科技网

当前位置: 首页 >新闻

甚么是人工智能荧幕之外的人工智能还能做甚么

新闻
来源: 作者: 2019-05-18 14:57:33

1 : 荧幕之外的人工智能还能做甚么?

樱花节招商季 上创业项目招商无忧

2017年伊始,围棋人工智能程序AlphaGo的升级版Master连胜60位世界级顶尖棋手。近日,江苏卫视《最强大脑》人机大战3期比赛落下帷幕,百度的机器人小度以总成绩3:1的战绩“打败”人类,人工智能再1次在与人类的巅峰对决中获得成功。人工智能的成功过后很多人开始恐慌,未来将是甚么样的,人工智能是不是真的会取代人类?

人工智能的科技秀激起了甚么

在公众的视角中,AlphaGo和小度与人类的PK看起来更像是1场技术的Show,“科技文娱化”的终纵目的是实现科技大众化,让科技真正影响生活,而不但是停留在文娱的层面。科技的终极使命在于推动人类社会的进步。

目前的1个现实情况是,人工智能在荧幕上与荧幕下的公众感知度中依然存在着1定的差距,荧幕上更多展现的是人工智能的酷炫部份,但在实际的利用中,更多则是低调务实。

早在2015年,人工智能的核心之1——图象辨认技术就已利用在视力障碍人群中。

李重阳,中国1300万视力障碍人士中的1位,借助百度小明(Dulight)APP,他可以通过拍照的功能来“听”世界:百度小明可以提示他来访者的性别年龄乃至表情; 提示他药箱里是甚么药;书上写的是甚么字…

在前期针对10几个视障用户的内测时,百度小明(Dulight)便迅速在视障群体中流传开,内测期间取得了过千的下载量。截至目前已具有近10万盲人用户,月保存率超过35%。这1保存率足可以看出用户对产品的信任和依赖,人工智能技术正帮助和改良着视障人士的生活。

人脸辨认技术还能做甚么?

民政部数据统计,在全国超过两千个救助站中,有近3万名被救助的走失人员,其中绝大多数的人存在着不同程度的智力障碍,没法回到自己的家中。

百度与民政部合作,将人脸辨认技术植入到寻人平台(xunren.baidu.com),丢失亲人的用户只需通过上传照片便可迅速与数据库中所有走失人员进行比对,快速计算出类似度最高的人员,从而帮助寻觅丢失亲人。为了让这1技术发挥更大的价值,百度还在积极与国际组织沟通,将人脸辨认技术输出给红10字国际委员会与联合国难民署,用于战乱纷争地区,帮助更多人找到亲人,归回家庭。

在可预感的未来,科技不但是炫酷的事情,它的终极使命势必是推动人类生活的进步。人工智能将是改变人类生活的1个方向,这类改变,是将人类解放出来,从事于更有价值的创造和社会劳动,同时,也帮助那些被黑暗包围着的人们,让他们看到破晓的光线,照亮属于他们的新世界。

2 : 别闹 人工智能还不是万能的

随着人类掌握了愈来愈多机器学习的算法,它们的构建方式变得愈来愈重要。机器学习的基础是人类搜集的数据,当人类将愈来愈多的控制权交给运算法则时,若不加以全面的斟酌,人工智能也会像它的制造者1样充满偏见。

“以貌取人”是否是AI?

据英国《逐日邮报》(Daily Mail)报导,几位中国学者近日对外宣布,人工智能已在脸部辨认上发展到新阶段:便可以通过照片推断出女性的性情。或说,通过训练数据中的标记,人工智能可以推断出年轻人对女性“以貌示取人”的标准。

3位来自上海交通大学的研究人员通过百度搜集了3954张女性照片,他们给这些图片中的人物进行个性描写,所有这些情绪标签被研究人员分为两组:S+为“积极”范畴,包括“纯洁”、“温和”、“甜蜜”、“无辜”、“自然”等;S-为“消极”范畴,包括“造作”、“浮夸”、“虚荣”和“卖弄风情”等等。

实验中S+级和S-级的女性图象

他们将照片分为两类以后,将这些照片输入卷积神经网络(Convolutional Neural network),其中2000张照片进入S+种别,1954张照片进入S-种别。

在把这些图片提供给神经网络之前,研究人员让22位男大学生检查并肯定这些标签是准确的。这些仅从相貌得出的推断要用于训练神经网络,直到这个神经网络也能够通过相貌推断性情。

在全部3954张照片中,80%的照片用于神经网络的训练,10%的照片用于核对程序,而剩下的10%的照片用于检验这个最新的人工智能程序,终究的检验正确率到达了80%。

12月中旬,该团队在在线开源的杂志“arXiv”上发表了这1研究成果,这篇名为《对有吸引力的女性面孔的心理印象的自动推理》

(Automated Inference on Sociopsychological Impressions of Attractive Female Faces),目前还未在其他有影响力的科学杂志上公然发表。

《逐日邮报》的评论表示:虽然我们承认机器确切具有了辨认人像的能力,但是1想到用相貌判断性情这个非常主观的问题,我们就觉得这个研究非常不可接受。

罪犯的长相能不能靠机器判断?

事实上,这3位研究人员在几个月前还做出1个通过相貌判断1个人是不是会犯法的系统,当时也引发了不小的争议。

这项研究收集了1856名年龄在18⑸5岁之间的中国公民的照片,其中有730人是罪犯。固然,为了确保数据的准确性,这730个罪犯不包括犯法嫌疑人,只包括那些已被肯定为罪犯的公民。

用于分析的部份“罪犯”样本

这些被收集的中国公民的照片全部被输入到计算机中进行统计,计算机通过4种算法分别对这些照片里的公民脸部特点进行准确的分析,根据分析得到的结果来推断出罪犯的共同脸部特点:

那些嘴巴很小、嘴唇微微上翻、两眼之间距离比较近的人,他们是罪犯的可能性要远远高于其他特点的人。

这项技术得到了1些反对者的剧烈指责,他们认为,这项技术只是1项最基础的研究,而且是带有偏见色采的。如果把这项技术利用到现实世界中来进行罪犯的认证,将是1件10分荒诞的事情,由于它非常有可能毛病的辨认罪犯,让好人蒙冤,让真实的罪犯逍遥法外。

俗语说:“人不可貌相,海水不可斗量”,仅仅凭仗1个人的长相,就给他扣上罪犯或骗子的帽子,未免太荒诞了。

偶合的是,这项研究成果一样发表在“arXiv”上,到现在为止一样没有被其他专业杂志正式发表。

人工智能为何会被公众指责?

在2016年9月举行的1项叫做Beauty.AI的选美大赛上,人工智能计算机对来自全球年龄在18⑹9岁的自拍照片进行了搜集,并对这些照片进行了评判。当结果公布时,仿佛出现了1些意外,由于机器人根本“不喜欢”皮肤黑的人,所以,所有黑皮肤的照片都被筛掉,机器人对黑皮肤的人存在着1些偏见,当时引发了评论的广泛不满。

Beauty.AI所搜集的部份女性自拍照

虽然大多数的参赛者都是白皮肤的人,但是,其中大部份的印度和非洲的黑皮肤的人提交的照片全部被筛掉了。可能由于大多数参赛者都是白人,所以人工智能算法也就默许了白皮肤的人比较好看,才致使了黑人照片被筛掉的情况。

Beauty.AI选美大赛的首席科学官Alex Zhavoronkov说:“如果在你收集的数据库中,没有足够多的不同肤色的数据,那末人工智能计算机机器人就会产生有偏见的结果。”

实际中的选美比赛

所以,如果想要利用1个算法对1组数据进行辨认时,如果某种类型的数据不够多,就有可能会产生1个有偏见的结果。

事实上,一样的问题已在谷歌的“Deep Dream”实验中得到了体现。2015年6月,谷歌利用人工神经网络创造出可以辨认不同图象内容并自行加工作画的“Deep Dream系统”,为互联网开辟了又1个“魔性”的时期。之所以这么说,是由于这个人工智能系统真的是被玩坏了……

这幅梵高所作的《星月夜》,里面的星星和建筑都已被各种不知名的狗、汽车、小鸟和眼镜所占据,10足1副恐怖电影的截图,这类超现代的画风简直不能再诡异了。

这幅美国国旗也不能幸免,全被“Deep Dream”画成了狗、虫和人的脚,固然还少不了各种奇怪的花纹、亮斑和眼镜……看完上面这两幅图,简直想不起它们原来究竟是怎样的了,简直洗脑之极!那末问题就来了,到底这个先进的具有自学能力的智能系统究竟是怎样画出如此魔性的作品的呢?

谷歌自己回答了这个问题,原来,该算法是在开源的数据库ImageNet进行训练,它里面有不计其数张的狗照片,所以AI变得更容易在其他情况下辨认狗模式。

已有很多人工智能的研究者遇到很多之前不1样的问题,而这些问题到现在也没有在本质上得到解决。首先互联网的博弈性特别强,它是动态而不是静态的,这在互联网广告里体现的更加明显。另外,互联网的数据量要比语音和图象大的多,但是这类大数据的状态很模糊,实际数据反而更稀疏,应当如何解读?

回到之前谷歌“Deep Dream”遇到的问题,很多人视察过自己的孩子,他们看到动物1眼就可以认出来,而之前孩子的经验可能只是从图画书上看到已变形的动物图片,而机器目前还只能用海量的有效数据“喂”出来才能实现图象辨认。

所以,在让机器变得更聪明之前,是否是应当先弄清楚人究竟是怎样做到这些的?

3 : 人工智能,是“大风口”还是“火山口”?

虚拟现实、可穿着装备、无人驾驶技术……人工智能,正在成为时下创新领域最“火”的1个词。有人说,人工智能,正在开启1个史无前例的投资“大风口”;也有人说,蜂拥而上的人工智能,是1个沉默的火山口,正在乘机吞没1切进入者。

是耶?非耶?在“2016全球创新者大会”的论坛上,人工智能科技最前沿的科学家,和投资领域最敏感的弄潮儿云集于此,我们听听大咖们怎样说。

“从投资来说,人工智能现在确切是1个大风口。”硅谷New Gen Capital开创人张璐说,“但这其实不是说,人工智能的每一个分支都合适做商业化的探索。人工智能是1个非常大而泛的概念,它的分支非常多。”

张璐认为,从目前的市场看,人工智能比较不错的几个方面,分别是机器学习、自然语言语音交互和计算机视觉。“接下来的3年到5年,会产生很好的市场利用效果。”张璐说。

人工智能,是当代科学的最前沿,自然不差技术;而作为创业创新领域的香饽饽,人工智能又遭到了各种资金的热捧,自然也是不差钱。不差钱又不差技术的人工智能,自然就是投资者眼中最靓丽的“大风口”了。

不差钱不差技术的人工智能,在成为投资“大风口”的征途上,还差不差其他东西?固然差了,而且是最重要的!可以说是“万事俱备,只欠东风”,这个“东风”,就是市场。没有摸准市场的脉博,没有得到市场的追捧,任何技术,哪怕是尖端到顶点的技术,也仍然是1项科研成果,转化不成实实在在的经济效益。

寻觅带有机会的创新。“对创新,我只看它的明天在哪里,而不是看10年以后。”LinkfaceCEO黄硕举例说,现在给我两个产品,1个是10年后登上卫星,另外一个是明天就能够解决雾霾,我肯定选择第2个。他认为,创新的思路、理念、概念、产品太多了,而我们需要的,是捕捉那些带有机会的创新。

张璐认为,创新和市场还有1段距离,科技和投资也是隔山的恋人。“现在很火的技术概念,没有哪一个是完全崭新的。”她说,很多技术的概念或研究已做了很多年,只是这几年进行了商业利用,才成了投资者眼中的所谓“风口”。

黄硕说,在众多的人工智能分支中,我希望选出那些真正有投资价值的点,把我们的精力和资源都放进去,最后产生实际的机会和效益,让我们的生活有所提高。

面对这样1个千载难逢的大风口,千军万马都在争相涌入。正所谓“成也萧何,败也萧何”,过份强强调技术的先进,而忽视对市场的研究,常常会成为投资的杀手,使“大风口”变成“火山口”。技术背景强大的团队,常常由于强调先天的技术优势,而可能更容易堕入“唯技术论”的泥淖。

致力于计算机视觉的黄硕团队就是技术背景很强的1类。但黄硕认为,他要做的是用户需要的东西。而怎样把高科技的东西变现,把1个陌生的科学概念让市场上的用户理解,这才是真正要下工夫的地方。

“我们做计算机视觉,用的是‘卷积神经网络’这类技术,但很少有客户懂这个技术。怎样让我们的产品在市场上被用户理解和接受,肯定不能只谈技术。我们需要引入1点更容易被终端用户接受的模式。”黄硕的办法是和保险公司合作,用人脸辨认技术帮助客户下降风险,跨界引入第3方,让用户更好地理解他的产品。

正如国宏嘉信资本开创管理合伙人冼汉迪所说,人工智能是1个没有天花板的想像空间的行业,但关键还是看这些管理团队的理念。“技术、资金、市场,这是人工智能成为‘大风口’的3要素。都到位了,就是大风口;3者缺1,便可能是火山口。”(完)

4 : 甚么是人工智能

走近人工智能

人工智能(Artificial Intelligence,AI)1直都处于计算机技术的最前沿,经历了几起几落……

---- 久长以来,人工智能对普通人来讲是那样的可望而不可及,但是它却吸引了无数研究人员为之奉献才干,从美国的麻省理工学院(MIT)、卡内基-梅隆大学(CMU)到IBM公司,再到日本的本田公司、SONY公司和国内的清华大学、中科院等科研院所,全球的实验室都在进行着AI技术的实验。不久前,著名导演斯蒂文·斯皮尔伯格还将这1主题搬上了银幕,科幻片《人工智能》(A.I.)对许多人的头脑又1次产生了震动,引发了1些人士了解并探索人工智能领域的兴趣。

---- 在本期技术专题中,中国科学院计算技术研究所智能信息处理开放实验室的几位研究人员将引领我们走近人工智能这1充满挑战与机遇的领域。

计算机与人工智能

---- "智能"源于拉丁语LEGERE,字面意思是收集(特别是果实)、搜集、聚集,并由此进行选择,构成1个东西。INTELEGERE是从中进行选择,进而理解、领悟和认识。正如帕梅拉·麦考达克在《机器思惟》(Machines Who Thinks,1979)中所提出的: 在复杂的机械装置与智能之间存在长时间的联系。从几个世纪前出现的神话般的巨钟和机械自动机开始,人们已对机器操作的复杂性与本身的某些智能活动进行直观联系。经过几个世纪以后,新技术已使我们所建立的机器的复杂性大为提高。1936年,24岁的英国数学家图灵(Turing)提出了"自动机"理论,把研究会思惟的机器和计算机的工作大大向前推动了1步,他也因此被称为"人工智能之父"。

---- 人工智能领域的研究是从1956年正式开始的,这1年在达特茅斯大学召开的会议上正式使用了"人工智能"(Artificial Intelligence,AI)这个术语。随后的几10年中,人们从问题求解、逻辑推理与定理证明、自然语言理解、博弈、自动程序设计、专家系统、学习和机器人学等多个角度展开了研究,已建立了1些具有不同程度人工智能的计算机系统,例如能够求解微分方程、设计分析集成电路、合成人类自然语言,而进行情报检索,提供语音辨认、手写体辨认的多模式接口,利用于疾病诊断的专家系统和控制太空飞行器和水下机器人更加贴近我们的生活。我们熟知的IBM的"深蓝"在棋盘上击败了国际象棋大师卡斯帕罗夫就是比较突出的例子。

---- 固然,人工智能的发展也其实不是1帆风顺的,也曾因计算机计算能力的限制没法模仿人脑的思考和与实际需求的差距过远而走入低谷,但是随着硬件和软件的发展,计算机的运算能力在以指数级增长,同时网络技术蓬勃兴起,确保计算机已具有了足够的条件来运行1些要求更高的AI软件,而且现在的AI具有了更多的现实利用的基础。90年代以来,人工智能研究又出现了新的高潮。

---- 我们有幸采访了中国科学院计算技术研究所智能信息处理开放实验室史忠植研究员,请他和他的实验室成员引领我们走近人工智能这个让普通人感到深奥却又具有没有穷魅力的领域。

---- 问: 目前人工智能研究出现了新的高潮,那末现在有哪些新的研究热门和实际利用呢?

---- 答: AI研究出现了新的高潮,这1方面是由于在人工智能理论方面有了新的进展,另外一方面也是由于计算机硬件突飞猛进的发展。随着计算机速度的不断提高、存储容量的不断扩大、价格的不断下降和网络技术的不断发展,许多原来没法完成的工作现在已能够实现。目前人工智能研究的3个热门是: 智能接口、数据发掘、主体及多主体系统。

---- 智能接口技术是研究如何令人们能够方便自然地与计算机交换。为了实现这1目标,要求计算性能够看懂文字、听懂语言、说话表达,乃至能够进行不同语言之间的翻译,而这些功能的实现又依赖于知识表示方法的研究。因此,智能接口技术的研究既有巨大的利用价值,又有基础的理论意义。目前,智能接口技术已获得了显著成果,文字辨认、语音辨认、语音合成、图象辨认、机器翻译和自然语言理解等技术已开始实用化。

---- 数据发掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际利用数据中提取隐含在其中的、人们事前不知道的、但又是潜伏有用的信息和知识的进程。数据发掘和知识发现的研究目前已构成了3根强大的技术支柱: 数据库、人工智能和数理统计。主要研究内容包括基础理论、发现算法、数据仓库、可视化技术、定性定量互换模型、知识表示方法、发现知识的保护和再利用、半结构化和非结构化数据中的知识发现和网上数据发掘等。

---- 主体是具有信心、欲望、意图、能力、选择、许诺等心智状态的实体,比对象的粒度更大,智能性更高,而且具有1定自主性。主体试图自治地、独立地完成任务,而且可以和环境交互,与其他主体通讯,通过计划到达目标。多主体系统主要研究在逻辑上或物理上分离的多个主体之间进行调和智能行动,终究实现问题求解。多主体系统试图用主体来摹拟人的理性行动,主要利用在对现实世界和社会的摹拟、机器人和智能机械等领域。目前对主体和多主体系统的研究主要集中在主体和多主体理论、主体的体系结构和组织、主体语言、主体之间的协作和调和、通讯和交互技术、多主体学习和多主体系统利用等方面。

---- 问: 您在人工智能领域研究了几10年,参与了许多国家重点研究课题,非常清楚国内外目前人工智能领域的研究情况。您认为目前我国人工智能的研究情况如何?

---- 答: 我国开始"863计划"时,正值全球的人工智能热潮。"863⑶06"主题的名称是"智能计算机系统",其任务就是在充分发掘现有计算机潜力的基础上,分析现有计算机在利用中的缺点和"瓶颈",用人工智能技术克服这些问题,建立起更加和谐的人-机环境。经过10几年来的努力,我们缩短了我国人工智能技术与世界先进水平的差距,也为未来的发展奠定了技术和人材基础。

---- 但是也应当看到目前我国人工智能研究中还存在1些问题,其特点是: 课题比较分散,利用项目偏多、基础研究比例略少、理论研究与实际利用需求结合不够紧密。选题时,容易随着国外的选题走; 立项论证时,惯于斟酌国外怎样做; 落实项目时,又常常顾及四平八稳,大而全; 再加上受研究经费的限制,所以很多课题既没有获得理论上的突破,也没有太大的实际利用价值。

---- 今后,基础研究的比例应当适当提高,同时人工智能研究1定要与利用需求相结合。科学研究讲创新,而创新必须接受利用和市场的检验。因此,我们不但要善于找到解决问题的答案,更重要的是要发现最迫切需要解决的问题和最迫切需要满足的市场需求。

---- 问: 请您预测1下人工智能将来会向哪些方面发展?

---- 答: 技术的发展总是超乎人们的想象,要准确地预测人工智能的未来是不可能的。但是,从目前的1些前瞻性研究可以看出未来人工智能可能会向以下几个方面发展: 模糊处理、并行化、神经网络和机器情感。

---- 目前,人工智能的推理功能已获突破,学习及联想功能正在研究当中,下1步就是模仿人类右脑的模糊处理功能和全部大脑的并行化处理功能。人工神经网络是未来人工智能利用的新领域,未来智能计算机的构成,可能就是作为主机的冯·诺依曼型机与作为智能外围的人工神经网络的结合。研究表明: 情感是智能的1部份,而不是与智能相分离的,因这人工智能领域的下1个突破可能在于赋予计算机情感能力。情感能力对计算机与人的自然交往相当重要。

---- 人工智能1直处于计算机技术的前沿,人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向。今天,已有很多人工智能研究的成果进入人们的平常生活。将来,人工智能技术的发展将会给人们的生活、工作和教育等带来更大的影响。

甚么是人工智能?

---- 人工智能也称机器智能,它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科相互渗透而发展起来的1门综合性学科。从计算机利用系统的角度动身,人工智能是研究如何制造出人造的智能机器或智能系统,来摹拟人类智能活动的能力,以延伸人们智能的科学。

AI理论的实用性

---- 在1年1度AT&T实验室举行的机器人足球赛中,每支球队的"球员"都设备上了AI软件和许多感应器,它们都很清楚自己该踢甚么位置,同时也明白有些情况下不能死守岗位。虽然现在的AI技术只能使它们大部份时间处于个人盘带的状态,但它们传接配合的能力正在以很快的速度改进。

---- 这类AI机器人组队打比赛看似无聊,但是有很强的现实意义。由于通过这类活动可以加强机器之间的协作能力。我们知道,Internet是由无数台服务器和无数台路由器组成的,路由器的作用就是为各自的数据选择通道并加以传送,如果利用1些智能化的路由器很好地协作,就可以分析出传输数据的最好路径,从而可以大大减少网络梗塞。

---- 我国也已在大学中展开了机器人足球赛,有很多学校组队参加,引发了大学生对人工智能研究的兴趣。

未来的AI产品

---- 安置于加州劳伦斯·利佛摩尔国家实验室的ASCI White电脑,是IBM制造的世界最快的超级电脑,但其智力能力也仅为人脑的千分之1。现在,IBM正在开发能力更加强大的新超级电脑--"蓝色牛仔"(Blue Jean)。据其研究主任保罗·霍恩称,预计于4年后诞生的"蓝色牛仔"的智力水平将大致与人脑相当。

---- 麻省理工学院的AI实验室进行1个的代号为Cog的项目。Cog计划意图赋予机器人以人类的行动。该实验的1个项目是让机器人捕捉眼睛的移动和脸部表情,另外一个项目是让机器人捉住从它眼前经过的东西,还有1个项目则是让机器人学会凝听音乐的节奏并将其在鼓上演奏出来。

---- 据网站http://www.loach.net.cn报导,比利时的Starlab正在制造1个人工猫脑,这个猫脑将有7500万个人造神经细胞。据称,移植了人工猫脑的小猫能够行走,还能玩球。预计它将于2002年制作完程。

作者:庞燕

来自:辅佳智能网www.loach.net.cn5 : 人工智能是甚么?

网友何冰对[甚么是人工智能]人工智能是甚么?给出的答复:

人工智慧从字面上看就是人造的智慧,但是实际上涵盖了很多部份,大家最关心的实际上是人工自主张识,由于网络和电脑已完成了知识的检索和存储,几大搜索引擎也完成了关键字-关联解释的功能和海量数据积累,而且大多数机器人厂商已完成了反应机,自适应等等高级功能,但是还是没有能出现通过图灵测试的人工自主张识,固然这也包括了人类对本身意识的研究并没有上升到更透彻的层面。

现在应当是有两大派,或许还有更多分支,其实就是1个问题的是不是两面性回答:自主张识是不是是自主产生,还是人工赋予?如果是自主产生,那末就面临1个严重的认知性障碍,只有神经系统复杂到1定程度,且在大尺度上的类似性高度保持1致,那末个体自然产生的意识才会具有类似神经网络个体的认同和感知,简单说,以人类神经网络构成份布,和社会化训练的进程复制产生的个体自然产生的意识,才能被人类所认同和感知到。所以极可能网络上自动机和各种装备产生的不知名网络现象,有多是互联网自主张识的低级阶段,但是没法被人类类型的智慧个体感知,而是被当作不知名故障进行处理,多数无解,可以称为Ghost-In-The-Machine。也就是说,当人造神经网络复杂到1定程度,意识只不过是诸多需求反馈链交错而至。

人工赋予的意识极可能在早期会表现出来类似创造者的行动而取得相当认同,但是1样会面临要末会被超过或少于神经反馈网络数据量致使的过载或饥荒,进而致使意识的灭亡。或当恰好合适的神经网络加入了适当的意识,极可能会在1段时间内由于个体对群体交换的渴望而失去意识。

固然在另外1个层面上来讲,为什么我们没法制造出真正意义上的自主张识,是由于几个非常简单的缘由:

能源不能自给不能自我修复个体复制其实不能自动完成这3个关键因素没有能在1个人造个体内实现,那末我们距离自主产生的意识真是相距甚远。以上3点可以简单的描写为,如果能源不是自主获得的,那末谈不上求生。不能自我修复,也就不具有变异的基础特点,就更谈不上进化;或说不能自我修复,会让进化的路程变得更遥远,如果不能携带当前1代的经验和因果学习数据到下1代,那末就更谈不上进化。意识如果是进化优势的产物,那末没有进化,自然不会产生意识,更谈不上个体间意识的合作从而取得更高的进化优势。

或许我说的比较片面,多多包涵。

网友博涵-aerofloyd对[甚么是人工智能]人工智能是甚么?给出的答复:

我看来取得能够自我解决问题的能力,只有两个途径,1个在随机基础上自然选择。

另外一个是摹拟人类的符号系统中同时唤醒和回想机制,然后大量做外部规则设置。

如果解决不好规则的1致性,确切很难弄。

网友幻灰龙对[甚么是人工智能]人工智能是甚么?给出的答复:

(零)

“Space: the final frontier. These are the voyages of the starship Enterprise. Its continuing mission: to explore strange new worlds, to seek out new life and new civilizations, to boldly go where no one has gone before.”

“宇宙,人类最后的边疆。这是星舰进取号的航程,它继续的任务,是去探索未知的新世界,找寻新的生命和新的文明,英勇地航向前人所未至的领域。”引自:星际旅行·下1代

星际迷航·下1代里我最喜欢的角色之1是机器人Data,每次危难时刻只要看到有Data在场,就放心了很多,Data总给人安全、可靠、光速计算、光速推理。Data非常成心思的是他知道自己是个机器人,并且1直尝试理解人的情感。

大部份人对人工智能的第1印象应当就是机器人形态。很多很多人小时候对未来的想象都是开始有机器人的世界,然后有各种科幻小说、电影、电视剧演绎到处都是机器人的奇异的世界。但是,到目前为止,大部份人都发现机器人还很远很远,比如有的人觉的最应当使用机器人的地方比如高楼外面的擦建筑物外面玻璃的机器人,却还是没出现过。

(1)

《数学之美第2版》第2章讲得是自然语言处理的方法从规则到统计的1个小历史。核心问题是解决机器能不能懂自然语言的问题。

这里面触及到两个认知方面的问题:

第1,计算性能否处理自然语言;

第2,如果能,那末它处理自然语言的方法是不是和人类1样。这章从1956年的“达特茅斯夏季人工智能研究会议”开始谈起,1直讲到2005年Google基于统计方法的翻译系统全面超过基于规则方法的SysTran翻译系统为止,缩略式的显现出自然语言处理领域的主流方法从基于规则到基于统计的演化。从中可以看到,统计学方法之所以胜出,大概是这样的。

首先,自然语言是上下文有关文法(Context Dependence Grammar),而根据下面的复杂度分类,可以看到上下文有关文法的复杂度决定了采取基于文法规则的方案会迅速到达所能处理的瓶颈。

上下文无关文法(Context Dependence Grammar)可在多项式事件内解决问题(Polynomial Problem)复杂度是语句长度的2次方上下文有关文法(Context Independent Grammar)复杂度是语句长度的6次方

其次,自然语言处理的输入输出的维度决定了1个方法的潜力是不是巨大。根据书中的描写,我们列出基于规则的词性分析和基于统计方法的输入输出的维度。

基于规则的句法分析:输入是1维,输出是2维基于统计的马尔科夫法,输入是1维,输出是1维语音,胜出词性1个语法成份对另外一个语法成份的修饰关系不1定相邻,而是中间隔了很多短语只有基于有向图的统计模型才能很好的解决复杂的句法分析机器翻译输出虽然还是1维,但次序产生变化1988,彼得·布朗(Peter Brown)等人提出基于统计的机器翻译框架框架是对的,但没有足够的数据,也没有足够强大的模型来解决不同语言次序颠倒的问题最后,自然语言处理领域的研究人员从基于规则的老1辈更新换代到基于统计学方法的1代则是这个历史进程中的1个现象,正如书中所说的:

15年,对1个学者来说是1段非常长的时间,如果哪一个人从博士开始就选错了方向并且坚持毛病,到15年后才发现,基本上这1辈子可能就1事无成了。 用基于统计的方法代替传统的方法,需要等原本的1批语言学家退休。这在科学史上也是常常产生的事。

(2)

1956年的“达特茅斯夏季人工智能研究会议”是人工智能的出发点。那末,到底甚么是人工智能?或许1本人工智能领域的书籍可以解答这个问题,不过或许通读维基百科的页面:Artificial intelligence,和人工智能之父John McCarthy在2007年的这个:WHAT IS ARTIFICIAL INTELLIGENCE?里的回答可让我们有1个大致的理解。

首先,人工智能分能人工智能和弱人工智能。

能人工智能观点认为有可能制造出真正能推理(Reasoning)和解决问题(Problem solving)的智能机器,并且,这样的机器能将被认为是有知觉的,有自我意识的。我们大部份人对机器人的想象都属于能人工智能的那个定义,我们想象机器人无所不能,可以演绎、推理、解决问题;可以计划、学习、运动、控制;可以有知觉、社交、创造力;可以处理自然语言,和人无障碍沟通。而人工智能在经历了上个世纪60年代的第1次研究繁华期、经历70年代经费缺少的沉寂期、再经历统计学方法在自然语言处理领域大放异彩以后,在其他各种子问题上的各个点小突破,仿佛再次的充满了希望。

弱人工智能观点认为不可能制造出能真正地推理和解决问题的智能机器,这些机器只不过看起来像是智能的,但是其实不真正具有智能,也不会有自主张识。但这也是在讨论中,为何有的人会认为目前在很多领域已实现了人工智能的目标,有的人则认为这只是计算,而非“人工智能”。我想大部份人对人工智能的直观理解都属于能人工智能的概念。

其次,人工智能是1个多子问题的学科。具体的分类在维基百科的页面上有详细介绍,但人工智能之父的这1个页面也不错:Branches of AI。那末,自然语言处理只是人工智能的1个子领域,在这个子领域的突破和整体之间的关系又是甚么呢?维基百科上面的这段话给了1个回答,也就是“AI-complete”.

Many of the problems above may require general intelligence to be considered solved. For example, even a straightforward, specific task like machine translation requires that the machine read and write in both languages (NLP), follow the author's argument (reason), know what is being talked about (knowledge), and faithfully reproduce the author's intention (social intelligence). A problem like machine translation is considered "AI-complete". In order to solve this particular problem, you must solve all the problems.

然后,哥德尔不完备定理也常常会被搬出来讲人工智能是不可能的。我们可以查阅维基百科:

哥德尔不完备定理:

任何相容的情势系统,只要蕴涵皮亚诺算术公理,就能够在其中构造在体系中不能被证明的真命题,因此通过推演不能得到所有真命题(即体系是不完备的)。重要的是,后面的1段描写:

哥德尔的第1条定理有很多误解。我们就此稍作说明:

该定理其实不意味着任何有趣的公理系统都是不完备的。例如,欧几里得几何可以被1阶公理化为1个完备的系统(事实上,欧几里得的原创公理集已非常接近于完备的系统。所缺少的公理是非常直观的,以致于直到出现了情势化证明以后才注意到需要它们)

该定理需假定公理系统可以“定义”自然数。就算这些系统具有包括自然数作为子集的模型,也不1定就可以定义自然数。必须透过公理和1阶逻辑,在系统中表达出“x是1个自然数”这个概念才行。有许多系统包括自然数,却是完备的。例如,塔斯基(Tarski)证明了实数和复数理论都是完备的1阶公理化系统。

这理论用在人工智能上,则指出有些道理多是我们能够辨别,但机器单纯用1阶公理化系统却没法得知的道理。不过机器可以用非1阶公理化系统,例照实验、经验。

上述的最后1点,理清了这类错误。在人工智能的词条上,这个也被提到:

G?delian arguments

G?del himself, John Lucas (in 1961) and Roger Penrose (in a more detailed argument from 1989 onwards) argued that humans are not reducible to Turing machines. The detailed arguments are complex, but in essence they derive from Kurt G?del's 1931 proof in his first incompleteness theorem that it is always possible to create statements that a formal system could not prove. A human being, however, can (with some thought) see the truth of these "G?del statements". Any Turing program designed to search for these statements can have its methods reduced to a formal system, and so will always have a "G?del statement" derivable from its program which it can never discover. However, if humans are indeed capable of understanding mathematical truth, it doesn't seem possible that we could be limited in the same way. This is quite a general result, if accepted, since it can be shown that hardware neural nets, and computers based on random processes (e.g. annealing approaches) and quantum computers based on entangled qubits (so long as they involve no new physics) can all be reduced to Turing machines. All they do is reduce the complexity of the tasks, not permit new types of problems to be solved. Roger Penrose speculates that there may be new physics involved in our brain, perhaps at the intersection of gravity and quantum mechanics at the Planck scale. This argument, if accepted does not rule out the possibility of true artificial intelligence, but means it has to be biological in basis or based on new physical principles. The argument has been followed up by many counter arguments, and then Roger Penrose has replied to those with counter counter examples, and it is now an intricate complex debate. For details see Philosophy of artificial intelligence: Lucas, Penrose and G?del

最后1个疑惑是,人工智能和生物学之间的关系。这个我比较赞同这篇文章的说法:关于”做人工智能是不是1定要学点生物“ - 远东轶事 - 知乎专栏。

(3)

很多人都相信根据奇点理论,技术的进步历来都不是渐进式的,而是存在1个爆发的进程。他们说人工智能的奇点还没到来。

网友schindlerlee对[甚么是人工智能]人工智能是甚么?给出的答复:

人工智能,利用人类的智慧仿制人类本身,

创造让人类本身不论是从外表、思想还是语音上不能分辨是人类本身还是人造物体的智能体。

不过目前还做不到啦,不论是外形的仿真,语言的理解,思考和推理,还有肌肉这样的动力系统,都还处于比较低级的阶段。

或许这其中存在1个人类认知的边界,但是不论如何,我们的工作都是无穷接近这个边界。

我乃至认为这是人类的终极问题,如何制造人类

网友百得对[甚么是人工智能]人工智能是甚么?给出的答复:

带有条件判断的逻辑行动就是智能;

人类采取非自然方法实现智能就是智能机;

可以安全重组的连续逻辑进程就是意识;

人类采取非自然方法实现意识就是人工智能;

网友蒙面大侠对[甚么是人工智能]人工智能是甚么?给出的答复:

按可能的智能程度由小到大顺次排列:弱人工智能<能人工智能<人类的智能<超人工智能......

牛皮癣的日常生活保健护理措施有什么患上白癜风如果不治疗会有什么影响牛皮癣的发病都和哪些因素有关?

相关推荐