门户
图库
科技
数据
VR
区块链
学院
论坛
百科
导航
登录
注册
帮助
公社首页
中国人工智能社区
公社版块
公社群组
Group
升级会员
用户名
Email
自动登录
找回密码
密码
登录
立即注册
登录后你可以:
登录
首次使用?
点我去注册
搜索
搜索
本版
帖子
公社群组
用户
道具
勋章
任务
设置
我的收藏
退出
首页
›
公社水吧
›
大话智能
›
弱人工智能已掌握 强者工智能还能有多远 ...
返回列表
弱人工智能已掌握 强者工智能还能有多远
[复制链接]
无语8了
2019-7-5 16:18:10
显示全部楼层
|
阅读模式
对于人工智能你了解多少,你知道什么是人工智能吗,如何应用人工智能走向将来社会?
虽然人工智能技术在很早就提出来了,但真正的发展却没有几年,毕竟起落不定也是人工智能的走势,同时也阐明一个高科技的专业难度越大,发展妨碍越多,人工智能想要起步,那就要在人力、财力方面付诸举动。
其真实很长一段工夫内,我们对于人工智能的印象和看法都来源于科幻电影,每当提起人工智能,我们的大脑总会浮现出将来感,科技感的画面或者词语。但是短短几十年的风云际会,当我们真正处于发达的互联网技术的环境之时,我们对于正在接触的人工智能却照旧没有真实感。以致于我们并不明白什么是人工智能,却对它唯恐避之不及。
什么是人工智能?
人工智能的概念很宽,所以人工智能也分很多种,我们按照人工智能的实力将其分成三大类。弱人工智能、强者工智能和超人工智能。
弱人工智能Artificial Narrow Intelligence (ANI): 弱人工智能是擅长于单个方面的人工智能。比如有能打败象棋世界冠军的人工智能,但是它只会下象棋,你要问它怎样更好地在硬盘上储存数据,它就不知道怎样回答你了。
强者工智能Artificial General Intelligence (AGI): 人类级别的人工智能。强者工智能是指在各方面都能和人类比肩的人工智能,人类无能的脑力活它都无能。创造强者工智能比创造弱人工智能难得多,我们如今还做不到。Linda Gottfredson教授把智能定义为“一种广泛的心思才能,可以停止思索、计划、处理成绩、笼统思想、了解复杂理念、疾速学习和从阅历中学习等操作。”强者工智能在停止这些操作时应该和人类一样得心应手。
超人工智能ArTIficial Superintelligence (ASI): 牛津哲学家,知名人工智能思想家Nick Bostrom把超级智能定义为“在几乎一切范畴都比最聪明的人类大脑都聪明很多,包括迷信创新、通识和社交技能。”超人工智能可以是各方面都比人类强一点,也可以是各方面都比人类强万亿倍的。超人工智能也正是为什么人工智能这个话题这么火热的缘故,异样也是为什么永生和灭绝这两个词总是出如古人们的口中。
如今,人类曾经掌握了弱人工智能。其实弱人工智能无处不在,人工智能革命是从弱人工智能,经过强者工智能,最终到达超人工智能的旅途。这段旅途中人类能够会生还上去,能够不会,但是无论如何,世界将变得完全不一样。
弱人工智能已掌握 强者工智能还能有多远
智能家居的运用
我们日常生活中曾经每天都在运用人工智能了,只是我们没看法到而已。人工智能如今曾经能完成很多功能了,比如
语音辨认——李开复博士当年做的工作奠定了很多当今辨认系统的基础。这里忍不住说一下,Siri本身的技术并没有特别大的亮点,真正nb的是它的形式(语音辨认直接与搜索引擎结合在一同,产品体验做得好。而且关键是这样的形式能采集到更多数据,使得系统的精度越来越高)
数据发掘——随着近年数据量的疯狂增长,数据发掘也有了长足提高。最具有代表性的是前几年着名的Netflix challenge最后这一比赛成绩较好的队伍,并非是单一的某个特别nb的算法能给出准确的结果,而是把大量描写了不同方面的模型混合在一同,停止最终的预测。
自然言语了解——目前看到的最强的结果应该是IBM Watson。但其实我们如今用的搜索引擎、中文输入法、机器翻译都和自然言语了解相关。
计算机视觉——目前越来越多的范畴跟视觉有关。大家能够一末尾想到的都是自动驾驶。虽然大家都在说googleX的无人车, 但实践上如今无论是商业上,还是技术整合上最成功的算法是Mobile Eye的辅助驾驶系统。这个公司也是目前computer vision范畴最挣钱的公司。
从完成新功能方面说,视觉的发展的趋向次要有两方面,A) 集成更多的模块,从成绩的各种不同方面,处理同一个成绩(比如Mobile Eye,就同时运用了数十种方法,放到一同最终作出决策) B) 运用新的信息,处理一个原来很难的成绩。这方面最好的例子是M$的Kinect,这个产品最让人赞不绝口的就是那个红外pattern投影仪。
2. ===实际基础===
这里说的是数学实际,是为完成功能处理成绩而存在的。与人类的智能的联络在下一节说。从这个角度,我们曾经有了很多强有力的数学工具,从高斯时代的最小二乘法,到如今比较火的凸优化,其实我们处理绝大多数智能成绩的套路,都可以从某种意义上转换成一个优化成绩。
真正限制我们解这个优化成绩的困难有以下三个:
计算复杂度——能保证完美解的算法大都是NP-hard的。如何能让一个系统在当前的硬件下“跑起来”,就需求在很多细节取巧,这是很多learning paper的核心冲突。
数据基础——任何学习过程都需求数据的支持,无论是人类学说话学写字,还是计算机学习汽车驾驶。但是就数据采集本身来说,成功的案例并不多。大概这个世界上最强的数据采集就是google了吧。每次你搜索一个关键词,然后点出来,google就自动记录了你的行为,然后以此数据来训练本人的算法。
模型假设——一切模型都要基于一些假设,比如说,无人车会假设周围的汽车加速度有一个下限(至少不会瞬间移动吧,否则怎样闪避)绝大多数假设都不能保证相对正确,我们只是制定那些在大多数时分合理的假设,然后基于这些假设建模(比如,在语音辨认里,我们能否要假设存在背景噪声呢?假如有背景噪声,这个噪声应该符合什么特点呢?这时分无论你怎样定标准,总能找出“反例”)
本帖子中包含更多资源
您需要
登录
才可以下载或查看,没有帐号?
立即注册
x
回复
使用道具
举报
发表新帖
高级模式
B
Color
Image
Link
Quote
Code
Smilies
您需要登录后才可以回帖
登录
|
立即注册
本版积分规则
发表回复
回帖后跳转到最后一页
无语8了
金牌会员
0
关注
0
粉丝
102
帖子
Ta的主页
发布
加好友
最近发表
定档8月16日 | 2024亚洲智能穿戴大会
华为智能眼镜 2评测:可能是上班族最好用的智能穿戴
2023年全球智能可穿戴腕带出货量及竞争格局分析
智能穿戴概念8日主力净流出24.84亿元,光启技术、立讯精密居前
智能穿戴概念11日主力净流入5.62亿元,三六零、兆易创新居前
智能穿戴概念10日主力净流出23.94亿元,立讯精密、中兴通讯居前
公社版块
版块推荐
更多版块
智能穿戴
智能家居
机器人
无人驾驶
无人机
反馈吐槽
闲聊灌水
大话智能
大数据
图像识别
自然语言
数据挖掘
大话智能
数据挖掘
北大讲座
清华讲座
网贷观察
股市评论
区块链
闲聊灌水
反馈吐槽
站务通知
关注我们