|
来源：中国指挥与控制学会（ID:c2_china），本文主要来自于DARPA信息创新办公室主任John Launchbury的演讲内容 人工智能（AI）的基本原理是什么？美国DARPA(国防部高级研究计划局)信息创新办公室主任John Launchbury试图揭开AI的神秘面纱——AI可以做什么、不能做什么，以及AI的发展趋势。以下是John通过讨论“人工智能的三波浪潮”，以及发掘人工智能全部潜能所需的能力，为我们更好地理解AI曾经扮演的角色、现在扮演的角色，以及未来可能扮演的角色而提供的一些分析。 DARPA一直处在人工智能的前沿，推动了这项技术的发展。因此，DARPA对它的走向有着相当明确的看法。最近媒体上有很多关于AI的炒作和咆哮，他们在谈论一个“奇点”，担心人工智能有朝一日会超过人类的能力，甚至可能取代人类。 事实上，第一波浪潮的AI系统在自然世界运行时会遇到故障。我们看到这一点，比如DARPA在2004和2005年间做了大量的自动驾驶汽车的研发工作。我们对正在开发自主驾驶汽车技术的汽车界提出了挑战，看看他们如何将AI技术结合到汽车技术，让无人驾驶汽车在加利福尼亚和内华达沙漠行驶150英里。 2004年，所有的挑战队伍都失败了，没有一辆车能自动行驶超过八英里。他们发现行驶中的识别非常困难，视觉系统甚至难以辨别出远处的黑色物体是影子还是岩石。车子应该避开它吗？还是通过它？系统老是作出错误的决定。然而，仅仅一年后，许多参加挑战的汽车都获得了成功，有五辆车完成了整个行程。这一年间， 无人驾驶技术最大的变化是开始使用机器学习，这是一项用来处理信息的概率性技术。 （图：DARPA自动驾驶汽车挑战赛要求自动驾驶车辆在加利福尼亚和内华达州行驶150英里的泥土道路。2004年没有一辆完成任务，2005年已有五辆车完成了全程。） 这类技术把我们引向AI技术的第二波浪潮——以统计学习为特征的技术。它在语音识别、人脸识别、照片分类等应用中非常有效。它获得了很大的成功，以 至于人们相信计算机真的能“学到东西”。但事实上，没有什么比这种看法更远离真理的了。机器的表现完全归功于我们在幕后大规模地创建统计模型来描述他们试 图解决的问题域。此外，他们还培训特定数据的统计模型。 显然，我们需要第三波AI技术浪潮。我们认为这第三波是关于语境顺应的。在这波浪潮中，我们将看到系统本身将随着时间的推移建立解释性的基础模型，使他们能够描述真实世界的现象。 |
|
|
