首席信息官的4大创新经验

类的好奇心源自于未知。卫星每年传送下来数百兆字节的信息，智利正在建设的一台望远镜每晚将产生15兆字节的太空图片。现代望远镜扫射的面积广，覆盖的距离长，但这还不够。宇宙过于庞大，人们目前的覆盖范围还不理想。

在技术有限、预算不足以购买大型宇宙飞船和更好的设备的情况下，我们如何才能实现探索宇宙的目标?人工智能可以解决这个问题吗?是的，人工智能就像是黑暗宇宙中的明星，它很可能是解决复杂问题、征服宇宙奥秘的优秀方案。

随着人工智能在数据科学、探索性数据分析和计算机视觉等领域的技术进步，我们取得了超乎想象的成果。

自我们开始用望远镜对话以来，人工智能成为了解决远距离图像清晰度问题的优秀方案，特别是在计算机视觉和深度神经网络领域，其处理图像的能力非常厉害。基于这些发展，我们可以创造出许多清晰的视觉效果，识别如何重建这些模糊的图像以创造更多的副本，还可以确定这些神经网络所产生的这些非常有效的图像的真阳率和假阳率。

将这项技术应用于寻找引力透镜的过程极其简单。首先，科学家们创建一个数据集来训练神经网络，即生成600万张假图像，显示引力透镜的样子。然后，他们把数据放到神经网络中，让它慢慢识别。稍作调整后，他们很快就能有一个可识别引力透镜的程序。

用计算机模拟进行解读和数字化，设计出清晰的画面来表示宇宙中的数十亿物体，一直是科学家们实验的概念和理论哲学，但都进展寥寥。人工智能显然改变了这一现状。这要归功于那些开发了名为“深度密度位移模型”(D³M)的深度神经网络架构的研究人员。

D³M从一组预处理数值模拟中学习，利用基于微扰理论的分析近似方法(Zel'dovichApproximation)来预测宇宙的非线性大尺度结构，以此来作为输入。大量分析表明，D³M在预测非线性体系中的宇宙结构方面优于常用的快速近似模拟方法——二阶微扰理论(2LPT)。D³M还能准确推断出远超其训练数据的数据，并预测结构形成明显不同的宇宙学参数。

这个模型的构建对天体物理学家以及特殊设计的创造者来说，都可谓是个奇迹。它的精确度和响应速度远远超出了开发者的想象。D³M产生的模拟结果非常精确，甚至对整个宇宙进行了三维模拟。

人工智能的进步不仅仅局限于使用望远镜进行图像分割或模拟整个宇宙。宇航员在太空中生存、前往月球和其他太空探险都很艰难。对此，人工智能也有办法，那就是使用人工智能巡视器和机器人设备。

先进的现代人工智能机器人漫游车可替代天文学家在外太空的角色。火星漫步者就是一个例子，将先进的人工智能系统与卫星、机器人漫游车和宇宙飞船相连接，其中的益处远远超过我们的想象。

火星漫步者的智能数据传输软件没有了人为的调度错误，避免丢失宝贵的数据，增加了来自行星邻居的有效数据。同样的技术也可以用于探索太阳系的长期任务，这将最大程度减少人类对它们的监督。

人工智能技术的机器人作为一个整体，包含了更多的内容。从勇探人类禁区的机器人到自主航天器和群体智能，现在人工智能在太空中的应用变得很广泛。包括卫星图像的分析方式，超大星座的管理，甚至是寻找太阳系外行星，都因为采用了人工智能而变得更加容易。
 

该条命令会在容器运行时创建一个匿名卷，同时将容器中/data目录挂载到该卷上。

8)EXPOSE

EXPOSE指令通知Docker容器在运行时监听指定的网络端口。您可以指定端口是侦听TCP还是UDP，如果未指定协议，则默认值为TCP。EXPOSE指令实际上并未发布端口。它充当构建映像的人员和运行容器的人员之间的一种文档类型，有关打算发布哪些端口的信息。如果要将容器端口暴露出来，需要在 dcoker run 命令中使用 -p。

EXPOSE指令格式与用法示例如下：

（编辑：宣城站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!