观点 | 吴军与迈克尔·乔丹两位顶级大牛对当下AI的一点看法

这是一篇人工智能科普贴,听大佬讲人工智能的一点儿事儿。

人工智能是当今特别热门的领域,那它的现状和未来需要解决的问题以及能够解决的问题是什么呢?“得到”订阅专栏《硅谷来信》的主理人吴军,在美国拜访了世界著名人工智能专家迈克尔·乔丹(他和篮球巨星乔丹同名同姓)。乔丹是加州大学伯克利分校的教授,在人工智能领域名气非常大。今天我们就跟随这两位大佬,一起来看看什么是人工智能。

人工智能是什么?

首先,乔丹教授谈了自己对人工智能发展的看法。

人工智能之一

乔丹教授觉得,人工智能是一种智能的放大。他认为,今天所谓的人工智能所能做的很多事情从智能化水平来讲还很初级,但却已经让人的智力得到了扩展。比如,搜索引擎把我们的知识量和知识面提升了很多倍;语音识别和机器翻译增强了很多人的语言能力;大数据让很多年轻的职业人士能够把握行业的大方向,而这在过去,常常需要几十年经验的累积。

人工智能之二

他认为,人工智能的另一个特征是智能基础设施,或者说,智能架构,包括智能交通、智能家庭、智能城市、可穿戴设备等,这些概念合在一起,就是我们的物联网。也就是说,机器智能让人们解决了过去凭借自身智能做不到的事情。

人工智能之三

吴军也补充了自己的看法,他说人工智能还有一个特征,是自动的算法。过去是人写算法,让计算机做事,而人工智能应该是让计算机自己找到算法,寻找新知识。乔丹教授也表示了同意。

总结

他们两个人对人工智能加起来的描述,可以概括成这样的一个公式,那就是,人工智能=人的智能增强+社会的智能架构+计算机的自动算法。

机器智能VS人的智能

那机器智能和人的智能的区别在哪儿呢?

运作方式

乔丹教授认为,今天大部分人对这个问题都有误区,他们还在按照人的思维方式去理解机器智能,最明显的例子就是所谓的单个机器人。

我们都知道,人的行为方式是相对独立的,彼此不知道对方的想法,这当然有问题,比如会造成交通拥堵。但这也有好处,就是人们不停地判断看问题的角度,避免了很大的风险。

但机器的智能是基于大规模的计算和海量的数据,所以它其实是一个网络。这当然有好处,比如智能交通就需要行动的一致性。但是,也有问题。比如在股价雪崩似的下跌时,由于机器智能采用的方法都差不多,其中一家抛售,其他各家也会跟着抛售。

理解语义

乔丹教授说,人工智能的第二个问题,是不能像人一样理解含义。比如,计算机对很多物体的识别已经比人还准确了,但是如果机器走到悬崖边上,识别出了山石树木,却意识不到危险。如果人不在编程的时候告诉机器,前面高度突然下降要停止,机器是没办法通过之前的经验做出判断的,因为它没有办法理解“高度”“危险”等概念。所以,人工智能离完美还很远。

人工智能在未来

接着乔丹教授对AI在不远的将来能做到什么以及不能做到什么进行了预测。

人工智能可做到

他认为,在未来十年内,人工智能可以解决下列问题:

  1. 无人驾驶汽车。
  2. 取代人的对话系统,特别是像客服这样的领域。
  3. 跟踪人的健康,并且根据对人长期的监控帮助诊断和治疗疾病。

人工智能做不到

而乔丹教授觉得,在他的有生之年,以三十年为准吧,下面几件事是人工智能做不到的:

  1. 创造性。
  2. 总结概念,发明单词。
  3. 变通的灵活性。
  4. 学习完整的知识体系,并且在此基础上创造新知识。

人类的职责

最后,乔丹教授说,他对人工智能的发展并没有持悲观的态度。但他认为,在接下来的十年里,人类还是要做好一切事情。这些事情有:

  1. 让人工智能系统更稳定。今天大部分机器人和人工智能系统的漏洞太多,如果长时间运行,可能会犯致命性的错误。
  2. 防止人工智能系统被坏人利用。
  3. 建立很好的社会保障制度。未来很多人失去工作是不可避免的。乔丹教授和吴军教授都认为,消化技术革命需要一两代人的时间,也就是30到50年。乔丹教授认为,不会出现《未来简史》中所说的那种无所事事的人。未来,当人工智能让创造财富变得很容易时,人应该自己去做适合自己做的事情,哪怕那些事情只是取悦自己。
  4. 设计有用的人工智能系统,而不是炒概念,或者创造其实并不存在的需求。
  5. 保护隐私。
  6. 数据分享,方便每一个人。

人工智能需改进的地方

吴军在文章中也补充了他认为人工智能领域要做好的事情。

一个是人工智能可以解释它的决定。虽然今天的人工智能可以找到相关性,但是却无法找到内在的逻辑,因此容易把前提和结论搞反了。比如,根据大数据的统计,喝咖啡的人比不喝咖啡的人长寿。但大数据没告诉大家喝咖啡是不是原因,或许是生活水平高的人才有钱有时间喝咖啡。所以真实的情况是,长寿的人喝咖啡。

另一件事情,是要追求长期的目标,而不止是找到一些已知的事实。以人类的智力,今天很难做出重大的发明,因此需要人工智能帮助人类在科学研究上有所突破。而人工智能很可能需要有新的方法论。

本文分享自微信公众号 - AI科技大本营(rgznai100)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2017-08-30

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏码农阿宇

HTML基础加强

1. 什么是浏览器:解释和执行HTML源码的工具。 2. 什么是静态页面,什么样的页面是动态页面? 静态页面:htm,html(直接读取) 动态网页:asp...

389100
来自专栏PPV课数据科学社区

倒卖用户信息背后的隐秘产业链:做电商就是做数据!

? 支付宝爆发了数据泄露丑闻,超过20g的支付数据资料被支付宝前员工从系统中窃取出去,并出售给第三方,后被媒体曝光。 “支付宝内鬼盗卖用户信息被抓凡客被指是...

47950
来自专栏PPV课数据科学社区

无处不在的数据“脚印” 大数据时代何处安放我们的“小世界”?

“大部分数据都是人们‘主动’贡献出来的。”东软集团董事长兼CEO刘积仁在近日海南博鳌2014年年会举行的大数据与云计算分论坛上说。“事实上大家每一个动...

31940
来自专栏PPV课数据科学社区

【学习】通过简单的Excel分析网站日志数据

昨天在一个QQ交流群里看到有一个新手发问,如何去简单的分析网站日志,清楚知道网站的一个数据抓取情况,哪些目录抓取较好,有哪些IP段蜘蛛抓取等。 ...

31630
来自专栏PPV课数据科学社区

【学习】Think SAS(二)

第一篇“Think Sas”中的“Think”,纯粹做“考虑”解,说,诸君如果为工作计,不妨考虑下SAS。下面说些关于SAS本身的一些思考与认识...

40480
来自专栏罗超频道

地球一小时进入中国十个年头,互联网巨头如何用科技做环保?

今天是“地球一小时”活动进入中国的第十个年头。然而,今年的形式因为互联网巨头的加入,变得有些不一样。 ? 如何克服环保的吉登斯悖论? “地球累了,让她歇一歇”,...

36960
来自专栏PPV课数据科学社区

【技术】Hadoop选择:可供参考的几大因素

Apache Hadoop的发展已经经历了很长一段时间,也经历也一段从初生到成熟之旅,在Apache Hadoop的起步阶段,主要支持类似搜索引擎的...

28340
来自专栏数据科学与人工智能

【算法】相似度计算方法原理及实现

小编邀请您,先思考: 1 相似度如何计算? 2 相似度有什么应用? 温馨提示:加入圈子或者商务合作,请加微信:luqin360 在数据分析和数据挖掘以及搜索引擎...

41860
来自专栏MixLab科技+设计实验室

解读:如何让机器自动答题?

冲顶大会、芝士超人、百万赢家、百万英雄……搜狗推语音搜索答题外挂。今天我来总结下利用搜索来答题的技术原理。 本质上,这是一个自动问答( Question Ans...

391100
来自专栏PPV课数据科学社区

无处不在的数据“脚印” 大数据时代何处安放我们的“小世界”?

? 大部分数据都是人们‘主动’贡献出来的。”东软集团董事长兼CEO刘积仁在近日海南博鳌2014年年会举行的大数据与云计算分论坛上说。“事实上大家每一个动作,都...

37250

扫码关注云+社区

领取腾讯云代金券

年度创作总结 领取年终奖励