0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

常見的七種人工智能認識誤區(qū)

姚小熊27 ? 來源:人工智能實驗室 ? 作者:人工智能實驗室 ? 2020-09-30 15:32 ? 次閱讀

很多人認為人工智能好像無所不能,但其實人工智能有明顯的局限性。真實情況是,當前的人工智能行業(yè)應用主要以感知智能為主,就像人一樣,我們看得見、聽得見的東西就是感知智能,但是我們看不懂、聽不懂;認知智能解決的就是腦子的問題,讓我們可以看得懂也聽得懂;然而現(xiàn)階段認知智能的水平可能還停留在孩子的階段,溝通能力差、理解能力弱,同時學習成本高,超越能力范疇的事情幾乎很難實現(xiàn)。

但是,人工智能將創(chuàng)造出創(chuàng)造財富的新方法,同時解放出一部分人類。人工智能的進步將引領其它領域的進步,特別是制造業(yè)的進步。在未來,它將更容易滿足我們的基本需求。而在現(xiàn)實中,人們對人工智能的認識存在著各種各樣的誤區(qū),下面筆者將就常見的幾種人工智能認識誤區(qū)進行介紹:

誤區(qū)1:人工智能的智力不會超過人類

人工智能專家普遍認為,人工智能不可能鎖死在人類智力水平上,終將超過人類智力。目前關于該問題的唯一分歧在于對時間早晚的判斷。未來主義者雷庫茲韋爾認為,機器統(tǒng)治人類會在幾十年后發(fā)生,而一些“保守派”人士認為可能得幾個世紀。人工智能保守派認為人類生物腦在本質上有其獨特之處,這是無法解決的科技難題,人工智能不可能擁有人類般或超過人類的智力。其實這種說法是沒有說服力的。我們的大腦是生物學意義的機器,但也不過是機器。他們存在于現(xiàn)實世界里,就要遵循基本的物理法則。人腦沒有東西是不可知的。

在一些特定領域,比如說國際象棋、圍棋、股市交易以及人機對話等,我們已經發(fā)明出與人腦匹敵或超越人腦的計算機。電腦和驅動他們的運算法則只會變得更好,電腦精通幾乎任何人類能力只是時間問題。

誤區(qū)2:未來人工智能將擁有人類意識

這是一個值得思考的命題,意識帶有一定的主觀能動性,我們用‘意識’一詞來指代心理的和認知的屬性,這些在人類身上是捆綁在一起的,這也是人腦區(qū)別于“電腦”的重要特征。機器人在工作強度、運算速度和記憶功能方面可以超越人類,但在意識、推理等方面不可能超越人類。

不能僅僅因為一臺機器通過了圖靈測試,就認為它有意識。先進的人工智能給我們的印象是它們是有意識的,但是再先進的人工智能對于自己的認識也不會比一塊石頭或一個計算器多。

我們還未達到人工通用智能,即機器能夠像人類一樣執(zhí)行任何需要智力的任務,因為我們缺乏關于意識的科學理論。正如倫敦帝國理工學院認知機器人研究者穆雷沙納罕(Murray Shanahan)所指出的那樣,我們應該避免混淆認知和意識兩種概念。

誤區(qū)3:超人工智能與人類會和平相處

任何事物都是矛盾的,矛盾無處不在,無時不有。所存在的任何事物都有其相反的兩個方面。人工智能在提高工作效率,促進社會發(fā)展上貢獻巨大,但我們不能忽略其帶來的潛在風險。

科研人員還在另一項關于性別的研究中發(fā)現(xiàn),F(xiàn)ace++、微軟等眾多科技公司推出的人臉識別服務中存在性別歧視和種族歧視。實驗數(shù)據表明,對于黑人女性,微軟在21%的情況下無法識別,而Face++無法識別的概率更是高達35%,此外,這些系統(tǒng)普遍對白人男性表現(xiàn)的更好。

因此,“先進的人工智能從本質上將是好的、開明的”的觀點是站不住腳的。正如斯圖爾特阿姆斯特朗(Stuart Armstrong)指出,存在很多聰明的戰(zhàn)犯。智力和道德感間的關系在人類中貌似并不存在,所以他懷疑該假設在其他智能形式中,恐怕也是難以成立的。

因此超級人工智能會很友好的觀點是片面的,我們應當避免走進這個誤區(qū)。

誤區(qū)4:超人工智能很聰明,不會犯錯

就職于牛津大學人類未來研究所(Future of Humanity Institute)的皮特麥金泰爾(Peter McIntyre)和斯圖爾特阿姆斯特朗(Stuart Armstrong)都對此有不同看法。他們認為人工智能將很大程度上受到編程的限制。他們相信人工智能也會犯錯誤,或者他們還沒有聰明到了解人類想從他們那里得到什么。

牛津大學皮特麥金泰爾與斯圖爾特阿姆斯特朗認為,人工智能受程序控制,不認為人工智能有聰明到可以理解我們期望。他們認為:“超級人工智能在定義上是在所有領域上都超越人腦智慧的存在”?!斑@樣的存在是可以理解我們想讓其所達到的意圖的”。雖然人工智能被程序所控制,但如果足夠聰明的話它將能夠理解法的精神與人的意圖。

從定義上講,超級人工智能(ASI)是一個擁有智力的載體,它在各個相關領域都要比最優(yōu)秀的人類大腦更聰明?!丙溄鹛柡桶⒛匪固乩氏嘈湃斯ぶ悄苤粫龀绦蚓帉懙娜蝿眨绻茏兊米銐蚵斆鞯脑?,它將能理解依照程序完成任務與領略規(guī)則精髓的不同,也將能理解人類的意圖。

誤區(qū)5:人工智能將超越和毀滅人類

我們無法斷言人工智能是否會毀滅人類或者人類將無法控制人工智能。牛津大學哲學家尼克波斯特洛姆(Nick Bostrom)認為,真正超級人工智能的出現(xiàn)或許是人類所發(fā)明的有史以來最大的危機。但我們無法確定人工智能會以什么形式和方式對人類產生威脅。

沒有任何證據表明我們會被人工智能毀滅或無法控制它們。正如人工智能研究者埃利德尤德考斯(Eliezer Yudkowsky)所說:“人工智能既不會恨,也不會愛,但人類由原子構成的,除了智能以外,人類還有感情。”

牛津大學的哲學學者尼克波斯特洛姆在他的書《超級智能:路徑、危險與策略》中提到,真正的超級人工智能一旦完成,將比以往人類的任何發(fā)明都危險。斯蒂芬霍金(Stephen Hawking)認為,人工智能的出現(xiàn)可能是“我們文明史上最糟糕的事”,而埃隆馬斯克(Elon Musk)和比爾蓋茨(Bill Gates)也提出了警告。

但沒有什么事是可以確定的,沒人知道人工智能將采取什么行動以及如何威脅到人類。正如埃隆馬斯克指出的,人工智能可以用來控制、調節(jié)和監(jiān)視其它人工智能。也許可以給它灌輸人類的價值觀,使之毫無保留地對人類保持友好。

誤區(qū)6:未來人工智能與科幻作品中的相同

科幻作品中的人工智能展現(xiàn)出趣味性和藝術性,是沒有被方方面面束縛的天馬行空的想象。而現(xiàn)實人工智能的發(fā)展受制于技術、計算能力和數(shù)據等方面,并且在發(fā)展過程中充滿了太多不確定因素,因此現(xiàn)實人工智能與科幻作品中的人工智能還是有很大區(qū)別,當然,受科幻作品的影響,在人工智能的發(fā)展過程中不排除有科幻作品影子的可能性。但如今超級人工智能所導致的問題跟那些完全不同。許多的科幻作品為了作品的趣味性,犧牲了許多科學上的正確性。

的確,科幻作品被作家和未來主義者們用來預測美好的將來,但超級人工智能所帶來的圖景完全不是一回事。更重要的是,與人類本性不同的人工智能不會讓我們知道并預測它們確切的本性和形式。

科幻作品考慮到我們人類是弱小的,大多數(shù)人工智能被設定地與人類很類似,而大多數(shù)科幻小說旨在講一個引人入勝的故事,但不夠科學準確。因此,科幻小說中的沖突往往是存在于實力接近的實體之間。

誤區(qū)7:未來所有工作將被人工智能所取代

毫無疑問,人工智能將取代很多現(xiàn)存的職業(yè),包括從車間一線工人到高級白領。一些專家預測在不久的將來美國的一半工作將被自動化所取代。但這不意味著我們沒有能力應付局面。最理想的情況是為我們人類實現(xiàn)人人稱贊的目標,達到接近烏托邦的境界,無論是腦力勞動者還是體力勞動者,人人都從勞役中解放了出來。

機器人將在未來的幾十年取代數(shù)以百萬計的崗位。在未來的幾十年里人工智能將抹殺許多工作崗位,但這是件好事。例如,自動駕駛汽車將取代卡車司機,這樣可以節(jié)約運輸成本,使貨物的價格更便宜;醫(yī)療機器人將取代醫(yī)院里的部分收費員和配藥員,看并取藥一條龍服務。自動售貨機將取代店員,降低了人工成本等等。

在所有的可能性中,人工智能將創(chuàng)造出創(chuàng)造財富的新方法,同時解放出人類去做其他的事情。人工智能的進步將引領其它領域的進步,特別是制造業(yè)的進步。在未來,它將更容易滿足我們的基本需求,而不是相反。但人工智能不會搶走我們所有的工作,尤其是與人工智能相關的工作崗位將炙手可熱。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 人工智能
    +關注

    關注

    1787

    文章

    46060

    瀏覽量

    234958
收藏 人收藏

    評論

    相關推薦

    人工智能ai4s試讀申請

    目前人工智能在繪畫對話等大模型領域應用廣闊,ai4s也是方興未艾。但是如何有效利用ai4s工具助力科研是個需要研究的課題,本書對ai4s基本原理和原則,方法進行描訴,有利于總結經驗,擬按照要求準備相關體會材料。看能否有助于入門和提高ss
    發(fā)表于 09-09 15:36

    【書籍評測活動NO.44】AI for Science:人工智能驅動科學創(chuàng)新

    《AI for Science:人工智能驅動科學創(chuàng)新》 這本書便將為讀者徐徐展開AI for Science的美麗圖景,與大家一起去了解: 人工智能究竟幫科學家做了什么? 人工智能將如何改變我們所生
    發(fā)表于 09-09 13:54

    報名開啟!深圳(國際)通用人工智能大會將啟幕,國內外大咖齊聚話AI

    8月28日至30日,2024深圳(國際)通用人工智能大會暨深圳(國際)通用人工智能產業(yè)博覽會將在深圳國際會展中心(寶安)舉辦。大會以“魅力AI·無限未來”為主題,致力于打造全球通用人工智能領域集產品
    發(fā)表于 08-22 15:00

    FPGA在人工智能中的應用有哪些?

    FPGA(現(xiàn)場可編程門陣列)在人工智能領域的應用非常廣泛,主要體現(xiàn)在以下幾個方面: 一、深度學習加速 訓練和推理過程加速:FPGA可以用來加速深度學習的訓練和推理過程。由于其高并行性和低延遲特性
    發(fā)表于 07-29 17:05

    5G智能物聯(lián)網課程之Aidlux下人工智能開發(fā)(SC171開發(fā)套件V2)

    5G智能物聯(lián)網課程之Aidlux下人工智能開發(fā)(SC171開發(fā)套件V2) 課程類別 課程名稱 視頻課程時長 視頻課程鏈接 課件鏈接 人工智能 參賽基礎知識指引 14分50秒 https
    發(fā)表于 05-10 16:46

    5G智能物聯(lián)網課程之Aidlux下人工智能開發(fā)(SC171開發(fā)套件V1)

    課程類別 課程名稱 視頻課程時長 視頻課程鏈接 課件鏈接 人工智能 參賽基礎知識指引 14分50秒 https://t.elecfans.com/v/25508.html *附件:參賽基礎知識指引
    發(fā)表于 04-01 10:40

    嵌入式人工智能的就業(yè)方向有哪些?

    聯(lián)網ARM開發(fā) NB-IoT開發(fā)及實戰(zhàn) :python工程師,人工智能工程師 python語法基礎 python核心編程 基于OpenCV的機器視覺開發(fā) 嵌入式人工智能滲入生活的方方面面,廣泛應用
    發(fā)表于 02-26 10:17

    生成式人工智能和感知式人工智能的區(qū)別

    生成式人工智能和感知式人工智能人工智能領域中兩重要的研究方向。本文將探討這兩種人工智能的區(qū)別。 生成式
    的頭像 發(fā)表于 02-19 16:43 ?1175次閱讀

    光纖常用的模塊是哪七種?多模與單模光纖區(qū)別有哪些?

    光纖常用的模塊是哪七種?多模與單模光纖區(qū)別有哪些? 光纖是一傳輸光信號的高性能通信介質,其常用的模塊有七種,分別是:KFP(光纖卡口)、LC(局域網連接器)、FC(光纖連接器)、MPO(多模光纖
    的頭像 發(fā)表于 01-04 15:39 ?854次閱讀

    MES需求六大常見誤區(qū)

    電子發(fā)燒友網站提供《MES需求六大常見誤區(qū).docx》資料免費下載
    發(fā)表于 12-21 11:08 ?0次下載

    身邊的人工智能有哪些

    身邊的人工智能有哪些? 身邊的人工智能應用已經滲透到了我們日常生活的方方面面。從智能手機中的語音助手到智能家居設備,人工智能正逐漸改變著我們
    的頭像 發(fā)表于 12-07 16:32 ?3011次閱讀

    深度學習在人工智能中的 8 常見應用

    深度學習簡介深度學習是人工智能(AI)的一個分支,它教神經網絡學習和推理。近年來,它解決復雜問題并在各個領域提供尖端性能的能力引起了極大的興趣和吸引力。深度學習算法通過允許機器處理和理解大量數(shù)據
    的頭像 發(fā)表于 12-01 08:27 ?2957次閱讀
    深度學習在<b class='flag-5'>人工智能</b>中的 8 <b class='flag-5'>種</b><b class='flag-5'>常見</b>應用

    人工智能大模型、應用場景、應用部署教程超詳細資料

    人工智能是IC行業(yè)近幾年的熱詞,目前此技術已經有很多成熟的模型和落地案例。在此跟大家做個分享,更多詳細資料,請自行搜索:【展銳坦克邦】,坦克邦-智算天地集算法模型、部署說明于一體,為廣大客戶提供了
    發(fā)表于 11-13 14:49

    如何使單片機與無線供電結合,從而使人工智能脫離電池和線路?

    如何使單片機與無線供電結合,從而使人工智能脫離電池和線路
    發(fā)表于 10-31 06:34

    生成式人工智能如何治理 生成式人工智能的機遇和挑戰(zhàn)

    人工智能按其模型可以劃分為決策式人工智能和生成式人工智能。決策式人工智能是一用于決策的技術,它利用機器學習、深度學習和計算機視覺技術來處理
    發(fā)表于 10-12 09:57 ?584次閱讀