中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频

在人工智能界，普遍可以聽到一個(gè)說(shuō)法：有多少人工，就有多少智能。

傳統(tǒng)上，人工智能被娛樂業(yè)塑造出一個(gè)錯(cuò)誤的形象，令我們以為它是在沒有人類輸入的情況下可以自如運(yùn)作的技術(shù)。難怪很多人震驚地發(fā)現(xiàn)，谷歌助理依靠人類的幫助來(lái)提高自身對(duì)語(yǔ)音對(duì)話的理解，或者許多科技創(chuàng)業(yè)公司雇用人類工人來(lái)制作人工智能的功能原型和模仿品。

與傳統(tǒng)計(jì)算不同，人工智能可以在一系列尚未由人預(yù)編程的情況下作出決策。人工智能大部分是關(guān)于可以通過(guò)經(jīng)驗(yàn)學(xué)習(xí)和發(fā)展的系統(tǒng)，通常用于執(zhí)行專業(yè)任務(wù)，如駕駛、玩策略游戲或者開展投資。這也被稱為認(rèn)知計(jì)算，需要通過(guò)輸入大量數(shù)據(jù)進(jìn)行培訓(xùn)。

現(xiàn)在我們號(hào)稱進(jìn)入了大數(shù)據(jù)時(shí)代，然而數(shù)據(jù)多并不意味著質(zhì)量高，沒有標(biāo)注的數(shù)據(jù)可用性非常低。數(shù)據(jù)標(biāo)注是重復(fù)性的工作，但它是大多數(shù)人工智能應(yīng)用的起點(diǎn)。人工智能打著更好地把人從重復(fù)性的工作中解放出來(lái)的旗號(hào)，但現(xiàn)在存在一個(gè)悖論：要先通過(guò)人類的大量重復(fù)性工作才能讓機(jī)器實(shí)現(xiàn)智能。

機(jī)器學(xué)習(xí)需要喂給機(jī)器大量的數(shù)據(jù)，而這些數(shù)據(jù)大部分是需要人工標(biāo)注的，這在機(jī)器學(xué)習(xí)當(dāng)中叫做“監(jiān)督學(xué)習(xí)”（supervised learning），即根據(jù)輸入-輸出的樣本對(duì)子，學(xué)習(xí)一個(gè)將輸入映射到輸出的函數(shù)或模式，并依此模式推測(cè)新的實(shí)例。

舉例來(lái)說(shuō)，要寫一個(gè)機(jī)器學(xué)習(xí)算法，讓它能夠在網(wǎng)上幫我找到符合我口味的衣服，就需要訓(xùn)練一個(gè)能識(shí)別某種服裝的程序。首先需要的是數(shù)據(jù)，因?yàn)楸仨毥o機(jī)器學(xué)習(xí)算法標(biāo)注一些樣本。訓(xùn)練者先搜集很多圖片，然后把需要的標(biāo)出正例。比如把所有襯衣圖片標(biāo)注出來(lái)，其他未被標(biāo)注襯衣的，就是負(fù)例。機(jī)器會(huì)通過(guò)這些樣本的標(biāo)注，知道哪些是襯衣，哪些不是襯衣，哪些是主人想要的，哪些不是主人想要的。假如提出更高的要求，讓程序識(shí)別淺色的襯衣，就要進(jìn)一步把淺色襯衣的圖片再標(biāo)注出來(lái)，這樣機(jī)器就會(huì)知道那些淺色的襯衣是主人更想要的。這樣的條件可以不斷趨向復(fù)雜，例如讓機(jī)器識(shí)別帶條紋的淺色襯衣，而所有這些對(duì)于數(shù)據(jù)的進(jìn)一步處理，都需要人工來(lái)解決。

人的標(biāo)注工作完成之后，就可以訓(xùn)練機(jī)器學(xué)習(xí)算法，讓它不斷去看圖片，并對(duì)所看過(guò)的圖片加以總結(jié)。然后它自己總結(jié)出一個(gè)算法框架，知道大概往哪個(gè)方向?qū)W習(xí)。機(jī)器學(xué)習(xí)的目標(biāo)就是利用人們輸入的數(shù)據(jù)，讓自身的錯(cuò)誤識(shí)別率達(dá)到最低。這個(gè)目標(biāo)達(dá)成之后，機(jī)器就學(xué)成出師，可以為人工作了。

盡管數(shù)據(jù)標(biāo)注一類的工作會(huì)逐漸為人工智能所接手，但放眼未來(lái)，人工智能將始終需要人類的投入和專業(yè)知識(shí)，從而以符合道德、負(fù)責(zé)和安全的方式充分發(fā)揮其潛力。例如，在社交媒體中，需要人類對(duì)算法的極端化予以糾正；在醫(yī)學(xué)上，人類和機(jī)器的共同努力將產(chǎn)生比任何一方單獨(dú)所能實(shí)現(xiàn)的更大效果；在自動(dòng)駕駛等領(lǐng)域，人工智能的優(yōu)越性是訓(xùn)練的結(jié)果，然而一旦發(fā)生了人工智能未經(jīng)訓(xùn)練而不得不處理的事情，由人工智能驅(qū)動(dòng)的優(yōu)勢(shì)就會(huì)被抹去。當(dāng)這種情況發(fā)生時(shí)，人工智能的處理能力必須讓位于人類的創(chuàng)造力和適應(yīng)能力。

所以，人工智能必須處理好人工與智能的關(guān)系。最終，只要有新的應(yīng)用讓人工智能學(xué)習(xí)，有新的任務(wù)讓它掌握，人工智能就始終需要人類的投入。

“智能”這一術(shù)語(yǔ)的使用常常導(dǎo)致人們對(duì)AI的能力和擬人化風(fēng)險(xiǎn)的誤解（這里的擬人化，是指將人類特征和行為分配給非人類事物）。今天可用的大多數(shù)AI技術(shù)都是根據(jù)特定目標(biāo)學(xué)習(xí)或優(yōu)化其活動(dòng)，因此只能按照所傳授的內(nèi)容進(jìn)行操作。其能力的大小，反映了培訓(xùn)的數(shù)據(jù)及培訓(xùn)的質(zhì)量，以及AI流程的設(shè)計(jì)情況。通常，仍會(huì)需要人工處理異常情況。

這意味著AI目前的形式很狹窄，只能專門用于特定的應(yīng)用程序，它所遵循的流程和程序是不可遷移的。Google DeepMind的AI應(yīng)用程序AlphaGo專攻圍棋，它和它的后繼版本使用蒙特卡洛樹形搜索算法，根據(jù)之前通過(guò)機(jī)器學(xué)習(xí)獲得的知識(shí)，特別是通過(guò)人工神經(jīng)網(wǎng)絡(luò)（一種深度學(xué)習(xí)方法）的廣泛訓(xùn)練，從人類和計(jì)算機(jī)棋譜中找到自己的棋步。這個(gè)神經(jīng)網(wǎng)絡(luò)提高了樹狀搜索的強(qiáng)度，從而在下一次迭代中產(chǎn)生更強(qiáng)的棋步選擇。從2015年到2017年，AlphaGo擊敗數(shù)位頂尖圍棋人類選手，先后被韓、中圍棋協(xié)會(huì)授予職業(yè)九段榮譽(yù)，然而它在國(guó)際象棋中甚至無(wú)法擊敗普通人類玩家。

隨后，AlphaGo的繼任者AlphaZero做到了舉一反三：它完全依靠自學(xué)，只需提供基本的游戲規(guī)則，人類和人類生成的數(shù)據(jù)都不構(gòu)成其自我學(xué)習(xí)過(guò)程的一部分。在短短幾個(gè)小時(shí)的自我游戲中，它就達(dá)到了人類需要 1500 年才能達(dá)到的技能水平。自學(xué)成才的AlphaZero對(duì)早期競(jìng)爭(zhēng)版本的AlphaGo取得了100-0的勝利，目前被認(rèn)為是世界上最好的圍棋選手。同時(shí)，除了圍棋，它也會(huì)下象棋與國(guó)際象棋。

DeepMind的AI新作Player of Games（PoG）是第一個(gè)在完全信息游戲以及不完全信息游戲中都能實(shí)現(xiàn)強(qiáng)大性能的AI算法（完全信息游戲如圍棋、象棋等棋盤游戲，不完全信息游戲如撲克等）。這是向能夠在任意環(huán)境中學(xué)習(xí)的真正通用AI算法邁出的重要一步。PoG使用了較少的領(lǐng)域知識(shí)，通過(guò)自對(duì)弈（self-play）、搜索和博弈論推理來(lái)實(shí)現(xiàn)強(qiáng)大的性能。

DeepMind為何長(zhǎng)期以來(lái)一直投資于游戲類的人工智能系統(tǒng)？該實(shí)驗(yàn)室的理念是，游戲雖然缺乏明顯的商業(yè)應(yīng)用，但卻構(gòu)成對(duì)認(rèn)知和推理能力的獨(dú)特的相關(guān)挑戰(zhàn)。這使它們成為人工智能進(jìn)展的有用基準(zhǔn)。近幾十年來(lái)，游戲已經(jīng)催生了為計(jì)算機(jī)視覺、自動(dòng)駕駛汽車和自然語(yǔ)言處理提供動(dòng)力的自學(xué)的人工智能。

現(xiàn)實(shí)生活中，擁堵地區(qū)的路線規(guī)劃、合同談判甚至與客戶的互動(dòng)等任務(wù)，都涉及到考慮人們的偏好如何重合和沖突，并達(dá)成相應(yīng)的妥協(xié)，就像在游戲中一樣。即使人工智能系統(tǒng)是自利的，它們也可能通過(guò)協(xié)調(diào)、合作和在人群或組織之間的互動(dòng)而獲益。那么，像PoG這樣能夠推理出他人的目標(biāo)和動(dòng)機(jī)的系統(tǒng)，可以為致力于成功協(xié)作的人工智能鋪平道路，包括處理圍繞信任而產(chǎn)生的問(wèn)題。

當(dāng)人工智能開始變得真正聰明并能夠?qū)W習(xí)未被教授的行為時(shí)，會(huì)對(duì)人類認(rèn)知產(chǎn)生什么影響？在這個(gè)本質(zhì)上是加速選擇的過(guò)程中，倫理學(xué)的作用是什么？

“未知的未知”（Unknown unknown）是前美國(guó)國(guó)防部長(zhǎng)唐納德·拉姆斯菲爾德（Donald Rumsfeld）在2002年2月回應(yīng)記者提問(wèn)時(shí)的名言。

2002年，美國(guó)以伊拉克政府擁有大殺傷力武器、并支援恐怖分子為由打算與其開戰(zhàn)。同年2月12日，時(shí)任國(guó)防部部長(zhǎng)拉姆斯菲爾德被問(wèn)及有關(guān)的證據(jù)時(shí)，他解釋道：“據(jù)我們所知，有'已知的已知’，有些事，我們知道我們知道；我們也知道，有'已知的未知’，也就是說(shuō)，有些事，我們現(xiàn)在知道我們不知道。但是，同樣存在'未知的未知’——有些事，我們不知道我們不知道?！?/span>

在人工智能開發(fā)當(dāng)中，同樣存在“已知的未知”和“未知的未知”?！耙阎奈粗笔侵改Ｊ讲荒艽_定正確分類的例子。其解決方案是，在不確定的例子上從人們那里獲得新標(biāo)簽。例如，如果一個(gè)模式不能確定一張照片的主體是否是一只貓，就會(huì)要求人去驗(yàn)證；但如果系統(tǒng)確定的話，就不會(huì)要求人去驗(yàn)證。雖然在這方面還有改進(jìn)的余地，但令人欣慰的是，模式的置信度與它的表現(xiàn)相關(guān)，人們可以認(rèn)清模式所不知道的東西有哪些。

另一方面，“未知的未知”是指模式對(duì)其答案有信心，但實(shí)際上是錯(cuò)誤的。對(duì)人來(lái)說(shuō)，這就產(chǎn)生了一個(gè)難題：需要知道人工智能算法何時(shí)工作，何時(shí)不工作。雖然電影推薦假如不是那么準(zhǔn)確可能并不要緊，但一旦一個(gè)算法在自動(dòng)駕駛汽車或醫(yī)療應(yīng)用程序中表現(xiàn)不佳，其結(jié)果可能是毀滅性的。

人工智能系統(tǒng)的內(nèi)部工作往往不透明，人類很難理解人工智能學(xué)習(xí)系統(tǒng)如何得出他們的結(jié)論。套用拉姆斯菲爾德的形容，這就是典型的“未知的未知”。所以，人工智能的一個(gè)必須克服的技術(shù)挑戰(zhàn)是與人類自己相比的理解差距。為了解決這個(gè)問(wèn)題，設(shè)計(jì)者和觀察者已經(jīng)討論過(guò)在AI系統(tǒng)中需要一定程度的解釋邏輯，以便檢查錯(cuò)誤并讓人類學(xué)習(xí)和理解。

然而，人工智能系統(tǒng)復(fù)雜性的挑戰(zhàn)并不容易克服。事實(shí)證明，機(jī)器“知道”得越多，我們就越不了解它們。用于人工智能的深度學(xué)習(xí)方法涉及從簡(jiǎn)單的構(gòu)件中創(chuàng)建復(fù)雜的、分層的表征，以解決高層次的問(wèn)題。網(wǎng)絡(luò)在層次結(jié)構(gòu)的初始級(jí)別學(xué)習(xí)一些簡(jiǎn)單的東西，然后將信息發(fā)送到下一個(gè)級(jí)別，在那里信息被組合成更復(fù)雜的東西。這個(gè)過(guò)程持續(xù)進(jìn)行，每一級(jí)都從上一級(jí)收到的輸入中建立。

與此同時(shí)，層數(shù)越深，優(yōu)化算法就越難。最終，它們變得如此困難，以至于數(shù)據(jù)科學(xué)家無(wú)法解釋它們是如何工作的。在某一點(diǎn)上，用于深度神經(jīng)網(wǎng)絡(luò)的算法以某種方式，奇跡般地產(chǎn)生了準(zhǔn)確的結(jié)果——但科學(xué)家和工程師并不完全了解結(jié)果如何產(chǎn)生的。人工智能使機(jī)器能夠進(jìn)行預(yù)測(cè)，但很難讓計(jì)算機(jī)解釋它是如何得出結(jié)論的。這不僅提出了信任問(wèn)題，而且還產(chǎn)生了潛在的法律和責(zé)任問(wèn)題。在人工智能獲得全力推進(jìn)之前，這方面有很多東西需要探索和考慮。

在過(guò)去十年或更長(zhǎng)時(shí)間里，討論人工智能時(shí)很少不與人類能力相比較。對(duì)許多人來(lái)說(shuō)，隨著人工智能的發(fā)展，它對(duì)人類產(chǎn)生了存在威脅，不僅僅關(guān)乎我們的就業(yè)能力，甚至涉及我們的生存本身。

斯坦福大學(xué)學(xué)者埃里克·布林約爾松（Erik Brynjolfsson）的研究認(rèn)為，這種比較是無(wú)益的，現(xiàn)實(shí)中更有可能看到人類和機(jī)器以相互補(bǔ)充的方式一起工作。

1950年，阿蘭·圖靈（Alan Turing）提出了一個(gè)測(cè)試機(jī)器是否智能的方法：機(jī)器能否很好地模仿人類，以至于它對(duì)問(wèn)題的回答與人類無(wú)異？從那時(shí)起，創(chuàng)造出與人類智能相匹配的智能就或隱或現(xiàn)地成為成千上萬(wàn)的研究人員、工程師和企業(yè)家的目標(biāo)。類似人類的人工智能（HLAI，human-like artificial intelligence）的好處包括生產(chǎn)力的飆升、休閑的增加等，也許最深刻的是對(duì)我們自己思想的更好理解。但并不是所有類型的人工智能都像人一樣——事實(shí)上，許多最強(qiáng)大的系統(tǒng)與人類非常不同。

過(guò)度關(guān)注開發(fā)和部署HLAI會(huì)使我們陷入一個(gè)陷阱，不妨稱之為“圖靈陷阱”。隨著機(jī)器成為人類勞動(dòng)的更好替代品，工人們失去了經(jīng)濟(jì)和政治上的討價(jià)還價(jià)能力，變得越來(lái)越依賴那些控制技術(shù)的人。相反，當(dāng)人工智能專注于增強(qiáng)人類而不是模仿人類時(shí)，人類保留了堅(jiān)持分享所創(chuàng)造價(jià)值的權(quán)力。更重要的是，增強(qiáng)型人工智能創(chuàng)造了新的能力以及新的產(chǎn)品和服務(wù)，最終產(chǎn)生的價(jià)值遠(yuǎn)遠(yuǎn)超過(guò)了單純的模仿型人工智能。雖然這兩種類型的人工智能都能帶來(lái)巨大的好處，但目前在技術(shù)專家、企業(yè)高管和政策制定者中，存在著對(duì)模仿型而不是增強(qiáng)型的過(guò)度激勵(lì)。

盡管復(fù)制人類智能是一個(gè)誘人的愿景，但它同時(shí)也是個(gè)限制性的愿景。畢竟，時(shí)至今日，在人工智能可以做的事情上所取得的激動(dòng)人心的進(jìn)展，仍然主要局限于一個(gè)相對(duì)狹窄的領(lǐng)域，即對(duì)人類所能做的事情加以自動(dòng)化。而那些可以被增強(qiáng)的任務(wù)的市場(chǎng)則要廣闊得多。例如，今天大量應(yīng)用中出現(xiàn)的人工智能助手就是很好的例子。

人工智能助手已變得相當(dāng)擅長(zhǎng)做許多關(guān)鍵而又令人難以置信的繁瑣工作。例如，電子郵件過(guò)濾器和產(chǎn)品推薦引擎現(xiàn)在在幫助我們選擇我們想要的東西方面相當(dāng)有效，而流程自動(dòng)化工具也越來(lái)越有能力挑起平凡任務(wù)的重?fù)?dān)。在一些領(lǐng)域，記筆記和抄寫是至關(guān)重要但又非常費(fèi)力的工作，同時(shí)也吸走了時(shí)間和快樂，完全可以交給人工智能助手。通過(guò)處理這些較低級(jí)別的任務(wù)，就能讓人類騰出手來(lái)做我們最擅長(zhǎng)的事情。換句話說(shuō)，人工智能在幫助我們更快、更有效地完成工作。

增強(qiáng)功能也許在醫(yī)療保健等領(lǐng)域最有潛力，這些領(lǐng)域的人員短缺是隨處可見的，而且老齡化社會(huì)的需求也越來(lái)越大。人工智能已經(jīng)被用來(lái)提供人類不可能做到的全天候監(jiān)控。

更重要的是，如果我們能夠換個(gè)思路轉(zhuǎn)變我們的心態(tài)，人工智能可以釋放出一波創(chuàng)新和生產(chǎn)力的改善，使社會(huì)中的所有人受益。

以酒店業(yè)為例，即使我們正處于一個(gè)勞動(dòng)力危機(jī)之中，簡(jiǎn)單地考慮用機(jī)器人或其他形式的技術(shù)來(lái)填補(bǔ)這些缺口也不是正確的做法。相反，應(yīng)該利用這個(gè)機(jī)會(huì)重新思考酒店如何做事，以及如何利用技術(shù)來(lái)處理更多的常規(guī)任務(wù)，從而釋放出員工來(lái)真正為客戶增加價(jià)值。

因此，盡管將自動(dòng)化視為降低成本的可靠途徑是很誘人的，但企業(yè)應(yīng)該著眼于更大的前景，因?yàn)樵鰪?qiáng)型人工智能提供了更大的經(jīng)濟(jì)效益。它所帶來(lái)的好處更有可能在社會(huì)上廣泛傳播，因?yàn)樽詣?dòng)化更容易導(dǎo)致裁員和混亂，就像過(guò)去引進(jìn)的許多技術(shù)那樣。

不平等是我們這個(gè)時(shí)代最緊迫的問(wèn)題之一，而且有合理的證據(jù)表明，技術(shù)對(duì)社會(huì)當(dāng)中的不平等已經(jīng)產(chǎn)生了影響。人工智能的目標(biāo)應(yīng)該是使獲得最佳服務(wù)和機(jī)會(huì)的機(jī)會(huì)均等化，而不是使之離我們?cè)絹?lái)越遠(yuǎn)。再也不可以接受的是，技術(shù)的所有好處都以犧牲社會(huì)其他人的利益為代價(jià)涓滴到資本所有者，特別是數(shù)字資本的所有者身上。

事實(shí)上，這種人工智能給相對(duì)少數(shù)人帶來(lái)繁榮、同時(shí)造成社會(huì)其他人權(quán)力喪失的過(guò)程，就是斯坦福大學(xué)研究人員所說(shuō)的“圖靈陷阱”。雖然我們目前還沒有落入這個(gè)陷阱，但重要的是，在我們還有機(jī)會(huì)的時(shí)候，努力在人工智能的發(fā)展道路上確保避開它。由于人工智能仍然處于相對(duì)早期的階段，現(xiàn)在正是這樣做的時(shí)機(jī)，并去積極想象一個(gè)人類仍然不可或缺的技術(shù)未來(lái)。