Illustrator教程/AI教程 - 设计教程 - 设计帝国
当前位置： >
Illustrator教程：本栏目共收录文章&1712&篇
巧用Illustrator绘制设计随意弯曲的铅笔效果!设计思路及绘制方法借鉴...
巧用llustrator绘制设计漂亮复古花朵 副标题 副标题 副标题 副标题...
巧用Illustrator绘制设计人物插画海报!设计思路及绘制方法借鉴,以下就让小编为大家讲解：...
巧用Illustrator绘制设计老虎手法...
巧用Illustrator绘制设计复古字体...
巧用llustrator绘制设计可爱小女孩插画 副标题 副标题...
巧用Illustrator绘制设计金鱼环保海报 !设计思路及绘制方法借鉴.下面就让小编为大家讲解： 效果图：...
巧用Illustrator绘制设计甲虫插画! 设计思路及绘制方法借鉴。下面就请大家欣赏小编为大家介绍的具体步骤：...
AI基础教程!教你创建炫酷的赛车】 快快来画一个专属于你的赛车，想要摆脱拖延症的同学 副标题 副标题 副标题...
巧用llustrator绘制设计蜜蜂插画海报效果 副标题...
巧用Illustrator绘制设计典雅红色信封图标!设计思路及绘制方法借鉴。下面请看小编为大家介绍详细步骤： 副标题 副标题 副标题 副标题 副标题 副标题 副标题 副标题...
巧用llustrator绘制设计一些AI的技巧 副标题...
超级酷的3D徽章，快来码住做一个吧! 副标题 副标题 副标题 副标题...
巧用llustrator绘制设计立体感太极球效果 副标题 副标题...
Illustrator基础教程：工具箱 ***就不多说了，最激动人心的时候到啦，(眼睛睁大点)启动软件最先看到的是LOGO，是不是很美，她就是用Illustrator绘制的，是不是很让你很吃惊，这几乎可以和手绘的乱真。 她看不到通常矢量绘图软件的通病过渡色不柔和。这就是Illustrator...
绘制设计百度云标志效果!设计思路及绘制方法借鉴 副标题...
今天为大家分享Illustrator绘制一个扁平布拉格建筑小图标方法 副标题 副标题 副标题 副标题...
Illustrator怎么制作金属文字 在当今的设计中越来越重视文字的设计，一个好的文字设计会让整个设计增色不少。Illustrator作为世界一流的矢量绘图软件，自然可以让我们设计出漂亮的文字。金属光泽的文字在设计中经常使用。下图设计的金属文字漂亮吧?想不想学学怎么做? 首...
绘制设计一只很萌的企鹅!设计思路及绘制方法借鉴 副标题...
巧用Illustrator绘制设计高大上花朵效果螺旋饼图! 副标题...
巧用Illustrator绘制设计创建巧克力文字效果 副标题 副标题...
Illustrator绘制美丽的海底世界教程。 我们用Illustrator来绘制一个美丽海底世界，这个实例可以帮助初学者熟练掌握AI的混合、渐变等工具，希望大家做出更绚丽的海底世界。 效果图 用Illustrator的矩形工具画一个长方形，填充放射渐变蓝色，作为大海背景。 图1 填充放射...
AI是一款很好的矢量图形软件，也是平面设计工作中很重要的一款软件，熟练的使用，会使您的平面设计水平大大提高。颜色渐变是在色彩填充时的一个重要工具，会让你的图像看起来更加生动形象，今天小编就为大家介绍AI给图像填充彩色渐变方法，来看看吧! 步骤 打开软件，新...
AI绘制设计创建矢量摇滚组 副标题 副标题 副标题 副标题 副标题 副标题...
实用性很强的常用Illustrator设计小技巧。挺实用的，让你事半功倍的AI常用小技巧...
Illustrator教程：绘制漂亮的玫瑰花 效果图： 主要使用工具如下：Pen Tool，Gradient Mesh Tool，Blend Tool，Gradient Fill Tool，Transparency，Drop Shadow等。 绘制的蓝本，你可以从现实中写生所得，也可以从照片中获得，总之你的心中必须有一个草稿，你预表现的事...
有时候我们绘制图形或者编辑修改图片时，经常要在某个小部分进行操作，那怎么让那一小部分看得清晰，方便我们编辑修改呢?这个就要用到缩放工具了。 1、我们先举个简单的例子，先把颜色填充设置为任意一种颜色，描边为黑色 2、然后选择矩形工具或者其他的绘图工具，我们...
巧用Illustrator设计酷炫时尚的多边形背景 !设计思路及绘制方法借鉴...
Illustrator基础教程：菜单栏讲解 在菜单栏里包括了File、Edit、Object、Type、Filter、View、Window、Help八个菜单。先让我们看看File(文件)菜单。 在这里和大多数软件一样包含了New(新建)Open(打开)Close(关闭)Save(保存)Save as...(另存为...)Save a copy...(保存一...
巧用Illustrator绘制设计汉堡插画海报效果!...
首页上一页1你离能够拥有一个“强AI”女友还有多久？让专家告诉你
用微信扫描二维码分享至好友和朋友圈
现阶段主要的技术壁垒在于人们对于“结构学习”的认识还不够深刻，尤其是当它与对世界建模和引导行动相关的时候。我只是一个普通的工程师，进行了差不多18年的软件开发，但是我想在我的工作中我发现的一些规律其实可以完美应用在你的问题上。
现有的深度神经网络架构 Robert Stone是一位在认知科学和计算机系统方面已经拥有超过35年经验的研究者。他并没有从技术细节上来解释强人工智能的问题，但给出了一个很有说服力的推论：其实我们的大脑在某种程度上来说就是一个计算能力没有那么强的强AI，所以由于我们的大脑已经存在，所以在机器中制造出类似东西的可行性是一定存在的。他同时认为，其实人类现在对强AI的需求并没有那么迫切，人类和弱AI的协同已经能做的非常出色了。 强AI是能够做到的，但是非常非常难，智能的产生是一个很复杂的过程，包含了很多细小的事件，其中的一些是非常复杂而且在工程学上难以实现的。建造这样的一个东西不是一件简单的事。 但是强AI事实上已经在自然中演化出来了，我们最终肯定也是能在机器上实现它的。需要注意的是人类并不是严格意义上的思维机器&&我们会犯错，而且经常犯错&&但是在目前这些尚不完美的机器的帮助下，我们就能做得很好了。这意味着如果我们只是想要把什么事做好、让什么东西充分发挥它的作用的话，我们完全不需要去制造一台完美的AI。我们只需要让这个系统进行各种尝试，让它能够自我提升，并且在犯下错误或者做的不够好的时候能自己意识到这一点。做到这一点在理论上就变得可行多了，只是在实现上仍要费一番功夫而已。我还注意到人类正在面临一个不确定、不精确、没有任何事情能被准确预言的宇宙（量子力学认为，未被观察者观察到的物体状态永远不会确定，而是以各种可能的叠加态而存在着），但是从某种程度上来说，我们就是强AI。所以要我说的话，强AI是有可能实现的，如果不能的话，人类就不会是现在这个样子了。我们估计还在树上荡来荡去。
深度神经网络的神经元模型 但也有相对冷静，或者说悲观的理论：一位从事了十余年软件开发的软件工程师Orange Monkeybat认为强AI即使能够实现，也离我们还很远，因为在人们对一件事物并不了解的时候总是会低估实现它的难度。 我只是一个普通的工程师，进行了差不多18年的软件开发，但是我想在我的工作中我发现的一些规律其实可以完美应用在你的问题上。首先是一些关于技术和技术开发人员的公理： （1）当一个问题涉及到大家知之甚少的技术挑战的时候，人们对能解决它的时间的估计往往会比实际需要的时间少。而且，做出这个估计花费的时间越久，往往这个估计的数值也就错得越离谱。（在几个典型的例子里，人们在难题解决时间的估计上甚至少了几个数量级） （2）工程师、程序员、科学家们和其他的技术研究者们聚集在一起的时候永远会对自己团队的能力过于乐观。（原因多种多样，但总的来说大家都会认为自己是一个非常有智慧的&&这个判断常常会偏高&&团队） （3）因为（2）中描述的原因，很多技术工作者会把一些难题看成是很简单的事，直到他们需要着手解决它，甚至直到他们已经在解决它的努力上付出了很多之后，才会意识到自己的问题。 由于这些公理的存在和大多数人，尤其是那些经常会陷入各种各样的&确认误差&的聪明人的表现，我觉得暂时不应该相信那些铺天盖地的关于AI的宣传。 强AI是可能的。我们就在思考，并且有自我的意识，所以我相信我们是能创造出来这种东西的。但是我也相信P/NP问题（克雷数学研究所七个千禧年大奖难题之一，至今未被解决）是可以被解决的。我的意思是，不管是P=NP还是P！=NP，没理由我们永远没法找到问题的***，我们只是暂时还没找到罢了。 我的假设是跟解决强AI问题相比，我们解决P/NP问题的时间会早得多，为什么我会这么说呢？因为至少在P/NP问题中我们还能清楚的知道我们知道和不知道的条件有哪些，而我们对AI的认识则要混沌得多。除非我们有一天对AI的认识也像今天对P/NP问题的认识那样清晰了，不然只会证明我们在这个问题上根本没有进步多少。 我们现在实际上还并不是很了解&学习&的含义。我们知道深度神经网络在一定程度上具备了&学习&的能力，但我们其实对体现在哺乳动物上的学习能力几乎一无所知。而就是因为对于强AI我们现在连&我们不知道什么&都不知道，很多人才会认为我们已经同强AI相当接近了。但是我们如果弄清楚了有多少事是我们以为知道其实根本不了解的，我们的估计就会靠谱很多。比如P/NP问题，我们研究的越多，越觉得我们离解决这个问题遥遥无期。同样的事也有可能在强AI身上上演。 别误会了，我是强人工智能的坚定支持者。但当你们正视我们真正了解的知识的时候你就会明白，我们离强人工智能（或者说奇点的到来）仍然很远。我觉得，就算考虑到技术指数级的增长。人类的大脑是自然界最神奇的成果之一了。或许我们真的需要等到能对大脑进行彻底的逆向工程的那天才会拥有建造强AI的条件了，至少像工程师Monkeybat说的那样，我们得先知道我们不知道什么东西。
[责任编辑：叶绍明]
用微信扫描二维码分享至好友和朋友圈