AI绘画OC渲染关键词汇

AI绘画OC渲染关键词汇

Offline Rendering —— 离线渲染

Ray Tracing —— 光线追踪

Path Tracing —— 路径追踪

Global Illumination —— 全局照明

Ambient Occlusion —— 环境遮蔽

Ambient Light —— 环境光

Diffuse Reflection —— 漫反射

Specular Reflection —— 镜面反射

Refraction —— 折射

Caustics —— 光斑

Indirect Lighting —— 间接光照

Photon Mapping —— 光子映射

Radiosity —— 辐射度

Subsurface Scattering —— 次表面散射

Depth of Field —— 景深

Motion Blur —— 运动模糊

Anti-aliasing —— 抗锯齿

Shading —— 着色

Material Rendering —— 材质渲染

Texture Mapping —— 纹理映射

Normal Mapping —— 法线贴图

Displacement Mapping —— 位移贴图

Bump Mapping —— 凹凸贴图

Procedural Texture —— 过程纹理

Image-based Lighting —— 基于图像的照明

Glossiness —— 光泽度

Roughness —— 粗糙度

Transparency —— 透明度

Anisotropy —— 各向异性

Fresnel Effect —— 菲涅尔效应

Microfacet —— 微平面

Reflection Probe —— 反射探针

Environment Mapping —— 环境贴图

Image-based Reflection —— 基于图像的反射

Light Transport —— 光传输

Importance Sampling —— 重要性采样

Monte Carlo Integration —— 蒙特卡洛积分

Multiple Importance Sampling —— 多重重要性采样

Progressive Rendering —— 渐进式渲染

Irradiance Cache —— 辐照度缓存

Bidirectional Path Tracing —— 双向路径追踪

Metropolis Light Transport —— 大都会光传输

Progressive Photon Mapping —— 渐进光子映射

Stochastic Progressive Photon Mapping —— 随机渐进光子映射

Volume Rendering —— 体积渲染

Volumetric Lighting —— 体积光照

Participating Media —— 参与介质

Scattering —— 散射

Absorption —— 吸收

Phase Function —— 相位函数

Volume Textures —— 体积纹理

Ray Marching —— 光线行进

Volume Sampling —— 体积采样

Grid-based Rendering —— 基于格点的渲染

Point-based Rendering —— 基于点的渲染

Metaballs —— 代谢球

Marching Cubes —— 光线行进立方体

Dynamic Lighting —— 动态光照

目前，AI在很多场景、任务中都实现了对人类的超越⸺不吃不喝、不眠不休，仅需很少的能源和维护成本。未来AI将在某些领域逐步取代人类员工，这一点如今已经成为共识。

在AI的参与下，未来的工作会演变成什么样子？哪些人类员工是可以被AI取代的？哪些工作又是AI力不能及的？

或者说，人类是否需要重新建构对就业的认知，并为此制定全新的社会契约？

另外，在AI时代，如果我们不必再把大部分时间花在工作上，那么我们的生活方式是否会发生颠覆性的改变？

为了回答这些问题，接下来，我将从AI如何取代人类员工开始分析，深入探讨AI时代人类就业的各种可能性。

一、AI将如何取代人类员工？

首先，可以明确的是，AI在处理海量数据方面具有惊人的优势。

以金融放贷为例。在放贷的审核环节，金融机构在收到贷款申请后，人类审核员一般会仔细核查申请人的各类信息，如净资产、工作收入、家庭状况等，然后再决定是否批准贷款申请。这是一个繁复的过程。

但AI却不用这样做，它可以直接根据贷款申请人的公开记录、面部信息、下载过的应用程序中的数据，以及在网上的各种浏览历史轨迹等，把成千上万个变量放入“风险控制模型”中，然后快速给出精细化的评估结果。

打开网易新闻 查看精彩

这个过程不仅高效，而且其评估结果比富有经验的人类审核员还要准确。

从上述例子可以看出，在日常工作中，AI取代部分白领可能不是一件太难的事情，而且类似的事情也确实发生过，比如过去从事记账和数据录入等专门事务性工作的人类员工，现在都被电脑软件取代了。

那么，在未来的AI时代，人类员工被AI取代的情况究竟会发展到什么程度？最容易受到AI冲击的行业有哪些？

在《AI·未来》一书中，我预测过，截至2033年，有40%的工作岗位上的人类员工都将被AI和自动化技术所取代。

当然，这种取代的进程并不是一朝一夕就能完成的，AI取代人类员工的方式是渐进的，逐渐被机器人流程自动化（Robotic Process Automation，RPA）技术取代的。

简单来说，RPA可以看作一种安装在电脑上的“软件机器人”，能够通过软件来观察人类员工所做的一切工作。随着时间的推移，这种“软件机器人”会基于它们所观察到的数百万人类员工的工作流程，掌握人类员工执行重复性日常工作的完整过程。

在某些时候，企业会选择让机器人完全接手人类员工的工作，这是一种“划算”之举⸺随着总体工作负担的减轻，企业工资单上的雇员人数将减少。

想象一下，在一个有100名员工的人力资源部门，有20名员工的主要工作是筛选简历⸺将求职者的信息与岗位说明中的任职标准进行比较。

如果上马RPA后，筛选效率提升一倍，就会导致其中10名员工失业，而在RPA根据更多数据和经验完成了进一步的学习后，可能会在某个时间点取代剩下的10名员工。

与此同时，在与求职者进行电子邮件沟通、安排面试、反馈协调、招聘决策，甚至有关入职的基本谈判方面，RPA也都具备非常大的潜力。如果把这些任务也委托给RPA，就会有更多的人类员工被取代。

不难想象，AI对人类工作的介入虽然是循序渐进的，但最终的结果却非常明确⸺AI将全面取代人类员工。

有乐观主义者认为，新兴技术导致的生产力提升，总能带来相应的经济效益，而经济的增长和繁荣，则意味着能够带来更多的就业机会。

但是，与其他新兴技术不同，AI是一种“无所不能”的技术，它将直接对数百个行业以及数以百万计的工作岗位带来冲击。这种冲击不仅包括对体力劳动的替代，还包括在认知上带来的挑战。

大多数技术都会在取代一部分岗位上的人类员工的同时，创造一部分新的就业机会，例如，流水装配线彻底改变了汽车工业⸺从工匠手工组装昂贵的汽车，到普通工人制造更多的平价汽车。

可是，AI却与此不同，它的目标非常明确，就是接管人类的工作任务，这会直接导致人类就业机会的减少。而且，AI并不会仅仅局限于单一领域的技术，它会“入侵”各行各业。

二、从事哪些工作的人不容易被AI取代？

要想从容应对AI时代的就业形势，首先应该清楚AI的特点，例如，AI不具备什么能力，不能完成什么种类的工作。

然后，我们才能抓紧时间提前增设AI无法接管的工作岗位，为人们提供相应的职业咨询，并且有针对性地开展职业培训，从而实现AI时代工作岗位的供需平衡。

我认为，在以下3个方面，AI存在明显不足，即便到了2042年，AI可能仍然无法完全掌握这些能力。

第一，创造力。

AI不具备进行创造、构思以及战略性规划的能力。

尽管AI非常擅长针对单一领域的任务进行优化，使目标函数达到最优值，但它无法选择自己的目标，无法跨领域构思，无法进行创造性的思考，也难以具备那些对人类而言不言自明的常识。

第二，同理心。

AI没有“同情”“关爱”之类的“感同身受”的感觉，无法在情感方面实现与人类的真正互动，无法给他人带去关怀。

尽管目前科研人员已经致力于改进AI在这一方面的缺陷，但人类在需要情感互动的时候，仍然很难从一个机器人的身上得到心里所期待的真心的关怀，收获心灵上的慰藉。这也就是所谓的不够“人性化”。

第三，灵活性。

AI和机器人技术无法完成一些精确而复杂的体力工作，如灵巧的手眼协作。此外，AI还难以很好地应对未知的或非结构化的空间，并在其中执行工作任务，尤其是它观察不到的空间。

那么，上面提到的这些AI的短板和缺陷，会对人类未来的就业形势产生什么影响呢？

不难预测，一些不需要社交的重复性工作可能会全部被AI接管，如电话销售员，以及之前提到的保险审核员和贷款审核员等。

那些需要高度社交技巧并且相对重复执行的工作，将由人类与AI共同承担，二者将在工作中各自发挥所长，实现人机协同合作。

例如，在课堂上，AI可以负责日常作业的批改和考试的评分，甚至完成一些标准化的课程教学和个性化的练习指导；人类教师则可以专注于成为善解人意的导师，用自己的同理心去理解学生、激励学生，陪伴他们在实践中学习，为他们提供个性化的辅导和启迪，帮助他们培养良好的习惯及情商。

对于那些需要创造力但不需要社交互动的工作，AI将成为帮助人类发挥更大创造力和潜力的利器。例如，科学家可以利用AI技术提高药物研发的速度和精准度。

还有一些既需要创造力又需要社交技能的工作，他们将成为未来人类职场中的“闪光点”，很难被AI取代。

工智能计算机科支企图解智能实质并产种新能类智能相似式做反应智能机器该领域研究包括机器、语言识别、图像识别、自语言处理专家系统等。

人工智能（Artificial_Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

说起人工智能我们大家都很熟悉，各种人工智能概念，AI概念层不出穷，仔细想来无外乎智能音箱、智能打印机、智能售卖机等等诸如此类似乎没多少“智能”，和我们脑海中的“AI印象”，如：终结者、机器人、阿尔法狗、自动驾驶等技术大相径庭。

目前，普遍认为人工智能的研究始于1956年达特茅斯会议，早期人工智能研究中，如何定义人工智能是个喋喋不休的问题，但基调始终是：像人一样决策、像人一样行动、理性的决策、理性的行动等研究方向。