00:00 / 00:42
连播
清屏
智能
倍速
点赞3396
00:00 / 06:16
连播
清屏
智能
倍速
点赞58
00:00 / 03:55
连播
清屏
智能
倍速
点赞29
空间智能发展简史#人工智能 #科技创新 早期探索 空间智能的科学研究可追溯至20世纪初。1905年,心理学家开始关注机械能力和操作能力的研究,这被视为空间智能研究的雏形。此后,Gordon提出了“认知功能分布特征”,区分了言语功能和空间功能,指出个体在空间认知上存在显著差异8。这些早期研究为后来的多元智能理论奠定了基础。 理论提出 1983年,霍华德·加德纳在其著作《智能的结构》(Frames of Mind)中正式提出了“空间智能”这一术语,并将其列为人类八种主要智能之一(后扩展为九种)。加德纳认为,智能并非单一的、可量化的IQ,而是多种相对独立的能力组合。他通过分析人类在航海、狩猎、艺术创作等活动中的表现,论证了空间智能作为独立智能形式的存在价值,打破了传统智力测验仅侧重语言和逻辑能力的局限,极大地拓展了人们对人类智能多样性的认识。 技术延伸 进入21世纪,随着深度学习和计算机视觉的发展,空间智能的概念被赋予了新的技术内涵。2018年,AndrewJ.Davies教授提出了“空间人工智能”(SpatialAI)的概念,强调智能设备理解、表征并与其所处三维环境互动的能力。2024年,李飞飞教授在TED演讲及相关文章中进一步推动了“空间智能”的概念,主张AI应具备几何、物理和动态规则一致的“世界模型”,这标志着空间智能从心理学理论正式升格为人工智能领域的核心技术赛道。
00:00 / 02:20
连播
清屏
智能
倍速
点赞9
00:00 / 01:51
连播
清屏
智能
倍速
点赞0
几何概率 几何概率是概率论中一个分支,它将概率问题与几何图形紧密结合,通过几何度量,如长度、面积、体积,来量化随机事件发生的可能性。这种方法的起源可以追溯到18世纪,法国数学家布丰提出的“投针问题”成为几何概率的经典范例:在平行线间距为d的平面上随机投掷长度为()的针,针与任一平行线相交的概率为。这一实验甚至被后人用于估算圆周率π的值,展现了几何概率的巧妙应用。 几何概率的核心思想是将随机事件映射到几何空间中,利用几何图形的度量比来计算概率。其定义可表述为:设Ω是一个可度量的几何区域(如线段、平面图形或立体空间),事件A是Ω的子区域,且A的几何度量(长度、面积等)存在,则事件A发生的概率为: ,例如,在一个边长为1的正方形内随机投点,点落在其内切圆中的概率为圆的面积与正方形面积之比,即。 经典问题解析。会面问题,两人约定在12:00至13:00间随机到达某地,等待15分钟后离开,求两人能相遇的概率。解法:设两人到达时间分别为x和y(单位:分钟),则样本空间为60×60的正方形。相遇条件为,满足条件的区域是正方形内两条直线和之间的带状区域。计算可得概率为。 贝特朗悖论,在单位圆内“随机”取一条弦,其长度超过的概率是多少? 这一问题因“随机”定义不同而产生三种解法: 端点固定法,假设弦的一端固定,另一端在圆周上均匀分布,概率为1/3; 半径均匀法,弦的方向固定,中点在直径上均匀分布,概率为1/2; 中点均匀法,弦的中点在整个圆内均匀分布,概率为1/4。 贝特朗悖论揭示了几何概率中“均匀分布”定义的重要性,需明确随机变量的选取方式,即明确指出样本空间是什么。 古典概率要求样本空间有限且等可能,而几何概率扩展至无限但可度量的连续空间。两者本质统一:当几何概率中的区域被离散化时,可退化为古典概率。在无线网络中,几何概率用于分析基站覆盖范围与用户位置的关联性。计算机图形学,蒙特卡洛光线追踪算法依赖几何概率,通过随机采样模拟光线与物体的交互。生物医学,在显微镜下分析细胞分布时,若细胞位置随机,则某区域内的细胞数量服从泊松分布,其参数可通过几何概率推导。 几何概率的魅力在于其将抽象的数学理论与现实问题无缝衔接的能力。从布丰投针到现代AI算法,它始终是连接数学严谨性与实际应用的重要桥梁。理解其核心思想,不仅能解决经典的“等可能”问题,更能为处理复杂的不确定性提供几何化的思维工具。
00:00 / 02:31
连播
清屏
智能
倍速
点赞5
00:00 / 02:07
连播
清屏
智能
倍速
点赞106
00:00 / 01:32
连播
清屏
智能
倍速
点赞127
00:00 / 00:39
连播
清屏
智能
倍速
点赞206