人工智能的传统定义是,机器以通常我们认为属于人类的方式,来执行任务和解决问题。有一些任务我们觉得很简单——识别照片中的物体、驾驶汽车——可是这些任务对于AI来说特别困难。 这就是为什么我们需要机器学习。给机器展示几百张猫的照片,机器就会训练自己的算法,学会更好地识别照片中的猫。机器学习是所有大型互联网公司的基础,让公司可以进行搜索结果排名,为特定用户选择最相关的内容和建议。 深度学习是以人类大脑为基础,要复杂得多。与机器学习不同的是,深度学习可以教会机器忽略声音或图像中所有不重要的信息——呈现一种能够反映无限多样性的层级性世界观。正是深度学习为我们带来了无人车、语音识别、以及有时候比放射学专家更擅长识别肿瘤的医疗分析系统。 虽然有了这些值得赞叹的进步,我们距离与人类同样智能的机器还很远——我们的机器甚至与老鼠的智能相比都差得很远,我们大约只见证了AI实力的5%。
如今在美国,驾驶货车是最常见的职业之一。几百万人在东西海岸之间运输着货物,以此维持生计。然而,很快所有这些就业机会都将消失。无人车将替代人类司机在路面行驶,并且更快、更安全、更高效。有这么好的事,还有哪家公司会选择更昂贵、更容易犯错的人类司机呢? 我们需要有一个针对21世纪的新政,针对人工智能会带来的新就业机会打造培训项目。我们需要重新训练卡车司机和办公室助理,来打造未来的数据分析师、旅行规划师等等其他我们现在还不知道自己有需求的职业。 现在,我们很难说AI在未来会创造什么样的工作机会。不过我们清楚的是,必须采取革命性的措施,才能完成从工业社会到智能机器时代的转变。
你汽车中的AI系统可以让你安全到家,但是没法在你回家后自动选择下一个目的地。我们将以此为基础,加入基本的动机以及情感和道德价值。如果我们创造出学习能力像人类大脑一样强的机器,应该不难想象机器会“继承”一些类似人类的特点——还有弱点。 但是在我看来,“终结者”预言及其不可能。这需要一个精心策划的、意图不轨的个体,特意将恶意企图写入智能机器,没有哪个机构——更别说哪个公司或者个人——可以凭一己之力实现人类等级的AI。 打造智能机器是我们这个时代最大的科学挑战之一,需要各个国家、公司、实验室和学术团体之间共同分享智慧。AI的进步最有可能是渐进的,而且是开放的。—— Yann LeCun。
如今的高性能计算前所未有的强大。不过距离强人工智能系统的出现还有很远的距离,机器还远未达到人类大脑的能力。我们还没能理解强人工智能(有时候称为AGI)会如何运作,会为我们的生活和经济带来什么影响。经常有人将这种影响的广度比作核技术的出现,从史蒂芬·霍金、到伊隆·马斯克、到AlphaGo的创造者都建议,我们应该小心前进。
第一个阶段,使用类似谷歌搜索的科技来增强和补充人类大脑,这已经在进行中了。我们可以比较一下:1996年一个持有图书馆借书证的五岁小孩,和2016年一个打开了谷歌搜索主页的五岁小孩——只要敲几下键盘,就能获得非常多的人类知识。 如果第一阶段需要用科技来补充大脑,那么第二阶段就要直接放大大脑。适应性学习软件将教育个人化,对课程进行实时调整。如果学生表现出色,教学速度就会加快。如果学生学习比较困难,软件也会放慢节奏、转变教学风格或者告诉老师需要指导。 智能提升的第三阶段需要从根本上改变大脑。经颅磁刺激(TMS)是一项美国食品药品监督管理局(FDA)批准的无创治疗方法,治疗中会将一个电磁线圈应用在头上。TMS目前被用于治疗创伤后应激障碍(PTSD)、自闭症和抗药性的严重抑郁症。 强AI已经出现在地平线上,但是目前来说,我们只有自己的大脑可以用。提升我们自己的智能,是创造未来智能机器并与之共存的第一步。
预测性学习也叫作无监督学习,是动物和人类理解世界的首要模式。我们可以看看这个句子:“约翰拿起他的电话并离开房间。”经验告诉你,电话可能是移动模式的,约翰可能是从门里走出去的。而机器缺少对于世界常态及其限制的良好表征,也许永远没法推测出以上的信息。 机器中的预测性学习——一个非常重要但是还有待发展的特征——会让AI不需要人类监督,可以自主学习,就像小孩子学习一样。但是,要让机器学会常识不只是一个技术问题,这是一个可能要花上几十年的科学和数学挑战。在那之前,我们的机器没法成为真正智能的机器。——Yann LeCun。 备注:麦仑科技编辑整理自《华尔街日报》。 |
|
来自: Bestgu4ha5ibqn > 《人工智能》