专栏首页企鹅号快讯当人工智能开始料理螃蟹并达到专业水准了,还有什么是它做不到的?

当人工智能开始料理螃蟹并达到专业水准了,还有什么是它做不到的?

1.

“亲爱的,你说说看,谁是世界上最美丽的人?”

是白雪公主。

“嗯?请你再说一遍,谁是世界上最美丽的人?”

是白雪公主。

“哼,我生气了,最后说一遍,谁是世界上最美丽的人?!”

是你,你是世界上最美丽的人。前无古人,后无来者。

这不是一段情侣间的玩笑,而是苹果手机自带的Siri和用户之间的对话。

以下并不是专业摄影师的作品,而是AI 系统基于 Google 街景创作出来的一些作品。

谷歌开发出了一种试验性的深度学习系统,这个系统会模仿专业摄影师来展开工作,从谷歌街景中浏览景观图,分析出最佳的构图,然后进行各种后期处理,从而创造出一幅赏心悦目的图像。

高科技企业Moley robotics将于2018年推出全球第一款全自动智能烹饪机器人,用户只需要轻点选择想要的菜品,然后把需要用到的预包装食材放在指定的容器中,接下来机器人就可以全程包办从下锅到上桌的过程,甚至厨后自动清洁也不在话下。目前,它已经能烹饪100多道菜品。

美国烹饪秀冠军蒂姆·安德森曾对机器人料理螃蟹这个想法嗤之以鼻,有一次他录下了自己料理螃蟹的视频过程,然后交给这款机器人来挑战。让安德森目瞪口呆的是,机器人竟然完全复制了他的一举一动,最终呈上的美味毫不逊色。

(机器人复制的安德森版螃蟹汤)

2.

想象一下你坐上时光机,穿越到了1800年,那个时候,离中国人最早开始用电时间——清光绪五年(1878年),还早了78年。

1879年5月17日、18日,上海公共租界欢迎美国格兰特总统路过上海,使用西门子哈尔克斯公司10马力直流发电机作为照明电源。

这个时代没有电,通讯基本靠吼,书信主要靠跑。你在那个时代邀请了一个叫张甲的人到2017年来玩,顺便请他谈谈对“未来”有什么感受。

我们可能没有办法了解张甲内心的激荡澎湃:一辆辆金属铁壳包裹着的“机械怪物”在宽敞的公路上飞驰;对面有一个长得和张甲一模一样的人,奇怪的是他怎么会出现在一块平板上;你要去哪里都不会迷路,因为有一个声音在一块长方体里给你指路……别忘了,你还没跟他解释互联网、国际空间站、大型强子对撞机、核武器以及相对论。

这时候猜猜张甲会有什么样的体验?惊掉了下巴?我还是觉得太温顺了。他很可能直接被吓尿了。

未来学家Kurzweil认为整个20世纪100年的进步,按照2000年的速度只要20年就能达成——2000年的发展速度是20世纪平均发展速度的5倍。而2000年开始,只要花14年就能达成整个20世纪一百年的进步,而到达了2014年开始只要花7年。

按照加速回报定,Kurzweil认为人类在21世纪的进步将是20世纪的1000倍。

如果Kurzweil等人的想法是正确的,下一个吓尿单位可能只需要十几年,而2050年的世界会变得面目全非。

这不是危言耸听,人工智能给我们带来了一个前所未有的时代。

3.

2016年,富士康向BBC证实,它正在致力于发展其制造业的自动化。由于引进机器人,富士康工厂将工人从11万人裁剪到了5万人。富士康已尝到了降低劳动力成本带来的好处。据香港《南华早报》报道称,2015年,包括富士康在内的35家台企在人工智能上总计花费了40亿元。根据一项政府调查,昆山600家公司计划效仿富士康。

BBC 基于剑桥大学研究者 Michael Osborne 和 Carl Frey 的数据体系分析了 365 中职业在未来的“被淘汰概率”。 从这些概率中,我们可以得出一个基本的结论:

如果你的工作符合以下特征,那么,你被机器人取代的可能性非常大:

无需天赋,经由训练即可掌握的技能;

大量的重复性劳动,每天上班无需过脑,但手熟尔;

工作空间狭小,坐在格子间里,不闻天下事。

不过,当Siri开始耍嘴皮子;计算机开始审美、构图、摄影;菜的味道和步骤可以标准化了,我们便开始怀疑,不仅仅包括以上工作,还有很多智力密集型的工作也受到了挑战。到底还有哪些领域是人工智能难以企及,无可取代的呢?

今日头条创始人张一鸣在互联网大会的论坛上说过这样一段话:“作为人工智能企业,应该永远恪守一条原则:必须对整个人类的未来充满责任感和善意。但是看看今日头条带给我们怎么样的善意。我的今日头条简直变成了小黄文的集中地。有一次我老婆看了我头条上的推送:《某某明星太拼了,穿镂空裙全身擦粉》;《没亲过女人身上这三个地方,说明你不够爱她》……她冷冷地对我说,‘你变了’。”

与此同时,剑桥大学研究者也得出了另外一个结论,如果你的工作包含以下三类技能要求,那么,你被机器人取代的可能性就非常小:

社交能力、协商能力、以及人情练达的艺术;

同情心,以及对他人真心实意的扶助和关切;

创意和审美。

这里对他人真心实意的扶助和关切,以及对未来充满责任感和善意,回归到了一个“人”的本质,这就是人工智能难以企及的。

机器人技术再完善,大数据分析得再透彻,却依然无法理解人的情绪。即使机器人可以学会某些方法处理与情绪有关的问题,但流程化和标准化方法,并且急于处理问题恰恰是造成情绪问题的原因。

只有同样为人的心理医生和心理咨询师们能让问题本身变得没那么重要,全身心投入到人与人的交流中,才能产生同一频率的共鸣。

Siri会告诉你,你是世界上最美丽的人;

但是当你难过和哭泣时,它不会在你身旁“看见”你。

照相技术能够记录下你的哀伤和喜悦,

但是它无法帮助你消化它们,变成你下一次出发的动力。

你的胃可以被填满;

但是它无法被满足。

机器永远无法代替人来进行心灵的碰撞,而我们,可以捂暖别人,更可以丰腴自己。

本文来自企鹅号 - 或或媒体

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Tensorflow 的 word2vec 详细解释:basic篇

    Word2Vec即Word to vector(词汇转向量)。我们希望词义相近的两个单词,在映射之后依然保持相近,词义很远的单词直接则保持很远的映射距离。

    腾讯移动品质中心TMQ
  • 一个 RNN 调研引发的点评推荐血案

    在这篇文章里,作者基于用户的评论内容,评估了十多种不同的 RNN 框架。这些 RNN 框架包括多层双向 GRU 和 LSTM,同时有 attention-bas...

    serena
  • 腾讯赵建春:AI浪潮下的高效运维思考及实践

    腾讯 SNG 助理总经理、GOPS 金牌讲师赵建春老师受邀出席大会,并带来精彩演讲《AI 浪潮下的高效运维思考与实践》。

    织云平台团队
  • 学习笔记DL001 : 数学符号、深度学习的概念

    深度学习是机器学习拉出的分支,它试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。本文主要介绍深度学习中的数学符号、数和数组。

    利炳根
  • 机器学习库初探之 Caffe

    Caffe 是一个清晰而高效的深度学习框架,其作者是博士毕业于 UC Berkeley 的贾扬清,目前在 Facebook 工作。Caffe 是纯粹的 C++/...

    吕晟
  • 机器学习概念总结笔记(一)

    本部分介绍了机器学习算法的四大分类,即:监督学习、半监督学习、无监督学习和增强学习以及包括最小二乘回归、岭回归、LASSO回归、LARS回归在内的26大常见算法...

    serena
  • 腾讯AI Lab斩获知识图谱顶级赛事KBP 2017世界冠军

    谢阅读腾讯AI Lab微信号文章,恭喜知识图谱团队首次出战KBP大赛就获得实体发现与链接任务三语总分第一名好成绩!

    旺仔小小鹿
  • 腾讯AI Lab斩获知识图谱顶级赛事KBP 2017世界冠军

    感谢阅读腾讯AI Lab微信号文章,恭喜知识图谱团队首次出战KBP大赛就获得实体发现与链接任务三语总分第一名好成绩!

    旺仔小小鹿
  • Tensorflow 术语表

    本文主要简要介绍了广播操作、Graph(图)、Session(会话)、Tensor 等13个 Tensorflow 术语表。希望对大家了解学习 Tensorfl...

    Star先生
  • XGBoost 源码阅读笔记(2):树构造之 Exact Greedy Algorithm

    本篇将继续向大家介绍 XGBoost 源码是如何构造一颗回归树,不过在分析源码之前,还是有必要先和大家一起推导下 XGBoost 的目标函数。

    程飞翔

扫码关注云+社区

领取腾讯云代金券