腾讯投资航空科技公司飞翔互联
06-17
AlphaGo击败李世石的成就让业界对人工智能刮目相看。
大家对深度学习技术也充满好奇、困惑和兴奋。
同时，其研究也面临着各种困难。
在人工智能与机器人峰会上，AlphaGo背后的DeepMind团队成员之一Michael Wooldridge、牛津大学系主任、Oxford-DeepMind Partnership的负责人、AAAI、EURAI Fellow、迈克尔伍尔德里奇共同探讨了人工智能与机器人的现状与未来人工智能的研究、成就和挑战。
报告报告共享。
Michael Wooldridge表示，神经网络人工智能仍然存在很多局限性。
首先是他们无法理解人类的社会关系。
至于基于神经网络的人工智能，比如AlphaGo，我们无法理解它是如何思考的。
然而，为了让人工智能不辜负人类的认可，它必须具有这种透明性才能被理解。
然而，有意识的机器将会出现，但在它出现之前，世界上一定有很多机器意识的迹象，而我们不会一蹴而就。
哪些技术有效，哪些无效？比如深度学习和机器视觉，如何将这些技术结合起来实现人工智能？成功的机会有多大？这些技术如何帮助我们实现长期的人工智能目标？强AI很强大，但弱AI才是我们目前追求的。
这是弱人工智能和强人工智能之间非常重要的区别：强人工智能是普遍存在的，属于我们在好莱坞大片中看到的——比如说到在天空中漫游的机器人，这些机器人具有自我意识和自主性。
它们基本上就像人类一样，具有各种功能。
然而，这是一个遥远的梦想，距离实现还有很长的路要走。
同时，这也不是我们当前人工智能研究的方向。
目前，大部分研究都集中在我们所说的弱人工智能上。
弱AI只是它的目标没有定得那么高、那么远。
弱AI可以让机器和计算机做现在只有人脑或者动物大脑才能做的事情，所以弱AI专注于特定的任务——当然我知道弱并不意味着它没用，弱也不意味着它就是这么容易做到。
只是说明针对性不同，所以弱人工智能主要针对非常具体的任务。
现在计算机真正擅长什么？计算机实际上是设计用来做什么的。
一台计算机或一台电脑，如果没有经过编程，实际上就是一台按照某种精确指令运行的机器。
它可以按照你的指令执行，而且执行速度非常快。
一秒可以处理千万级、上亿级的数据。
。
然而，计算机所做的一切都必须分解为低级简单且非常精确的指令。
因此，如果超出这些，计算机就无能为力了。
然而，人工智能必须在本指令中进行概括。
那么，目前计算机能做什么、不能做什么呢？计算机可以轻松完成的是算术，例如解决一些任务。
人工智能基本上可以做到，但是变得更加困难。
计算机可以快速准确地进行算术运算，因为很容易将算术表达式表达为低级指令，所以算术很简单，但是稍微困难一点，比如解决复杂的问题——驾驶等，最近已经被征服了，但这基本上是一个解决问题的任务。
每个任务都是将任务分解成简单的指令供计算机执行。
有意识的机器最终会出现吗？再往下是有意识的机器。
为什么这么难？比如复杂的推理，比如玩游戏，玩棋盘游戏需要复杂的推理，解决不明确的问题——计算机必须执行非常精确的指令，它执行得很快，但是你的指令必须清晰；此外，它还与感知有关，感知是关于理解我们周围的物理世界。
但这种感知对于计算机来说是困难的，而感知对于自动驾驶汽车来说是最难的部分。
例如，目前制造汽车相对简单。
只要你了解驾驶规则，这很容易。
但问题是你开车时如何感知周围的环境？另一件事是判断。
没有准确的判断规则。
在很多情况下，你必须依靠直觉和猜测，这对于计算机来说非常困难。
我们说强人工智能是一个有自我意识的物体。
我认为强人工智能短期内不会实现，我也不认为像AlphaGo这样的事件会带来强人工智能。
换句话说，机器可以下棋，可以识别面孔，并且可以执行许多任务。
它可以做很多很多事情。
所有这些并不意味着它具有内在意识。
什么是意识？我们也无法识别有意识的机器。
所以这种有意识的机器不会在一夜之间发生，但它会在未来发生。
人们不是魔术师。
在意识机器出现之前，会有很多意识的迹象，而这种意识可以通过这些迹象来推断。
比如我们今天开这个会，就需要一种觉悟。
我认为这种突破非常重要，我认为它会对社会产生变革性的影响。
最终，这种技术进步将使人类更加健康、更加美好。
有了能力做更高效的活动，政府和企业就会更有效率，人工智能也会给我们带来更大的好处。
神经网络人工智能与符号人工智能的区别与融合。
今天的人工智能有两种方法：一种是不时髦的，另一种是很时髦的——神经网络人工智能和符号人工智能。
未来的人工智能必须将两者结合起来。
我所说的神经架构是某种神经架构。
这种人工智能架构的灵感来自于人脑的神经系统。
另一种是符号法。
符号方法并不意味着复制。
大脑的结构，恰恰相反，我们用顺从性来表达人脑的推理能力。
人工智能、深度学习和神经人工智能的优缺点。
神经网络的AI实际上依赖于人脑微观结构的启发。
我们先来看看人脑的结构。
它基本上意味着将一个想法输入神经网络并进入隐式神经层单元。
当它获得某种配置后，就可以从中进行选择，并且在选择过程中每个输入都有不同的权重，并根据这个权重进行计算。
该输入代表我们周围的环境，输出反映我们的行为选择。
这是一个非常古老的想法。
早在20世纪50年代就已被提出。
20世纪50年代就已经有这方面的人工智能研究，但到了90年代就有点消失了，到了90年代又有了新的突破。
这是一个非常漫长的过程，在过去的十年里，这一领域的研究爆发了。
因为它是真正的技术突破，所以这种神经网络需要三个要素：第一个需要这个算法的突破。
2016年，多伦多大学和世界各地的一些学者就如何组织这个神经网络提出了一些基本的新技术，但最重要的是他们也可以构建这个神经网络，然后需要大量的训练数据。
。
第二个是训练数据。
过去有人说这是大数据的十年。
数据就是我们现在所拥有的。
例如，我们有社交媒体。
如果你自拍并写下你的名字，就意味着社交网络已经获取了你的信息。
这些信息客观上有助于我们的神经。
该网络经过训练可以识别人脸。
第三点是训练这种神经网络需要计算能力。
这就是过去十年真正发展的方向，我认为正是这三个因素导致了我们最近在深度学习和神经网络方面取得重大成功突破。
我给你看一个短视频，它是DeepMin——这是之前的程序，这个程序是用来玩电子游戏的。
他们正在训练，一开始发挥得并不好。
他们不知道自己在做什么，所以只是做了一些随意的动作。
但慢慢通过训练后，它发挥得越来越好。
经过几次训练，他基本上就和人类玩家一样了。
这个游戏的开发者之前并没有预测到这种行为，这完全是习得的行为。
这个程序学会了如何玩游戏吗？它发现玩游戏的最佳方式就是这样做。
当我们看到这个时，最重要的是这个程序一开始并不知道它要做什么。
它不知道如何玩游戏。
它看到我们人眼看到的东西，然后开始测试和实验，玩不同的游戏。
学习获得更多积分的方法。
例如，在国际象棋中，一步棋需要不同的可能性。
如果你想走两步，你需要考虑 40,000 种不同的可能性。
如果有10步，就需要看1乘以10.23次方的可能性。
如果一个计算机程序想要查看 10 亿步，可能需要 30 亿年才能评估所有可能性，因此英特尔最快的处理能力无法帮助您克服这个问题。
，你需要其他技能，怎么做？蒙特卡洛搜索树。
使用蒙特卡洛搜索树，AlphaGo 确实是我们人工智能的重大突破。
然而，虽然取得了巨大的成功，但它并不能让我们实现通用人工智能。
这意味着什么？回到我们有意识和潜意识的行为，这不是AlphaGo的经验。
我们不知道如何实现通用人工智能。
它无法解释它所使用的策略。
即使它正在下围棋，它也无法跟随你。
为了解释这个技术，我们无法提取它在AlphaGo的过程中使用了什么策略。
像 AlphaGo 这样的系统不能做什么？你可以在电视节目或电影中看到这样的对话。
他说我要离开，他回答说他是谁。
你必须让它解释发生了什么。
我们可能会说Ann和他分手了，然后Bob就认为还有第三者。
这个结论是从人与人之间得出的，但是这个解释是怎么得出的呢？你必须知道一些人际关系的理论，也必须知道人与人之间关系的运行机制，并且需要有相关的背景知识才能获得推理，但我们用人工智能很难得出这样的结论。
使用如此简单的神经网络无法得出解释。
这确实是因为我们缺乏计算机中关于人类和人际关系的这种知识。
这是另外一句话。
这是两个英语句子。
第一句话是该委员会拒绝该团体游行，因为他们支持暴力。
对于这句话，你会问他们指的是谁，我们就知道这一点。
他们指的是想要开展活动的团体。
你是如何得出这个解释的？因为委员会一般不支持暴力，所以想要做出这个解释，就得利用你对人类组织委员会的了解。
第二个例子是，委员会拒绝给一个团体游行许可证，因为他们害怕暴力，所以在第一句话中他们指的是该团体，而在第二句中他们指的是委员会，所以要理解这两句话你必须有知识，有人类社会的知识。
另一个例子是机器翻译。
你可能看到它是原文的翻译，但它不能完全理解原文的翻译，不能诚实优雅，也不能流畅。
另一幅是梵高的画。
您如何解释这幅画的意境？艺术学生可以说出它代表了什么样的意境。
如果你把它放入微软最好的图形识别软件中，他们如何解释它？他们说看不懂，但是好像有两只动物在水里游泳。
无法理解人类社会关系就是缺乏机器。
补偿人工智能的象征意义如果我们想让机器理解人类的社会关系，我想谈谈人工智能研究的另一个领域——它在今天并不流行。
今天大家都在谈论深度学习和神经学习，也就是符号AI。
我们人类都是语法推理动物。
比如我老婆，我希望她幸福，红酒可以让她幸福，所以我给她买红酒。
这是一个非常清晰的推理过程。
但如果我们把它变成一种符号式的AI，我们就会让机器用同样的方式推理，让机器推理出同样的结论。
象征主义人工智能有许多明显的好处：首先是它的透明度。
AlphoaGo 玩得不错，但没办法解释为什么玩得好。
但在这里，我们可以通过象征意义清楚地解释机器为什么会这样做。
这种透明度确实是一种架构优势，也是符号人工智能的好处。
其次，这个知识层次其实和我们人类的语言非常接近。
它还使用了非常清晰的推理方法。
如果AlphoaGo无法解释它是如何下棋的，它会利用这种语言能力用句子表达它的想法。
当然，为什么符号AI不流行呢？它有缺点。
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。
人工智能的下一个挑战是将不同层次连接在一起。
我认为人工智能的下一个挑战是将不同层次连接在一起。
首先，我们有非常复杂的程序。
例如，像 AlphoaGo 这样的程序已经非常成功。
他们可以做很多复杂的事情，但从某种意义上来说它是一个黑匣子。
它无法告诉你它是如何获胜的。
，所以我们需要一定程度的知识，可以提升到神经元网络之上，并归纳为语言和??理解。
在我们可以使用和交流的语言中（借助顺从），AlphoaGo没有办法解释自己，没有办法解释它为什么这么做，也无法内省，所以我认为这种解释能力是极其有限的。
重要的。
比如DeepMind主要是做医学研究，它必须解释为什么这个病人需要吃这个药。
它必须具有解释能力，因此它是其应用的关键点。
关于人工智能的问题和担忧我想强调：最近的成功非常狭窄，而且只在特定领域。
我们不会很快出现奇点。
所谓奇点，就是这个机器突破其水平的点。
我们想一下人工智能的经济：机器现在开始取代人，那么如果机器做事，人应该做什么？尤其是随着机器接管程度越来越高，会导致失业和不公平的问题。
还有隐私，比如人脸识别，也会存在个人隐私问题。
未来20年，社会将不得不面对这一挑战。
最后是自动武器的问题。
如果人工智能在战争中用于武器会发生什么？他们不是士兵，而是机器人士兵。
对此，我们必须想清楚。
最后我想说，如果你担心机器统治世界，我想请你看一部短片。
这是一部来自美国的短片。
他们在美国高等研究院举办机器人比赛。
这台机器甚至不能打开门，所以如果有一天机器人接管世界，你只需关上门，甚至不需要锁它。
即使关上门，它也进不去。
问：未来人类与人工智能交流时，是否能够理解机器内部的思维逻辑？就像你和别人说话的时候，你能理解机器内部的思维逻辑吗？迈克尔·伍尔德里奇：我认为这是一个非常好的问题，也是一个非常关键的问题。
人工智能要获得人类社会的认可，它必须是透明的，它必须能够解释我为什么做我所做的事情，以及我为什么做我所做的事情。
因此，在众多挑战中，计算机很难获得人们的接受，但要被接受，必须有逻辑透明性。
像这样的符号人工智能很容易解释清楚，但没有人知道神经人工智能。
这种行为基于什么样的逻辑？这是一个很大的挑战。
我们必须克服这一挑战，让人工智能技术能够识别它。
问：第一个问题是从投资的角度。
人工智能产业应用已经出现诸多趋势。
人工智能产业应用下一个可能投资的热点有哪些？第二个问题，由于两人都是产学联合实验室主任，那么从他们的角度来看，产学合作有哪些经验和启发？ Michael Wooldridge：人工智能的下一个应用，特别是工业应用，我认为下一个大的应用应该是在医疗领域。
为什么我认为它会在医疗领域？因为在英国、美国，我相信在中国也是一样，现在这样的手链非常流行。
它们可以监测你的心率、血糖水平以及你走了多少步，就像 Apple Watch 一样。
同样的可穿戴设备实际上是在不断监测你的身体状况。
而这些信息都会交给AI，从而可以实现一些健康应用。
我不知道你的情况。
我只在生病时才去看医生。
现在这个应用程序可以让医生随时陪伴在您身边，帮助您24小时监测。
它知道您的睡眠时间、饮食量以及血糖。
它可以通过你的皮肤等了解你的运动状态，因此它可以通过智能手机建议你什么时候想运动、什么时候吃太多或喝太多。
在英国，他们说他们最大的应用是医疗。
他们已经有一些这样的记录，这些记录是由英国国家医疗系统提供的。
他们有这个病例，包括英国所有病例的数据，以及用药记录。
今天早上我们讲的AI其实可以应用到医疗领域，确实可以给我们整个医疗行业带来新的、更多的发现，所以我觉得下一个热点应该是在医疗方面。
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
06-17
06-18
06-17
06-18
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