从本质上说 ， 我们已经对机器进行了编程 ， 以便利用数据中的公共关系来实现特定的任务 。 例如 ， “a”的所有版本在结构上看起来相似 ， 但与“b”不同 ， 算法可以利用这一点 。 有趣的是 ， 在训练阶段之后 ， 机器可以将获得的知识应用到新的字母样本上 ， 例如 ， 一个人的手写笔迹 ， 机器以前从未见过 ， 通过“学习”以后 ， 它也能识别 。
然而 ， 人类擅长阅读 。 也许一个更有趣的例子是谷歌Deepmind的人工围棋智能 ， 他们在游戏中的表现超过了所有人类玩家 。 它显然以一种不同于人类的方式学习 ， 也就是和自己玩许多人类一辈子都玩不完的游戏 。 它被明确指示要获胜 ， 并被告知它采取的行动将决定它是否获胜 。 它也被赋予了游戏规则 ， 通过一次又一次地玩这个游戏 ， 它可以发现在每种情况下什么是最好的动作 ， 从而创造出以前没有人玩过的动作 。
但所有这些学习不是机器内存在的“幽灵”所赋予 ， 它的学习、记忆、回放都是人类的程序指令所表达的 。
幼儿和机器
上面的案例是否证明AI棋手比人类更聪明呢?当然不是 ， 人工智能非常擅长于特定类型的任务 ， 这是人为赋予的 。 但它不能像人类那样表现出多功能性 。 尽管经过多年的发展 ， 人类对世界的理解是人工智能从未实现过的 ， 也不太可能在短期内实现 。
人工智能之所以被称为“智能” ， 归根结底是因为它能够学习 ， 但即使在学习方面 ， 它也比不上人类 。 事实上 ， 幼儿只要看别人解决一次问题就能学会 。 而人工智能需要大量的数据和大量的尝试 ， 才能在非常具体的问题上取得成功 ， 而且很难将人工智能在不同任务上的知识加以概括 ， 因此 ， 尽管人类在生命的最初几年里发展了惊人的智能 ， 但机器学习背后的关键概念与一二十年前并没有太大不同 。
现代人工智能的成功与其说是由于新技术的突破 ， 不如说是由于现有的海量数据和计算能力 。 然而 ， 重要的是 ， 即使是无穷无尽的数据也无法赋予人工智能类似人类的智能 。 理论上要做到这一点 ， 需要首先在开发人工“通用智能”技术方面取得重大进展 ， 甚至需要建立一个人脑的计算机模型 ， 而人类技术离这个目标还差得很远 ， 甚至不太可能 。
所以仅仅因为人工智能可以学习 ， 并不意味着它会突然学会人类智能的所有方面 ， 并超越人类 。 人类的智力甚至没有一个简单的定义 ， 人类甚至自己都没弄明白智力究竟是如何在大脑中出现的 ， 即使人类最终能够弄明白这个问题 ， 然后创造一个可以学会变得更智能的人工智能 ， 这也并不一定意味着它会更胜过人类的智能 。 至少人工智能在很长一段时间内所能做到的就是比人类获得更多的记忆数据 ， 这也是在某些领域它表象上胜出人类的错觉 。
正确使用人工智能
【算法|人工智能接管世界? 这可能是相当不科学的假设，威胁来自人类自己】人类首要关心的应该是人类如何使用人工智能 。 机器学习算法通常被认为是黑匣子 ， 在确定人类的算法找到的解决方案的细节方面做的努力却很少 ， 这是一个重要而又经常被忽视的方面 ， 因为人类经常沉迷于性能而不太关注了解 。 了解这些系统已经发现的解决方案是很重要的 ， 因为这样可以评估它们是否正确或理想的解决方案 。
如果以一种错误的方式训练机器系统 ， 最终得到的是一台学会了不适用关系的机器 。 典型的案例就是 ， 当设计一台机器来评估工程专业学生潜在的能力 ， 现实中这可能是个很科学的做法 ， 但为了论证理论 ， 就继续设定下去 ， 传统上这是一门男性主导的学科 ， 所以机器内的数据基本上来自以前的男性学生 。 如果我们不能确保训练数据是平衡的 ， 那么机器可能会得出结论 ， 即工科学生是男性 ， 并错误地将其应用于未来的预测 。
相关经验推荐
- 5G|人工智能和5G被列为2022年及以后最重要的技术趋势
- 算法|兰天马 IT哪个行业的前景比较好？
- 机器学习|?机器学习和人工智能的应用，在心脏病学的许多领域实现了更快的诊断
- 腾讯|焚烧垃圾用上人工智能了？全年多发3.6亿度电，能省出一座水电站
- 华为|未来，国企会优先使用华为的系统，人工智能也会更多地进入家庭
- 惠普|在医学诊断中，人工智能可以诊断出和专家一样的结果，非常神奇
- 算法|运动健身用什么蓝牙耳机合适，达人亲测的健身用蓝牙耳机
- iphone11|「爱芯元智」获A++轮8亿元融资 ，人工智能芯片行业迎来新动力
- 三星手机|卷积神经网络，是一种特定类型的ANN，通常基于具有多个算法来分析数据
- 软件|2021年8款人工智能神器，最新汉化版，有需要就拿去