EDN China > 行业资讯 > 工业电子 > 机器视觉 > 正文
? 2016博客大赛-不限主题,寻找电子导师,大奖升级??

人工智能真相:数十亿美元产业背后的四大误区

机器之心?? 2016年01月04日 ?? 收藏1
从杀人机器到智能失控,关于人工智能,要澄清的问题实在太多了!

非人类智能可以追溯到非常久远的人类史前时代。随着时间的改变,人类关于非人类智能的探索也从神魔鬼怪逐渐过渡到了魔法般的技术之上。古希腊神话之中有许多神或人类发明制造的机器人;同时,根据安提凯希拉(Antikythera)历法计算机等历史文物推断,人类在公元前200年就已经能设计出有使用价值的类人类智力的工作机制了。

你还陷在人工智能这四大误区中吗?

任何文明、任何时间,人类都有各种各样的人工智能(AI)的概念。但直到现在,我们的人工智能技术才真正有可能超越人类的思维能力,而且我们还将真真切切地实现它。但是,我们对事物的理解和观念都受到了自身文化背景的影响;因此,在这些文化背景下的我们对人工智能也必然存在或多或少的偏见。

这些偏见多半是错的:在库布里克导演的电影《2001太空漫游》中,HAL 9000远远超过训练有素的宇航员的思维能力最终导向了谋杀。相对而言比尔?盖茨推出的Office助手大眼夹就要容易对付得多了。

如今人工智能已经发展成了一个价值数十亿美元的产业,而且还在不断向我们的手机、企业和家庭渗透。现在是时候澄清一些最重要的关于人工智能的误解了;事实真相到底又是什么呢?

你还陷在人工智能这四大误区中吗?

误解一:人工智能就只是为了制造能够思考的机器

上世纪中期,当数字计算第一次成为现实的时候,人们对人工智能在短期内实现同样的目标给予了厚望。阿兰?图灵在其1948年的著名论文《智能机器》中就对这一概念进行了详细的阐释,他认为在20世纪末就将出现可工作的思考机器,对此没有人提出异议。那时科幻作家艾萨克?阿西莫夫虚构出了计算机Multivac,那是一台比1951年美国人口普查局使用的UNIVAC 1更大更智能的计算机。(之后美国人口普查局和IBM建立了合作,IBM将其第一台击败人类象棋手的计算机命名为“深蓝”(Deep Blue),这个名字的灵感来源于科幻作家道格拉斯?亚当斯的《银河系漫游指南》中的超智能计算机“深思”(Deep Thought),小说中正是这台计算机给出了宇宙终极问题的答案:42。)

为了能够复制类人的思维,人们提出了各种各样的项目和研究,其中大部分都是通过硬件和软件对新技术揭示出的人脑结构和功能进行模拟。其中瑞士洛桑联邦理工学院(EPFL)大脑与心智研究所的“蓝脑”(Blue Brain)计划拥有较高的知名度;该计划起始于2005年,并计划在2023年之前搭建出一个基本等同于人脑模式的工作模型。

任何大脑模拟器都面临着两个主要问题。首先人脑其实是非常复杂的,拥有大约1000亿个神经元和1000万亿突触连接。这些连接都不是数字连接,它们依赖于具有互相关联的时序的电化学信号和模拟组件;其中的分子和生物学机制我们才刚刚开始懂点皮毛。

即使简单一点的大脑都依然神秘难解。蓝脑计划最近取得的具有里程牌意义的进展是年初时,研究人员成功在一只小鼠大脑中的一个包含了30000个神经元的区域复制了活的啮齿动物大脑中的信号。对哺乳动物来说,30000个神经元只是大脑的一点皮毛。而随着神经元数量和突触连接的增加,模拟的复杂程度也将指数式增加——以至于没法使用现有的技术手段进行处理。

你还陷在人工智能这四大误区中吗?

而这又引出了大脑模拟需要面临的另一个问题:目前还没有任何一个完备的理论能解释“思维”到底是什么。

定义“思维”是人工智能技术最底层的问题,同时也是最难的问题之一。解决了这一问题之后,我们得到的人工智能被称为“强人工智能”(strong AI)。商用人工智能业内人士大多并不相信强人工智能能在短期内实现,或者并不认为强人工智能是必要的或能够带来实际利益。但毫无疑问,人工智能现在已经开始在从事非常有意义的工作了,而且还将继续进入更多的技术和工作领域;但要具备全面的感知能力,似乎依然还遥不可及。

IBM的沃森超级计算机可以说是目前最引人瞩目的人工智能成功应用的典范,其在美国电视游戏节目Jeopardy上的优异表现让人叹为观止。它通过自然语言处理和大量专家处理过程的结合,尝试不同的策略将内部知识数据库和潜在的答案进行匹配;然后再对其内部专家过程的置信度进行检测,如果置信度足够高,那么沃森就会选择回答这一问题。

沃森的第一个真正严肃的应用是作为癌症医学辅助诊断手段。从2011年开始,沃森就一直在协助肿瘤科医生,它能够对病人的病历进行深入的分析,并且还能将该病历和存储的其它来源的相关病历、临床专业知识和学术研究进行比对和筛选;这使得沃森甚至能够自行推导出连医生自己也未曾考虑过的治疗方案。

泰国康民国际医院首席医疗信息官Dr. James Miser说:“就像是有了一个有能力又有知识的同事,它能查看已有的信息并且将其和我的病人对应起来。它很快很彻底,并且对已有证据在我正在治疗的独特案例上的应用有着不可思议的理解能力。”

你还陷在人工智能这四大误区中吗?

听起来真是奇妙,而这就已经突出展现了现有的具有应用范围限制的应用型人工智能和强人工智能之间的区别。这两种人工智能的都具有类似的基本结构:神经网络。神经网络是一个基于生物学的概念,其主要的功能是将输入或尝试与该神经网络之前已经接触过的信息进行比对和匹配。其中的关键概念是神经网络并没有一个预先设置的分析方式,而是通过前期给定和输入和正确的输出对解决方案进行校正,然后调整配置出一条自己的计算路径以供之后的未知输入使用。

现在,沃森和Facebook的DeepFace面部识别系统这样的“弱人工智能”已经能够通过特定领域的有限数据集做到这一点了,但要它们超越自己的被编程领域自行完成其它领域的工作依然比登天还难。

谷歌就在弱人工智能上玩得风生水起。它推出了能够根据内容、环境和科学数据进行图片搜索的应用以及风靡全球的机器翻译应用。而在强人工智能的研究上,谷歌却鲜有成绩。人脑可以发现和利用定义不明确的数据模式,并且还能使用复杂得多的方式匹配连接;其中的识别和转换甚至能够给整个宇宙打造一个模型。谷歌DeepMind这样的项目正在实验将不同的技术结合起来。其中的一个例子是将神经网络和增强学习技术结合起来:让机器生成随机输入,直到其满足预设的条件;通过这一过程,实际结果和理想结果之间的差距就会不断缩小,但总归而言,这些应用仍然处于非常具体的狭窄的领域内。

最近,DeepMind项目正在使用这种组合技术来“掌握2600个各种各样的雅达利游戏”。谷歌研究员Koray Kavukcuoglu在接受Wired采访时表示他的团队已经打造了“一个应该可以应用于其它多种任务的通用学习算法”,但是“学习如何执行任务”和“能够有意识地思考这些任务”之间是有很大差别的,至少“思考”还会涉及到这些任务可能产生的后果和进行这项任务需要的前期投入等等。

【分页导航】


上一页1234下一页
?? ?? ??


打开微信“扫一扫”,打开网页后点击屏幕右上角分享按钮

1.扫描左侧二维码
2.点击右上角的分享按钮
3.选择分享给朋友
?? ??

人工智能? 智能机器?

相关文章

我来评论
美国的游客
美国的游客 ??? (您将以游客身份发表,请登录 | 注册)
?
有问题请反馈