欢迎阅读“Call for Code 技术”迷你系列的第二篇文章,我将在此明确并讨论 Call for Code 中的六个核心技术重点领域之一。您将了解该项技术,知道如何在 IBM Cloud™ 中充分利用该技术,以及在哪里能找到最佳资源来激发创新。如果您错过了我的第一篇有关借助 IoT 和 Node-RED 构建 Call for Code 应用的文章,可以在此处找到此文。

当务之急是,如果您尚未接受 Call for Code 挑战赛并加入我们的社区,请赶快采取行动。

在本系列的第 2 部分中,我将讨论人工智能 (AI) 以及 IBM Watson™ 服务能为您提供哪些帮助。我将向您展示 IBM Watson AI 服务套件的强大功能!

AI 释义

AI 有多种不同的定义方式,这取决于您的观察角度。有些人认为 AI 就是您手机上的虚拟助手,比如 Siri,而另一些人则认为 AI 是一台无所不能的超级计算机,包括可用来掌控整个世界!而实际上,AI 目前正介于这两者之间。

若要更深入地了解 AI 的发展和复杂性,请阅读以下文章:AI 语言,其中讨论了 AI 的起源及其发展历程。

可以用下面的这种方式更深入地思考 AI:一台计算机在模拟真人完成任务时有多接近真人?具体任务可以是分析图像、理解文档、解密语音输入并对其执行操作等等。在 AI 方面,IBM Watson 无疑是出类拔萃的。让我们更多地讨论一下 Watson 的技术能力,并向您展示如何着手使用。

IBM Watson 的强大功能

要了解 IBM Watson 的功能有多全面和强大,可查看完整的 Watson 产品和服务。正如您所看到的,Watson 的 AI 能力非常全面!它可以通过使用 Natural Language Understanding 服务来理解和处理复杂的非结构化数据,并具有提取实体、关系、关键字等功能。希望超越基本的聊天机器人,实现一个真正的虚拟助手?了解一下 Watson Assistant,它预先使用行业相关内容进行了训练,知道何时要搜索知识库,何时要求用户予以说明,或何时将您转接到人工客服。如果您想让 Watson Assistant 更进一步,更深入地了解另一端的用户及其感受,该怎么办呢?Tone Analyzer 就可以满足您的要求!它可以理解声调和情感,预测用户的状态和情绪。

所有这些服务都可以进行融入到适合 Call for Code 竞赛的解决方案中。我想强调的另一项服务是 Watson Visual Recognition。在 Call for Code 2018 全球竞赛中,PD3R 着重展示了 Watson 的这项服务。他们使用 Watson Visual Recognition Engine 在 Watson Studio 中训练自己的分类器,进而构建了一个自定义视觉识别模型。他们还使用 IBM Watson API 来评估建筑物的结构损坏程度,确定房屋是否可以改造,而不是完全重建。

Watson 功能丰富,以上只是其中的几个例子。在数据科学和机器学习领域,Watson 的功能甚至更加广泛,在未来几周,我们将更深入地讨论这个话题。

深入了解 Watson Studio 中提供的 Watson Visual Recognition 工具

观看视频

开始在 Call for Code 中使用 AI

如果您还没有 IBM Cloud 帐户,第一步是进行注册,两分钟内即可完成。只需确保使用有效的电子邮件地址,因为在创建任何服务之前,都必须先确认您的电子邮件地址。

如果您真的想在 Call for Code 2019 全球挑战赛中惊艳全场,可注意我将为您提供的两个奇妙的资源,这些资源展示了 Watson AI 的强大功能和易用性。我甚至还会提供一个思路,您可以在此基础上展开。

自然灾害过后,人们常常会感到绝望,面临很多问题,一般只需要帮助。如果能建立一个集成了虚拟助手的移动应用,帮助人们获取所需的资源,岂不是很棒?幸运的是,这样的个性化解决方案已经存在,只需稍作调整,便可将更美妙的想法变成现实。

上周,我们讨论了大量可供选择的 IBM Code Pattern,介绍了这些完整的解决方案如何成为您的 Call for Code 提交方案的出色起点。具体内容可查看 AI Code Pattern 的专门章节。同时也可查看 IBM 员工 Steve Martinelli 编写的这个 Code Pattern,它创建了一个集成了 Watson Assistant 的 iOS 应用。由于基础工作已经全然就绪,这将是一个非常不错的着手点。

您可以将该 Code Pattern 与 IBM 员工 Muralidhar Chavan 编写的另一个 Code Pattern 结合使用,后者利用一个“接口机器人”来处理用户交互、解释输入,并将查询发送给具备该查询相关领域知识的专门 AI。接口机器人本质上是一个代理,每次用户与它交互时,它都会联系到正确的 AI。

通过结合运用 Watson AI 的这两种用途,在自然灾害发生后,便可在人类力所不及的情况下真正帮助人们获得所需的帮助。根据这一思路进行开发,您便有可能成为 Call for Code 2019 全球挑战赛的大赢家!

到此,我们学习了 AI,了解了 IBM Watson 服务的功能有多全面和强大,知道了 Call for Code 2018 全球挑战赛亚军 PD3R 如何使用 Watson Visual Recognition 帮助人们进行灾后重建,以及两个优秀的 Code Pattern 如何助力您构建自己的 Call for Code 2019 提交方案。

如果您错过了“Call for Code 技术”迷你系列其他文章,请一定要阅读:

也欢迎大家持续关注我在 GitHub 中的工作成果。

>>更多“借助 AI 构建 Call for Code 应用”的技术资源

其他资源:

本文翻译自:Building Call for Code apps with AI(2019-04-12)

加入讨论