智慧城市

智能制造系统解剖学 解决问题的人:人工智能系统的解剖学

小编 2024-10-13 智慧城市 23 0

解决问题的人:人工智能系统的解剖学

本月,“解决问题的人”以“未来 ”为坐标。从未来之城的新实践,到生物科技、人工智能、大数据与艺术设计的交汇地带,以此角度切入,我们一同探索关于未来生活的多种可能性。

《人工智能系统解剖学》

(Anatomy of an AI System)

Vol.12

云,潮汐与艾莉克莎

Clouds, Tides and Alexa

2019年7月初,在展览“撒谎的索菲亚和嘲讽的艾莉克莎”(Lying Sophia and Mocking Alexa)的布展现场,晓明和马师傅握着手里这个14.8厘米高的小圆筒一筹莫展:它拿着十分顺手,像所有的电子产品一样,设计流畅而简洁,顶部的面板围着一圈剔透的蓝绿色灯,唯一的问题是,他们现在并不需要把这台或许是全球最畅销的智能助手放在桌前或枕边。

他们需要把它拆掉。

01 如何拆解 Alexa

Disassembling Alexa

智能助手亚马逊 Echo

(搭载着标题里的“艾莉克莎”,Alexa)

亚马逊智能助手(原理图)

像所有的电子产品一样,这台亚马逊 Echo(搭载着展览标题里的“艾莉克莎”,Alexa)外表找不到螺孔,暗扣或任何可以用简单工具撬开的缺口(事实上,亚马逊提醒用户不可以自己打开修理 Echo,因为这将使保修失效。)如其所象征的人工智能技术一般,它在马师傅的眼里,严丝合缝。

他们需要撬开这台机器,以配合作品《人工智能系统解剖学》(Anatomy of an AI System)的展出,这件作品包含了“诞生、生命和死亡”三阶段的“人工智能全球系统”分解视图,和一篇由21个部分构成的文章。作品后来获得了英国伦敦设计博物馆(Design Museum, London)举办的2019年“Beazley 年度设计奖”的全场大奖。

在这次北京的展览中,策展人与艺术家商议,增加了物理上“肢解”一台亚马逊 Echo 的部分。

《人工智能系统解剖学》的作者纽约微软研究院首席研究员、纽约大学 AI Now 机构创始人 Kate Crawford (左)与其搭档 Vladan Joler。

事实上,Echo 拆开后的零部件非常少,而作品的作者,纽约微软研究院首席研究员和纽约大学 AI Now 机构的创始人 Kate Crawford 与其搭档 Vladan Joler 则从概念和图式上真正“拆开”,或者说“展开”了它背后的巨大链条。

Echo 是使用多种矿物质制造的,包括从玻利维亚的乌尤尼盐沼收获的锂元素。摄影:Dean Mouhtaropoulos/Getty Images

在亚马逊配送中心,大量产品按照计算机安排的顺序被放置在几百万个货架上。这个空间中的每个物品位置都由复杂的数学函数精确计算得出,这些函数处理订单信息,并创建产品之间的相对关系。在亚马逊成千上万的公开专利之中,有一份编号为9280157的美国专利令人吃惊地表现出了对于工人的异化。

在一个短暂的、今天的人们已驾轻就熟的与 Alexa(或Siri、Cortana等类似的智能助手)对话的时刻,大量的性能矩阵被唤醒:盘根错节的资源提取链条,由人工劳动力构成的网络,和跨越数据挖掘、安排、分配、预测和优化等多重网络的算法处理都卷入了进来。这个系统的规模几乎超出了人类的想象。作品进而试图探讨我们如何才能开始看到智能产品背后庞大的、用以驱动其互动能力的网络的存在,它在文中以潮水的隐喻出现:

“网络收到持续不断的,宛如潮汐般的馈送:人类的声音流如潮水般涌进网络,被翻译成文字,查询和匹配数据库中的潜在答案,Alexa 的回应则是这一波潮水的尾声 。”

Bernd Lintermann (Germany),《YOU:R:Code》,© ZKM, Photo: Bernd Lintermann

盘根错节的资源提取链条,

由人工劳动力构成的网络,

和跨越数据挖掘、安排、分配、

预测和优化等多重网络的

算法处理都卷入了进来。

Alexa 的回应则是这一波潮水的尾声 。

02 计算机产业与采掘主义

Computer Industry & Excavation

从其出生至今,亚马逊的这台智能产品一直未离开媒体关注的核心,2014年加入亚马逊公司的 Toni Reid 接手了当时还是硬件部门 Lab 126 机密项目的“Alexa”,在短短数年内,Alexa 已经借助寄生于几千万家庭的 Echo 设备,无缝渗入了人们的生活:设定闹钟,开关灯,查天气预报,说个笑话。

而围绕着 Alexa 的,还有风靡于社交媒体,满足许多人对于 AI 暗黑想象的都市传说(如突然发出可怖的笑声或对女主人 Danni Morritt 说出“心跳并不是个好东西”),和由一系列“监听事故”引发的数据隐私讨论。

北京的布展者马师傅从未用过 Echo,

但他知道天猫精灵卖得还不错,

在同一个展览里出现的两台

Google Home 好像也能聊起来。

“失控”的亚马逊 Alexa 人工智能助手

进入科技行业之前就读人类学专业的 Toni Reid 曾表达亚马逊的愿景是“有 Alexa 陪伴的日子”,北京的布展者马师傅从未用过 Echo,但他知道天猫精灵卖得还不错,在同一个展览里出现的两台 Google Home 好像也能聊起来。某种意义上,Alexa 更像一个符号,它象征着由智能助手族群们所构建的,一套全新的“陪伴”体系——无论接受与否,它们正在更大面积地成为数字生态和日常生活的一部分:方便,快捷,解放双手。而 Crawford 则敏锐地发现了这个祥和画面的漏洞,她“凑近”观察了一台亚马逊 Echo 的诞生与死亡,以一种“超个体”(超越个体用户、个体数据、个体公司乃至个体技术)的方式,绘制了如下的地图。

《人工智能系统解剖学》(Anatomy of an AI System)局部

地图提供纵向和横向两种视角,横向的展开是“从地球到地球” ,并伴随着跨越深度时间的地质过程:它描述了锂矿这种被称为“灰金”的金属,如何从位于玻利维亚西南部,海拔3656米的乌尤尼盐沼开采出来,再经历电子元件的装配与流通,拼合成 Echo,最后随着它的失灵而一起被作为垃圾扔掉,浸没入漫长的地质过程中去。如 Crawford 在文中所言:“AI系统扩展网络中的每个对象,从路由器到电池到麦克风,都是使用数十亿年才能生成的元素构建的。从深度时间的角度来看,我们正在’采掘’地球的历史,以服务于技术时间的一瞬,建造使用不超过几年的设备。”而地图的纵向展开则是“从人到人” :顶部是人类主体,向 Echo 提问,并向亚马逊提供有价值的口头问题训练数据,以及能被用来进一步完善 AI 语音系统的回答。底部则是另一种人力资源:人类知识和能力的历史,也被用于训练和优化人工智能系统。

Ian Goodfellow与其合作者对GAN的能力的说明。这是在两个数据集(MNIST和TFD)训练后由对抗性生成网络(Generative Adversarial Networks)生成的样本。对于这两者,右边的列包含与直接相邻的生成样本最接近的真实数据。这表明,生成的数据是真实生成的,不仅是由网络存储。source: “Generative Adversarial Nets” paper

由GAN生成的人工智能肖像画《埃德蒙 · 贝拉米画像》(Portrait of Edmond Belamy)在2018年佳士得拍出了43.2 万美元天价,在画像留白处是"画家"的签名——一串数学方程式。© Christie's

新兴技术向来是艺术创作的关注点,自谷歌大脑研究员 Ian Goodfellow 那篇著名的生成对抗网络论文发表以来,GAN 作为一种“工具”已经被艺术创作者广泛(乃至泛滥)地使用。“工具”属性之外,智能系统的飞速演进所带来的关于技术平权,技术伦理和人类角色的反思也在不断卷入艺术家的工作路径。Frank Pasquale 等研究者也把关于算法黑箱的述说,展开在公众面前。《人工智能系统解剖学》创作的时间点,恰恰是人工智能技术一方面大受媒体和资本鼓吹与渲染,一方面也质疑涌动的时刻。Crawford 与 Joler 的合作,则像是来自计算机科学,图形分析与视觉艺术的几股力量之间的一次和睦交汇。

1673年,耶稣会的博学家阿塔纳修斯·基歇尔(Athanasius Kircher)发明了“对讲雕像”(statua citofonica)。他还发明了第一个磁钟,许多早期的自动机,以及扩音器。他的对讲雕像是一个非常早期的监听系统:本质上是一个由巨大的螺旋管制成的话筒,一边采集来自公共广场的对话声音,一边通过管道传到位于贵族私人房间内的雕像口中。

下图:SHARE Lab (Vladan Joler 与 Andrej Petrovski), 《Facebook算法工厂》(Facebook Algorithmic Factory)局部;上图:SHARE Lab. Exploitation Forensics at Aksioma Project Space. Photo: Janez Janša

《人工智能系统解剖学》所提出的核心词汇是“采掘”(excavation),Sandro Mezzadra 和 Brett Nielson 用“采掘主义”这个术语来命名当代资本主义中各种采掘性操作形式之间的关系,而整个风起云涌的计算机产业情境所见证的,恰恰是对地球和生物圈资源的掏空。如 Liam Young 和 Kate Davies 所言,“你的智能手机依靠火山的眼泪和母乳。这片土地通过我们口袋里的手机与地球上的任何地方连接起来”。类似的叙述情境在《云的前史》(A Prehistory of The Cloud)一书中也可发现。胡腾晖(Tung-Hui Hu)在书中详尽描述了“云”这一虚无缥缈的隐喻背后的物质实体和分布式控制网络。书中也饶有趣味地提到,“对云的凝视”(Seeing the Cloud)启发艺术家成为另一个意义上的圣像崇拜者(icondules),他们并不认为“图像”的本义是将不可见之事显现出来,而是一种抽象的总体性和“人类经验的框架”之间持续萌生的媒介。

Matthias Hopf, point cloud visualization

最初的“土耳其机械人”(Mechanical Turk),是1770年匈牙利发明家沃尔夫冈冯肯佩伦(Wolfgang von Kempelen)建造的一种下棋机器。但这只是一种障眼法,一位棋手大师藏在机器里面并操作机器下棋。160年后,亚马逊网开始推广基于微支付的众筹平台,同样以土耳其机械人为名。via Wikimedia Commons

另一种“采掘”则发生在系统和用户之间,如 Crawford 在一次采访中所言:“今天的消费者是混合的,他们是产品的购买者,但同时也是训练数据的资源。” 关于“数据劳工”的讨论已经存在了一段时间,除了众所周知的全职给图片加标签的“劳工”,这个领域还存在不同层级和范围的对用户“劳动力”的提取。 ImageNet 已经拥有一千多万张图片数据,并且成为了亚马逊“土耳其机器人”(一个线上众包劳动力的服务)的重要“学术客户”。

03 数字劳工、验证码

与隐形的数据集

Digital Labour, Captchas

& Invisible Datasets

探讨了上百万“众包劳力”(crowdwork service)的当下,将会指向何种思辨性的未来。

在作品《人类要素》(Human Element Inc.)中,艺术家 Philipp Schmitt 便探讨了上百万“众包劳力”的当下,将会指向何种思辨性的未来。这些劳动力正通过训练机器更好地做那些它们还未完美掌握的事情,让我们的数字世界体验更流畅 : 这些任务包括给图片分类、听打文字和审核情色内容。而具有讽刺性的是,这些机器训练者终将有一日会被机器所取代。如果这些数字工作被交织在日常生活中,我们的世界会怎样?《人类要素》设计了三种思辨式的 “众筹劳力” 服务,并假设其发生在不远的未来:在这个未来里,你可以在等车时提供你的眼动数据,赚点零花钱;你可以通过完成一些小任务,获得某份报纸一年的免费订阅;甚至人人家里的桌面上都有一个像扫描仪的客户端,把所有人的闲暇时间利用起来,让他们成为众包劳动力。

Sylvio Lorusso & Sebastian Schmieg, 《截取验证码的五年》(Five years of captured captchas), 2017

艺术家 Silvio Lorusso 和 Sebastian Schmeig 则从2011年底开始进行一次“无聊”的实验:他们每次登陆谷歌的时候,都把验证码截图存下来。五年后,他们把一系列共五本琴折页书送至各国的美术馆展出,这些“史册”一般的书里,每一页都是一个谷歌验证码。在整个系列中,艺术家回溯了验证码的演变:最初仅仅是一种预防垃圾邮件的技术,然后是谷歌出于“慈善”目的将信息数字化的系统,后来(间接地)用于完善谷歌街景,最后演变成训练人工智能识别图像的一种方法。这些风琴书有些像一个普通用户的“微劳动”日记,和一种无处不在的信息提取系统的纸本化档案。作为艺术家,Schmeig 实践的中心是对既有系统进行玩味的干预,探索网络社会光鲜界面背后隐藏的——并且往往是荒谬的——现实。而 Lorusso 的作品聚焦于技术社会系统中的文化和语言制度。他关注那些定义平台、设备界面的叙述和反叙事。

Kate Crawford 与 Trevor Paglen. 在米兰 Fondazione Prada 的 "Kate Crawford, Trevor Paglen: Training Humans" 展览现场,将展至2020年2月24日,摄影:Marco Cappelletti, courtesy Fondazione Prada.

2019年,自《人工智能系统解剖学》(Anatomy of an AI System)后,Crawford 再次以“采掘者”的身份出现,她与艺术家特雷弗·帕格伦(Trevor Paglen)联合创作了 ImageNet Roulette 项目,并于米兰的普拉达基金会呈现展览《训练人类》(Training Humans)。展览考古了从60年代至今我们训练计算机视觉的各种图像数据集,也正是这些互联网上的日常图像,构筑了正在疾速发展的机器视觉文化。ImageNet Roulette 将目光投向 ImageNet 中“人”这个饱受争议的分类,并尝试指出其中的漏缺。在《采掘人工智能:机器学习训练数据集中的图像政治》(Excavating AI: The Politics of Images in Machine Learning Training Set)中,更是提出了如下问题:“训练数据集正在飞速成为我们今日城市生活,法律,逻辑和经济基础结构的一部分,但它们有另一种隐形的角色:它们拥有通过图像构筑世界的权力。”

Trevor Paglen & Kronos Quartet《视觉机器(Sight Machine)》, 2017年。在表演的过程中,大约20台相机从不同的角度进行拍摄。相机汇集了所有的视频信息,并通过AI运行不同的算法来加工处理。身后的大屏幕上投射出实时生成的机器视觉图像,观众观看演出的同时,也会看到不同的计算机系统是如何“观看”这场演出的。摄影: Joshua Brott, Obscura Digital.

一台安静的亚马逊 Echo,

一个页面推送的验证码,

一次打车行为,

都像某种动态的文献,

反哺给云和潮汐。

“正如60赫兹的,不可听见的电网一般,云是安静的背景,它不被觉察…… 云是一种被静音的基础设施结构。” 或许有必要回到《云的前史》开篇第一句话。在“云”和“潮汐”的隐喻之外,当代计算机技术正在深层次地编织进生活的罗网之中,它承载着近代科学对量化的痴迷和机器学习对描绘世界的渴望。Timothy Morton 曾使用一个术语“超体”(hyperobjects)来描述“对于人类来说,大规模分散在空间和时间中,无法掌握的过于复杂的事件、系统或过程。” 这些事件、系统或过程包括核物质深度时间的半衰期,物种灭绝与全球环境污染,或许也包括我们自己构造的,由数据中心、海底电缆,和活跃在各个公共或私人空间的数据终端的庞大系统——这恰恰是“云”和“潮汐”之类的隐喻无法托住的物理重量。它在星球的规模上运算,却往往降落在个人——一台安静的亚马逊 Echo,一个页面推送的验证码,一次打车行为,都像某种动态的文献,反哺给云和潮汐。

回到开篇的布展现场,工人小王终于从 YouTube 上找到了民间拆解教程,师傅们用一排吉他拨片绕着 Echo 的一侧,成功撬开了这个14.8厘米高的小圆筒。

被拆开的 Alexa 物理结构与《人工智能系统解剖学》于《撒谎的索菲亚和嘲讽的艾莉克莎》展出现场

本文作者系“撒谎的索菲亚和嘲讽的艾莉克莎”策展人

石窝剧场

Staring at the Sky

雕塑建筑师

Volumn High

赠书 《智能制造的本质》:从0到1论智造

作者:宁振波

工业和制造业是国家命脉。智能制造是国际公认的实现工业体系转型升级的新一代工业技术,能够从根本上提升我国复杂产品的创新能力和科研水平。

过去很长一段时间里,许多人错误地认为智能制造就是自动化的生产方式,认为机器人换人、无人工厂、黑灯工厂就是智能制造的“代表”。这是对智能制造非常片面的认知。机器人换人,解决的是生产现场的手工劳动问题;无人工厂、黑灯工厂解决的是生产线的人工控制问题;自动化系统可以替代人完成繁重的体力劳动,甚至辅助人完成一些简单的脑力劳动,但终究无法替代人做出最终的决策。所以,机器人换人、黑灯工厂、无人仓储和物流等,都只是在工作现场实现了无人化,并不是智能制造。

那么,何谓智能制造?我最近出版的新书《智能制造的本质》一书中多次提到:“造”仅仅是生产的概念,“制”则含有系统的思想,包含制度、方法、标准和规范。“制造”包含了产品策划、概念设计、方案设计、产品设计、试制试验、批生产、产品交付及交付后的运营、维护维修以及管理和决策等重要环节和复杂管理体系。因此,机器人换人、黑灯工厂都只是在执行“造”的部分,不能称之为“制造”,更不是“智能制造”。智能制造顾名思义就是为传统的制造赋予智能,这里的智能是指“人工智能”。通俗的讲,人工智能就是将人类的知识、经验、方法等验证无误的内容编译成软件,将原来由人执行的任务转为由计算机来执行的过程。也就是说把人的知识转化成计算机的知识,计算机支持软件运行,生成模型,完成工业产品的研发设计、工艺设计、生产过程管理、批生产交付、运行维护、大修维修以及复杂的管理体系等。

“工业强则国家强”是人类的共识。第一次工业革命发生在18世纪60年代的英国,人类从农耕文明进入工业文明,从手工业时代转向高度机械化的“蒸汽时代”。随着机器的大量使用和工厂的出现,亚当·斯密在《国富论》中第一次提出了劳动分工的观点,劳动分工使得1+1>2成为可能,极大提升了劳动效率的同时,现代管理体系也在最早的工厂管理中应运而生。劳动分工使得劳动者提高了对专项工作的熟练程度,使得新技术和新发明的应用成为可能。1840年前后,英国的资本主义工厂基本取代了传统手工工场,工业革命基本完成,英国成为世界上第一个工业国家。

以电力的广泛应用和内燃机的创新使用为核心的第二次工业革命也成称为电气革命。1931年,丹麦物理学家法拉第发现了电磁感应现象,为发电机和电动机的诞生及一切有线电器设备的创新奠定了科学基础;1866年,德国西门子研制发电机成功,电力取代蒸汽作为动力成为新能源,随后以煤气、汽油、柴油为燃料的内燃机问世,工作效率远高于蒸汽机,解决了交通工具的动力问题,推动了石油开采和石油化工工业的发展,1870年全世界共计生产石油约80万吨,而1900年石油产量猛增到2000万吨。

19世纪70年代,美国人贝尔发明了电话;1888年德国物理学家赫兹发现了电磁波,为无线通信奠定了科学基础;19世纪90年代意大利人马可尼试验无线电报并取得了成功。以上技术都为迅速传递信息提供了方便,世界各国经济、政治和文化层面的联系进一步加强。第二次工业革命期间出现的新兴工业如电力工业、化学工业、石油工业和汽车工业等,都要求实行大规模集中化生产,使企业的规模进一步扩大,劳动生产率和人民生活水平得到飞速提升。

电原本是作为动力使用的,在发展过程中,逐渐分离出弱电和强电,电子学也从弱电领域由此诞生,随着电子学的发展,人类发明了模拟电路和数字电路,数字电路的发展最终催生了计算机科学,计算机科学的发展又分离出了软件工程。从某种意义上来讲,第三次工业革命,甚至第四次工业革命都是以电的发明为基础的。

第三次工业革命也称科技革命,引领我们迈入数字化时代,以电子计算机技术、原子能、空间技术和生物工程技术的发明和应用为主要标志,各类工业软件也在这一时期如雨后春笋般纷纷涌现。在电子计算机技术、计算机软件技术的不断推动下,云计算、大数据、移动互联网、物联网、人工智能等新兴技术应运而生,也引领了我们的社会悄然进入智能时代。智能制造就是通过集成知识工程、制造软件系统、机器人视觉和机器控制对技术工人的技能和专家知识进行建模,使智能机器人可在没有人工干预的情况下进行小批量生产。随着制造业的需求不断提升,工业软件的功能也在不断迭代。从最初的计算机辅助绘图到计算机辅助设计、从二维平面设计到基于MBD模型的三维立体设计,在C919大型客机的研制过程中,就已经实现了全数字样机设计,并且生产制造部门已经开始基于MBD模型进行后续的生产制造和装配试验,实现了无图化产品研制。完成MBD之后,还有基于模型的仿真(Model Based Simulation)、基于模型的企业(Model Based Enterprise)以及基于模型的系统工程(Model Based Systems Engineering)。未来,诸如飞机等复杂产品的研制,将会迈入“以综合模型为基础,以数字孪生为驱动”的新型研发模式。这些内容均在《智能制造的本质》一书中有详细的解读。

综上,智能制造的本质就是在前三次工业革命打下的坚实基础上,积累了大量有关产品研制的设计知识、工艺知识、生产知识、设备维修知识、管理和决策知识等,而且这些知识经过反复验证被证明是成熟的,人们通过高水平数字化技术的大规模应用,把这些知识转变成工业软件和数字化的产品模型,这些软件和模型在计算机上的执行,实现了对数字产品和物理产品更好的控制,对制造资源更优化的配置,逐步实现产品本身的智能化、产品系统结构定义的数字化、产品研制生产过程的数字化,以及庞大的零部件供应链的网络化,形成了全新的产业形态。在《智能制造的本质》一书,我把智能制造的本质简单归纳为三句话:第一,软件化的工业技术;第二,软件定义的生产关系;第三,生产关系的优化和重构。

我们中华民族在历史上从未和工业革命如此之近,第四次工业革命给了我们绝佳的机会,中国第一次可以和发达国家几乎在同一条起跑线上起跑,《智能制造的本质》一书凝结了我本人40年从事复杂产品研制的经历、思考和实践,希望可以继续和所有中国工业制造业的同仁们一起身体力行,共同推动中国工业和制造业的数字化转型和发展。以书为介,交流探讨。

粉丝福利 如果您是中国制造的从业人员请在评论区说出你的职业点赞前三名 将各获得 智能制造的本质 一本

智能制造的本质

作者 宁振波 著

本书对智能制造的定义进行了分级解读。制造是工业体系,隶属于自然科学领域;智能是人类的特有属性,隶属于社会科学领域。理解智能制造的本质,首先要解剖这四个字。“造”仅仅是生产的概念;“制”则含有系统的思想,也是制度、标准、规范、方法;制造不同于生产。

声明:本文所用视频、图片、文字如涉及作品版权问题,请第一时间告知,我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容!

相关问答

(1)制作番茄临时装片时,应用到的实验用具主要有 解剖 _作业帮

[最佳回答](1)根据制作临时装片的步骤:擦、滴、撕、展、盖、染,可以看出要用到盖玻片.(2)显微镜的使用过程分为:取镜与安放、对光、观察和整理四步.观察时,将...

如何快速记 解剖学 ?

解剖学是医学专业中非常重要的一门基础课程,需要花费大量的时间和精力来掌握。以下是一些快速记忆解剖学的方法:1.系统学习:解剖学是一个系统的学科,要想快...

【怎样制作生物标本?如题要实用,制作的工具最好是常见的】作业帮

[回答]爬行动物浸制标本(编者提示:人教版自然第七册第九课《爬行动物》)目的要求初步掌握爬行动物浸制标本的制作方法.材料用具蜥蜴(或其他爬行动物)...

医学PPT该如何制作?

前几天,分享了一篇修改学术型PPT设计的案例,效果还不错。这不,又收到留言,问能不能分享一期医学类的主题。既然有需求,那就必须安排,下面搜集了一个关于...htt...

有哪些让人咋舌的夫妻关系?

这是发生在东北偏僻山村的一个“借妻生子”的奇葩故事。是我村从关东回来的村民讲述的,他在东北那个村子住了二十多年。如今咱们这边经济发展比那边好,他便重...

什么是工业母机 - fdGHaDlf 的回答 - 懂得

工业母机是工业中制造机器和机械的机器,主要包括通用设备制造、专用设备制造两大类中的各类装备,处于产业链核心环节。在工业化前期是木有工业母机...

有没有刑侦破案的好剧?

电视剧1白夜追凶(2017)9.0分类型:悬疑/犯罪/剧情/破案地区:大陆主演:潘粤明/潘粤明/王泷正/梁缘/吕晓霖/尹姝贻上映:2017年8月30日剧情介绍:一场灭门...1...

鸟和飞机仿生学的资料 - 吉小胖_ 的回答 - 懂得

仿生学是一门模仿生物的特殊本领,利用生物的结构和功能原理来研制机械或各种新技术的科学。日常生活中的很多发明都来源于自然界的仿生原理,飞机的...

...天文学、哲学、逻辑学、物理学、化学、生物学、 解剖 】作业帮

[最佳回答]答案要点及解析:(1)(从课程设置看趋势,从科技与经济发展看影响)自然科学学科增多,鼓励科学研究(理性主义的影响增强)(2分)德国科技高度发展,如电磁...

做标本的工具?

值得一提的是,随着科学技术的进步,也出现了其他高级显微镜的类型,如电子显微镜和激光共聚焦显微镜等,它们在特定领域中发挥着重要作用。总的来说,显微镜作为...

猜你喜欢