成新的知识。
例如,一个训练有素的AI图像分类器可能能够以合理的准确度判断一个手提箱的X光图像是否显示一把枪,但是如果你想要判断这个X光图像是否显示其他可疑的东西,你需要人类的经验,人类能力发现一些不寻常的东西,哪怕他们并不完全知道它是什么。
“我们可以在脑电波中看到这种不确定性,”InnerEye 创始人兼首席技术官AmirGeva表示。“我们知道他们什么时候不确定。”人类有一种独特的能力,识别和情境化的新奇,这是一个实质性的优势。
AmirGeva认为,我们“有必要将人类专业知识与人工智能结合起来。”
这种结合提高了人们的工作效率,也让工作变得更轻松。
在安全筛选中,每秒三张图片的速度大约比专家手动完成的数量级快一倍,使用该系统可以让少得多的人处理多得多的数据,InnerEye目前正在与世界各地的一些机场合作进行试点项目。
好了,本文到此结束,带大家了解了《人脑给AI打工?给保安带上脑机接口,眼睛识别违禁品,0.3秒自动标记结果》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多科技周边知识!
ChatGPT登上Time封面!这场竞赛,OpenAI赌赢了
- 上一篇
- ChatGPT登上Time封面!这场竞赛,OpenAI赌赢了
- 下一篇
- 十年台式机,单核1小时破解后量子加密算法,密码学家:太突然了
-
- 科技周边 · 人工智能 | 12小时前 |
- Tokenizer padding_side 影响批量生成的对齐
- 206浏览 收藏
-
- 科技周边 · 人工智能 | 14小时前 | python · 人工智能 · 数据迭代 Hugging Face Datasets streaming IterableDataset 大语料
- Datasets streaming 读取大语料的迭代方式
- 337浏览 收藏
-
- 科技周边 · 人工智能 | 17小时前 | python · Transformers generate 停止条件 批量输出
- Transformers generate 的停止条件与批量输出
- 133浏览 收藏
-
- 科技周边 · 人工智能 | 19小时前 | 人工智能 · LoRa 显存优化 bitsandbytes QLoRA 4-bit量化
- bitsandbytes 量化模型配合 LoRA 训练的显存边界
- 249浏览 收藏
-
- 科技周边 · 人工智能 | 21小时前 | 人工智能 · LoRa PEFT load_adapter set_adapter 适配器切换
- PEFT LoRA 适配器按任务切换的加载方案
- 268浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 | 人工智能 · LoRa PEFT merge_and_unload 适配器合并
- PEFT 适配器合并后为什么输出会变化
- 221浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Tokenizer 左填充和右填充应该怎么选
- 399浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Safetensors 为什么支持按需读取权重切片
- 258浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- MLflow Model Alias 怎么替代固定版本号部署
- 360浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 索引优化 · 向量数据库 · 向量检索 FAISS Index Factory IVF PQ
- FAISS Index Factory 字符串怎么组合索引结构
- 100浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- 知识库切片重叠率怎么影响检索结果
- 268浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 263次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 312次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 291次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 268次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 83次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览
