人工智慧會演變成超人嗎?

2021-09-25 04:26:27 字數 748 閱讀 2104

在回答這個問題之前,我們需要了解人工智慧的發展階段。

人工智慧的概念最初誕生於63年前的達特茅斯學會。從質疑和誤解到當今工業界的寵兒,人工智慧在進化過程中獲得了更多的人才。

洪小文將人工智慧人才從下到上分為金字塔上的五個階段。從底層看,有五個層次:計算和記憶、感知、認知、創造性和智慧型。

目前,人工智慧的能力發展處於認知階段,主要包括理解能力、洞察力、推理能力、方案能力、決策能力等。針對這一階段,人工智慧的主要應用場景表現在對自然語言的理解上,如音訊解釋。

認知是心理學的乙個重要分支。這是我們對一件事的理解。在我們的工作中,我們需要知道停止對一件事的判斷和決策。在大多數商業活動中,人們的認知能力佔主導地位。

人工智慧在認知領域的演化主要來自於乙個響應閉環,它依賴於感測器和執行器兩個部分。物理世界通過感測器向系統傳輸資料。系統在分析傳輸的資料停止後做出決策,並將決策反映給執行器。最後,執行器是物理的。在世界上做決定。

人工智慧可以在這個閉環系統中起到分析和決策的作用。

例如,在汙水排放管理中,企業可以通過感測器停止收集和分析汙水質量,停止檢視分析結果,然後決定對哪條河流進行遠端管理。

從這個角度來看,洪小文認為製造業將首先享受人工智慧的好處。科學家認為目前人工智慧的核心發展方向還是語音識別技術、自然語言處理技術、深度學習,而這幾年大火的**機械人恰恰就運用了這幾項核心技術,有人問**機械人好不好用,那當然,智慧型機械人早已做到反應迅速,識別率高,在大資料的推動下,人工智慧在教育領域、房地產等銷售領域嶄露頭角,讓中小型公司不再遭受大公司的輕蔑和無情的打壓。

梯度下降的任意深度寬神經網路都會演變成線性模型

深度學習研究的乙個長期目標是精確表徵訓練和一般化 泛化 然而,神經網路通常複雜的損失情況 loss landscapes 使學習動力學的理論變得難以捉摸。learning dynamics elusive 難以捉摸 在這項工作中,我們表明,對於寬神經網路,學習動力學已大大簡化,並且在無限的寬度限制下...

COD測定儀小故障不及時處理,可能會演變成的大問題

cod測定儀是一種常用的水質檢測儀器,主要通過水樣與特製試劑在消解器中進行快速氧化還原反應,反應後產生三價鉻離子,通過分光光度法測定其濃度,從而得出相應cod數值。作為一款常用儀器,cod測定儀的長久使用難免會造成一些故障,這並不能說明就是廠家生產的產品質量有問題,因為無論什麼東西使用時間長了都會有...

機械人將會演變成新物種,人類對其接受還需要乙個過程

對於過去來說,科幻 這個詞永遠是對未來的想象,但對於未來來說,過去的 科幻 可能就是真正出現在生活周遭的事物。那麼,生活在什麼時代的人才是最幸福的呢?在我看來,就是那些生活在過去和未來之間的這群人,因為他們不僅充滿了對未來的想象,同時還在努力讓這些想象變成現實,而我們恰好就生活在這個時代當中。從上世...