人工智慧是真的智能,還是只是解決問題方法的合集?

感覺現在的AI就是找到一個問題的所有解法,打包起來組成「解法合集」。如果問題在解法合集里找不到,就傻了。

例1:1月25號Google deepmind 開發的alpha star與Mana直播打星際爭霸2,AI全是按著腳本走,完全沒沒有應變的智慧,傻傻地被空投牽制,然後被打死。

例2:AlphaGo與李世石對戰圍棋的第四局,李世石神之一手之後AI完全不會應對(AI表示這局面在我的解法合集里沒有啊)。是否也意味著AI僅是找到了比人類更多的下棋套路?


這個問題從從兩個方面談談自己的看法:

1. 人工智慧的歷史

人工智慧從20世紀50年代就開始了,到目前為止已經經歷了3次AI浪潮,這三次AI浪潮分別以演演算法(棋類遊戲(不包括圍棋^ ^)),專家系統(斯坦福Mycin醫療系統),機器學習、深度學習為代表。

第一次AI浪潮失敗的原因是,沒有解決實際問題

第二次AI浪潮失敗的原因是,沒有找到人機互動的核心介面(數據如何準確輸入到計算機,還有數據太少,計算能力不強)

我們正處在第三次AI浪潮中,有大量的數據,有超強的計算能力(量子計算也在快速發展),正如我們看到的這些新聞,ImageNet,AlphaGO、波士頓機器人...

以深度學習為代表的AI技術,正在快速改變人類的生產生活方式,吳恩達說:AI就是新電力。 例如,在20世紀初,任何產業加入電力就是新產業。

2. 人工智慧的級別

人工智慧分5個級別。我們正處於第四級人工智慧的前期。

第1級: 基礎一對一輸入和輸出,廣告中的搭載AI的空調就是如此

第2級: 相對同樣是家電產品,美國麻省理工學院MIT人工智慧實驗室成立的人型機器人公司,最近推出的掃地機器人Roomba已經是第二級人工智慧。Roomba的感應行動已和蟑螂有等級的智慧,它可以運用數十個感應器搜集房間的信息,並以每秒60次以上的頻率判斷狀況,再從40種以上的行動模式匯總選擇最適合的行動。

第3級: 以數據為基礎,為各種輸入與輸出賦予關聯性,以這種方法進行學習的演算法,就是機器學習。 第三級人工智慧從20世紀90年代中期開始普及,一直進入21世紀前期。

第4級: 從第一級人工智慧進化到第四級,有些AI甚至在某些領域超過人類(ImageNet 圖片分類、AlphaGo...)。這種人工智慧能在特定領域發揮自己的作用,也稱作「特型化人工智慧」。

第5級: 第五級人工智慧就是「泛人工智慧」,指的就是類似於哆啦A夢等和人類相似的行為,甚至能夠發揮比人類更加優秀的能力。 這樣的人工智慧可以了解人的喜怒哀樂,懂得物體的質感,能夠感受到人的情感。

了解了人工智慧的等級,大家也就清晰了什麼是真智能。


並不是,AI的本質是統計推斷。它的優點只是因為能承受很大的計算量,所以可以用上千上萬甚至上億個變數進行概率計算。

真正的智能還是大腦,而大腦到底是怎麼乾的,人類依然沒搞清楚。

就像人類區分貓和狗幾乎很難犯錯,而AI多少都會有錯誤。

雖然現在也有模型能幾乎達到100%,但是那是因為區分兩種動物的問題規模太簡單,放到更複雜的問題,比如區分20種動物,就不一定準確率那麼高了。而人類的大腦依然可以,這還是一個謎。


你要說現在做的

比方說谷歌的alpha系列

那就是一個拿運算力無腦堆經驗的能自我改善的演算法(當然已經很不錯了,機器的死板程度大家都懂)

真正意義上的AI能學習的不只是下象棋打星際,是跟一個活人一樣能不斷適應環境的意識(目前搞這個不光技術難度很大,倫理問題也很嚴重)


大家都已經回答了:「no」,我來說點不一樣的。

1. 為什麼當前業內的不智能。

2. 目前世界範圍內有沒有突破的消息?有沒有真正的智能的技術被研發出來?

先說1,為什麼當前業內不智能?眾知,當前ai主要還是以統計學為主,數學依賴較嚴重,在模型的訓練中,失真非常嚴重,導致更個系統的黑箱不可解釋問題。並且當前編程主要還是以程序員定義寫死為主,所以機器並不具備自身的模糊動態的構建認知網路的能力。再則,在智能體的統合架構上,並沒有真正成熟自恰的理論或解決方案被推廣開來。(幾十年來有過多次但未能成功落地的嘗試)。

再則2,目前世界範圍內有沒有突破的消息,有沒有落地的AGI?我要說的答案會讓大家很意外,有!並且與當前業內的處理方式非常不同,也解決第1段中的那些問題。並且在各種智能解釋上,與人類智能是非常相似的。這個系統叫:「he4o(和)」。但是呢?目前非常非常非常基礎,靜待下一步消息。想搶先了解的,可以訪問以下網址:「http://www.jiaxiaogang.top/」

PS:"定義"問題非常嚴重的影響了通用,導致一個模型僅能應付非常有限的單一場景。且同樣也是「定義」問題,讓ai並不能自己模糊學習,而是嚴格的指定true or false,從而讓這變成一個數學問題,依賴大量標註數據。

PS:deepLearing這條路能走多遠呢?在效力上,已經近於盡頭。浪潮冷卻之後,人們重新審視deepLearning,將理性的將其看待成一種識別演算法(這有效,且可以助力一些行業應用場景)。但人們終會走向新的道路,因為人類的文明從來就不是盲目者創造的,而是敢於走出舒適區,敢於挑戰新的方法的所有人。


到目前為止的人工智慧都只是一個高質量的自動化過程,是一個純粹基於條件概率的計算過程,沒有真正所謂的思考能力。


人類又是否只是比所謂不那麼智能的ai找到了更多的解法?


人工智慧可以看做求集合最優解,針對於沒見過,不懂的套路,現有的人工智慧演算法基本上不能處理,這個是為什麼基於深度學習人工智慧需要大量的樣本,因為只有樣本足夠多,多到能包含所有的情況,那麼其表現才會好!目前的人工智慧不具備人的理解遷移能力


現在AI主要還是靠人工,智能談不上。


推薦閱讀:
相关文章