本文目录
- 微软会因为新冠疫情取消Build大会吗
- 人工智能泡沫正在体现人工智能行业发展困境
- 三大浏览器开发商互赠蛋糕的历史有多久
- 为什么有人说很少有人能在绝对静音无声的密室里撑过1小时
- 微软的人工智能服务如何帮助濒危物种
微软会因为新冠疫情取消Build大会吗
如果你一直关注近期的新闻，那么当你听到微软宣布因新冠疫情决定取消Build 2020开发者大会的消息一定不会感到惊讶。上个月，MWC宣布取消，之后GDC宣布延期。
然而微软一直对Build 2020是否举行仍保持沉默，毕竟距离这场活动还有两个多月的时间，所以自然这家雷德蒙德公司希望那个时候情况会有所改善。然而它至少发出了一个活动可能会被取消、推迟或其他调整的讯号。
然而，它至少发出了一个警告，节目可能会被取消、推迟或其他什么。以下则是其发布的一份相关声明：
鉴于新型冠状病毒(COVID-19)引起的全球健康问题，微软正在监测跟个人事件相关的公共卫生指南。眼下，全球卫生当局还没有发布指导避免前往这个地方。 我们正在仔细查看我们的活动日历以及我们将在未来几个月举行的行业活动。我们不会轻率地做出决定，但我们的员工、合作伙伴、客户和其他客人的健康和福祉仍是我们的最终优先事项。
我们将继续根据形势的发展展开监测和作出任何必要的改变。
当然，这并没有提供比以前更多的信息，但微软至少发布了一个警告，而不是在最后一刻才突然告诉与会者进而使他们到时候变得手忙脚乱，不得不承担不可退款的出行费用。
人工智能泡沫正在体现人工智能行业发展困境
据中研产业研究院发布的《2019-2025年中国人工智能行业发展分析与投资战略研究报告》统计数据显示
国际人工智能行业发展分析及经验借鉴
第一节 全球人工智能市场总体情况分析
一、全球人工智能行业的发展特点
“人工智能”涵盖了很多前沿技术和分支，却很难用一句话来定义，因为它一直处在发展当中。比如，一些在过去看来很“人工智能”的事情，现在却变成了简单的“机械重复”，像是数字的高速计算、图像的处理等。但总体上来看，“人工智能”的本质和目的一直没有发生太多变化，那就是“完成人类的部分脑力工作”。
20世纪60年代开始，就有许多科幻电影和科幻小说描述着人类对“人工智能”的憧憬和恐惧，比如斯皮尔伯格的知名影片《人工智能》。不过在现实中，长久以来，受到技术、科技发展和应用层面的限制，人工智能只是一件人人都在说，都以为别人在做，但事实上却没多少人知道该怎么做的事——无论在学术研究层面还是在应用层面都是如此。
人工智能曾经在20世纪90年代互联网泡沫破裂前风靡一时，到了21世纪伊始却变成了一个禁忌，大家开始怀疑它是否存在。而到了2011年，美国资本市场再度为人工智能而疯狂。风险投资机构和顶级科技公司们开始频繁投资这个领域的创业公司，投资范围从应用层面的机器人、增强现实，到底层技术层面的深度学习算法、神经网络芯片等，人工智能项目也遍地开花。比如，Google接连投资了虚拟现实创业公司Magic Leap，收购了人工智能公司DeepMind;Facebook收购语音识别公司Wit.ai，等等。
除了投资外部团队之外，像IBM、Google、Facebook和百度等国内外科技巨头们也纷纷加强自己的人工智能方面的专业团队，招募了一批人工智能尤其是深度学习相关领域的科学家，如深度学习鼻祖之一Geoffrey Hinton加入了Google，Yann LeCun加入了Facebook担任人工智能实验室负责人，Andrew Ng(吴恩达)加入百度负责深度学习研究院等。
从人工智能的整个发展历程来看，按照应用场景和人工智能资源的集中度，可以大致分成三个阶段。
第一阶段：实验室研究阶段，这一阶段的人工智能资源高度集中。人工智能在2011年前的发展大致还处于实证研究阶段，资源高度集中在国家或大学资助的研究机构中，用于算法模型的训练和研究，人工智能还只能为极少数人接触到。这一阶段大量的工作除了在算法模型本身的研究外，还包括建立计算能力本身。
第二阶段：企业应用阶段，这一阶段的人工智能资源被少部分科技巨头掌握。在人工智能表现出一定的实际应用价值后，科技巨头们一拥而上，纷纷希望在这个领域取得突破。在少部分核心企业掌握了大规模的人工智能资源以后，其它小规模的企业一般会利用这些核心企业提供的人工智能资源接口和其支持的人工智能应用为自身的发展提供服务。由于掌握大规模的计算资源是这一模式的前提，因此这一阶段人工智能资源的集中度仍然非常高，而这将是人工智能在企业场景下的主要应用形式，即集中计算，分布使用。
第三步：个人应用阶段，这一阶段的人工智能资源被分散到个人手中。显然，依赖于云端大规模计算资源的人工智能算法限制着人工智能在消费者场景的应用，因为集中式计算意味着巨量的网络资源消耗，并且因为网络问题，难以在消费者应用场景中有稳定的表现。因此，人工智能的本地化，也就是从集中走向分布(细化到智能手机、可穿戴设备等)实现将是人工智能在消费者场景中得到普及的关键一步。伴随着人工智能的本地化实现，将使得人工智能真正延展到手持设备、家用电器、汽车等消费级应用。
图表：人工智能发展阶段
数据来源：中研普华产业研究院
二、全球人工智能市场结构
全球人工智能企业分布极不平衡，主要集中于美国、欧洲及中国等少数国家地区。排名前三的美国旧金山/湾区、纽约及中国北京，企业数量分别占全球的16.9%，4.8%与4.0%。在增速方面，整体上一直保持增长势头，直至2015年出现小幅度回落。欧洲的人工智能企业多集中于本国家的首都。在欧洲各城市中，英国伦敦的企业数量最多，为第二位巴黎的3.1倍，占全球总数的3.69%。日本与韩国的企业数量明显不及中国，日本东京仅与杭州相当，韩国首尔仅与成都相当。东亚地区排名前三的城市，北上深三城占全球总数的7.4%。虽然还远不及美国，但在全球中的重要性将日益明显。
三、全球人工智能行业发展分析
“人工智能”涵盖了很多前沿技术和分支，却很难用一句话来定义，因为它一直处在发展当中。比如，一些在过去看来很“人工智能”的事情，现在却变成了简单的“机械重复”，像是数字的高速计算、图像的处理等。但总体上来看，“人工智能”的本质和目的一直没有发生太多变化，那就是“完成人类的部分脑力工作”。
20世纪60年代开始，就有许多科幻电影和科幻小说描述着人类对“人工智能”的憧憬和恐惧，比如斯皮尔伯格的知名影片《人工智能》。不过在现实中，长久以来，受到技术、科技发展和应用层面的限制，人工智能只是一件人人都在说，都以为别人在做，但事实上却没多少人知道该怎么做的事——无论在学术研究层面还是在应用层面都是如此。
人工智能曾经在20世纪90年代互联网泡沫破裂前风靡一时，到了21世纪伊始却变成了一个禁忌，大家开始怀疑它是否存在。而到了2011年，美国资本市场再度为人工智能而疯狂。风险投资机构和顶级科技公司们开始频繁投资这个领域的创业公司，投资范围从应用层面的机器人、增强现实，到底层技术层面的深度学习算法、神经网络芯片等，人工智能项目也遍地开花。比如，Google接连投资了虚拟现实创业公司Magic Leap，收购了人工智能公司DeepMind;Face book收购语音识别公司Wit.ai等。除了投资外部团队之外，像IBM、Google、Face book和百度等国内外科技巨头们也纷纷加强自己的人工智能方面的专业团队，招募了一批人工智能尤其是深度学习相关领域的科学家，如深度学习鼻祖之一Geoffrey Hinton加入了Google，YannLeCun加入了Face book担任人工智能实验室负责人，Andrew Ng(吴恩达)加入百度负责深度学习研究院等。
图表：人工智能发展阶段
数据来源：中研普华产业研究院
从人工智能的整个发展历程来看，按照应用场景和人工智能资源的集中度，可以大致分成三个阶段。
第一阶段：实验室研究阶段，这一阶段的人工智能资源高度集中。人工智能在2011年前的发展大致还处于实证研究阶段，资源高度集中在国家或大学资助的研究机构中，用于算法模型的训练和研究，人工智能还只能为极少数人接触到。这一阶段大量的工作除了在算法模型本身的研究外，还包括建立计算能力本身。
第二阶段：企业应用阶段，这一阶段的人工智能资源被少部分科技巨头掌握。在人工智能表现出一定的实际应用价值后，科技巨头们一拥而上，纷纷希望在这个领域取得突破。在少部分核心企业掌握了大规模的人工智能资源以后，其它小规模的企业一般会利用这些核心企业提供的人工智能资源接口和其支持的人工智能应用为自身的发展提供服务。由于掌握大规模的计算资源是这一模式的前提，因此这一阶段人工智能资源的集中度仍然非常高，而这将是人工智能在企业场景下的主要应用形式，即集中计算，分布使用。
第三步：个人应用阶段，这一阶段的人工智能资源被分散到个人手中。显然，依赖于云端大规模计算资源的人工智能算法限制着人工智能在消费者场景的应用，因为集中式计算意味着巨量的网络资源消耗，并且因为网络问题，难以在消费者应用场景中有稳定的表现。因此，人工智能的本地化，也就是从集中走向分布(细化到智能手机、可穿戴设备等)实现将是人工智能在消费者场景中得到普及的关键一步。伴随着人工智能的本地化实现，将使得人工智能真正延展到手持设备、家用电器、汽车等消费级应用。
当前人工智能的浪潮已席卷了全球，人工智能领域的公司也在不断激增。根据Venture Scanner的统计，截至到2016年初，全球共有957家人工智能公司，美国以499家位列第一。覆盖了深度学习/机器学习(通用)、深度学习/机器学习(应用)、自然语言处理(通用)、自然语言处理(语音识别)、计算机视觉/图像识别(通用)、计算机视觉/图像识别(应用)、手势控制、虚拟私人助手、智能机器人、推荐引擎和协助过滤算法、情境感知计算、语音翻译、视频内容自动识别13个细分行业。
四、全球人工智能行业竞争格局
各国政府高度重视人工智能相关产业的发展。自人工智能诞生至今，各国都纷纷加大对人工智能的科研投入，其中美国政府主要通过公共投资的方式引导人工智能产业的发展，2013财年美国政府将22亿美元的国家预算投入到了先进制造业，投入方向之一便是“国家机器人计划”。在技术方向上，美国将机器人技术列为警惕技术，主攻军用机器人技术，欧洲主攻服务和医疗机器人技术，日本主攻仿人和娱乐机器人。
现阶段的技术突破的重点一是云机器人技术，二是人脑仿生计算技术。美国、日本、巴西等国家均将云机器人作为机器人技术的未来研究方向之一。伴随着宽带网络设施的普及，云计算、大数据等技术的不断发展，未来机器人技术成本的进一步降低和机器人量产化目标实现，机器人通过网络获得数据或者进行处理将成为可能。目前国外相关研究的方向包括：建立开放系统机器人架构(包括通用的硬件与软件平台)、网络互联机器人系统平台、机器人网络平台的算法和图像处理系统开发、云机器人相关网络基础设施的研究等。
由于深度学习的成功，学术界进一步沿着连接主义的路线提升计算机对人脑的模拟程度。人脑仿生计算技术的发展，将使电脑可以模仿人类大脑的运算并能够实现学习和记忆，同时可以触类旁通并实现对知识的创造，这种具有创新能力的设计将会让电脑拥有自我学习和创造的能力，与人类大脑的功能几无二致。在2013年年初的国情咨文中，美国总统奥巴马特别提到为人脑绘图的计划，宣布投入30亿美元在10年内绘制出“人类大脑图谱”，以了解人脑的运行机理。欧盟委员会也在2013年年初宣布，石墨烯和人脑工程两大科技入选“未来新兴旗舰技术项目”，并为此设立专项研发计划，每项计划将在未来10年内分别获得10亿欧元的经费。美国IBM公司正在研究一种新型的仿生芯片，利用这些芯片，人类可以实现电脑模仿人脑的运算过程，预计最快到2019年可完全模拟出人类大脑。
高科技企业普遍将人工智能视为下一代产业革命和互联网革命的技术引爆点进行投资，加快产业化进程。谷歌在2013年完成了8 家机器人相关企业的收购，在机器学习方面也大肆搜罗企业和人才，收购了Deep Mind和计算机视觉领军企业Andrew Zisserman，又聘请DARPA原负责人 Regina Dugan负责颠覆性创新项目的研究，并安排构建Google基础算法和开发平台的著名计算机科学家Jeff Dean转战深度学习领域。苹果2014 年在自动化上的资本支出预算高达110 亿美元。苹果手机中采用的Siri智能助理脱胎于美国先进研究项目局(DARPA)投资1.5亿美元，历时5年的CALO( Cognitive Assistant that Learns and Organizes)项目，是美国首个得到大规模产业化应用的人工智能项目。Amazon计划在2015年能够使用自己的机器人飞行器进行快递服务。韩国和日本的各家公司也纷纷把机器人技术移植到制造业新领域并尝试进入服务业。
五、全球人工智能市场区域分布
图表：2018年全球人工智能企业数量前五名
数据来源：中研普华产业研究院
2018年，全球人工智能初创企业共计2617家。美国占据1078家居首，中国以592家企业排名第二，其后分别是英国，以色列，加拿大等国家。
全球人工智能企业融资规模的分布，与人工智能企业分布相同。美中英三国融资规模为全球最大，但三者间的规模目前仍存在较大差距。
图表：2018年全球人工智能企业融资规模分布
数据来源：中研普华产业研究院
截止至目前，美国达到978亿元，在融资金额上领先中国54.01%，占据全球总融资50.10%;中国仅次于美国，635亿，占据全球33.18%;其他国家合计占15.73%。
中国的1亿美元级大型投资热度高于美国，共有22笔，总计353.5亿元。美国超过1亿美元的融资一共11笔，总计417.3亿，超过中国63.8亿。
六、国际重点人工智能企业运营分析
1、微软公司
(1)企业发展概况
微软，是一家美国跨国科技公司，也是世界PC(Personal Computer，个人计算机)软件开发的先导，由比尔·盖茨与保罗·艾伦创办于1975年，公司总部设立在华盛顿州的雷德蒙德(Redmond，邻近西雅图)。以研发、制造、授权和提供广泛的电脑软件服务业务为主。
最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office系列软件，目前是全球最大的电脑软件提供商。
(3)微软AI研究新进展
微软在人工智能方面有着很深的积淀，比如微软研究院在语音识别、自然语言和计算机视觉、机器学习方面已经有很多成果，在这些研究的基础上微软先后推出了Skype即时翻译、小冰和小娜(Cortana)这样的AI产品。
而新成立的部门必将深化这种产研的结合。微软称，整合后的新部门将包括AI产品设计、基础与应用研究实验室，以及新体验与技术(NExT)这几部分。
而为了实现AI普及的目标，微软列出了4大重点关注领域：
代理。利用AI通过Cortana这样的代理从根本上改变人机交互方式。
应用。将智能注入从相机app到Skype、Office365等的一切应用。
服务。把注入到微软应用的相同能力(如视觉、声音等认知能力，机器分析能力)开放给全球的应用开发者。
基础设施。微软称要利用Azure开发出全球最强大的AI超级计算机并开放给每个人，让个人和组织都能利用它的能力(这让人想到IBM的Watson)
从中可以看出，微软已经把AI当作一种基础能力，希望从端到端渗透到各个领域。
(4)微软加快布局人工智能
现在，小娜(Cortana)收到的指令和问题已经超过120亿条，拥有1.33亿活跃用户。小娜可以在多设备上运行。她根据你的日常生活和工作养成的技巧，已经形成了一个高效的生态系统。通常在你意识到自己有需要之前，她就能做好准备。为了让开发人员都能够使用认知能力，微软还提供了CortanaIntelligenceSuite。
微软的MicrosoftPix应用是一个图片工具，它能感知，帮助你选择合适的图像。
MileIQ是一个位置提醒APP，它的智能在于帮助你量化和分类旅行。SwiftKey是一个智能键盘，使用神经网络，根据你的输入方式进行训练，能为你想要输入的下一个词建模，即使这样一个简单的任务，也会变得更加智能。它不受平台的限制。SwiftKey现在已经被30亿安卓和IOS设备使用。在Office365中，MyAnalytics会追踪你每天的工作，通过图表展示你每天的时间分配。
客户关系管理(CRM)，CRM系统一般都是孤立的，用具体的术语为客户行动建模，为管理而建，而不是销售生产率。假如销售员能够根据客户的CRM系统之外的信息行动，比如来自Twitter，Facebook，客户服务应用程序等的信息，那会怎么样呢?微软在每天交互的应用中注入智能wait，可以让销售员以一种综合的方式采取行动，使用丰富的数据模型，这些模型能在所有的地方加入智能。
微软的平台BotFramework，允许在新的应用程序中建立智能的工具包——从Build大会以来，已经有40000开发人员使用它——包括像Uber这样的品牌，在认知服务中使用人脸识别APIs来改善他们的移动应用程序，以确保乘客安全。
AI服务需要各种类型的技术。为了实现这个目标，微软们已经往我们的云中投入大量FPGA(现场可编程门阵列)，它能直接与网络对话。在云中加入FPGA达到前所未有的网络性能，提高了所有工作负载的吞吐量，包括运行如SAP这种关键任务程序。
此外，微软还有一个全球性的、超大规模的云基础框架，在云中增加了GPU，以提供更高性能的云接入，使一些从前根本不可能的方案得以实现。微软的Azure现在是世界上第一台AI超级计算机。
最后，还有研究AI的平台。微软支持所有的框架，其中，微软自己的CNTK是最快的分布式运算神经网络框架，也是唯一开源的可扩展的深度学习工具包。
(5)微软人工智能发展计划
2017年7月，微软宣布建立一个专注于人工智能的全新研究实验室Microsoft ResearchAI，Eric Horvitz计划将不同的学科结合起来，以期创建更多通用的学习系统。
该新实验室将以位于华盛顿州雷德蒙德的总部为基础，由来自感知、学习、推理和自然语言处理等人工智能研究的多个子领域中的科学家组成。人数超过100人，约占微软研究院研究人员总数的十分之一。新的实验室系全球微软研究部门下属机构，微软雷德蒙研究院院长EricHorvitz同时担任MSRAI的负责人。
(6)、微软建立机器学习工具
无论是学术界的研究人员还是工业界的开发者，DMTK可以帮助他们在超大规模数据上灵活稳定地训练大规模机器学习模型。当前版本的工具包包含以下几个部分：
1.DMTK分布式机器学习框架：它由参数服务器和客户端软件开发包(SDK)两部分构成。参数服务器在原有基础上从性能和功能上都得到了进一步提升——支持存储混合数据结构模型、接受并聚合工作节点服务器的数据模型更新、控制模型同步逻辑等。客户端软件开发包(SDK)支持维护节点模型缓存(与全局模型服务器同步)、节点模型训练和模型通讯的流水线控制、以及片状调度大模型训练等。
2.LightLDA：LightLDA是一种全新的用于训练主题模型，计算复杂度与主题数目无关的高效算法。在其分布式实现中，我们做了大量的系统优化使得LightLDA能够在一个普通计算机集群上处理超大规模的数据和模型。例如，在一个由8台计算机组成的集群上，我们可以在具有2千亿训练样本(token)的数据集上训练具有1百万词汇表和1百万个话题(topic)的LDA模型(约1万亿个参数)，这种规模的实验以往要在数千台计算机的集群上才能运行。
想要了解更多关于行业专业分析请关注中研普华研究报告《2019-2025年中国人工智能行业发展分析与投资战略研究报告》
三大浏览器开发商互赠蛋糕的历史有多久
尽管微软、谷歌和 Mozilla 在浏览器市场上展开了激烈的竞争，但这并不妨碍 IE / Edge、Chrome 和 Firefox 开发团队之间的深厚友谊。
此外微软决定放弃经典版 Edge、并转向开源的 Chromium 引擎，也意味它与谷歌的关系变得更加紧密。对于用户来说，企业间的通力合作，亦有助于浏览器引擎的快速发展。
【题图 via Softpedia】
虽然送蛋糕的频次并不高，但作为 Microsoft-Google-Mozilla 三重奏的优良传统，相关新闻每次都能登上媒体和社交网络的头条，尤其是有一家发布新版浏览器的时候。
本月早些时候，微软达成了新的里程碑 —— 发布了基于 Chromium 内核的新版 Microsoft Edge 浏览器。
正如你我所期待的那样，Mozilla 和 Google 毫不意外地又向这家软件巨头的浏览器开发团队送去了祝贺。
追根溯源的话，你会发现这个传统是微软在 2006 年开始的。当时 Mozilla Firefox 刚刚起步，软件巨头认为趁着版本 2 的发布，算是向新兴竞争对手表达祝贺的一个恰当时机。
Firefox 2 开放下载后不久，IE 团队就向 Mozilla 送去了一块蛋糕，上书：“恭喜发布，爱你的 IE 团队”。随后的每一次大版本发布，微软工程师都没忘记这个优良传统。
不过随着 Mozilla 定下每隔六周的发布周期，微软工程师最终决定改成更实惠的纸杯蛋糕，以避免 Firefox 开发工程师们很快吃腻。
在微软 IE 10 发布后，Mozilla 也于 2012 年向微软送上了一块蛋糕，以再次表示支持。上面写到：“恭喜 IE 10，爱你的 Mozilla 团队”。且面上有一个巨大的 Firefox 徽标。
自那时起，微软和 Mozilla 就留下了互赠蛋糕的传统（祝贺大版本的发布）。然后 2015 年的时候，谷歌 Chrome 团队也加入了这场历史悠久的狂欢。
那一年，总部位于 Redmond 的软件巨头最终敲定了全新的 Microsoft Edge 浏览器（原代号为 Project Spartan）。作为 Windows 10 捆绑安装的默认浏览器，其旨在取代老旧的 IE 。
借此机会，Google 向微软团队送去了美味的祝福，并在蛋糕上写到：“恭喜推出，Chrome 团队敬上”。
现在，基于 Chromium 内核的 Microsoft Edge，每隔六周就会更新一次浏览器。至于 Google 本身，底下也有细分成每日快更的 Canary、以及每周一推的 Dev 更新通道。
更大的问题是，Mozilla Firefox 已经进一步缩短到了每隔四个星期发布一次，不知今后微软和谷歌是否打算将纸杯蛋糕换成哪种更加合适的甜品。
为什么有人说很少有人能在绝对静音无声的密室里撑过1小时
普通人在绝对密封的房间，撑不过1小时，并不是危言耸听。曾有200人去没有声音的房间挑战，待够1小时奖励6500元，可是结局却出乎意料，没有一个人能坚持到最后。
人们在嘈杂的环境下，受到各种声音的打扰，就会显得焦躁不安，总想待在安静的环境之中。但任何事情也没有绝对，如果生活在一个绝对静音的房间，感受不到声音，反而会引起诸多不适。
200名志愿者去“无声密室”挑战拿1千美金的奖励，没有一个人能坚持45分钟
美国一名科学家，为了研究声音对人类的影响，在明尼苏达州南明尼阿波利斯市建造了一间“无声密室”。这可不是普通的房间，光设计就花了3年时间，耗费巨资才修建完成。
房间建好以后，便开始向社会招募志愿者，只要在房间里待够1小时，现场奖励1千美金。
当地的居民得到消息后，踊跃参加，将报名的场所围得水泄不通，当时大家的想法一致，在噪音大的房间，可能待不了那么长时间，要是在安静的房间，躺在沙发上就是一种享受。
工作人员从志愿者中，挑选出200名身体素质好一些的人，按不同年龄段分成组别，准备轮流进行测试。
进实验之前，还跟大家讲解了基本要求，说这间房间的消音效果达到98%以上，测试过程中要保证安全，若是身体无法承受，随时可以退出测试。
当体验者进入房间以后，呈现出立方体的构造，墙壁是纵横排列的金属尖劈，里面装的都是吸音棉，就连踏脚的地面，也装着厚厚一层金属网，走在上面不会产生任何声响。
刚开始有很多人怀着激动的心情进入房间，想拿到1000元美金的奖励，可是还没有待够30分钟就落荒而逃，就连身体强壮的步兵，在房间里最多坚持了39分钟，没有一个人能挑战成功。
从房间里逃跑出来的体验者，面对采访时说，里面安静得可怕，仿佛进入到另外一个空间，体内的每根神经，都处于紧绷的状态，随时都有可能崩溃，再多待一分钟，会让人发疯。
这个实验没有人能挑战成功，科学家又将奖励升高，只要在密室待够一小时，奖励7000美金，面对巨额诱惑，来体验的人倒是很多，针对这次实验，还是没人能坚持到最后，最好的成绩就是42分57秒。
人在绝对静音无声的密室，为何会难受
人的耳朵可以感知外界的声音，通常我们会用分贝来区分大小，一般来说，20分贝以下的声音，很难让人听到。专业的消音室，本体噪音达到-1分贝以下，里面悄无声息，连自己的心跳声都听得到。
房间的墙壁装了金属尖劈，打孔之后塞入吸音棉，而且还是纵横交错排列，根本就没有一块平面，可以有效吸收声波，避免折射产生噪音。
人走进去以后，将房间的门关上，耳朵听不到任何声音，会觉得时间很漫长。
在这种环境下，只能听到自己的心跳声，不到两分钟，就会感到特别无聊，想本能制造一些声音，可都被吸音墙吸收，无济于事。
那是因为声波穿入尖劈的墙壁，不能产生任何反射，吸音棉将声波逐渐过渡，产生的声阻抗几乎与空气中的阻抗完全相同，再小的声音也会被屏蔽。
吸声尖劈的效果，完全取决于里面的填充材料和空腔深度，当材料的长度越长，空腔深度越深，对于低频的吸声效果更好，可以达到98%的静音效果。
美国华盛顿微软总部87号楼的雷德蒙德消音室，造价高达上亿元，成为很多游客打卡的网红景点，也有人进去体验极度安静的效果。
在完全静音的房间待久了，心里的躁动会异常明显，连呼吸都会变得急促，这种极端的安静，会改变人的生理情况，能待30分钟以上就相当于极限，必须离开才能缓解不适。
生命在于运动，过度安静，会加快细胞衰老，反而对身体不利。当你走进完全静音的房间，突然从一个喧嚣的环境转变到安静的环境，无法适应，需要通过声音与外界交流，才能证明自己真实存在，不会感到恐惧。
人在静音无声的密室里，短时间内无法适应这种环境
人从胚胎开始，就一直保持着与外界的联系，并会做出各种反应，包括感官神经和听力系统 ，都是建立在信息交流的基础之上。
正常生活中，要从外界获取信息，声音是很重要的一条途径。周围的环境低于1分贝，就好像剥夺了听觉，相当于完全聋哑的状态，原有的信息平衡被打破，人就会感到特别焦虑。
虽说人们特别讨厌噪音，一旦完全消失还真不行，长期生活在这样的环境里，对它已经产生了一种依赖，只要低于人的听觉阈值1分贝，就会表现出不适应的各种状况。
将声压逐渐增大，刚好让我们的耳朵能听到，这类声压就是闻阙，也会让我们感到最舒适，就好像在晚上听着轻柔的音乐。
人耳是通过耳膜感受外界空气传来的振动，推动听骨将频率不同的声压传递到耳蜗，之后再产生电流送入听觉神经，才有听到外界的声音。
当频率在2~4kHz时，人耳对这个范围内的声音最灵敏，外耳道可以进行谐振放大，闻阙可以低至-5分贝。
这也说明声音的频率不同，人们可以听到的声音也不同，为什么有的人在绝对静音的密室，可以比普通人待更长时间，正是这个原因。
当周围的声音，低于闻阙值时，人的耳朵根本就听不到，相当于进入完全静音的环境，能够待多长时间，完全考验的是身体素质和耐力。
1954年，加拿大心理学家麦克吉尔，就进行“听觉剥夺”的实验，让参与者戴上密不透风的氧气护罩，听不到外界的任何声音，十几分钟过后，这些人出现了恐慌，进而产生幻觉，焦虑、思维迟钝的现象。
人在静音无声的密室里，气压发生变化，会对情绪造成影响
正常的噪音环境中，人们感受不到气压有什么影响，已经习惯了这样的环境，与人体的耳膜和心脏保持了平衡的关系。
若是在静音的无声密室，把噪音消除了，也会降低内部的气压，比人体内的气压还要低，就会让人感觉有压迫感，就像进入高海拔地区，产生高原反应。
声音是通过振动传播，需要通过各种介质气体来辅助，产生的声源被吸音棉吸收以后，也会对气压造成影响，越是静音效果好的密室，气压则更低。
人们正常的生活环境，气压为101.325kPa比较合适，专业的静音无声的密室，完全是封闭的房间，在消音材料的影响下，气压不到80kPa。当人进入这样的房间，除了身体上不适的反应以外，还会对情绪造成很大的影响。
为了验证这一结果，实验室征集了一批志愿者和游客，性别、年龄、体质等各不相同，最后得出结论：有自闭症、痴呆、听力障碍等这类人群，对气压变化的耐受度更高。
反而是正常的人群，进入密室以后，会感到沉闷无聊，紧张和恐惧交替出现，甚至还会出现幻觉，感觉像发疯了一样。
写在最后
当人们不了解生存的本质，改变原有的噪音环境，绝对的安静也会让人无所适从，噪音会打扰人的正常思维，但我们的身体也需要噪音。
无声密室，就是通过各种吸音材料，剥夺人们的听觉，根本就听不到周围的声音。
声音是我们与外界联系的基础，静音环境不仅是对听觉剥夺的考验，更是意志的折磨，没有多少人能承受这样的痛苦。
微软的人工智能服务如何帮助濒危物种
微软将野生动物灭绝视为一个重要问题。这家科技巨头近期的目标是提高对“生物多样性危机”的认识，并与世界自然基金会合作提供相关课程。现在，微软已经详细介绍了自然环境保护主义者利用其AI服务帮助濒危物种的一些方法。突出的工具和模型正在帮助这些科学家以更好的方式收集和分析数据。
首先，面部和模式识别技术可用于监测狮子的种群情况。这涉及使用诸如卷积神经网络（CNN）的深度学习架构来对捕获的高质量图像进行分类，然后结合OpenCV和Caffe框架用于实际面部识别。以类似的方式，Azure被用来识别长颈鹿躯干上的独特标记，速度比以前更快。
研究人员还部署了Azure工具和人工智能，以监测人类对灰熊种群的影响。这涉及使用DNA采样和GPS项圈跟踪每只灰熊，以了解它们与总体种群数量及其栖息地的关系。此外，微软云平台上的机器学习模型帮助环保主义者获取有关鲸鱼体型和健康状况的数据。这也利用了CNN，就像用于监测狮子的面部识别技术一样。
此外，作为微软AI for Earth项目的获奖者之一，生态学家Heather J. Lynch正在接受对她的AI应用程序的支持，这种应用程序允许实时跟踪北极企鹅。生成关于该物种种群的估计是她工作中不可或缺的一部分，并且利用计算机视觉来搜索卫星图像中难以找到的标记，这些标记帮助她完成了这项任务。
最后，这家总部位于雷德蒙德的科技巨头突出了Elephant Listening Project项目，该项目去年获得了一笔赠款。该倡议的主要目的是通过使用人工智能来识别和分析大象声音的记录来保护森林大象物种。这有助于创建所谓的“大象词典”，帮助研究人员不仅能够理解大象的“交流”，还可以根据他们发现的信息更多地协调他们的保护工作。
