位置:编程技术网 > 架构设计 > 正文 >

人工智能专家:AI并不像你想象的那么先进

2019年10月28日 20:14来源:未知手机版

premiere下载,马欢岛,刘庆柱

编者按:近些年,很多人工智能产品已经投入应用,走进人们的生活。人工智能迅猛的发展速度很难不引人注意,甚至有人已经在担心它快速的学习能力会对人类的生存造成威胁。而在本文作者看来,真正的人工智能还很遥远。作为领域专家,她深入分析了人工智能的一些明显缺陷,并想象了未来的可能。文章译自Medium,作者Brian Bergstein,原文标题为A.I. Isn’t as Advanced as You Think。


梅勒妮·米切尔(Melanie Mitchell)写了她的新书《人工智能:思考人类的指南》(Artificial Intelligence: A Guide for Thinking Humans),因为她对人工智能究竟取得了多大进步感到困惑。她写道,她想“了解事情的真实状态”。

得知她的矛盾心理是一种安慰,因为她自己就是一名人工智能研究员。她是波特兰州立大学的计算机科学教授,也是著名的多学科研究中心圣达菲研究所(Santa Fe Institute)科学委员会的联合主席。如果米切尔对人工智能的立场都感到困惑,请原谅我们其他人的困惑,或者是谬误百出的见解。

正如米切尔所指出的那样,许多有关人工智能胜利的故事正在流传。这些报告中,最近在计算机视觉、语音识别、游戏和机器学习的其他方面的突破表明,人工智能可能会在未来几十年很大范围的任务中超越人类的能力。有些人觉得前景不可思议;另一些人担心“超人类”计算机可能会判定不需要我们人类在身边,并有能力做些与此有关的事。

我们要么离‘真正的’人工智能只有咫尺之遥,要么离了数百年。”

但也如米切尔另外证明的那样,即使是当今最强大的人工智能系统也有关键性的局限。它们只擅长于狭隘定义的任务,对外面的世界一无所知;它们在数据中发现相关性,而不考虑数据的含义,因此他们的预测可能是非常不可靠的;它们没有常识。

“要么取得了巨大的进展,要么几乎没有进展,”米切尔写道。“我们要么离‘真正的’人工智能只有咫尺之遥,要么离了数百年。”

米切尔解决问题的方法使这本书具有纪念意义和启发性。她对当今人工智能技术的耐心解释给人的印象是,真正的机器智能还很遥远。她表示,电脑不仅需要更好的大脑,还可能需要更好的身体。

米切尔提供了非常清晰易读的人工神经网络入门知识,该技术是图像识别,语言翻译和自动驾驶方面最新进展的核心。20世纪50年代和60年代,在最初的一些建立人工智能的尝试中使用了神经网络,但它们失宠了,因为看起来像一条死胡同,价值有限。但大约10年前有所改变,计算能力的进步使一种称为深度学习的数据密集型方法来训练神经网络成为可能。

跟随米切尔对神经网络的描述,你不需要了解繁杂的的数学。她展示了数学主要是什么,这就同时解释了它们的威力和缺陷。一种对识别图像内容特别有用的神经网络依赖于一种叫做“卷积”(convolution)的数学计算。处理文本的版本依赖于计算机表示语言统计方面的能力,即在穿过数百个维度的复杂“向量”里,单词在句子中出现的频率有多高。

令人印象深刻的是,人们已经将世界上如此多的方面进行了量化,以供计算机继续工作。同样值得注意的是,这些方法有如此多样的应用,比如检测肿瘤、自动驾驶和过滤垃圾邮件。但是这种伟大计算器的巧妙新用途并不一定赋予它们与我们的智力相当的能力。正如米切尔所指出的,让卷积神经网络(Convolutional Neural Networks, CNN)正常工作“需要大量的人类智慧”。

机器学习系统本质上是统计工作,所以很清楚,为什么它们很容易受到所馈送数据中的不准确、漏洞和其他缺点的影响。难怪如果神经网络在主要显示白人的图像上经过训练,它就不能识别黑人的脸。当一辆自动驾驶汽车无法识别一个有贴纸的停车标志,但(对人类来说)它仍然是一个明显的停车标志时,就并不奇怪。

本文地址:http://www.reviewcode.cn/jiagousheji/87367.html 转载请注明出处!

今日热点资讯