社会热点

社会热点事件_热点话题_今日新闻头条_新闻追踪-九维空间
社会热点事件_热点话题_今日新闻头条_新闻追踪-九维空间
当前位置: 九维空间 > 社会万象 > 格林的深学生赵勇:真正的人工智能离我们有多远

格林的深学生赵勇:真正的人工智能离我们有多远

时间:2020-05-13来源:社会热点点击:
大家好,我叫赵勇。让我们来评论一下人工智能。谈到人工智能,我们必须谈谈机器人。机器人在今天的社会中被广泛使用。它们首先大规模应用于军事领域,然后应用于工业领域。你

大家好,我叫赵勇。让我们来评论一下人工智能。谈到人工智能,我们必须谈谈机器人。机器人在今天的社会中被广泛使用。它们首先大规模应用于军事领域,然后应用于工业领域。你知道吗?现在机器人可以代替医生给人做手术,并且比人类做得更好。接下来,机器人可以坐在驾驶座上,帮助我们驾驶。在更遥远的未来,我们可能会发现更多的机器人出现在街上和家里为我们做事。然而,如果这些机器人没有知觉,它们只是机器,不是机器人。所以我们必须给他们人工智能。

为了实现这个政策,我觉得有必要做好两件事。首先,我们应该给他们非常好的感觉。简而言之,我们应该给他们非常好的耳朵和眼睛,以便他们能够获得非常好的数据。在这方面,事实上,在过去的十年里已经有了很大的进步。例如,在主动驾驶和人机交互领域,已经成功地应用了一种特殊的传感器。这个传感器可以探测三维世界。由这些传感器获得的数据不再是以前从传统相机中呈现的二维数据模式。另一件事是,当获取数据时,下一步是理解数据并识别隐藏在数据中的模式信息。所以这很难关心,所以让我们谈谈另一个主题,机器学习,机器学习。

机械学习并不是什么新鲜事,简而言之,我们需要设计一套算法机器,这可以帮助我们理解数据的含义。过去,这主要是以数学竞赛的形式进行的。它包括两个部门。第一个部门是我们有一些非常聪明的人。当他们看到数据时,他们可能会找到一种数学算法,将数据转换成高维数学表达式。这个数学表达式与一些统计对象有关。这种连接经过精心调整和整合,形成了一个特殊的系统。该部门将能够理解数据的策略类型。此图显示了图像处理中几种常见的算法和统计方法。如你所见,这些模式非常具有分析性。如果你想设计一个复杂的机械学习系统,你需要集成许多这样的分析算法来实现必要的功能。这种系统基本上是一种非常详细的仪器。它有许多部分,我们可以找到并整合在一起。然而,这样的系统给设计者带来很多痛苦,因为它很难设计。一方面,这个过程需要一个非常聪明的算法设计者。也许今天某个聪明的人发现了某种数学表达式,并通过某种统一的论证方法得到了某种效果。如果你想明天超越他,你需要一个更聪明的人来找到更好的算法、更好的统计数据和更好的组合来实现超越。大多数时候,这种超越需要推回旧的方式。那么这种创新模式的价格太高了,而且增长速度很慢。这么多学者不禁想,人们是怎么学会这个东西的?我们只有一个大脑,生物学家告诉我们,我们的大脑基本上是在婴儿期发育的。当我们长大后,没有太多的空间在硬件层面提升我们的智力。

昨天,一个朋友告诉我他每天用左手刷牙。为什么?他谣传这种模式可能被用来进一步发展他的右脑。我告诉他你太迟了。你做的最有可能的事情是进一步发展你左手的肌肉。事实是,我们可以用固定的大脑硬件学习许多仪器。事实上,我们大脑的硬件先决条件是相同的。没有人比任何人更聪明。然而,我们的教育,我们的简历,我们遇到的人和我们听到的故事最终决定了我们的分歧。

人脑是如何学习的?自一百多年前以来,科学家们就一直密切关注人脑。那时,科学家只能根据人脑的功能将人脑分成几个不同的区域,然后找出每个区域的一般功能,比如哪里制造听觉,哪里制造嗅觉。也有科学家通过当时的微观技术寻求人类大脑的微观布局。虽然技术很原始,但在当时也是很大的成就。后来科学家发现,人脑没有中央处理器、内存和硬盘,但有许多微小的生物结构,我们称之为神经元。这些神经元通过突触形成复杂的集合邻接。但是为什么这个收藏可以工作呢?我不知道。所以我们对神经元做了一个初步的假设。我们假设每个神经元可以执行最简单的运算,比如说,线性运算。然后计算机科学家根据这一原理设计了一个软件神经采集模拟。在过去的几年里,科学家们惊讶地发现,当收集足够深入和复杂时,他们有惊人的力量。这个技能是神经收集技能。在过去的几年里,我们把这个集合做得越来越大,越来越深,越来越复杂,然后发现他们已经显示出他们不断增长的学习能力。例如,在图像识别领域,随着收集的深入,他们将主动提取一些更复杂、更直观和更高级的图像特征。这些复杂的图像特征可以帮助我们更彻底地理解图像。在过去,人们很难想象操纵人脑发现的算法来毫无障碍地检测这些高级特征的复杂性。然而,现在一个足够深的神经集合可以帮助我们轻易地击败最聪明的人发现的特征算法。这种承诺不仅发生在图像澄清的范畴中。当我们将这项技术应用到其他类别时,我们发现它们已经征服了人类设计的最先进的特征算法。这是一个非常非常有趣的发现。

我想给你讲一个故事。在这张照片中,展示了一个男孩。他的名字是本安德伍德。他是美国加州的一个孩子。不幸的是,当他两岁时,因为癌症,他的眼睛不得不被摘除。从那以后,他就没有了视力。令人惊讶的是,当他四岁时,他的母亲发现他能用耳朵“看”世界。他知道他可以走到哪里;他可以通过听觉感知杯子在桌子上的准确位置。他学会了如何骑自行车,他可以自由穿梭于街道之间,避开那些汽车。他会滑旱冰,很少发生事故。滑冰时,他能准确地感觉到路边停着的汽车。两辆汽车之间有一个缺口。他钻过缺口。他去冲浪,他打跆拳道,他能做许多其他盲人做不到的事情,他似乎真的看到了世界。他也能打篮球和投篮。在安静的情况下,他的舌头可能会发出类似海豚的声音,然后这种声音会传到未来,并通过回声进行三维定位。所以科学家们觉得他很奇怪,请他做研究。首先,我帮他检查了他耳朵的听力情况,发现他的听力正常。他听不到正常人听不到的频率限制。他的耳朵和正常人的耳朵一样。科学家继续观察他的大脑发生了什么变化。他们发现,当他进行反射定位时,他大脑中负责视觉的部分的神经元变得非常活跃。正是这个部门的神经元帮助他进行反射定位,这是大多数人根本不具备的能力。回声定位,一种只存在于少数生物中的功能,如海豚或蝙蝠,已经在本的大脑中实现,本最初负责视觉标志分析。换句话说,本的大脑实际上与正常人的大脑相似。同样的硬件,当失去一个功能时,另一边的组件可以做其他全新的功能。

在神经集合的范畴中,现在出现了一个近似现象:当我们将模拟神经集合的规模增加到一定水平时,这个结构与设计它的最初目标几乎没有关系。只要你给它特殊的数据,并对它进行良好的教育,它似乎在很多方面都做得很好。我们似乎已经把智能硬件和软件分开了。过去,算法的设计需要对策略问题有极其透彻的理解。它需要设计高针对性的算法和统计方法。这些模块必须有很强的相关性。开发这些方法的过程非常长,而且人工成本也非常高。深入而有组织的神经收集技术使我们能够从设计完美算法系统的数学家转变为神经收集的“教育者”。只要我们有足够的数据并且擅长教育,那么一段时间后,这个神经集合就会有所作为。就像如果我们想做无人驾驶汽车项目,那么我们已经找到了一个神经集合。我们称它为“小王”。小王是个有头脑的人。然后我们会教他所有关于驾驶的知识,经过一段时间的刻苦学习,“小王”将学会驾驶。如果我们教小王一些证券方面的常识,也许他会成为一个很好的商人。

我曾经有一个叫汉斯彼得菲斯特的老师。他说,我们人类对神经元的理解过于简洁,100多年的照片给了我们太模糊的灵感。于是他找到了一套机械,政策是对大脑神经集合进行高分辨率扫描。你想象一个给你大脑组织的过程,首先把大脑切成小的“豆腐块”,然后用非常正确的机器把它们切成非常非常薄的块。它有多薄?当科学家将这种切片放在电子显微镜下时,这些切片可以帮助科学家看到神经元和突触的相邻微结构。在收集了许多这些图像之后,这些图像以三维方式堆叠起来,并且过程图像说明这些生物系统的三维结构可以从三维空间重建。这些数据被清除并输入数据库后,全世界的科学家就可以研究人脑的奥秘了。使用这种模式扫描大脑会产生非常重要的数据,因此在一立方毫米的大脑中,扫描的图像数据达到800 TB。如果你把这些数据保存在DVD上,你需要200,000张磁盘。请注意,这些数据仅来自一立方毫米的脑组织,也就是说,非常精细的脑组织,类似于一点点盐。当科学家复制这些数据时,他们不得不对它们进行错误的着色,因此这些脑神经收集的图片变得丰富多彩。下面我将呈现给你们的照片非常非常华丽。我建议我们现在屏住呼吸去欣赏这些作品。

这些照片非常时尚。科学家需要给这个项目命名。因为它们与大脑有关,所以他们想到了大脑,因为它们看起来像彩虹,科学家们把这个项目命名为彩虹。科学家们在Brainbow项目过程中取得了一些非常有趣的发现。首先,他们发现,在一个普通人的大脑至少有1000亿个神经元的时候,每个神经元平均有1000多个与其他神经元的连接。但是每个神经元到底发生了什么?我们今天的工艺无法帮助我们在不破坏内部结构的情况下打开如此微小的布局。所以这仍然是个谜。然而,基于各种相关研究,科学家发现以前关于神经元功能的假设,如线性运算假设,基本上是错误的。神经元完全有可能是非线性运算和复杂的矩阵运算。如果我们把每一个神经元比作一台有争议的机器,我们的大脑中就有超过1000亿台有争议的机器,这比人类历史上制造的有争议的机器的总数还要多。

所以当我看到大脑的布局时,我被深深地震撼了。首先,这是一个非常非常复杂的系统。无论在世界上哪个公司,我们目前最先进的技术无非是利用我们从脑神经科学中获得的最基本的常识和一些恍惚的灵感来设计一套复杂程度远低于真实人脑布局的模拟神经集合,并利用大量数据来教育这些神经集合学习一些模式和其他功能。但是真正的人工智能和真正的人类智能远远超出了模式识别。例如,除了重复执行已知的任务之外,我们的人类大脑还将创造、建造一系列设备,我们可以思考过去历史上从未存在过的事物,或许还可以想象在想象的世界中从未存在过的时空故事。这些是创造力和想象力。同时,我们仍然有感觉。我注意到在这个世界上的生物中,越高端的生物似乎有越丰富的感情。如果你问一个问题,这些感觉在我们的智能系统中有什么作用?这是优势还是劣势?我觉得答案很明显。但是如果你问我另一个问题:人工智能中的这些感觉,它帮助我们成为如此高级的动物,在这个过程中,它是一个原因还是一个结果?还是两者都有?我不能回答这个问题。我们不仅有感情,许多动物也有感情,母子之间的感情,恋人之间的感情,这些感情甚至可以持续一生。全世界的科学家对这些智力水平仍然知之甚少。因此,我们今天的人工智能和人类智能之间存在着非常非常大的差距。

如果我期待奇点何时发生,我将无法像雷库尔兹韦尔先生那样做出正确的猜测。然而,有一件事我可以肯定。我们离这一政策还很远,必须正视它。这种感觉非常非常类似于我们对宇宙的看法。不用说,整个宇宙,让我们来看看我们的星系。天文学家目前拥有非常先进的射电天文望远镜,他们能够说,与精确观测相比,整个银河系大约有1000亿到4000亿颗恒星。这个尺度与我们人脑中神经元的尺度相同。然而,到目前为止,人类能够在现场真正探测到的极限还没有超过我们自己的太阳系,例如,在人脑的微观结构中,我们没有能力进入神经元的微观结构中去准确地发现。

因此,在可预见的未来,除了讨论人工智能的奇点何时到来之外,也许我们应该关注人工智能,即智能增强。如果我们能找到一台机器,这台机器并不像我们日常生活中那么聪明,但它们可能会忠实地为我们服务,并导致一种平行的智能:它看到我们能看到的设备,听到我们能听到的设备。它连接到互联网,与所有人类常识和智慧相邻。我觉得这些技能会给我们的生活带来巨大的变化和帮助。因此,我不知道奇点什么时候会到来。然而,也许在很遥远的将来,人工智能的发展肯定会给我们的世界带来巨大的变化。


格林的深学生赵勇:真正的人工智能离我们有多远
TAGS: 热点新闻软件下载
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
推荐内容