美国AI芯片“黑马”横空出世，研发出史上最大芯片
06-06
对于计算机来说，执行任务时需要非常准确的指令。
AI目前所能做的就是按照指令执行。
当人们对人工智能进行编程时，他们必须将任务分解为低级和简单的任务。
定义指令并将人工智能推广到此类指令。
而且目前能解决的问题也很有限。
在今天开幕的CCF-GAIR会议上，牛津大学计算机科学系教授Michael Wooldridge在演讲中表示，人工智能已经解决了游戏、固定程序计算、驾驶等问题。
像“口语翻译”这样的高难度人工智能研究未来很快就会得到解决，但“理解一个故事”、“讲一个笑话”这样的高级人工智能还没有解决。
之所以没有解决，主要是因为目前的人工智能无法实现“复杂推理”、“处理不明确的问题”、“对事物做出判断”和“感知外部环境”。
如何解决这些问题呢？这就涉及到人工智能研究方法的问题。
Michael Wooldridge在演讲中提到：为了让人工智能理解更高层次的信息，目前学术界主要有两种方法：神经AI解决方案和符号AI解决方案。
▎神经法AI 神经法AI可以说是目前最流行的研究方法。
现阶段很多单任务人工智能基本上都是基于“神经网络”，可以进行深度学习的人工智能，包括前段时间的败仗。
李世石的 Alpha Go 也是一种神经人工智能。
神经AI的特点是计算机会“铺开一个网络”，计算网络中的所有可能性，并做出合理的判断。
它的优点是只要在算法上取得突破，合理组织神经网络，训练大量数据，结合高计算能力，就可以处理一些复杂的问题。
然而，虽然Alpha Go非常成功，但它并没有实现通用人工智能，因为Alpha Go无法传达它所使用的策略和技术。
这并不是因为它不够智能，而是因为意识理解的AI不是神经网络能做到的。
到达的。
▎符号法AI和其他AI想要实现更强的AI，需要计算机具有推理和解释的能力。
迈克尔·伍德里奇在演讲中举了一个简单的例子：鲍勃：“我要离开你了”安：“她是谁？”从这段情侣分手的对话中，我们可以看出人类具有对语言进行分析和推理的能力。
这种推理能力是建立在对人类社会关系、运行机制和背景知识的理解之上的。
简单的神经网络无法做到这一点，因为神经网络人工智能缺乏这方面的知识。
此外，人工智能在文学艺术创作和欣赏方面缺乏理解和辨别能力。
因此，Michael Wooldridge表示，除了神经网络和深度学习之外，符号方法AI解决方案在理解方面也发挥着重要作用。
然而，这个符号方法AI具体是什么？关于符号方法AI的研究历史，维基百科显示：在20世纪50年代，当数字计算机研制成功时，研究人员开始探索人工智能是否可以简化为符号处理。
20世纪60年代，符号方法在模拟小型证明程序的高级思维方面取得了巨大成就。
基于控制论或神经网络的方法退居二线。
20 世纪 60 年代和 1970 年代的研究人员坚信，符号方法最终可以成功地创造出具有强大人工智能的机器，这就是他们的目标。
为了在符号方法上进行人工智能研究，研究人员过去尝试过不同的方法： 认知模拟：经济学家赫伯特·西蒙和艾伦·纽厄尔研究了人类解决问题的能力和尝试，将其形式化，他们为人工智能的基本原理奠定了基础，例如认知科学、运筹学和商业科学。
他们的研究团队利用心理学实验的结果来开发模拟人类解决问题方法的程序。
基于逻辑：与艾伦·纽厄尔和赫伯特·西蒙不同，计算机科学家约翰·麦卡锡认为，机器不需要模拟人类思维，而应该尝试找到抽象推理和解决问题的本质，无论人们是否使用相同的算法。
他在斯坦福大学的实验室致力于使用形式逻辑来解决各种问题，包括知识表示、智能规划和机器学习。
“反逻辑”：Marvin Minsky 和 ??Seymour Papert 等斯坦福大学研究人员发现，解决计算机视觉和自然语言处理中的难题需要专门的解决方案：他们认为不存在简单且通用的原则（例如逻辑）可以实现所有智能行为。
Roger Schank 将他们的“反逻辑”方法描述为“邋遢”。
常识知识库（例如 Douglas Lennart 的 Cyc）是“蹩脚”人工智能的例子，因为它们必须一次手动编写一个复杂的概念。
基于知识：大约在大容量存储计算机出现的时候，研究人员开始通过三种方式将知识构建到应用软件中。
这场“知识革命”导致了专家系统的开发和规划，这是人工智能软件的第一个成功形式。
“知识革命”也让人们意识到，很多简单的人工智能软件可能需要大量的知识。
以上都是符号人工智能的尝试。
简单来说，符号人工智能可以实现与人类认知水平相似的AI。
此外，不少学者还提出了“分符号法”、“统计法”、“综合法”等。
到目前为止，还没有统一的原则或范式来指导人工智能研究，研究人员在许多问题上存在争论。
Michael Wooldridge提到的神经方法AI和符号方法AI是当前的主流研究方向。
神经方法AI现在比较时尚和主流，而符号方法AI并不是很流行。
对此，Michael Wooldridge解释道：符号方法AI仍然存在缺点，它有非常棘手的问题需要解决：首先是转换能力。
例如，在复杂的现实中，如何用简单的句子来描述如何将复杂的事物转化为简单的符号是非常困难的。
第二个问题是你要把这个过程推理出来，把这个推理过程表达出来。
目前这是极其困难的。
▎仍需解决的问题关于人工智能的研究方法，长期没有定论的几个问题是：人工智能应该从心理上还是神经上进行模拟？就像鸟类生物学之于航空航天工程、人类生物学之于人工智能一样，智能研究是无关紧要的吗？智能行为是否可以用逻辑或优化等简单原理来描述，还是必须解决大量完全不相关的问题？这些问题解决之后，相信人工智能的发展会有明确的方向。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-06
06-06
06-06
06-17
06-18
06-17
06-17
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态