奇幻城国际官网

官方微信:   
机器智能可以催化人类解放还是“召唤恶魔”?
时间:2017-12-22 16:28  编辑:admin
 

  机器智能可以催化人类的解放或“召唤恶魔”?觉醒机器,将以何种方式接管世界?

  无论是麝香对人工智能还是不看好,还是霍金所说的,人工智能在短期内不可能破坏地球,但有一点可以肯定的是,人工智能在现实生活中应用越来越多,而且越来越多-深度。伊隆·马斯克致力于创造人类的未来。作为一个连锁企业家,他开始在互联网的早期阶段。今天,他不仅创造了一个纯粹的电动汽车公司,从汽油的噩梦(污染和高昂的价格)中解脱出来,而且还希望用自己的火箭 - SpceX在普通人的生命中送入太空。所有这些迹象似乎表明,麝香对技术的未来仍然乐观。然而,麝香对所有尖端技术,如人工智能并不乐观。在去年10月美国麻省理工学院的一次公开演讲中,马斯克称人工智能为“召唤恶魔”。人工智能的研究将成为人类未来的最大敌人。许多人支持他的观点,如牛津大学哲学教授尼克·博斯特罗姆(Nick Bostrom),他推动了威胁全人类生存的“人类生存危机”,比如气候,核战争和生态系统等极端变化。 ) - 超级智能是一个重大的人类威胁,与小地球与地球的碰撞和巨大的核战争联系在一起,与此同时,英国皇家学会前总裁里斯爵士成立了一个人类生存研究中心剑桥大学非常重视人工智能所带来的威胁,过去十年左右人工智能的飞速发展,一系列与热门人工智能形成鲜明对比的担忧。百度等公司进入了这个领域:挖掘人才,建立研究实验室,购买创业公司等等。总的来说,这些业内人士并不害怕被开发由自己的“产品”超越。他们不是创造许多新的思维方式,而是用机器去完成只能由人类完成的任务,从而消除对旧方式的依赖。计算机,平板电脑和智能手机等移动设备的普及使我们进入了大数据时代,人工智能具有巨大的计算能力,这意味着人工智能算法对这些数据起作用,包括语音识别,图像识别还有很多。加速数字革命会让我们担心成千上万的技术人员会失去工作,因为许多工作所需的技能是识别图像,理解语言等等。如果电脑能够替代人类,无论是通过提供全自动解决方案还是通过帮助员工更有效率地工作,未来将有更多的工作人员从白领阶层转移到政府资助的接受者。人工智能的迹象无处不在。去年,据传谷歌花费4亿美元收购人工智能创业公司DeepMind,该公司从Facebook手中抢走了这笔资金。 Facebook并不薄弱,邀请纽约大学人工智能知名学者Yann LeCun率先组建自己的人工智能研发实验室。谷歌聘请了斯坦福大学人工智能专业毕业生吴奈达,直到去年被百度接手在硅谷建立自己的实验室。总部位于芝加哥的Narrative Science希望开发一种被商业杂志“福布斯”(Forbes)用来报告财务报告基础的智能写作产品。 Kensho总部位于马萨诸塞州剑桥市,旨在自动化金融工程师现有的工作,给予投资者一个口味。今年4月13日,IBM宣布将使用Watson电脑进行健康分析和医学研究。沃森计算机在2011年美国的寓教于乐中使用了两个人的头衔。深度思考人们对人工智能的研究和计算机本身一样长。现在大部分的兴奋都集中在一个叫做“深度学习”的分支上,这个分支是“机器学习”的一个现代进步,这是一堆数据中自发产生的任务。这些代码将弥合所有人工智能研究之间的差距,并弥补一个小故障:对人类来说非常困难的事情是非常容易的,反之亦然。如果使用求解复杂模型的公式,最简单的计算机可以击败人。另一方面,功能最强大的电脑长期以来一直受到人类一眼就能回答的问题的困扰,比如人脸识别,演讲汇编,图像中特定对象的甄别等。有一种理解,人们必须制定一套人们觉得困难的规则,比如解复杂的方程。那么按照这套规则再次计算将会非常简单。对于那些认为简单的事情,没有必要创建一个法律来回答,你想创建也是非常困难的。作为一个非常有名的例子,成年人可以区分色情图片和非色情图片。但是在1964年,美国最高法院的Potter Stewart法官认为几乎不可能界定人们是如何区分的。他以严格的法律语言来定义色情作品几乎是绝望的,他写道:尽管无法给出色情的定义和一般内容,“我能看出来的时候我可以说出来”。机器学习的方式是通过计算机内部的程序进行识别和分析,通常这种分析是通过大量的高负荷运行数据分析来完成的。许多系统使用古老而有价值的人工智能技术,神经网络来开发他们所需要的统计模型。神经网络的概念是在20世纪50年代由研究人员提出的,虽然人们还不知道什么是智能,但人们知道它在大脑中。人脑在信息处理中不使用晶体管,而是通过神经元。模拟这些电化学信号的纤细和高度相互连接的神经细胞可能产生或多或少的智能行为。地球的神经系统有着巨大的复杂性,即使在今天的艺术水平上,人工智能也很难模拟神经网络,就像棒图和照片之间的区别。然而,最近的研究表明,即使是最粗糙的神经网络也可以很好地完成一些任务。微软人工智能团队研究员Chris Bishop指出,自20世纪60年代以来,电话公司已经开始使用神经网络中的“回声消除算法”,然而,这些早期成功的应用逐渐失去了吸引力,人们可以使用计算能力,大大限制了神经网络仿真的规模,但也限制了这种技术的应用范围,但过去几年对视频游戏的需求已经重新兴起,导致了显着的增长这个芯片的计算能力早期的人工神经网络规模很小,只有几十个或几百个神经元,经常组织成一个单层,最近像Google这样的公司使用的神经网络能够模拟数十亿神经元有了这么多的神经元,研究人员可以更好地模仿大脑,将神经元组织成不同的金字塔形多层网络,这些相互关联的层次为“ h“深入学习。神经网络的每一层都用来处理不同程度的抽象概念。例如,要处理图片,最低级别标识原始图片。它记录图片中每个像素的亮度和颜色,以及这些属性在该区域的分布。这些观察的第二层一起,组织成更抽象的类别,确定边缘,阴影和其他特征。第三层开始分析这些边缘和阴影,搜索特征的各种组合,诸如眼睛,嘴唇和耳朵的特征。而且这些特征以某种方式结合在一起,代表了一张脸 - 不仅能够识别任何普通的脸,而且能够识别出前面所看到的一幅脸。要发挥神经网络的作用,首先要接受训练。例如,想要教自己识别面孔的机器必须首先显示一个包含数千张照片的“训练集”。其中一些照片包含脸部,其他则不包含。每个都必须手动标记。这些图片就像一个系统的“输入”,而“无脸”或“无脸”的标记就像“输出”。计算机的任务是总结符合“输出”和“输入”的统计规律。为此,它通过神经网络中的每个不同抽象级别来查找与面部照片相似的所有特征。当相关达到足够的水平时,机器可以可靠地从训练集中分辨出哪些照片是平面的,哪些是不露面的。接下来,请随意给它一组新的照片,并验证它所概括的“人脸识别规则”是否与现实世界一致。通过这样的自下而上的工作,机器学习算法学会识别特征,概念和类别,这是人类擅长的,但是很难处理代码。但是这样的算法过于狭窄和细分了很长一段时间。程序通常需要他们的开发人员的技巧,他们为特定的任务(例如图像处理和语音识别)设计了一套专门的“手工”代码。另外,早期的神经网络只具有有限的数据处理能力。当你超过这个门槛,输入更多的信息并不会带来更好的表现。目前,神经网络系统依赖于开发者来引导和调整少得多。同时,无论您输入多少数据,您的系统都可以充分利用它,因特网带来了大量可以输入到系统中的数据。百度,Google和Facebook等互联网巨头都有大量来自用户的信息。大量的邮件,搜索和交易历史信息,记录面孔,汽车,猫和世界上所有记录在其服务器上的无尽图像。这些公司的领导人清楚地知道这些数据中有一个有价值的模型,但是绝对的数据量是令人生畏的,但是机器并不害怕。信息过载是一个问题,但归根到底,解决方案也是到位的,尤其是在突破这个关键时间线之后:许多数据可以在被人为地标记之前使用。基于正确算法的加强,计算机可以使用这些注释数据自行学习,识别内部有用的模式,规则和类别。这方面取得了显着的成就。在2014年,Facebook发布了一个名为DeepFace的算法,即使他们的脸部分被遮挡或不够明亮,该算法可以从图片中识别97%的特定脸部的准确性。这做了以前只有人类可以做的事情。微软表示,由语音助手Cortana开发的对象识别软件可以告诉用户Pembroke Welsh Corgi和加迪斯威尔士Corgi之间的区别,看起来非常相似(见下图)。英国等一些国家已经将人脸识别技术用于边境安全控制。这个系统可以从一个最终的形象识别一个人,是非常有吸引力的警察和侦探。 5月5日发布的一份报告显示,美国的侦探如何利用语音识别软件将语音通话翻译成文字,以便他们更好地搜索对话。然而,尽管互联网是一个巨大的数据宝藏,但并不是没完没了。机器学习算法发展的人类标记数据资源的类型是有限的。为此,开发不需要人力帮助的“无监督学习”算法的竞赛已经开始。迄今为止取得了很多进展。 2012年,由Ng Nuda领导的Google团队通过无监督学习机展示了数百万YouTube视频图像的分析。机器学习将所看到的共同物体分类,包括人脸和猫(供用户娱乐),包括在线无处不在的动作:睡觉,跳跃,滑板。这些视频中人类没有标明“面孔”或“猫”字样。相反,机器通过查看每个对象的无数例子来结束,表明它们呈现的统计模式足够一般以至于可以对它们进行分类。识别单个对象的下一步是识别多个不同的对象。斯坦福大学的Andrej Karpathy和Li Feifei发表的一篇论文描述了一个计算机视觉系统,可以识别给定图像的特定部分。例如,看一张早餐桌,它可以识别桌子和桌子上的叉子,香蕉片,一杯咖啡和鲜花。在现场甚至可以用自然的英语来描述 - 虽然技术还不完善。谷歌等互联网巨头对这一结果感兴趣,因为它可以直接影响到这些公司的底线。更好的图像分类可以提高搜索功能,帮助用户更好地找到他们想要的东西。从长远来看,技术可以找到更多的创新应用。机器人研究人员能够分解和解释一个场景,这有助于在他们所从事的产品(工业机器人合作伙伴,自动驾驶车辆,战争机器人)中驾驭混乱的现实世界。图像分类也是一项可以促进“增强现实”实施的技术,主要是通过可穿戴设备(如Google Glass或微软的HoloLens)进行增强,这些设备涵盖了现实世界中的有用信息。位于旧金山的Enlitic公司,希望通过图像识别来分析X射线和MRI扫描,以了解人类医生可能会错过什么,深度学习不限于图像,它是一种通用的模式识别计算,这意味着基本上任何利用大数据的活动都可以找到它的效用从保险业务到基因的发现。在世界最大的粒子物理实验室CERN(世界核组织)最近的比赛中,深度学习算法比物理学家写的软件更好地识别亚原子粒子的特性 - 尽管创建了这些算法程序员不在物理学方面有特定的背景,更令人吃惊的是,一组研究人员编写了一个程序,比学习玩太空侵略者这样的电子游戏要好得多。深度学习也提高了机器翻译。由于网上有大量的多语言文本,机器翻译已经开始使用神经网络。在百度工作的吴南达认为,在智能手机上运行一个好的语音识别程序,可以让很多中国的文盲人口接触到互联网,从而导致与普通电脑的竞争,目前百度有10%的搜索被执行他相信到2020年这个比例将上升到50%。这些不同类型的人工智能可以被整合在一起,形成一个更强大的系统。例如,在2014年5月加利福尼亚的一个会议上,微软展示了一个可以翻译实时讲话公司的一名研究人员与一位德国同事用英语交谈,这个程序中的一个人工智能程序将声波解码为多个英文短语,另一个将短语从英文翻译成德文,第三个将德文翻译成德文微软希望未来能够将这项技术应用于互联网电话Skype,拥有更智能,更智能的智能手机,更时尚的机器人和实习生等于文盲。但是,这些能够证实麝香和其他人已经分享的担忧吗?也许图像识别,自编程序的计算机,是一个关键的步骤,但是在一个比它的创造者更聪明的机器之路的早期阶段是至关重要的。末世论有一个重要的支持论点。也就是说,几十年来的神经科学研究一直没有表明,大脑不是一台机器。它由普通的原子组成,利用自然力量和遵循自然的共同规律。换句话说,没有神秘的“精神”来促进其运作。这表明,原则上可行的是建立一个人造大脑 - 或一个与大脑相似但外观不同的机器。但是,原则上做两件事与实际工作是大相径庭的。罗伯特·布鲁克斯(Rodney Brooks)在波士顿的Rethink Robotics工作,也是人工智能领域的先驱之一,他说这个问题部分来自对“聪明”一词的混淆。计算机现在可以完成人脑在过去可以完成的一些狭窄的任务(毕竟,第一个“计算机”是人类,通常是那些在数字设备上很容易处理的计算问题的女性)。图像分类器可以是精确的,但它没有目标,没有动机,没有意识到它存在作为电子表格或气候模型。而且,如果你正在做脑力劳动,那么你不需要像现在的人工智能那样做,人工智能使用了很多的蛮力来从系统中获得看似聪明的反应,虽然这些系统更大而且比以往任何时候都更加强大,思维上没有太多的改进,不想建立一个类似于生物大脑的系统,另一个人工智能先驱Edsger Dijkstra曾经说过,问一个电脑是否可以思考就像是问“潜艇能游泳吗?”陷阱和幻觉没有比愚弄现有的人工智能程序更能反映问题的了,将在6月的计算机视觉会议上展示的一篇论文展示了一些愚弄图像的幻想识别算法,它向我们展示了算法是如何工作的 - 模式之间的匹配,但是算法的工作过于盲目,以至于无法理解内容(就像将棒球视为客观的o而不是一个球体拼接模式模糊抽象模式融合)它阻止人们陷入类似的陷阱。它甚至可能为我们建立一种形象,看起来像一个没有意义的电视节目,但是神经网络不能准确地对它进行分类 - 就像对待真实的对象一样。至少对一些人来说,这些条件并不意味着人工智能程序不能取得令人放心的进展。同时,相对于已经过去的技术创新浪潮,这些人中很大一部分来自中产阶级。比如上述微软的实时翻译项目,从显示的角度来看技术还不是很完善,但是没有人误将机器语言翻译成专业的翻译人员,但是足以把握机器翻译的关键点谈话,这比聘请全职翻译员更方便,更便宜!这种算法将今天昂贵的,定制化的专业翻译服务变成每个Skype用户都可以享受(当然,效果有些差)。因此,对全职翻译来说这可能是一件坏事,但是对其他人来说却是好事。而且微软的这个项目还将继续优化,就像在第一次工业革命中蒸汽机的出现代替了蓝领工作一样,人工智能在这个新的工业革命中能够做白领工作的焦虑比如叙事科学的机器财务记者和Kensho的机器数据分析师,Kensho的系统被设计成可以描述自然语言的查询,比如“当原油价格变化时汽车的股价如何变化油价下跌了5美元一桶?“它搜索企业盈利和上市文件,历史市场数据等,并在几秒钟内用自然语言回复。Kensho计划推动软件系统大银行和经验丰富的交易员。法语公司,使用自然语言处理软件来描述查询,搜索所有的数据以找到答案,然后在1秒内用英文,西班牙文,法文或德文写出最多3,000页的答案。 etOnline等公司已经使用该系统进行网站的用户支持功能。这不仅仅是理论上的担心,因为一些白领工作已经让位于机器。例如,一些公司使用电脑拨打电话。由于这些疯狂的限制,面对不可理解的问题,他们也需要人力支持。很难预测未来将会有哪些工作会被机器所取代,尽管牛津 - 马丁公司2006年发表的一篇文章惊慌失措,但该报告认为,统计人员在美国追踪的一半类型的工作将受到影响对机器的攻击同时也给我们技术,自动化的,便宜的翻译肯定是有用的,还有必要有一个不知疲倦,快速的计算机来查看医学图像,也许最好的思考人工智能的方法是在认知增强的历史中将其降低到最新,人类一直通过研究认知增强来提升自己的大脑。这项研究的科学内容比纸(提供便携,可靠的存储)和珠算发明更高,它们被用来帮助提高我们的心算。正如印刷术留下文士失业,高端的人工智能可以牺牲一些工作。但对那些工作不能替代的人来说,这会进一步提高他们的能力,因为这会给每个人都有机会使用“精神工具”,而这些工具现在只是少数。现在,每个拥有智能手机的人都喜欢把所有旧的计算器放在口袋里的一个城市里。他们没有任何报酬地为你工作,只是收费。在将来,我们也有个人翻译和诊断师让我们做他们的事情。更智能的电脑将成为真正的变革技术,但至少不是基于马斯克先生和里斯爵士。也许有一天,人脑的独特智能可以在机器上创造出来。但是到目前为止,最好的建议是忽视“电脑将接管世界”的威胁论。相反,他们应该明确表示不会把我们的工作摆在首位。预计2016年人工智能将对技术市场产生重大影响,首当其冲的是大型互联网技术公司。那些从事人工智能的高科技人才也将是这些大型科技公司在巨额巨额资金的指挥下为公司的价值,人工智能研究做出实质性的工作,现在,像苹果,谷歌,微软,亚马逊和百度都已经这样做了,因为他们明白自己必须拥有大量的人工智能才能赢得移动大作战。[编辑/梁昊] IT时代网络(关注微信公众号ITtime2000,常规推动,互动福利惊喜)所有原创文章版权所有创世纪100创业投资基金成立于2015年,领导硅谷,专注于TMT早期项目投资,LP来自政府,互联网IT,知名媒体公司个人,创科100多家IT,通讯,互联网,知识产权等创投基金拥有自己独特的视角和丰富的资源,快速的决策,快捷的投资nt是100个基金的制造者最重要的特征。翡翠村有一个年轻的花咀,人们只是设定了一个目标,谁说呢一定要做啊。支持董小姐来自:董明珠:卖5000万块格力手机是目标,不一定要实现 - IT管理员不要告诉我李彦宏是百度老板,老板和公司是不一样的伊琦伊是罗宾莉自己的投资呢。 。 。来自:iQIYI将于2018年上半年召开IPO百度继续持股之后 - 锐利 - IT网络青春村翠花翠每天的信息已经暴露在这个智能时代,没有真正的隐私来自:有没有最安全的产品WIFI WPA2协议漏洞 - 清晰度 - IT时代有没有必要争取年轻的村翠翠什么全屏的战斗,一个手机是她最重要的配置,不要把马车从前:为了全屏和配置成千上万的机器真的需要抢购这个行程时髦吗?锐利 - IT网络