看了GPT-4官方的演示，涵盖了方方面面，不禁让人感慨，通用人工智能（AGI，Artificial general intelligence）真的要来了？
以往主流人工智能的研究方向专注于某一领域（例如计算机视觉，语音输入等），而通用人工智能（AGI）则是人工智能的大一统。
GPT-4能看出图里不合常理的地方，能知道男子在熨衣服
例如上图GPT-4能“看到” 行驶的出租车，“看到”男子用熨斗在熨衣服，这属于计算机视觉研究的范畴。
《三体》剧照，物理学不存在了
AI细分领域不存在了？？
（本文纯属虚构，如有雷同，说明AGI时代已经到来了）
小李是某公司资深开发人员，项目主管，精通Python，OpenCV人脸识别技术，在公司做过多个项目。
一天，老板来了任务。
3天时间做一个口罩识别系统并上线，对于小李来说不是什么大问题，因为小李的团队一直从事计算机视觉这方面的项目，轻车熟路。
接下任务后，小李马上就开始安排工作了，安排组员小王去整理收集图片；安排组员小张去部署环境，采购主机显示摄像头音响等，部署一台测试环境，一台生产环境；安排组员小黄写客户文档；而自己开始着手OpenCV模型训练和识别的相关代码。
一会海量包含人物图片的就绪，小李先用OpenCV自带的分类器进行简单分类。
海量图片
用opencv分类器进行预处理
经过OpenCV分类器分类后得到的是人脸的灰度图片，大概有几万张。这些图片需要进行分拣，分拣出戴口罩和不戴口罩的脸，去掉其他不包含脸的图片，这样训练出来的模型才能更准确。小李和组员一起花了一天时间选出了戴口罩的图和不戴口罩的图，分别存放到了POS（正样本）和NEG（负样本）目录，并把其他干扰的图片去掉了。
经过初步分类的图片几个G，里面还有识别错误的图，需要手动分开，不然会影响模型训练
区分这个工作很费时，处理下来全组人员各个腰酸背疼，老板还很贴心的给每人发了一瓶日本进口的眼药水，说是能缓解眼疲劳。
剩下来的工作就简单了，小李处理了正样本（戴口罩的脸）和负样本（不带口罩的脸），批量处理了图片大小，文件名等，得到了模型训练所需的样本。
正样本
负样本
一切就绪，小李运行opencv_traincascade训练这两个文件夹的图片。
opencv是处理计算机视觉的开源库
大约过了几十分钟，得到了分类器文件cascade.xml，到这里工作就完成了一大半了。接着编写测试代码，加载分类器文件，通过摄像头获取人像，都很简单，不一会儿测试系统跑通。
测试代码
第二天和第三天，小李拿出祖传代码，这些代码包含用户界面功能，语音报警等，一阵复制粘贴，继承复用。
项目如期交付，运行完美，团队获得市防疫指挥中心表彰，每人都获得了奖金。
。。。。。。
后来老板又有个眼镜店识别戴没戴眼镜顾客的项目，如法炮制，完美交付。直到有一天。。。
AGI到来，AI细分领域不存在了？
小李和小李的组员一起失业了。。。
然而这还没完，一天，小李刷到老板朋友圈
看完后，小李感慨良多，反手给老板点了个赞。
版权声明：内容来源于互联网和用户投稿 如有侵权请联系删除