“我是1978年生的人，到今年是40岁，也是改革开放的同龄人。挺感谢这样一个大的时代背景，让自己成为了互联网飞速发展的见证者、参与者，也是受益者。”在安徽卫视高端经济人物访谈节目《品格》首播中，搜狗CEO王小川以这句话开启了自己的“智语时刻”。

《品格》栏目由安徽卫视、人民网人民视频、《环球人物》杂志、海棠映日联合出品。

谈搜狗奋斗史，从一片灰暗中开拓出一条光明大道

2008年12月，王小川带领搜狗成功推出了第一版浏览器，在百度面前“虎口夺食”。如果说，一家公司往往带有创始人的气质，那王小川和搜狗的气质就是“坚韧”——他们都曾在一片灰暗中开拓出一条光明大道。

《品格》节目中有两道关于王小川的时光之门，第一道就通往当时研发搜狗浏览器的办公室。在与张朝阳的理念冲突导致他经历了人生中的低谷时期后，他决定闷头“秘密”开发浏览器，最终他顶着巨大的压力用输入法、浏览器、搜索组成了“三级火箭模式”，全力推动搜狗，让搜狗成为继百度之后第二个盈利的中国搜索引擎公司。

搜狗输入法一直是王小川最引以为傲的成就。1994年，中央领导视察成都七中时，提出了一个一分钟能打多少字的小问题。这个看似简单的小问题背后却蕴藏着对汉字信息传递的深切期望，也引发了王小川对于变革汉字输入法的思考。搜狗输入法对中文打字速度的提升直接提高了 社会 生产力，而搜狗对于技术创新和用户体验的坚持，也引领着输入法行业的潮流。搜狗输入法的词库和皮肤等创新，已经是如今大数据、云计算、众包等概念的投射，这背后也有王小川和搜狗为精进产品做出的卓绝努力。

谈AI，用积极的心态拥抱人工智能时代

2017年搜狗上市，王小川的重心转移到人工智能行业。梳理搜狗近两年在AI智能硬件方向的动作，可以看到搜狗做AI智能硬件的布局非常清晰且聚焦，专注于语言，与搜狗“以语言为核心”的AI战略一脉相承，而最终目的都是为了方便用户生活，让表达和获取信息更为简单。节目中，主持人路一鸣和王小川一起试用了搜狗的智能翻译机，得到路一鸣99分的评价之后王小川笑容满面。

对于未来AI会不会颠覆人类生活这个问题，作为人工智能的狂热爱好者，王小川说，“我不认为AI会很快颠覆我们传统的生活方式，因为今天还没有技术能够让机器产生这样一种更强的学习能力。即便机器能力再强一些，也是作为人的一个辅助。”面对人工智能，我们既不能妄自菲薄，觉得机器太厉害，会颠覆掉人；也不能妄自尊大，拒绝接受人工智能给我们带来的改变。

谈人生的意义，多元化时代希望大家求真求善求美

互联网改变中国，20多年来王小川见证并参与了全过程。如今已过不惑之年的他回顾 历史 、畅想未来的时候，说到要在这大时代里面，要找到自己的人生的意义。首先是生存的意义，一份体面的工作，一份 社会 的认可；其次是除了工作之外去求真求美，去阅读去思考，去感知人类文明的伟大；最后是求善，努力为 社会 、国家甚至人类去做出一份贡献，努力去收获自己的快乐。

ai绘画在哪里弄

用户在打开自己的抖音之后，需要通过点击中间的+号按钮进入到拍摄的页面中。然后点击左侧的ai绘画，就可以进入到特效的选择页面，这里选择ai绘画特效。

打开梦幻ai画家，进入首页就可以看到各种ai作品了，如果想要制作自己的作品，就点击最下面的开始使用。进入制作页面后，在最上面的方框里描述自己想要生成的画面，比如蓝色的天空，空色的花等等。

第三种方法：novelai绘画。《novelai绘画》是最近比较热门的一款ai智能绘图工具。主打二次元，动漫，卡通绘画，用户只需要打开软件，输入自己的想法，选择不同的模板和风格，就可以一键生成属于自己的二次元卡通图像。

以下是ai绘画的教程：首先第一步用户们能够在手机商店中或者是浏览器里搜索找到梦幻AI画家这款软件，大家可以下载并安装，下载安装完成之后，各位就能够开启梦幻AI画家软件了。

ai绘画怎么用

ai绘画主要分为三个部分，画面描述、风格和尺寸设置。所以首先我们需要一个模型好看且好操作的绘画软件，新手建议用主打二次元的Ai丽丝绘画，使用流畅且非常稳定也一直在做产品优化。

在ai中画草坪——前景。钢笔工具就可以喽！画陆地。画树，这里都是不规则图形，所以按照自己的心意来就好。中景树、石头。画桥，这里可以先画矩形，随后用半圆剪切。

ai绘画主要分为三个部分，画面描述、风格和尺寸设置。所以首先我们需要一个模型好看且好操作的绘画软件，这里我选择的是AI丽丝绘画，因为她是二次元专用且非常稳定也一直在做产品优化。

最近很火的ai作画

打开梦幻ai画家，进入首页就可以看到各种ai作品了，如果想要制作自己的作品，就点击最下面的开始使用。进入制作页面后，在最上面的方框里描述自己想要生成的画面，比如蓝色的天空，空色的花等等。

抖音ai绘画制作方法如下：打开抖音APP。在抖音首页上方的功能栏里找到ai绘画功能入口并进入。在AI绘画界面下方找到选择并选中需要转换的。

ai艺术家软件好用。ai艺术家软件是目前当下最非常热门火爆的，ai艺术家软件可以帮助用户们更好的来进行创作，替代画师们进行作画。

用户在打开自己的抖音之后，需要通过点击中间的加号按钮进入到拍摄的页面中。然后点击左侧的ai绘画，就可以进入到特效的选择页面，这里选择ai绘画特效。

最近很火的ai绘画软件有：梦幻AI画家、Artbreeder、Dall-Emini软件、Styler、魔影ai绘画。

魔法画师ai绘画好用。AI绘画是目前当下最非常热门火爆的，它可以帮助用户们更好的来进行创作，替代画师们进行作画。

请问哪个网页可以使用在线AI,云端AI,网页版AI作图的在无需下载AI软件

1、是的。经查询ai生成网得知不用登录就可以生成ai绘画。人工智能（ArtificialIntelligence），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。

2、DeepArtio：这是一款在线艺术风格转换工具，它利用神经网络技术将普通照片转换为艺术作品风格的，用户可以选择多种不同的艺术风格进行转换，也可以上传自己的进行转换。

3、百度脑图是百度公司旗下的网站。支持自动实时保存。“世界很复杂，百度更懂你”，操作简单又极其直观的百度脑图将一些复杂的东西表现出来，让读者易于理解和梳理。

4、进入搜狗引擎，输入AdobeIllustrator，搜索，然后下载。最好下个精简版的，解压就能用了。

ai是什么作图软件

1、Adobeillustrator，常被称为“AI”，是一种应用于出版、多媒体和在线图像的工业标准矢量插画的软件。AdobeIllustrator是Adobe系统公司推出的基于矢量的图形制作软件。

2、AI在软件这方面一般是指Adobeillustrator这个软件（是Photoshop的兄弟软件），是一款非常优秀的矢量图形设计软件，也是全球使用率最高的矢量制图软件。

3、AI是一款矢量绘图软件，矢量图无论放大多少倍都不会模糊，PS主要用于位图的处理，位图放大到一定的程度后会模糊。

4、软件介绍：“AI就是adobeillustrator，AI是它的简写。是美国Adobe公司出的一款矢量处理软件。此公司旗下最出名的就是PS，AI是它的同胞兄弟。

5、PS是目前唯一一款处理软件，AI是矢量绘图软件。他们的区别在于以下几点：推出时间不同illustrator：1987年Photoshop：1990年第一版本的启动界面，双方都是粗糙的单色像素图像设计。

怎么ai绘画

第一步：先选择一个ai绘画工具。第二步：选择你需要的画笔工具，进行绘制就可以。抖音的ai绘画第一步：打开抖音软件。第二步：在搜索中输入ai绘画然后再软件上就会看到ai绘画这个特效了。

打开梦幻ai画家，进入首页就可以看到各种ai作品了，如果想要制作自己的作品，就点击最下面的开始使用。进入制作页面后，在最上面的方框里描述自己想要生成的画面，比如蓝色的天空，空色的花等等。

在ai中画草坪——前景。钢笔工具就可以喽！画陆地。画树，这里都是不规则图形，所以按照自己的心意来就好。中景树、石头。画桥，这里可以先画矩形，随后用半圆剪切。

ai绘画主要分为三个部分，画面描述、风格和尺寸设置。所以首先我们需要一个模型好看且好操作的绘画软件，这里我选择的是AI丽丝绘画，因为她是二次元专用且非常稳定也一直在做产品优化。

为什么你生成的图像总有AI味

什么是[A味

大家在看一些AI作品的时候，可能会发现AI图像与艺术家们的绘画/摄影/三维作品有强烈的违和感，或是细节处理，或是画面逻辑性;一眼辨AI，这就是“AI味”

具体怎么摆脱“AI味”本篇文章分享一些通用型解决方案，以案例形式为大家提供参考建议。

摆脱AI味第一条[细节把控)

MJ-V5具备了更完美的光线染和材质解析，但是控制MJ实现完全符合现实世界的细节，依然需要我们对关键词进行优化。

虚拟服装系列案例

材质表现

虚拟服装类可选材质非常多，如:棉麻、帆布、塑料、糖果、水晶、橡胶、尼龙、丝绸等等，大胆去尝试，创意无限。

细节呈现

细节的呈现受多种因素影响，有光既有色，与摄影艺术相通，其中光线的变化会直接影响到细节的呈现。

镜头视角

观察主体的视角决定了画面的构图，选择合适的视角往往会达到超出预期的效果，在细节质感的表达上，使用特写镜头可以将细节最大化。

表现手法

参数设置

表现手法是营造画面氛围的重要因素，加入指定的画风/艺术家/艺术趋势，也可以尝试多种艺术混合，通过权重配置创作出新式风格。

使用画质提升通用词:ultra-detailed，Intricatedetails,8K,HD等;命令行:建议默认升级器

摆脱AI味第二条[结构梳理]

优秀的效果图一定是有逻辑性的结构支撑，很多MJ新手会进入叠词旋涡，明明词组非常详细，可是输出的效果图却很凌乱，这就是结构问题，当我们能够梳理出画面结构的时候，距离实现效果已经不远了。

WHATELEMENTIWANT我想要什么元素

例:花卉，气垫鞋，塑料材质。Keywords flowers, air cushion shoes, plastic material

WHICHARTSTYLE哪种艺术风格

例:时尚社论，Y2K美学，beeple andjamesjean。

fashion editorial, Y2K aesthetics, beeple and james jean

PICTUREPARAMETERS需要哪些画面参数

例:丁达尔光，特写镜头，颜色分级，8k HD，超详细。Dindar light，close-up shot， Color Grading，8k HDsuper detailed

关键词组合

On the lawn in the early morning garden,Close-up of awoman's shoes in a skirt,walking on the lawn:: ,transparent midsole,plastic material,Around the flowers,fashioneditorial, Y2K aesthetics, by beeple and james jean,Dindar light,Dindar light,close-up shot,Color Grading,8kHD, super detailed --ar 3:4 --q 2

走进一家 科技 展馆，AI导览机器人向你行“注目礼”；肚子饿了走进无人超市，AI售货员亲切地提醒你是否需要购物袋；不想开车了，叫一辆无人车，让“老司机”载你出行……AI正在为我们打开一个新“视”界，然而疑惑的是，AI的“眼睛”在哪儿？它是如何一步步“看懂”这个世界的呢？

对于人类而言，“看”几乎是与生俱来的能力——出生几个月的婴儿看到父母的脸会露出笑容，暗淡的灯光下我们仍能认出几十米之外的朋友。眼睛赋予我们仅凭极少的细节就能认出彼此的能力，然而这项对于人类来说“轻而易举”的能力，对计算机来说确实举步维艰。

因为对于人类来说，“看见”的过程，往往只在零点几秒内发生，而且几乎是完全下意识的行为，也很少会出差错（比如当我们人类看到一只猫和一只狗时，尽管它们的体型很类似，但我们还是马上能够区分它们分别是猫和狗），而对计算机而言，图像仅仅是一串数据。

近几年AI技术的迅猛发展，使得“计算机视觉”成为最热的人工智能子领域之一。而计算机视觉的目标是：复制人类视觉的强大能力。

我们的大脑中有非常多的视网膜神经细胞，有超过40亿以上的神经元会处理我们的视觉信息，视觉占据着人对外界70%的感知能力，所以“看”是我们理解这个世界最重要的部分。

人类的大脑能完美地处理好这一系列的视觉信息，以此帮助我们理解世界、做出判断。当你看见一张狗的，你能轻松地知道这只狗的毛发、品种，甚至能大概知道它的身高体重。无论这张是否模糊、有噪点，或者条纹，但是AI就会“犯傻”了。

为什么会这样呢？

因为重塑人类的视觉并不只单单是一个困难的课题，而是一系列、环环相扣的过程。

研究认为，人看的是相对高层的语义信息，比如目标的形状等；计算机看的则是相对底层的细节信息，比如纹理。也就是说，一只“披着羊皮的狼”，人类与AI的意见并不相同。

AI的神经网络架构就是根据人的视觉系统开发的。德国图宾根大学科学家团队做了一组这样的实验：他们用特殊的方法对像素进行“干扰处理”，让像素降低，再用这个图像训练神经网络，在后续识别这些被“人为扭曲干扰”的图像时，系统的表现比人好，但是如果图像扭曲的方式稍有不同（在人眼看起来扭曲方式并无不同），算法就完全无能为力了。

到底是发生了什么变化？即便是加入极其少量的噪点，为何还是会发生如此大的变化？

答案就是纹理。当在图像中加入噪点，图中对象的形状不会受到影响，但是局部的架构会快速扭曲。

多伦多约克大学计算机视觉科学家JohnTsotsos指出，“线段组按相同的方式排列，这就是纹理”。

这也说明，人类与机器的“看”有明显区别。当然，随着技术的发展，算法会越来越精准，AI正在向人类视觉逐步靠近。

1算法模型是AI的“大脑”

如果说人类通过“智慧的大脑”来认识世界，那么算法模型就是AI的“大脑”。

AI目标是创造设计出具有高级智能的机器，其中的算法和技术部分借鉴了当下对人脑的研究成果。很多当下流行的AI系统使用的人工神经网络，就是模拟人脑的神经网络，建立简单模型，按照不同的连接方式组成的网络。

机器正是通过复杂的算法和数据来构建模型，从而获得感知和判断的能力。

这些网络跟人脑一样可以进行学习，比如学习模式识别、翻译语言、学习简单的逻辑推理，甚至创建图像或者形成新设计。

其中，模式识别是一项特别重要的功能。因为人类的“识别”依赖于自身以往的经验和知识，一旦面对数以万计的陌生面孔，就很难进行识别了。而AI的“杀手锏”就是处理海量数据，这些神经网络具有数百万单位和数十亿的连接。

2AI如何高度“复制”人的眼睛？

神经网络是图像处理的“得力助手”。作为计算机视觉核心问题之一的图像分类，即给输入图像分配标签的任务，这个过程往往与机器学习和深度学习不可分割。简单来说，神经网络是最早出现，也是最简单的一种深度学习模型。

深度学习的许多研究成果，都离不开对大脑认知原理的研究，尤其是视觉原理的研究。诺贝尔医学奖获得者DavidHubel和TorstenWiesel发现人类视觉皮层结构是分级的。

比如，人在看一只气球时，大脑的运作过程是：“气球”进入视线（信号摄入）——大脑皮层某些细胞发现“气球”的边缘和方向（初步处理）——判定“气球”是圆形（抽象）——确定该物体是“气球”（进一步抽象）。

那么，可不可以利用人类大脑的这个特点，构建一个类似的多层神经网络，低层的识别图像的初级特征，若干底层特征组成更上一层特征，最终通过多个层级的组合，最终在顶层做出分类呢？

答案当然是肯定的。这也就是深度学习系统中最重要的一个算法——卷积神经网络（CNN）的灵感来源。

CNN具有输入层、输出层和各种隐藏层。其中一些层是卷积的，它将结果经过分析，再传递给连续的层。这过程模拟了人类视觉皮层中的一些动作。

由于这种特点，CNN十分擅长处理图像。同样，视频是图像的叠加，因此同样擅长处理视频内容。生活中比较常见的自动驾驶、人脸识别、美图秀秀以及视频加工等都用到了CNN。

经典的图像分类算法就是基于强大的CNN设计的。例如，一只猫的图像，对计算机来说，只是一串数据，这时候，神经网络第一层会通过特征来检测出动物的轮廓，第二层将这些轮廓组合再次检测形成一些简单形状，例如动物的耳朵、眼睛等，第三层检测这些简单形状所构成的动物身体部位，如腿、头等，最后一层检测这些部位的组合，从而形成一只完整的猫。

由此可见，每一层神经网络都会对图像进行特征检测、分析、判断，再将结果传递给下一层神经网络。实际上，比这个案例中使用神经网络的层次深度更复杂的情况，在生活中更多。

为了更好地训练AI，就需要大量的被标记的图像数据。神经网络会学习将每个图像与标签对应、联系起来，还可以将之前未见过的图像与标签进行配对。

这样，AI系统就能够梳理各种图像、识别图像中的元素，不再需要人工标记输入，让神经网络自我学习。

对于AI系统而言，处理好视觉感知如同眼睛对于人类而言是一样重要的。也正是因为视觉感知对AI的重要性，计算机视觉（CV）成为了一门研究如何使机器“看”的科学。

但是很多人容易将计算机视觉与机器视觉（MV）混淆，尽管他们有共同点，但仍有差异。

相较于机器视觉侧重于量的分析，计算机视觉主要是对质的分析，比如分类识别，这是一个苹果那是一条狗；或者做身份确认，比如人脸识别，车牌识别；或者做行为分析，比如人员入侵，徘徊，人群聚集等。

计算机视觉并不仅仅停留在浅层的感知层面，大量高级智能与视觉密不可分。如果计算机能真正理解图像中的场景，真正的智能也将不再遥远。可以说，计算机视觉本身蕴含更深远的通用智能的问题。

随着技术的不断成熟，计算机视觉的应用场景愈加广泛，从消费者到企业，计算机视觉技术在各大领域都有着一席之地。如面向消费者市场的AR/VR、机器人、无人驾驶、自动驾驶 汽车 等，面向企业市场的医疗图像分析、视频监控、房地产开发优化、广告插入等。

在这些已经落地的应用案例中，无法忽视的问题是很多项目都处于小范围的试用阶段。相关理论的不完善使得这些先行者与创新者遇到不少挑战。如缺少可用于AI模型训练的大规模数据集，以及动态图像识别、实时视频分析等技术瓶颈有待突破。

目前AI对图像的处理不仅限于进行图像分类，常见的还有AI对老旧、破损图像的修复。我们在观看一些经典的、年代久远的老**时，往往对其“高糊画质”难以接受。

用传统的方式对这些低画质的**进行修复，速度慢就不提，而如果遇到图像缺失部分很大的情况，传统方法也无力回天。

但是AI的效率就高了，能够通过机器学习和模型训练来填充细节，提高画质，再利用神经网络上色，最后进行转录和人脸识别，半天就完成了。对于原图像缺失的部分，AI还能“开动大脑”，发挥自己的“想象力”，对缺失部分进行补充。

AI为何能拥有这么高的“想象力”？其根本原因在于其学习能力。基于生成对抗网络（GAN）的深度学习算法，证明了计算机视觉任务在图像恢复方面具有巨大的潜力。

GAN是基于CNN的一种模型，其特点在于它的训练处于一种对抗博弈的状态中。

我们常用“球员与裁判”的比喻来解释GAN的基本原理。

在足球运动中，某些球员经常“假摔”来迷惑裁判，使得自己的进攻或者防守动作是合规的，而裁判，负责找出这些“假摔”的球员的犯规动作，做出相应惩罚。

在球员与裁判的不断对抗中，球员“假摔”的水平越来越高，裁判识别“假摔”的水平也越来越高。

终于有一天，球员“假摔”的水平已经“炉火纯青”，成功的骗过了裁判，裁判已经无法识别出该球员是“假摔”还是“真摔”，这说明该球员的水平已经实现了以假乱真。就是通过这样不断地尝试和识别，球员欺骗过了裁判，目的达到。这就是GAN的基本原理。

GAN的主要结构包括一个生成器（G）和一个判别器（D），上面的例子中，球员=生成器，裁判=判别器。生成器可以是任意可以输出的模型。同理，判别器与生成器一样，可以是任意的判别器模型。

以生成为例，G随机生成一张x，需要D来判别是不是真实的，D（x）代表真实的概率，如果D（x）为1，表示100%为真实，如果D（x）为0，则表示为假图。在理想状态下，D无法判别G生成的是否为真实的，

D（x）则为05，那么，我们的目的就达到了：得到了生成式模型G，就可以用它来生成。

因此，在训练过程中，G的目标就是尽量生成真实的去欺骗判别网络D。

而D的目标就是尽量把G生成的和真实的分别开来。这就是一个“博弈”的过程。这样，不仅可以上色，还可以将普通**提升为高清**。

AI在学会这个技巧之后，不需要原始照片对照也能准确地修复、重建低分辨率图像。给图像“上色”之前，AI会对图像进行分析，区分出标志性的物体，如人脸、 汽车 和天空等，结合色彩信息进行彩色化。

其实，这个过程就相当于训练一段程序，让它对低质量的图像进行“想象”，并非完全能实现100%的图像恢复。相较于CNN，GAN采用的是一种无监督的学习方式训练。

值得一提的是，GAN的作用不仅限于老照片上色，他在各种涉及图像风格转换的任务中都有用武之地。如自动生成动漫角色并上色、让马变成斑马、生成人脸、作曲等。总之，GAN在图像生成、处理修复领域的应用十分广泛。

五、解释性、鲁棒性，安全性的提升，让AI更了解世界

AI席卷百业，作为AI时代的主要入口之一，计算机视觉正成为AI落地规模最大、应用最广的领域。官方数据显示，2016年，我国计算机视觉市场规模仅114亿元，到2019年，中国计算机视觉行业市场规模增长至2196亿元。

到2025年，全球计算机视觉市场规模，将从2016年的11亿美元增长到262亿美元。

对计算机视觉技术的研究在学术界与工业界已经掀起了热潮，在未来，随着算法的改进、硬件的升级、以及5G与物联网技术带来的高速网络与海量数据，计算机视觉技术必然会有更大的想象空间。曾经,人类用眼睛“记录”了波澜壮阔的 历史 ，未来，AI能够真正的像人类一样去“观察”世界吗？

遗憾的是，从目前来看，即便我们已经创造了许多在单个项目上已经超越人类的高级AI，但是这些机器仍然能力有限，它还无法成为人类的替代品，无法像人类一样去观察与思考，有自我意识的AI还不会很快出现，AI很难真正像人类一样去“看”世界万物。

即便如此，我们也不能否认AI的解释性、鲁棒性，安全性等正在不断提升，AI将在越来越“了解”这个丰富多彩的世界的同时，帮助我们的更高效、智能的完成更多工作，人类与AI将一起创造更多彩、更智慧的世界。

参考资料

[2]MomozhongAI赋能视觉技术，五大应用市场机遇多，https://wwwesmchinacom/news/6851html

[3]杨铮图像标签的算法原理和应用，https://zhuanlanzhihucom/p/103674228

[4]机器之心计算机视觉，https://wwwjiqizhixincom/graph/technologies/6e614199-9e49-450e-9078-61fb2b122da9

[5]人工智能知识库一文看懂计算机视觉-CV（基本原理+2大挑战+8大任务+4个应用）https://mediumcom/@pkqiang49

[6]许春景计算机视觉：机器如何看懂世界？https://wwwhuaweicom/cn/publications/winwin-magazine/ai/computer-vision-see-world

[7]微软亚洲研究院计算机视觉：让冰冷的机器看懂这个多彩的世界，https://wwwmsracn/zh-cn/news/features/computer-vision-20150210

[8]周小松2020年中国计算机视觉行业市场现状及发展前景分析人工智能引爆计算机视觉https://wwwqianzhancom/analyst/detail/220/201218-c62b8f33html

[9]元峰深度学习在计算机视觉领域的前沿进展https://zhuanlanzhihucom/p/24699780

[10]人工智能进化论十分钟了解人工智能AI的基础运作原理https://cloudtencentcom/developer/news/296050

[11]萝卜兔神奇的图像修复大法，AI想象力的开启https://cloudtencentcom/developer/news/278597

[12]Double_V_GAN原理，优缺点、应用总结https://blogcsdnnet/qq_25737169/article/details/78857724

[13] 博客园 卷积神经网络预备知识https://wwwcnblogscom/charlotte77/p/7759802html

作者 | Japson

来源 | 木东居士

0x00 前言

首先，《AI研发工程师成长指南》这个题目其实有些标题党了，准确地来说，本文内容应该是：“要想成为一名AI研发工程师，需要具备哪些技能”。

其次，本文对“AI研发工程师”这个title的定义，也并不是大家第一印象中的“算法工程师”、“数据科学家”。

再次，本文实际上作者结合现阶段行业发展、技术趋势以及自身工作性质做出的关于自身定位、职业技能、发展方向的思考。就像魔兽世界中的“职业攻略”，当我们在游戏中新建一个角色时，会先去了解这个职业的特点、天赋、技能树等信息，这样才会在“练级”的过程中少走些弯路。

最后，作者不是从一个很高的角度来对整个成长体系进行一个全面地阐述。而是站在道路的地点，不断摸索、不断前进、不断地调整自己的规划。因此本文不算是Best Practices，勉强算是Beta version，也希望能和大家不断交流，不断“发版”。

0x01 关于AI行业的思考

算法工程师的门槛

AI算法工程师年薪百万，应届毕业生年薪都有80w… 去年AI人才缺口就已经过百万，今年将达500w… 加入《XXX训练营》，XX天打造AI算法工程师…

在网络上充斥着各种类似上面那样的吸引眼球的文章标题，向你诉说着人工智能这一火的不能再火的领域美好的前景。仿佛我们看了两遍西瓜书、处理了MNIST和几朵鸢尾花、在自己的笔记本电脑上掉了几个包、得到了和教程上一样的结果，打了几场比赛，我们就已经拿到了AI领域的通行证、成功转型算法工程师、接大厂offer到手软了一样。

但实际，现在AI算法工程师的就业难度和准入门槛，远比我们想象的要高。

上一张网络上流传的“诸神黄昏”吧

可以说一点不夸张，现在很多大厂的校招算法岗，门槛就是海外名校/985工科院校的博士/硕士。除了拥有与学历匹配的学术能力以外，工程基础也要非常扎实。

有人说：“我看网上说，AI人才缺口非常大，我不去大厂不就行了？其他的公司要求没那么高吧？”

要求高不高我不知道，但是有一下两点：

绝大多数公司，是不需要雇佣AI算法工程师，即没有相关的业务需求，也负担不起算法团队的开销 2019年研究生报考人数290万人，预计招生70万人，其中计算机是热门专业，并且其中多数人的研究方向都是： 机器学习、数据挖掘之类。

此间竞争之激烈，诸如此类，虽未得其皮毛，也略见一斑。

AI企业痛点

当然，我说这些不是为了打击大家的信心，而是要指出现在行业内的痛点：AI工程化。

人工智能发展到现阶段，已经从实验室中的算法走向了工程化应用的阶段。但是算法落地并没有想象中的顺利，开始有越来越多诸如场景碎片化、应用成本高、实验室场景到实际应用场景效果差距较大等问题被暴露出来，而这些也成为当前阶段AI落地应用过程中新的痛点。

领域内高水平的paper都是公开发表的，除了少数的核心算法，人才济济的AI企业很难在算法性能上与友商拉开距离。那么AI企业想要商业化，想要创收，行业细分领域纵深成了决定成败的重要因素。需要下沉到业务领域，真刀真枪地进行拼杀。

在技术突破-商业化-产品化-工程化的阶段路线中，除了技术强，接下来还有很多路要走。谁能够更好更快地把算法从实验室中拿出来、卖出去；更好更快地将模型交付到业务场景，真正产生实际的价值，让客户满意，谁才能活得更久。

对于Scientist/Researcher而言，技术可以是一篇论文、一项 ImageNet 竞赛的冠军、也可以是一个重要数值（比如人脸识别准确率）的突破；但在商务侧来说，论文与冠军并不实用，如果技术无法融进安防、汽车、金融等行业，变成切切实实的产品，客户与合作伙伴就会拒绝买单。

对于AI企业来说，能否深入了解各行业的业务流程、业务规则、知识经验，进而将技术能力转化为业务解决方案创造价值，是发展的保障。

那么对于我们个人来说，应该如何发展呢？

0x02 AI研发

AI工程化

在《ML/DL科普向：从sklearn到tensorflow》一文中，我们谈到：

…… 那么对于我们这些非算法岗位的人来说，就没有办法涉及这一领域了么？其实我认为，对于企业来说，对于AI人才的需求分为两种：一种是学术界的牛人，发过大paper，有学术界比赛的结果的。公司需要他们去做算法研究，保持技术的领先性，在业内赢得口碑，这样才能在领域内保持头部领域。另一方面，人工智能早已不是一个概念了，企业需要把业务部门的算法落地的人，能够快速、稳定、高效地把实验室中的算法落实到生产环境中，解决实际问题的人。这就需要那些工程底子扎实、能够实打实地写代码，并且对算法模型理解深刻，能够快速将AI项目工程化、落地有产出的复合型人才。

还是基于这个观点，我决定将自身的技能树偏向企业需要的第二种人，也就是标题所提出的“AI研发工程师”。从实际的工程应用角度出来，focus人工智能项目落地的全流程以及解决方法，提高自己的AI工程化能力，以此作为个人核心竞争力。

AI项目全流程

网络上很多文章描述的所谓“机器学习项目全流程”，例如：数据收集处理、特征工程、训练模型、模型测试等等。这套流程对不对？对。但是远远不能满足企业的需求。

AI项目是团队创造出的具有商业价值的产品、服务以及交付产物。有着明确的需求、计划、周期、成本、交付流程以及验收标准。

以下以toB业务为例，对AI项目全流程进行简单梳理。toC业务大体如此，只是将客户替换成公司业务方即可。

初步需求沟通确认 该环节主要是由销售、售前完成。了解客户的基本情况，辅助客户根据自身业务挖掘AI应用场景。根据实际的业务需求、数据质量、硬件资源、期望产物来评估具体的方案以及建模思路。 POC阶段 Proof of Concept。在完成初步的评估之后，团队需要针对客户具体应用进行验证性测试，包括确定业务场景边界、业务评判指标、数据调研、资源需求、硬件/平台部署等。 场景方案确认 该环节需要售前、科学家、工程师等多角色与客户进行细致的场景沟通，明确需求、确定验收标准、评估工作量。因为该阶段结束后即输出SOW方案，因此需要反复沟通商榷。 建模开发阶段 41 项目详细规划 项目经理根据前期资料提供详细的方案设计、功能清单、资源投入、里程碑安排等内容，召开项目启动会，明确项目内容及分工职责。 42 数据处理 科学家在明确业务场景及需求后，对数据处理。其内容包括：数据质量检查、ETL处理（工作量较大）。还要对清洗后的数据进行探索性数据分析（Exploratory Data Analysis）以及可视化展示。EDA能够帮助我们在探索阶段初步了解数据的结构及特征，甚至发现一些模式和模型 43 特征工程 根据探索性分析得到的输出，结合对具体业务的理解，对分散的数据拼表并进行特征工程。 44 建模 形成初版建模，并对根据业务需求评估标准进行效果验证。后续需要不断进行模型迭代，直到满足需求，并做模型效果汇报。 45 系统研发 将训练好的模型发布服务、部署上线，开发外围对接系统以及部分定制化功能的开发。输出可运行的系统。 测试上线 对系统进行流程测试、性能测试，满足需求后对项目进行交付&验收。 0x03 核心竞争力&技能树

核心竞争力

通过对AI项目全流程的介绍，我们将目光瞄准到“建模开发阶段”的“系统研发”部分。虽然在上面只是一句话带过，但是其中的工作量和技术含量不小。

提起机器学习，尤其是深度学习，大家可能会对诸如Tensorflow，Pytorch，Caffee的工具耳熟能详。但其实在实际的机器学习的生命周期中，训练模型（上述工具主要解决的问题）只是整个机器学习生命周期的很小一部分。

数据如何准备？如何保证线上线下一致性？模型训练好了如何分布式部署？如何构建HA？需要批量处理还是实时处理？实时数据如何拼接？如何对模型服务进行监控、告警？做成PaaS还是MLaaS？

机器学习具有天然的Pipline特性，在企业需求中，大大小小的业务场景有众多的模型，这些模型如何进行打包、处理、发布？离线训练、批量预估、实施预估、自学习等任务类型交错，不同建模工具Sklearn、Tensorflow，Pytorch构造的模型如何进行整合？开发框架Spark ML、Flink ML等如何协同、对接。生产环境如何进行扩展和伸缩？如何支持AB Test？

为了解决这些问题，新生的开源框架层出不穷：Google自研的对接Kubernets和Tensorflow的开源平台Kubeflow；Spark团队打造的ML pipelines辅助工具MLflow；雅虎提供的机器学习及服务平台BigML；阿里巴巴推出的分布式机器学习平台SQLflow等等。众多厂商纷纷发力，目的就是解决AI工程化应用的痛点。

这些工作都是需要一大批工程师去完成。因此，我认为了解AI工程化场景、解决方案；熟悉AI项目流程、机器学习Pipline；掌握AI系统研发、服务部署上线能力的工程师将会逐渐成为AI团队的中坚力量。

技能树

之前铺垫了那么多，既是梳理思路，也是为接下来的系列做一个开篇。按照我的初步计划，技能树大概包括（不分先后）：

工程能力： 身为工程师首先要有工程能力，springboot/Netty/Thrift/等相关工具框架一定要掌握，微服务是机器学习平台的基础。 Spark SQL、Spark ML等更是大数据工程师用来做机器学习的利器，不但要掌握、更要从中抽象出流程和处理方法。 容器化： docker和k8s现在几乎是机器学习部署的必备技能，也是众多平台的基础。 是重要的前置技能。 机器学习&深度学习： 不要求能够手推算法、模型优化，但要能够了解含义、上手使用，起码要成为一名优秀的调包侠（也便于吹水）。 开源框架： 其实我最近打算学习kubeflow，并输出学习笔记及总结实践。 本文其实是这个系列的开篇。 当然，后续还有有调整。 0xFF 后记

其实这种类型的文章，比单纯的学习笔记、技术文章难写多了。一方面，拖延症迫使我把难写的文章放在后面写，另一方面，强迫症又迫使我一定要在系列前出一个开篇。其实写到最后，总觉得核心部分还差点儿意思，没有搔到痒处，这是因为目前我还没有能力站在一个全局的角度对职业技术体系进行划分，只能梳理出目前的规划和看法。后续要还需和朋友们进行交流。

有些事情是一定要做的，纵观一些大牛前辈，无一不是在正确的时候做了正确的事。明确自己的目标，在前进的道路上不断微调自己的方向，这样才能在这个竞争激烈的职业中生存下去。

接下来会有系列的技术学习笔记，考虑到学习的连贯性，前期可能是一些基础的docker/k8s等系列，后期会研究一些开源框架。技术文章可能会枯燥乏味，知识点也缺乏新意，但是经过自己的整理和实践，再加上自身的理解感悟，相信会不断完善自己的知识体系。

文/杨剑勇

以深度学习、机器学习为核心的AI技术得到迅猛发展，主要得益于算力、算法上的突破，使得AI技术得到广泛应用落地。在金融业，因把人工智能引入金融服务，让蚂蚁金服成为全球独角兽之王，估值高达2000亿美元，且有望A+H模式登陆科创板。以及传统银行也在积极拥抱新技术，以人工智能技术为手段，以大数据为驱动，推动零售金融数字化转型。

还有制造业、供应链管理、医疗、智能家居等细分领域，人工智能技术得到广泛落地，整体来说，人工智能技术已成为全 社会 智能化转型关键技术之一。各国为把握人工智能所带来的新一轮产业智能化变革，纷纷出台相关政策。

为抢抓人工智能发展的重大战略机遇，我国于2017年出台新一代人工智能发展规划。预计到2030年，人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。在人工智能升格到国家战略后，以BAT、华为等为代表的 科技 巨头纷纷调整战略，以及AI创新独角兽也得到快速发展。主要在于我国在用户、数据和应用场景等方面优势明显，推动国内人工智能呈现出蓬勃发展态势。

如今，为进一步落实发展人工智能的决策部署，推动人工智能技术在开源、开放的产业生态不断自我优化，包括基础共性、伦理、安全隐私等方面标准的引领作用，我国印发了国家新一代人工智能标准体系建设指南。立足国内并兼顾国际的同时，促进创新成果与产业深度融合，注重与智能制造、工业互联网、机器人、车联网 等相关标准体系的协调配套，为高质量发展保驾护航。

对于国家人工智能标准体系指南出炉，以及当前新基建大背景下，深耕人工智能应用的厂商来说，将会释放新一轮发展机遇。那么，除BAT、华为等 科技 巨头以外，本文梳理在机器视觉、智能语音、智能家居、AI云、AI芯片等各细分赛道核心玩家，对于他们来说，有望受益于人工智能这一波红利，迎来最好的发展时期。

机器视觉：旷视 科技

计算机视觉与智能语音市场增长强劲，IDC报告指出，在疫情之后，包括园区、办公楼宇将带来一拨新的人脸识别需求。在传统行业，工业质检、巡检应用正在兴起。只是，在机器视觉市场则主要被旷视、商汤、云从和依图为首的四大AI独角兽占市场主导地位。

旷视、商汤 科技 等机器视觉独角兽作为人工智能技术后浪，显然在机器视觉市场超海康威视、大华股份等前浪。因人工智能应用落地，也使得旷视 科技 等后浪AI独角兽一跃成为机器视觉细分场景的佼佼者。根据旷视 科技 早前披露的数据显示：2016年营收为6780万元增至2017年的313亿元，到2018年增长至1427亿元，复合年增长率为3588%。业绩高速增长这主要得益于视频物联网应用于城市及公共场所所释放的巨大机遇。

此外，在面对新基建国家战略，旷视 科技 也积极推进，并助力新基建落地，公布了AI新基建线路图。专注于“算法”，结合应用，在个人物联网、城市物联网、供应链物联网三大细分赛道落地，并通过新一代AI生产力平台把 AI 能力分享世界，开发者可以基于旷视Brain++平台，覆盖更多场景的应用，推进AI新基建进程。

智能语音：科大讯飞

相比机器视觉由后浪主导不同的是，智能语音技术则由科大讯飞、百度、阿里等 科技 巨头占主导。当然，思必驰、小i机器人等优秀人工智能创新企业也跻身中国人工智能语音应用主流玩家。IDC报告显示，2019年中国语音语义应用市场达1225亿美元。除了智能家居等消费级产品，在智能客服、法庭庭审语音转文字，贡献了较大的市场规模。

就市场格局来看，科大讯飞占据领先地位。作为智能语音领导厂商，在2019年营收更是突破百亿大关。对于人工智能这条赛道深耕二十多年的科大讯飞来说，意味着其人工智能技术布局成果显现，也预示着将迈入新的里程碑。

目前，科大讯飞语音技术教育、金融、政法、城市、 汽车 、翻译等场景。此外，其AI开放平台有超过112万开发者。在平台+赛道战略指引下，使得开放平台、教育和智能硬件方向增长尤为迅猛，推动整体业绩稳健增长。

智能家居：海尔智家

在人工智能、物联网等技术推动下，家庭智能化快速发展，以及消费者对家庭场景中各种智能设备保持强劲的竞争态势，使得各类玩家纷纷涌入智能家居这条赛道，大致可以分成传统家电厂商、手机厂商以及互联网企业为首的三大阵营。而传统厂商当中，以海尔智家尤为突出，并已锐变为物联网生态品牌。

对于海尔智家来说，因早早布局智慧家庭，将场景品牌和生态品牌提升为集团战略，所以在生态培育上有先发优势。在业界看来，深耕家电多年且始终追随用户体验的海尔智家，深知如今用户已经不满足于单一的家电产品，必须以家庭全场景来满足用户变化了的生活需求。为此，海尔智家基于衣、食、住、娱不同生活场景，以成套化满足人们个性化的智慧生活。

AI云：百度智能云

随着全球智能化转型趋势背景下，各界积极部署物联网、工业互联网，以及将更多应向云端迁移，进一步激活全球云服务市场。与此同时，在云端这条赛道上玩家竞争进入比拼人工智能应用能力阶段。根据《IDC中国人工智能云服务市场研究报告（2019）》显示：AI能力已成为用户进行云服务选型时的重要考量因素。

截止到2020年4月，各厂商在公有云上开放AI能力的数量，从统计数据来看，百度智能云、阿里云开放的能力最为丰富。需要指出的是，凭借丰富的AI能力，百度智能云在多个细分领域排名第一。

从2019年AI公有云服务市场份额来看，百度智能云市场份额第一，且连续两年在AI Cloud领域排名中国第一。在自然语言处理领域，目前实现一定规模的商业化营收的仅有百度智能云。不管是智能音箱、家居等消费级产品市场还是其他企业级市场，百度智能云都建立了广泛的客户基础。

AI芯片：地平线

近年来，信息 科技 以惊人的速度在发展，尤其NB-IoT、5G等无线通信技术署规模日益扩大，使得物联网连接数高速增长。截至2019年，全球物联网连接数高达120亿个，到2025年将增长至246亿，年复合增长率达到13%，这一数据来自今年早些时候GSMA所发布的《2020年移动经济》报告。

因数百亿设备连接至网络，对物联网芯片和人工智能芯片需求剧增，结合ABI Research调研机构早前发布的报告显示，全球云端AI芯片市场规模预计2024年将达100亿美元，边缘AI芯片同样也呈现出高速增长态势，未来几年，年复合增长率为31％。

对于地平线来说，其AI芯片商业落地聚焦在智能驾驶与智能物联网两条赛道上，地平线创始人余凯对曾笔者表示，AI芯片对技术要求极高，地平线在商业落地上进展比较顺利。当然，绝对不是一飞冲天，需要稳扎稳打。

目前，地平线在 ADAS、自动驾驶、高精地图和智能座舱等领域已赋能一大批行业顶级Tier 1、OEM、通讯运营商，包括长安、福瑞泰克、奥迪、佛吉亚、SK电讯、理想等多个顶尖企业在内的合作伙伴正与地平线携手加速智能驾驶时代的到来。诸如长安 汽车 发布主力车型UNI-T，内置中国首款车规级人工智能芯片——地平线征程二代，具备每秒4万亿次的算力，预示着地平线车规级人工智能中国芯首次前装量产。

此外，地平线与中汽创智签署合作协议。中汽创智又叫T3 科技 ，由国资委投资，中国一汽、东风公司和长安 汽车 三大央企 汽车 厂商成立的共性技术平台。根据协议，双方将基于地平线行业领先的车规级 AI 芯片和人工智能算法，以高级辅助驾驶（ADAS）、高等级自动驾驶和智能座舱为重点，全面深入合作，加速智能 汽车 量产方案中的平台技术研发。

“地平线作为边缘AI芯片领导者，长期致力于AI芯片的软硬件研发和商业落地工作。”在地平线联合创始人兼技术副总裁黄畅博士2020全球人工智能和机器人峰会上对此表示。

最后

世界经济总体较弱的局面下，全球积极利用 科技 推动新经济发展。我国也提出加大新型基础建设，为经济释放增长活力。其中，人工智能技术正在与各行各业快速融合，推动传统行业转型升级、提质增效的同时，也不断催生出新技术、新模式、新业态，以人工智能为代表的信息化技术将成为智能化经济的核心驱动力。

在人工智能标准指南、新基建战略下，为发展新技术释放出政策红利，以人工智能、自动驾驶、云服务、大数据和物联网等为核心技术为创新方向的企业，也迎来新一轮的机遇。

杨剑勇，福布斯专栏作家、网易签约作者，并连续三年（2017-2019年）获得年度最佳签约作者。致力于深度解读5G、物联网经济和人工智能等前沿 科技 ，观点和研究策略被众多权威媒体和知名企业引用。

希腊神话中的12主神

1、宙斯Zeus：天神之父，也是众神之神，地上万物的最高统治者。用雷霆和叫做“埃奎斯”的神盾治理天和地。同时，宙斯还是个花心大萝卜，到处拈花惹草使他的妻子赫拉嫉妒。

2、赫拉Hera：宙斯的妻子，神圣的婚姻女神，掌管婚姻，捍卫家庭。赫拉相当冷静并且拥有美好的身材。性格特征是嫉妒。

3、波塞冬Poseidon：海神，仅次于宙斯的强大的掌权者。波塞冬具有强大的力量，但他是一个头脑简单的神。他的兵器是三叉戟。

4、赫斯提亚Hestia：炉灶、火焰女神。谦让、随和、心地善良，深受众神的爱戴。

5、德墨忒尔Demeter：谷物、大地女神。她有着温和的态度、热情的笑容，但她很胆小。

6、阿佛洛狄忒Aphrodite：爱和美的女神。就是人们常说的维纳斯。她拥有白瓷般的肌肤，是个金发碧眼的美人。她是优雅和迷人的混合体，所有她的行为和语言都值得保留并用作典范。

7、阿波罗Apollon：太阳神，同时也是音乐、预言、弓箭、医疗之神。阿波罗是男神中最英俊的，他快乐、聪明，拥有阳光般明亮的气质，总是充满了勇气和力量，女人们都喜欢他。

8、雅典娜Athena：主管胜利、智慧和技艺的战争女神。她是从父亲宙斯的脑袋里诞生的女神，少言寡语，极具智慧，外表很酷，拥有很多“fans”。

9、阿瑞斯Ares：战神。总是一身盔甲，长相英俊，但因脾气暴躁喜欢大喊大叫众神都不太喜欢他，但偏偏爱与美的女神阿佛洛狄忒钟情于他。

10、阿尔忒弥斯Arthemis：月亮和狩猎女神，又是美丽而纯洁的处女神。她非常迷人，思维敏捷，做事果断，奔跑迅速，因此总是不可能在一个地方逗留太长的时间。

11、赫尔墨斯Hermes：宙斯的随从，牧童和游子之神。他是位兼具才华和魅力的神，常带着恶作剧般的微笑，行动迅速，是众神中最忙碌的一个。众神都很喜欢他。

12、赫菲斯托斯Hephaestus：手艺异常高超的铁匠之神。他又驼又瘸，是众神中最丑陋的神。但他的心地非常善良

其他人物

　卡俄斯（Khaos／Chaos，）：混沌之神。

　　 宇宙之初，只有卡俄斯，他是一个无边无际、一无所有的空间。随后诞生了地母神盖亚（Gaia）、地狱深渊神塔耳塔洛斯（Tartarus）、黑暗神俄瑞波斯（Erebus）、黑夜女神尼克斯（Nyx）和爱神厄洛斯（Eros）世界由此开始。

　　该亚(Gaia)：大地女神

卡俄斯之女。大地的本体，她诞生了天空乌拉诺斯（Ouranos）、海洋蓬托斯（Pontus）和山脉乌瑞亚（Ourea）等。接着她又和她两位儿子生了许多神。和乌拉诺斯生了提坦（Titans）分别代表了世界最初的些事物（日、月、天、时间、正义、记忆等）和蓬托斯生了五个孩子分别代表了不同的海。她算得上是众神之母（是奥林匹斯神的始祖）。

　　塔耳塔洛斯（Tartarus)：地狱深渊神

卡俄斯之子。五大创世神之一，可以说是地狱冥土的创造者，深渊的本体。 他出生在大地盖亚之后，在该亚的下面，后来和该亚生了该亚最小儿子的就是怪物提丰（Typhon）。他是一个无形的深渊，位于世界的最底端，此后他是关押妖魔怪物和一些神坻的地方。宙斯就把一些提坦神关押在塔耳塔洛斯。

　　厄瑞波斯（Erebus）：黑暗神

卡俄斯之子。五大创世神之一，塔耳塔洛斯诞生后，在塔耳塔洛斯之处以上（地下/该亚之下）诞生。黑暗的化身与本体，位于大地（该亚）与冥土之间。他和她妹妹黑夜女神尼克斯(Nyx）生了三位古老的神坻，他们是： 太空之神埃忒耳 (Aether)、白昼之神赫莫拉 (Hemera)和冥河的渡神卡戎（Charon）。

　　尼克斯（Nyx）：黑夜女神

卡俄斯之女。五大创世神之一，厄瑞波斯诞生后在大地（该亚）之上诞生。黑夜的化身和本体，她是一位古老而强大的神坻，她不但同他哥哥生了三个孩子外还独自一人生了一大批神。

　　厄洛斯（Eros）：或称爱洛斯:爱神

卡俄斯之子。五大创世神之一，诞生在黑暗和黑夜之后。爱欲、生育及性欲的化身。是他促生了诸神的生育相爱，他是一切爱欲的化身（包括同姓、异性）。

　　乌拉诺斯(Uranus)：天之神

盖亚的长子和丈夫，第一任神王。被他儿子推翻。

　　蓬托斯（Pontus）：海神

盖亚之子和情人，最早的海神。

乌瑞亚（Ourea）：山神

盖亚诸子。

克洛诺斯(Cronus)：盖亚与乌拉诺斯的十二个提坦神儿女中最年幼者。天、空间神，推翻父神而成为第二任神王。。

瑞亚(Rhea)：十二提坦之一，时光女神。克洛诺斯的妻子第二任神后。

俄刻阿诺斯(Oceanus)：十二提坦之一，大洋河流之神。生育了地球上所有的河流及三千海洋女神。

泰西斯(Tethys)：十二提坦之一，沧海女神；俄刻阿诺斯之妻。

许配利翁(Hyperion)：十二提坦之一，光明太阳之神。太阳，月亮和黎明之父。

提亚(Thea)：十二提坦之一，宝物、光及视力女神；许配利翁之妻。

摩涅莫绪涅(Mnemosyne)：十二提坦之一，诗歌女神（Musa)之一，记忆之神宙斯第五位妻子九缪斯之母。

伊阿佩托斯(Iapetus)：十二提坦之一。阿忒拉斯、普罗米修斯、厄毗米修斯和墨诺提俄斯之父。

克瑞斯(Crius)：十二提坦之一，生长之神。

忒弥斯(Themis)：十二提坦之一，秩序和正义女神宙斯第二位妻子时序三女神之母

菲碧(Phoebe)：也称福伯或福碧,十二提坦之一，月之女神勒托与阿斯特瑞亚之母。

克俄斯(Coeus)：十二提坦之一，暗与智力之神。菲碧的老公。

墨勒忒（Melete）：提坦之一，十二提坦姐妹，诗歌女神（Musa)之一,深思女神。

阿俄伊得（Aoede）：提坦之一，十二提坦姐妹，诗歌女神（Musa)之一，歌唱女神

艾泰（Aitna):提坦之一，十二提坦姐妹,西西里火山女神

狄俄涅（Dione）：冰海女神[又一常说的说法是她是俄克阿诺斯和泰西斯之女]

阿得努斯(Adanos)：提坦之一，十二提坦兄弟,裁决之神

厄斯塔廋斯（Ostasos）：提坦之一，十二提坦兄弟,替换之神

安得斯（Andes)：提坦之一，十二提坦兄弟,安第斯山神

奥利博若斯（Olymbros）：提坦之一，十二提坦兄弟,圣山之神（奥林匹斯圣山的化身）

阿忒拉斯(Atlas)：普罗米修斯的兄弟。最高大强壮的神之一。因反抗宙斯失败而被罚顶天。

普罗米修斯(Prometheus)：伊阿佩托斯之子。最有智慧的神之一，被称为“先知者”。人类的创造者和保护者。因触怒宙斯被锁在高加索山上，每日有秃鹰啄食其肝脏，然后又长好，周而复始。后被赫拉克剌斯救出。

厄毗米修斯(Epimetheus)：普罗米修斯的兄弟。最愚笨的神之一，被称为“后知者”。因接收了宙斯的礼物——潘多拉为妻，结果从“潘多拉之盒”中飞出了疾病，罪恶等各种灾难降临人间。

墨诺提俄斯（Menoetius):普罗米修斯的兄弟,暴力愤怒之神，被宙斯用雷电劈中。

墨提斯(Metis)：智慧女神，俄克阿诺斯之女,宙斯的第一位妻子,雅典娜的母亲

欧律诺墨(Eurynome):海洋女神,俄克阿诺斯之女,宙斯第三位妻子,美惠三女神之母

勒托(Leto):暗夜女神,克俄斯与菲碧之女,宙斯第六位妻子,阿波罗与阿尔忒弥斯之母

厄里倪俄斯(theErinnyes)：复仇女神，又被称为欧墨尼得斯(Eumenides)。无情地报复犯罪者，直到其死亡。对犯弑母大罪的人尤其严厉。共有三人，提希丰(Tisiphone)，美嘉拉(Megaera)，阿耳刻托(Alecto)。她们从乌拉诺斯的血液中诞生。一说是乌拉诺斯的精血溅飞在该亚身上，该压所生。

普利俄阿德斯(ThePleiades)：阿忒拉斯的七个如花似玉的女儿。分别是伊莱卡(Electra)，迈亚(Maia)，塔吉忒(Taygete)，阿耳刻悠妮(Alcyone)，美罗珀(Merope)，塞莱诺(Celaeno)，丝黛罗普(Sterope)。其中迈亚是赫耳墨斯的妈。

时序女神(Horae)：宙斯和忒弥斯诸女，

欧诺弥亚(Eunomia）秩序女神

狄刻(Dike)公正女神

厄瑞涅(Eirene）和平女神

季节女神（时令）（Horae)，满月女神塞勒涅诸女他们是：

塔罗（Thallo）春（萌芽）女神

奥克索（Auxo）夏（生长）女神

卡尔波（Carpo）秋（结果）女神

时节女神荷赖（Horae)，太阳神赫利俄斯诸女他们是：

奥格（Auge）晨光女神

阿那托勒（Anatole）日出女神

缪西卡（Mousika）学习女神

戈那斯提卡（Gymnastika）运动女神

宁斐（Nymphe）沐浴女神

墨森布瑞亚（Mesembria）正午女神

斯蓬德（Sponde）奠拜女神

厄勒忒（Elete）祈祷女神

阿刻忒（Akte）餐饮女神

赫斯珀瑞斯（Hesperis）黄昏女神

狄希斯（Dysis）日落女神

阿尔克托斯（Arktos）晚霞女神

塔拉萨（Thalassa）：海面女神，埃特拉与赫莫拉的女儿，蓬托斯的妻子。

涅柔斯(Nereus)：蓬托斯和该亚长子，外号“海中老人”。是个知识渊博，真诚善良的老神仙。

多丽斯(Doris)：俄克阿诺斯之女，三千海洋女神之一。涅柔斯之妻。

陶玛斯（Thaumas）：奇观之海神，蓬托斯和该亚的孩子。

福耳库斯（Phorcys）：破坏之海神，蓬托斯和该亚的孩子。

刻托（Ceto）：危险之海神，蓬托斯和该亚的孩子。

欧律比亚（Eurybia）：力量之海神，蓬托斯和该亚的孩子。

忒提丝（Thetis）：涅柔斯的女儿之中最贤慧者。

安菲特里忒（Amphitrite）：海后，涅柔斯之女，波赛东之妻

海神女(TheNereids)：涅柔斯和多丽斯的五十个可爱女儿。他们是1、普洛托(Ploto)；2、欧克拉忒(Eucrante)；3、萨俄(Sao)4、安菲特里忒(Amphitrite)；5、奥多拉(Eudora)；6、忒提斯(Thetis)；7、伽勒涅(Galene)；8、格劳刻(Glauce)；9、库姆托厄(Cymothoe)；10、斯佩俄(Speo)；11、托厄(Thoe)；12、哈利厄(Halie)；13、帕西忒亚(Pasithea)；14、厄拉托(Erato)；15、欧里刻(Eunice)；16、墨利忒(Melite)；17、欧利墨涅(Eulimene)；18、阿高厄(Agaue)；19、多托(Doto)；20、普罗托(Proto)；21、斐鲁萨(Pherusa)；22、狄拉墨涅(Dynamene)；23、尼萨亚(Nisaea)；24、阿克泰亚(Actaea)；25、普洛托墨狄亚(Protomedea)；26、沲瑞斯(Doris)；27、潘诺佩亚(Panopea)；28、伽拉泰亚(Galatea)；29、希波托厄(Hipothoe)；30、希波诺厄(Hipponoe)；31、库摩多刻(Cymodoce)；32、库摩(Cymo)；33、厄俄涅(Eione)；34、阿利墨德(Alimede)；35、格劳科诺墨(Glauconome)；36、蓬托波瑞亚(Pontoporea)；37、勒阿革瑞(Leagore)；38、欧阿革瑞(Euagore)；39、拉俄墨狄亚(Laomedea)；40、波吕诺厄(Polynoe)；41、奥托诺厄(Autonoe)；42、吕西阿娜(Lysianassa)；43、欧阿涅(Euarne）；44、普萨玛忒(Psamathe)；45、墨尼珀(Menippe)；46、涅索(Neso)；47、欧波摩珀(Eupompe)；48、忒弥斯托(Themisto)；49、普罗诺厄(Pronoe）；50、涅墨耳提斯(Nemertes)。

特里同(Triton)：海神波塞冬和安菲特里忒之子；手拿个大海螺半人半鱼。

米诺斯(Minos)：克里特国王；以严密的法治而闻名，因此死后成为冥府的判官之一；宙斯和欧罗巴的儿子。

拉达曼达斯(Rhadamanthys)：米诺斯的兄弟，亦是冥府判官之一。

卡吕普索(Calypso)：海上女神，阿忒拉斯的女儿；爱上了凡间的英雄俄底修斯，但由于宙斯的阻挠未能与其成婚。

阿刻罗俄斯(Achelous)：河神，俄刻阿诺斯和泰西斯的诸子中最长者。众海妖塞壬之父。

阿尔库俄纽斯(Alcyoneus)：天与地之子，最强大的巨人，在地上时不会被杀死。

阿玛耳忒亚(Amalthea)：海中仙女，有一可从中取食物的牛角。河神阿刻罗俄斯的角被赫拉克剌斯折断后，她将自己的一个送给阿刻罗俄斯。

伊里丝(Iris)：宙斯的使者；彩虹女神；人头鸟哈耳皮埃的妹妹。

阿尔刻（Arce）：提坦神使；霓虹女神；人头鸟哈耳皮埃的妹妹

琉喀忒亚(Leucothea)：海中女神；波塞冬将俄底修斯的船打碎后，她曾搭救俄底修斯。

珀耳塞(Perse)：俄刻阿诺斯与泰西斯之女，是赫利俄斯的妻子。

克吕墨涅(Clymene)：俄刻阿诺斯与泰西斯的女儿。好像和若干个神都有过亲密关系，包括普罗米修斯和阿波罗等，并生育了不少子女，

喀耳刻(Circe)：赫利俄斯和珀耳塞的女儿，是个女魔法师，能把人变为牲畜。

普洛透斯(Proteus)：海中老人，变化无穷。

斯卡曼德洛斯(Scamander)：河名，亦是河神名；又叫克珊托斯(Xanthus)

赫斯帕里得斯(Hesperides)：尼克斯的女儿们；守卫该亚作为结婚礼物送给赫拉的金苹果树。

绪任克斯(Syrinx)：山林女神，为潘所追求，化为芦苇。

帕拉斯(Pallas)：特里同的女儿；雅典娜无意中杀死她，因纪念她，自己该名帕拉斯，自称为帕拉斯•雅典娜。

格劳克斯(Glaucus)：海神，善做预言。

塔罗斯(Talos)：巨人，青铜时代最后一人；守卫克里特岛。

墨诺提俄斯(Menoetius)：冥王的牧人。

比亚(B