见知AI巡山报告 – 2022年6月

伴随着奥密克戎的影响现在很多地方都在居家办公那工作中的会议就自然必不可少了。也许大多数人都比较矜持无论是公司内部还是和客户都基本只用语音不开摄像头。其实封在家中许久不见客，如果能打开视频也许更会拉近彼此的距离提高沟通效率，毕竟人类80%的信息来源还是视觉。

这一点上我们应该向年轻人学习了，设想一下一群00后在开视频party时会是个什么样子呢？

怎么样是不是很有元宇宙的感觉啊？既传递了喜怒哀乐，又不需要担心自己邋遢的样子被别人发现。在现在的AI技术下这种东西已经很容易实现了，和大家在各种短视频APP上的美颜滤镜原理一样，只是需要一个工具把它应用在会议软件或者微信聊天的摄像头上。

简单一点说这类算法的功能就是把你的脸识别为一个个特征点，通过特征点的运动来捕捉你的脸部动作。再用这些点的运动来驱动另一个“皮肤”让他和你做同样的表情就可以啦。类似的技术在AI大热之前的许多年前电影界就用的很多，比如阿凡达的小蓝人。只不过那里一般叫做动作捕捉，需要硬件的支持而且成本高出了很多。而AI图像处理技术的出现大大降低了这类特效的门槛使得”旧时王谢堂前燕,飞入寻常百姓家”，以牺牲一点点质量为代价实现了从1到N的飞跃。

想要自行体验的小伙伴们可以自行搜索两款软件Animaze和Snap Camera。在电脑上安装好之后需要先开启，并确定界面上自己的样子已经变了之后再在电脑端的微信或者视频会议软件中选择切换摄像头，并把视频输入修改为对应的软件名称就可以啦。

不知道大家有没有听过“高树上挂了很多人”的段子。如今，喜忧参半的消息来了，MIT、哥大、哈佛和滑铁卢的联合研究团队在2021末完成了一个可以解决大学水平数学问题的模型，并且该模型还可以自动生成同等级的数学问题。

该研究借助 Codex 将数学问题转化为编程任务，自动生成执行程序，然后得出结果。问题包含 MIT数学课程和MATH数据集。(MATH 数据集涵盖代数、计数与概率、数论、微积分等)此外，该研究还探索了一些提示的生成方法，使 Transformer能够更好地定位问题的主题。并且通过量化原始问题和转换后的带提示问题之间的差距，评估生成问题的质量和难度。

数据集部分的问题和模型给出的结果

左侧：原始问题和带提示的重新表述；右侧：结果。

提示为添加上下文、交互、简化描述后形成

该研究使用 Codex 为每门课程生成新的问题。并对参加过这些课程或同等课程的 MIT / 哥大的学生进行调查。学生们被要求阅读每门课程的十个问题(问题集由人工编写的问题和AI生成的问题一同构成)，并在课程相关度、难度、是否为AI生成等维度对问题进行打分。

学生们普遍认为：

1. 机器生成的问题要比人工编写的问题难度高

2. 人工编写的问题要比机器生成的问题更适合课程

3. 人工编写的问题识别度较高，但AI生成的问题有近一半也被当成了人工编写。

测试者对问题的评测

参考文献：