7万字短篇小说哪家网站做的好,ukidc做电影网站,永久免费空间网站,ios软件开发培训班来源#xff1a;混沌巡洋舰人工智能常常被认为是一项将要颠覆世界的技术#xff0c;从这一概念诞生至今的65年中#xff0c;无数电影与小说塑造了各种经典的人工智能角色#xff0c;AI #xff08;Artificial Intelligence#xff09;也很快成为人类未来世界蓝图中的重要… 来源混沌巡洋舰人工智能常常被认为是一项将要颠覆世界的技术从这一概念诞生至今的65年中无数电影与小说塑造了各种经典的人工智能角色AI Artificial Intelligence也很快成为人类未来世界蓝图中的重要组成部分。但在人工智能不断拓宽我们对未来想象的同时也不乏“AI 统治世界”、“AI 监视隐私”等等一类的消极论调。在所有击碎人类宇宙中心信念基石的科学革命中人工智能绝对算是其中我们又爱又恨的一场。李世石被 AlphaGo 击败后流下的泪水已经干了但人类对于AI的恐惧和想象还在无限蔓延。那么AI真的比我们更聪明吗在AlphaGo战胜了韩国棋手李世石后一名比利时程序员在 DeepMind发表的最新论文的基础上开展了一项开源的围棋 AI项目—— LeelaZero曾有人尝试与其对弈结果是 Leela 在19路盘面取得压倒性胜利而在25路棋局上完败且无一例外。这说明只接受过19路围棋训练的人工智能 Leela也只会下19路的围棋即使那些数据一直存储在其数据库中它也不知道该如何将19路盘面的训练“经验”移植到 25 路围棋的对战上。那么问题来了一直以来被认为终将反超人类的人工智能难道并不聪明吗图灵奖得主、Facebook 首席人工智能科学家杨立昆Yann LeCun在他的新书《科学之路人机器与未来》中告诉我们AI真的不是你想的那样。《科学之路人机器与未来》 2021.08 中信出版集团AI真的不是你想的那样人工智能正在改变人类对自身的看法不断冲击着人类独有的的“物种”傲慢。在文艺作品中AI 危险又美丽为人类服务却各方面都比人类更加强大、更有创意。但在现实中AI 落地的应用却往往不懂常识、行动迟缓且耗能极大。当你凝视人工智能时人工智能并不一定在凝视你因为它根本不知道你为什么要凝视他至少现在不知道。原因就是人工智能缺乏常识没有感知甚至没有办法根据场景变换对已存储的知识活学活用。DeepMind训练了一个可以玩经典雅达利Atari视频游戏的系统系统一共包括80个游戏每场比赛它至少要花费80个小时来训练才能勉强达到合格水平而一个人只需要15分钟就可以做到这一点。但实际上这80个小时是机器实时玩游戏时所花费的训练时间在训练结束之后它可以用比人类更快的速度进行游戏甚至可以同时进行多个游戏。也就是说如果让系统运行更长的时间它将达到人类无法企及的超高效率。但并不是所有应用AI的系统都有足够的时间成本去用更长时间接受更多的训练比如自动驾驶领域。自动驾驶系统中的 AI 必须跟随汽车在道路上行驶以获得更多训练数据—— 必须驾驶数百万个小时模拟引起成千上万次的撞车事故而后才能学会如何避免撞车。如果汽车掉下悬崖系统一定会说“哦我一定是错了”但这只会稍微纠正其策略。第二次汽车可能会以不同的方式掉下悬崖然后系统会再次纠正一点。依此类推在系统彻底弄清楚如何避免跌落悬崖之前汽车必须像这样重复跌落悬崖数千次还不止其执行难度和资金耗费可想而知。以上两个示例足够说明一点AI不是天才不能轻而易举地获得“智慧”它需要大量的训练和数据支撑才能在某一具体事件上做到人们所说的“聪明”但这中间耗费的时间、算力等等成本又远远超过人们的普遍预想。人工智能悖论至关重要的常识如今的人工智能有一个悖论它功能极其强大、极其专业化却没有一点常识。现在让我们回过头来看前文提到的围棋 AI —— LeelaZero。Leela如果想要在 25 路盘面上立于不败之地则需要更多专门针对 25 路围棋对战的数据以及更长时间的自我对局训练才最终有可能获得全胜局面。但 Leela 不知道围棋的基本常识通用于不同盘面也不懂得类推和移情。这也从另一个侧面反映出了 AI 的另一个“不聪明”之处——对于人类常识的缺失。常识缺失的人工智能是什么样的呢唤醒你的 Siri、Alexa、天猫精灵或者小爱同学尝试着和它对话最多 两分钟你就多多少少有些感触了。杨立昆在《科学之路人机器与未来》中也对此有过具体的描述一个翻译系统有时可能会产生一些滑稽的错误而不自知自动驾驶汽车可以从点A行驶到点B但它并不知道什么是驾驶员。比如虚拟助手可以报告交通信息能调到你点播的广播电台但如果你告诉它“Alexa我的手机掉进了浴缸。”它不会知道这代表着你的手机湿了且需要更换因为它只能在接受训练的范围内工作。如果想要系统更有效地回答问题Alexa 必须具备一些常识即一些有关世界运作方式及其物理规律的约束知识。常识至关重要它制约着我们与世界的联系它能填补空白弥补隐含的信息。我们看到一个坐在桌子旁的人可能看不到他的腿但知道他肯定有腿因为我们对人类有一定的了解。我们的大脑还整合了物理学的基本定律比如如果有人打翻了眼前的玻璃杯那么杯子里的水就会洒得满桌子都是。我们知道如果不拿住某个东西它就会掉下去。我们还能够意识到时间流逝、万物运动。我们在生命的头几个月和几年中逐渐了解世界的模型——我有意使用了与人工智能领域相同的词汇这使我们可以将某个普通的句子补充完整。这个句子的其余部分并没有向我们提供有关整个句子的所有信息但我们还是能够将这个句子补充完整因为我们知道世界的运行规律。同样当我们阅读一个文本时可以或多或少预测到下一个句子当我们观看一个视频时能够或多或少预测到接下来一连串的动作和反应。由此可见人类常识对于培养人工智能的学习能力至关重要否则它只是一个功能强大、专业化高却没有任何概念、文化、什么都不懂且耗能极高的应用程序。人类大脑——永远的神到目前为止人类的学习方法比任何一种人工智能的学习方法都更为有效。在人脑中额叶专用于获取有关世界运转规律的常识这就是智力的本质。动物学习的方法与人类学习的方法大致相同。有些物种的天赋更高在鸟类中乌鸦就特别有天赋。在海洋动物中章鱼非常聪明。再说说猫它们没有人类的推理能力但依然比最聪明的机器拥有更多的常识老鼠也一样。所有这些动物都通过观察来学习世界运转的规律获得了可以增加生存概率的预测模型。如果人类能制造出像老鼠或松鼠一样聪明的机器人工智能事业或许就成功了。也就是说即便是最先进的人工智能系统也存在局限性它们可能还不如一只猫聪明。此外人工智能不仅在智识上比不上人类大脑在功耗的节省上也远远落后于人类大脑。虽然现代科学已经了解了大脑学习的原理知道了大脑的结构但重现其功能所需的计算量是无比巨大的大约是每秒 1.5×1018 量级的操作。现在一块 GPU 图像处理器每秒可执行 1013 次计算功耗约为 250 瓦。为了达到人脑的计算能力必须将 10 万个这样的处理器连接上功耗至少 25 兆瓦 的巨型计算机才能实现。这巨大的能量消耗是人脑的 100 万倍所以AI比你更聪明吗最后你要是问 AI 聪明吗在某种程度、某个范围、某个具体的事件上在掌握了大量数据和长时间的训练之后它可以做到更快速的反应、进行更深入的分析并处理更多的并行任务这时你可以说AI是聪明的。但在普遍意义的学习能力上在我们所生活的这个复杂的世界模型里它还没能积累起足够的世界知识以产生某些常识你也可以说AI 是不怎么聪明的。也许你要提起那些仿真机器人来反驳我了比如“索菲亚”。索菲亚是一位面带神秘微笑、长着一双玻璃眼珠的美丽的光头女人“她”在2017 年的许多舞台上都大放异彩。“她”动人的脸庞能够呈现数十种不同的表情在调侃一个记者关于地球上有太多机器人的担忧时“她”笑道“您好莱坞电影看太多了”这个经典笑话让她如此酷似人类以至沙特阿拉伯在当年授予了“她”沙特国籍。实际上“她”只是一个由工程师预先设定好一系列标准答案的“木偶”。当我们与“她”交流时所有的谈话内容均会经过匹配系统处理并从得到的答案中选择最合适的一个输出。索菲亚欺骗了人们“她” 只是一个完成度很高的塑料制品只不过是我们被这个激活了的物体所感动的人类赋予了它某些智能。于是让AI变聪明也就成为了科学家们研究的首要任务。杨立昆在新书《科学之路人机器与未来》也阐述了人工智能研究的真正挑战“这些人工智能应用将会改变社会但是直到机器能够像动物和人类一样有效地学习直到它们能够通过自我监督学习获得世界模型直到它们积累起足够的世界知识以产生某些常识这一切才会成为可能。”本文摘编自中信出版集团8月新书《科学之路人机器与未来》。《科学之路人机器与未来》内容简介“图灵奖”得主、“深度学习三巨头”之一、“卷积神经网络之父”……由于在人工智能领域的突出贡献杨立昆被中国计算机科学界和企业界所熟知。杨立昆的科学之路谱写了一段关于勇气的宣言。他为了知识本身求学而不是文凭他用自己的经历证明了通过激烈的考试竞争进入名校不是科学成功的唯一路径。他广泛阅读为他科学思维的形成奠定了坚实的理论基础。他特立独行做自己感兴趣的事情即便那件事在短时间里不被人看好。在人工神经网络研究的低谷期他寂寞地坚持终于取得了举世瞩目的成就。人工智能正在颠覆人类社会未来机器能思考吗杨立昆的这部著作讲述正是人工智能在我们面前崛起——这个历史上绝无仅有的时刻发生的故事。未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市大脑研究计划构建互联网城市大脑技术和企业图谱为提升企业行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
