网站首页

半岛彩票产品中心

半岛智能终端处理器 半岛智能云服务器 半岛软件开发环境

半岛彩票新闻中心

关于我们半岛彩票

公司概况 核心优势 核心团队 发展历程

联系我们半岛彩票·(中国)官方网站

官方微信 官方微博
半岛彩票·(中国)官方网站 > 半岛彩票产品中心 > 半岛智能终端处理器

什么是人工智能(AI)?一文理解 AI 要点、发展史和局限半岛彩票性【2019更新】

发布时间:2023-10-29 17:28浏览次数: 来源于:网络

  半岛彩票请大家放100个心,不要神话人工智能,科幻电影里的剧情以目前的技术发展来看,

  工具必须有人用才能发挥价值,如果他们独立存在是没有价值的,就想放在工具箱里的锤子一样,没有人挥舞它就没有任何价值。

  他们最核心的差别就是效能(更准确的说应该是杠杆率)。我们把上面几个工具的使用场景对比一下就能理解了:

  人类跑步20分钟达到的距离,汽车2分钟就能搞定!而且这个过程中人类不需要出太多力气。

  人类自己计算一些复杂的问题可能需要花1个月甚至更久的时间(还不一定正确),而电脑可能只需要1秒就完成了,并且精确无误!而人们使用电脑只需要敲几下键盘,点几下鼠标就可以了。

  人工智能其实是超越了之前电脑的边界,以前电脑无法做的事情 AI 可以做了。所以从杠杆率上讲,人工智能和电脑是在一个量级上的,但是它能做的事情更多了,大大超越了传统电脑的能力范围,所以大家十分看好。

  但是(凡是都有但是),AI 在很多很多场景和领域还是没有价值,很多能力甚至不如小学生。所以,目前 AI 的局限性依然很大!

  下面就针对“环境感知”、“合理判断”和“实现目标”3个层面来详细对比一下普通的计算机程序和人工智能:

  普通程序人工智能感知环境普通程序只知道这是一张图片或者视频,但是并不知道里面的内容是什么。AI 可以“理解”图片和视频内有什么内容,AI 也可以“理解”听到的声音是什么意思。合理判断普通程序是很多死规则的组合,在任何情况下都只能按照死规则走。AI 可以主动优化自己的规则,也就是大家常说的“学习”,但跟人类的学习还是有很大差异!实现目标普通程序是没有目标感,只会根据规则自动运行。AI 是可以有“目标感”的,并通过反馈不断优化自己的的行为来更好的实现目标。

  虽然上面的对比让 AI 看上去很强大,但是实际上并非如此,AI 在某些场景表现的很好,但是在某些场景表现的很不理想。

  AI 的确具备了理解图片、视频和语音(非结构化数据)的能力,但并不代表这些能力已经很强大的。AI 经常犯一些低级错误,下面就是一个具体的案例:

  左:摩托车的遮挡让 AI 把一只猴子误认为人类。中:自行车的遮挡让 AI 把猴子误认为人类,同时丛林背景导致 AI 将自行车把手误认为是鸟。右:吉他把猴子变成了人,而丛林把吉他变成了鸟

  上图显示了在一张丛林猴子的照片中 ps 上一把吉他的效果。这导致深度网络将猴子误认为人类,同时将吉他误认为鸟,大概是因为它认为人类比猴子更可能携带吉他,而鸟类比吉他更可能出现在附近的丛林中。

  目前(截止到2019年)是深度学习最流行的时代,深度学习在各个领域虽然表现出了很强大的能力,但是并不是人人都能玩转深度学习的,因为它需要海量的带标注的数据,这种条件不是人人都具备的。

  简单的做一个类比,狮子的力量很强大,狗的力量相比较就弱小很多。虽然狮子的战斗力很强,但是狮子需要吃很多东西才能保持战斗力。而狗就不需要吃那么多的东西。如果不给狮子吃足够的东西,他可能会躺在地上完全丧失战斗力。

  深度学习就类似狮子,想让他发挥出战斗力,就需要给他喂养大量的数据(相当于狮子的食物)。不然再出色的深度学习模型都无法发挥任何价值。

  数据是否有标注、数据是否“干净”、数据是否有多样性……都对深度学习的学习结果影响巨大!

  像 Google 这种拥有海量数据的公司最容易在 AI 领域有较大的突破和优势,而一般的小公司很难跨越数据的门槛。

  上图是从1950年至2017年之间,人工智能领域出现的一些里程碑式的事件。总结下来会分为3大阶段:

  第一次浪潮(非智能对线月,图灵提出了人工智能(AI)的概念,同时提出了图灵测试

  那个年代的人对他评价很高,有些病人甚至喜欢跟机器人聊天。但是他的实现逻辑非常简单,就是一个有限的对话库,当病人说出某个关键词时,机器人就回复特定的话。

  第一次浪潮并没有使用什么全新的技术,而是用一些技巧让计算机看上去像是真人,计算机本身并没有智能。

  20世纪80年代到90年代在第二次浪潮中,语音识别是最具代表性的几项突破之一。核心突破原因就是放弃了符号学派的思路,改为了统计思路解决实际问题。

  第二次浪潮最大的突破是改变了思路,摒弃了符号学派的思路,转而使用了统计学思路解决问题。

  21世纪初2006年是深度学习发展史的分水岭。杰弗里辛顿在这一年发表了《一种深度置信网络的快速学习算法

  2000年后互联网行业飞速发展形成了海量数据。同时数据存储的成本也快速下降。使得海量数据的存储和分析成为了可能。

  >

  在各种条件成熟后,深度学习发挥出了强大的能力。在语音识别、图像识别、NLP

  第三次浪潮来袭,主要是因为大数据和算力条件具备,这样深度学习可以发挥出巨大的威力,并且 AI 的表现已经超越人类,可以达到“可用”的阶段,而不只是科学研究。

  前两次热潮是学术研究主导的,第三次热潮是现实商业需求主导的。前两次热潮多是市场宣传层面的,而第三次热潮是商业模式层面的。

  neral Intelligence)或完全人工智能(Full AI),指的是可以胜任人类所有工作的人工智能。

  我们当前所处的阶段是弱人工智能,强人工智能还没有实现(甚至差距较远),而超人工智能更是连影子都看不到。所以“特定领域”目前还是 AI 无法逾越的边界。

  通过上面的3个问题,图灵已经划出了界限,这个界限不但适用于今天的 AI ,也适用于未来的 AI

  在一些特定场景中, AI 可以表现的很好,但是在大部分场景中,AI 并没有什么用。

  34%的人认为自己使用过 AI ,这些人中84%的人实际使用过50%以上的人搞不清楚 AI 到底有哪些能力

  AlphaGo 战胜李世石,这个热点几乎所有人都知道。很多人通过这件事情开始担心 AI 未来对人类的威胁。

  一些职业消失了,但是会诞生更多的新职业(如果让你选择“美甲”和“耕地”,你会如何选择?)

  更多内容版本在计算机科学中,人工智能有时也称为机器智能,是机器所展示的智能。

  别把人工智能神话了,用「HBI 法则」测试一下 AI 是否真的适合你的业务?

下一篇:人工智能目前有哪些半岛彩票应用?
上一篇:以人为本、多方共治为全球人工智能治理提供中国方案半岛彩票

咨询我们

输入您的疑问及需求发送邮箱给我们