新闻活动

从专业的角度,通俗的口吻

为您点滴解读您可能关心的话题 ——只为您能认同

人工智能目前的局限

  • 发表于2018-09-26 23:18:23
  • 291
今日头条






人工智能目前的局限



       实际上,人工智能这些年取得的成就与那些新闻头条有一定的区别。


       在几年以前,谷歌的人工智能猫脸识别时,谷歌的团队需要将16000个计算机处理器连接起来,构建个超大规模的神经网络,还需要让它事先看过海量的猫的图片,结果是,它对猫的判断准确率实际上比小孩还低。换一种角度思考,一只小老鼠并不需要要花太长时间去分辨记住一只猫。








       网络识别很多东西,却无法教会它们去理解思考这些东西的含义,更谈不上让机器具有人类敏锐的洞察力。



       所以他们需要监督,算法就像一个引擎 :它们运行,但有人仍然需要点火。为了计划,设计和实现,仍然非常需要人为。 他们是为人工智能系统提供他们首先学习所需的所有新信息的人。 这种“ 监督学习 ”形式并不模仿人类自然学习的方式,专家认为这是创造更像人类的人工智能的最大障碍之一。



       一个很好的例子来证明人工智能需要监督的原因是 微软的人工智能聊天机器人'Tay' ,他被模仿说“像个十几岁的女孩”。 通过学习与在线真实人类的对话,Tay的想法变得越来越聪明和像人一样。 然而,由于许多人在网上哄骗其他人,以及互联网是一个非常腐败的地方这一事实,甜蜜无辜的Tay也被不良的思想影响。











       瓦特的计算能量。即便如此,除了会下围棋, AlphaGo还会做什么呢?相比之下,人类大脑将惊人的计算能量装入一个狭窄的空间,只使用了20瓦特的能量,而且,人类的大脑还做其他数不清的事情。如果有人能使用20瓦特的能量制造出一个能同时做两件事的机器人,我才真的觉得了不起,才是不可思议的大进步,注意不能作弊,不能把扫地的机器人和做三明治的机器人放在一个大铁盒里,就宣称机器人能做两件事了,我们人类可没有长出一百万个大脑来做一百万件事情。








       高速计算机处理器,还依赖海量的大数据,即人类提供的学习样本。成功识别猫的故事是在ImageNet这个图片大数据库之后才成为可能的,AlphaGo的成功也是基于收集整理了人类围棋大师们积累下来的成千上万的着数。




       “深度学习”本身没有问题,但是不能确定放弃基于知识的方法是对的,就好像过去我一直反对放弃神经网络。然而还有常识问题,我们日常做的大部分事情都是不经过思考的天热了就少穿点衣服,下雨了就拿起雨伞,在别人伤心的时候说安慰的话在别人开心的时候微笑等,很多认知和行为都已潜移默化为常识的一部分。而很多动物行为能把人逗笑恰恰是因为它们缺乏常识,比如小猫对着镜子里的自己又抓又咬等。但是,要将这种我们人类看来是小孩子都知道的事情教给机器是难之又难的。




       显然,和人类的大脑相比,我们离制造出真正智能的机器还差十万八千里。我们制造出的充其量是越来越好的电器产品而已,洗衣机、电冰箱、微波炉、下象棋的深蓝、下围棋的 AlphaGo……它们都只能做一件事情,只不过比人类做得更好更快而已。


服务热线 服务热线
  • 售前服务 售前服务

    售前服务

    0898-36693813-1

  • 售后服务 售后服务

    售后服务

    0898-36693813-2

  • 合作热线 合作热线

    合作热线

    0898-36693813-3

关注我们 关注我们
  • 二维码

    扫一扫,关注我们

回到顶部 回到顶部
地图导航 地图导航
我们的位置