经验啦

  1. 首页 > 科技 > >

5G|现在电脑连接了我们所有人，那么接下来会发生什么?( 五 )

5G央企


人工智能在过去十年中取得了巨大的进展 ， 这在很大程度上归功于机器学习 。 此前计算机更多地依赖于符号化的人工智能 ， 它使用基于人类设定规则的算法 ， 然后机器学习程序通过处理数据来找到符合自己的模式 。 其中一种典型的模式是使用“人工神经网络” ， 人工神经网络是一种由简单计算元素组成的软件 ， 可以模仿生物大脑的某些原理 。 具有几个或更多层次的神经网络共同构成了一种被称为“深度学习”的机器学习类型 ， 这是目前很流行的一种机器学习模式 。
深度学习系统现在可以比最优秀的象棋和围棋人类棋手玩得更好 ， 它们可能比你更能从照片上辨认出狗的品种 ， 他们可以把文本从一种语言翻译成另一种语言 。 它们可以控制机器人 ， 作曲 ， 预测蛋白质折叠的方式 。 但同时 ， 他们也缺乏常识范畴内的许多东西 ， 它们不了解世界运行的基本原理 ， 无论是生理上还是社会上 。 例如 ， 你我可能没有注意到的图像细微变化 ， 可能会极大地影响计算机的识别能力 。 研究人员发现 ， 在停车标志上粘贴一些无害的贴纸 ， 会导致人工智能软件将该标志解读为限速标志 ， 这对自动驾驶汽车来说是一个明显的问题 。

即使有贴纸显示 ， 人类也会认出这是一个停止标志 ， 但经过测试自动驾驶汽车算法却没有认出
AI的前进方向人工智能如何改进?计算机科学家正在利用多种形式的机器学习 ， 不管这种学习是否“有深度” 。
一种常见的形式是监督学习(supervised learning) ， 在这种学习中 ， 机器学习系统或模型会被提供标有标签的数据 ， 比如狗的图像和它们的品种名称 ， 但这需要大量的人类努力来给它们贴上标签 。 另一种方法是无监督学习 ， 在这种学习中 ， 计算机不依赖外部标签进行学习 ， 就像我们在椅子周围走动时 ， 从不同角度预测它会是什么样子一样 。
另一种类型的机器学习是强化学习 ， 即模型与环境相互作用 ， 探索一系列行动以实现目标 。 强化学习使人工智能成为围棋等棋类游戏和《星际争霸2》等电子游戏的专家 。
为了有效地学习 ， 机器需要进行归纳 ， 并可以从经验中得出抽象的原则 。 新墨西哥州圣达菲研究所(Santa Fe Institute)的计算机科学家梅勒妮·米切尔说:“智力的很大一部分 ， 是能够将一个人的知识应用于不同的情况 。 ”2019年 ， 谷歌的人工智能研究人员弗朗索瓦·肖莱为机器创建了一种名为：“抽象和推理语料库”(简称ARC)的智商测试 ， 在该测试中 ， 计算机必须根据示例模式中演示的原则完成视觉模式 。 这些谜题对人类来说很简单 ， 但到目前为止 ， 对机器来说却很有挑战性 。
讽刺的是 ， 我们的许多抽象思维可能是基于我们的身体经验 。 我们使用概念隐喻 ， 比如“重要=大” 。 GPT-3是研究实验室OpenAI于2020年发布的一种训练有素的语言模型 ， 它表明 ， 脱离实体的语言可能还不够 。 有了提示 ， 它可以写出像人一样的新闻文章、短篇故事和诗歌 。 但在一个演示中 ， 它写道:“需要两道彩虹才能从夏威夷跳跃到17岁 。 ”“我玩了很多次 ， ”米切尔说 。 “它能做不可思议的事情 。 但它也会犯一些非常愚蠢的错误 。 ”
通用型人工智能可能还需要我们动物天性的其他方面 ， 比如情感 ， 尤其是当人类希望以自然的方式与机器互动时 。 情绪不仅仅是非理性的反应 。 我们已经进化了它们来指导我们的驱动力和行为 。 OpenAI的联合创始人兼首席科学家伊利亚·苏茨克弗表示 ， 它们“给了我们这种额外的智慧活力” 。 即使AI没有和我们一样的意识感受 ， 它也可能有近似于恐惧或愤怒的代码 ， 事实上强化学习已经包含了类似于好奇心的探索元素 。

相关经验推荐


上一篇：微信|华为P50Pocket，很适合女性审美的设计，将会带来折叠手机新体验

下一篇：CPU|为5nm Zen4准备 AMD锐龙5000处理器暴跌千元：杀回畅销榜第一