日韩电影免费在线观看网址,免费一级片视频,久热伊人,成人影院人人免费,香蕉大美女天天做天天爱,欧美亚洲尤物久久综合精品,亚洲区视频在线观看

其實(shí):人也不過是一臺有靈魂的機(jī)器而已!

2016.12.13 08:22 人工智能概念股

2016-12-12 星期一 21-24-55

人工智能的應(yīng)用越來越廣,隨著可用場景的不斷增多,人們對它的期望也越來越大。目前只能解決某些特定領(lǐng)域問題的“弱人工智能”已經(jīng)開始無法滿足人們的需要,“強(qiáng)人工智能”似乎已經(jīng)成為眾多研究者開始鉆研的下一個方向。

和強(qiáng)人工智能相比,弱人工智能被認(rèn)為是不可能真正具備推理和解決問題能力的智能機(jī)器,雖然能夠解決特定某些問題,但是他們無法說是真正擁有智力和自主意識。但是另一方面,關(guān)于“強(qiáng)人工智能“的觀點(diǎn),卻也并非所有人都認(rèn)同。

如果要追溯“強(qiáng)人工智能“這一概念的產(chǎn)生,它最早是由 John Rogers Searle 針對計算機(jī)和其他信息處理機(jī)器創(chuàng)造的,他將其定義為:“強(qiáng)人工智能觀點(diǎn)認(rèn)為計算機(jī)不僅是用來研究人的思維的一種工具;相反,只要運(yùn)行適當(dāng)?shù)某绦?,計算機(jī)本身就是有思維的?!标P(guān)于強(qiáng)人工智能是否就意味著機(jī)器具備思維的問題,目前依然還存在著很多爭論,而參與這場討論的人中就包括許多 AI 研究學(xué)者、哲學(xué)家等。

丹尼爾·丹尼特在其著作《意識的解釋》(Consciousness Explained)里認(rèn)為,人也不過 是一臺有靈魂的機(jī)器而已 ?,“人可以有智能,而普通機(jī)器為什么就不能”呢?他認(rèn)為即便是基于數(shù)據(jù)轉(zhuǎn)換來思考的機(jī)器,同樣有潛力能夠具有思維和意識。

因此在這里我們暫時認(rèn)為這種不具有“靈魂”的思考機(jī)器是可以做到“無限接近”人類智力水平的。問題是,要如何才能達(dá)到這種“無限接近”的水平?

人類智力是綜合作用的產(chǎn)物,包括觀察力、注意力、記憶力、思維力、想象力等等,而每一種構(gòu)成因素又會受其他更多因素的影響。因此我們可以看到目前很多使用仿生的方法來研究人工智能的技術(shù)都在參照各種和“人”有關(guān)的學(xué)科理論對這項(xiàng)技術(shù)進(jìn)行研究和發(fā)展,所以說,人工智能也就因此變成了一門更像是跨學(xué)科的研究。

人工智能的智力源頭之謎

人工智能的智力來源于數(shù)據(jù)的收集。在人工智能學(xué)習(xí)和訓(xùn)練的過程中,深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)通過對所收集的大量數(shù)據(jù)進(jìn)行分析歸類,從而完成對人工智能系統(tǒng)的塑造。

  • 目前,神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)通常由如下部分組成:
  • 神經(jīng)的輸入層(獲得目標(biāo)的描述)
  • 隱藏層(主要部分,在這些層中學(xué)習(xí))
  • 輸出層(對于每個種類都一個神經(jīng)節(jié)點(diǎn),分?jǐn)?shù)最高的一個節(jié)點(diǎn)就是預(yù)測的種類)

在學(xué)習(xí)過程結(jié)束之后,新的物體就能夠送入這個網(wǎng)絡(luò),并且能夠在輸出層看到每個種類的分?jǐn)?shù)。

之所以說目前大多數(shù)人工智能多屬于“弱人工智能”的范疇,就是因?yàn)檫@些人工智能一般只會針對目標(biāo)的用途進(jìn)行某一特定數(shù)據(jù)的深度垂直學(xué)習(xí),又或者是像 Siri 這樣的語音助手一樣,能做的事情非常有限,更像是一個“幫助傳遞信息,提供搜索服務(wù)”的助手。

我們似乎從來沒有想過人類的智力僅僅依靠“數(shù)據(jù)”就能夠獲得,但是就目前的相關(guān)研究來看,已經(jīng)查明能夠?qū)χ橇Ξa(chǎn)生影響的因素包括飲食、遺傳與環(huán)境、早期經(jīng)驗(yàn)、學(xué)校教育、社會實(shí)踐和主觀努力等等。這些因素中的大部分都能在機(jī)器和人工智能中找到類似的對比。食物作為生命和大腦的物質(zhì)基礎(chǔ),決定了生命和大腦的健康——這可以和機(jī)器的構(gòu)造類比;遺傳和環(huán)境、早期經(jīng)驗(yàn)、學(xué)校教育、社會實(shí)踐就是人類用來學(xué)習(xí)的“數(shù)據(jù)”,只不過這些“數(shù)據(jù)”的影響更加潛移默化,目標(biāo)性不如機(jī)器學(xué)習(xí)中的明確;至于主觀努力就是一直以來很多人用來區(qū)分機(jī)器與人類差異的重要依據(jù)所在了。這種對于主體目標(biāo)的一種似乎與生俱來的熱枕,似乎是機(jī)器還難以達(dá)到的部分。這部分和人類所稱的“靈魂”其實(shí)可以歸屬到同一類別,都是一種難以模仿的、非常主觀性的心理活動。

但是除去最后一點(diǎn),目前的機(jī)器似乎已經(jīng)可以模仿人類絕大多數(shù)的心理活動和環(huán)境影響。因此用仿生的研究方法來開發(fā)更加智能的機(jī)器似乎是最有效率的途徑,畢竟人類的智力也是經(jīng)過數(shù)千萬年的進(jìn)化發(fā)展到今天的水平的。對于關(guān)于人類的一些描述性的研究成果,似乎也可以逆向應(yīng)用在人工智能的研究和開發(fā)之中。

從人類發(fā)展 AI 的歷史來看,我們不難發(fā)現(xiàn),仿生的方法似乎也是唯一一種能夠讓我們將研究進(jìn)行得最為深入和持久的方法。在人類最開始研究 AI 時,首先是從直接做出一臺會思維的機(jī)器開始的,但是很快這種方法就遇到了瓶頸,于是人類開始嘗試仿生的方法,從其他在地球上已經(jīng)生活了數(shù)百萬年的生物那里獲取靈感,人工神經(jīng)網(wǎng)絡(luò)便由此誕生。

為了讓人類能夠打造出更好的 AI 機(jī)器,近日麻省理工大學(xué)甚至提議我們需要“比以前更了解生物大腦及智力產(chǎn)生的過程。現(xiàn)在這一階段,我們已經(jīng)可以開始理解將神經(jīng)科學(xué)、認(rèn)知科學(xué)和計算機(jī)科學(xué)應(yīng)用到智能機(jī)器設(shè)計的理念。”

人工神經(jīng)網(wǎng)絡(luò)的第一個里程碑就是“感知”(Perceptron),一個感知機(jī)器實(shí)際上就是對神經(jīng)元基本概念的模擬,這是一種能夠進(jìn)行自動決策的機(jī)器。比單層感知機(jī)更復(fù)雜的多層感知機(jī)就是我們我們常說的深度網(wǎng)絡(luò),它是進(jìn)行數(shù)據(jù)處理和模式識別的關(guān)鍵。深度神經(jīng)網(wǎng)絡(luò)能夠?qū)@些數(shù)據(jù)進(jìn)行處理的原因在于數(shù)據(jù)本身具有的復(fù)雜的機(jī)構(gòu)很適合被 NN(Neural Network,神經(jīng)網(wǎng)絡(luò))識別,因此機(jī)器能夠進(jìn)行自主的學(xué)習(xí),而不需要人類預(yù)先設(shè)計識別這些結(jié)構(gòu)的函數(shù)。在深度卷積網(wǎng)絡(luò)(DCNN)中,信號在多級網(wǎng)絡(luò)里一級級傳遞,從而使得微觀到宏觀的特征都得到分辨和識別,各層神經(jīng)元之間沒有相互聯(lián)系,所以它們能夠同時看到一個圖像從細(xì)節(jié)到抽象的結(jié)構(gòu),所以甚至能夠抓住一些人類都難以注意的細(xì)節(jié)和模式。

 

哪些學(xué)科理論將有可能對人工智能研究帶來影響?

  • 神經(jīng)科學(xué)

神經(jīng)科學(xué)和人工智能(AI)領(lǐng)域互相聯(lián)系結(jié)合,由此產(chǎn)生了計算神經(jīng)科學(xué)和統(tǒng)計機(jī)器學(xué)習(xí)領(lǐng)域。在計算機(jī)科學(xué)和 AI 中,統(tǒng)計機(jī)器學(xué)習(xí)是指系統(tǒng)從數(shù)據(jù)“學(xué)習(xí)”模式的算法,這在神經(jīng)科學(xué)中被稱為是“理論神經(jīng)科學(xué)”(或“計算神經(jīng)科學(xué)”或“系統(tǒng)神經(jīng)科學(xué)”),它們采用了完全相同的模型和數(shù)學(xué)框架,只不過它們研究的方向換成了人類大腦罷了。

從心理、認(rèn)知和問題解決的角度講,認(rèn)知科學(xué)就像神經(jīng)科學(xué)和人工智能之間的另一座橋梁。數(shù)字計算機(jī)的原始設(shè)計的靈感就來自于反思和內(nèi)省的心理運(yùn)作,而這一領(lǐng)域在后來就慢慢發(fā)展成了認(rèn)知科學(xué)。

  • 物理學(xué)

物理學(xué)家把神經(jīng)網(wǎng)絡(luò)看成無數(shù)神經(jīng)細(xì)胞相互作用組成的一個整體,就如同理想氣體是無數(shù)分子的組合或金屬晶體是原子的組合類似。雖然單個神經(jīng)細(xì)胞只有一個簡單的作用,就是把接收到的信號轉(zhuǎn)化為一定的輸出,但是這樣一個簡單的東西通過大量加和的網(wǎng)絡(luò)效應(yīng)卻可以產(chǎn)生智能這種十分復(fù)雜的現(xiàn)象,這就是物理學(xué)中所說的涌現(xiàn)性。所謂簡單的東西堆在一起足夠多,突然之間產(chǎn)生了一個更加復(fù)雜和高級的現(xiàn)象。這種由于尺度跨越造成的飛躍性變化,物理學(xué)認(rèn)為是自然界各種復(fù)雜的東西形成的秘密所在。

從物理學(xué)相變的角度看神經(jīng)網(wǎng)絡(luò)也可以幫助我們理解很多常常百思不得其解的問題,例如,我們是如何睡覺的。從清醒到進(jìn)入睡眠,人腦會發(fā)生一個劇烈的變化,這個變化其實(shí)跟物理學(xué)里面水結(jié)冰的現(xiàn)象很像,是物體從自由的狀態(tài)轉(zhuǎn)化為極為有序狀態(tài)的一個過程。如果你觀察人類從清醒到睡著的腦電波變化,就會發(fā)現(xiàn)波形在某一個點(diǎn)上突然發(fā)生了改變。除了睡眠,冥想、愛上一個人等等,或許都可以看做是這種大量神經(jīng)單元在某種條件和刺激下從一個整體狀態(tài)住轉(zhuǎn)變?yōu)榱硪粋€整體狀態(tài)的相變過程。

除了上面說過的涌現(xiàn)性和相變,物理學(xué)對人工智能的貢獻(xiàn)還有非線性動力學(xué),非線性動力學(xué)的方程式甚至能夠精準(zhǔn)地對神經(jīng)細(xì)胞放電這個極為復(fù)雜的理化過程進(jìn)行預(yù)測,這就是著名的 Hodykin-Hulex 模型。對于神經(jīng)網(wǎng)絡(luò)的動力學(xué)解釋主要基于物理的混沌理論,因?yàn)樯窠?jīng)網(wǎng)絡(luò)作為一個高維系統(tǒng),它的行為正好符合混沌的框架。當(dāng)任何一個神經(jīng)元受到擾亂時,所產(chǎn)生的后果不可預(yù)料。我們都知道生物的神經(jīng)網(wǎng)絡(luò)可以極為精準(zhǔn)而穩(wěn)定地決定動物的各種行為,因此看似混沌的網(wǎng)絡(luò)實(shí)際上是能夠被精準(zhǔn)預(yù)測的。這里的思維就和物理學(xué)中的降維的思想不謀而合,高維度的網(wǎng)絡(luò)系統(tǒng)在執(zhí)行某個任務(wù)的時候,可以被化解到更低的維度里用動力學(xué)來解釋。

  • 生物學(xué)

生物學(xué)中有關(guān)神經(jīng)網(wǎng)絡(luò)的研究或許是最復(fù)雜的,因?yàn)樯飳W(xué)研究者了解細(xì)節(jié)和功能的方式就是通過解剖、實(shí)驗(yàn)以及各種成像技術(shù)來理解的。這種對于細(xì)節(jié)的嚴(yán)謹(jǐn)態(tài)度在神經(jīng)網(wǎng)絡(luò)中也有同樣的體現(xiàn),關(guān)于神經(jīng)元之間相互連接的精密地圖為神經(jīng)網(wǎng)絡(luò)的構(gòu)建提供了參考和借鑒。

生物學(xué)對于神經(jīng)網(wǎng)絡(luò)提供的更有趣的還在于對學(xué)習(xí)現(xiàn)象的解釋。神經(jīng)細(xì)胞之間額連接——神經(jīng)突觸是會隨著時間的變化而不停改變的,這種微妙變化是神經(jīng)活動導(dǎo)致的,如果一個細(xì)胞經(jīng)常向另一個細(xì)胞放電,那么它們之間的聯(lián)系就會加強(qiáng),它們所代表的信息就會聯(lián)系起來,這就是學(xué)習(xí)的生理基礎(chǔ)。

生物學(xué)和人工智能之間更奇妙的聯(lián)系還在于,人工智能反過來啟迪了生物神經(jīng)網(wǎng)絡(luò)的發(fā)展,正如費(fèi)曼所說“你要想真正理解一個東西,就自己造出一個來”。

  • 信息學(xué)

從信息學(xué)的角度看,神經(jīng)網(wǎng)絡(luò)就像是一個具備整合各種信息的工具。對于人類來說,之所以進(jìn)化出神經(jīng)網(wǎng)絡(luò),就是因?yàn)槲覀兠鎸Φ默F(xiàn)實(shí)世界充滿了各種錯綜復(fù)雜的信息,因此我們需要把多種不同的信息整合在一起并對其做出相應(yīng)的判斷就至關(guān)重要。

從信息學(xué)的視角來看,貝葉斯分析時其中應(yīng)用最廣的角度。所謂貝葉斯分析,就是把新增加的證據(jù)和之前形成的信念不停進(jìn)行綜合來對當(dāng)下的判斷做出選擇。要實(shí)現(xiàn)這種新舊知識的綜合,就需要在不斷收集新信息的同時還要對舊知識進(jìn)行儲存和調(diào)用,另外和需要根據(jù)前兩者的綜合對未來的趨勢做出判斷,改變當(dāng)前大腦中的連接網(wǎng)絡(luò)狀態(tài)。上面的幾個步驟,就分別對應(yīng)人類的感知、記憶、行為和學(xué)習(xí)幾種行為。

不少分屬理工科類的學(xué)科在 AI 發(fā)展的最早期都發(fā)揮了很大作用,但是隨著人類都 AI 的發(fā)展和了解不但深入,以及仿生方法的更深層次的應(yīng)用,除了以上提到的幾種目前已經(jīng)對 AI 發(fā)展產(chǎn)生了明顯作用的學(xué)科分支外,其他的人類學(xué)科,包括社會學(xué)、犯罪學(xué)、語言學(xué)甚至是作為終極學(xué)科的哲學(xué)都已經(jīng)開始展現(xiàn)了它們對 AI 發(fā)展的重要理論和思維模式借鑒。

能力和智力不同的 AI,可以分成哪幾種?

  • 第一類:無記憶的簡單響應(yīng)式機(jī)器

大多數(shù)“入門基本型”的 AI 系統(tǒng)都屬于純粹的響應(yīng)式機(jī)器,它們既不具備形成記憶的能力也不具備借鑒過去經(jīng)驗(yàn)的能力,因此也無法從過去的經(jīng)驗(yàn)中獲得當(dāng)前決策的有效借鑒。IBM 的超級電腦“深藍(lán)”曾經(jīng)于 20 世紀(jì) 90 年代末期擊敗人類國際象棋大師加里·卡斯帕羅夫(Garry Kasparov),它就是響應(yīng)式機(jī)器的完美代表。

“深藍(lán)”可以識別棋盤上的棋子,并知道如何移動棋子。它甚至還能預(yù)測自己和對手的下一步棋路,并在諸多可能性中選擇最優(yōu)方案。但是“深藍(lán)”沒有“過去”的概念,也沒有此前的記憶。除了偶爾利用國際象棋的具體規(guī)則,比如反對重復(fù)同樣的步驟 3 次外,“深藍(lán)”幾乎會忽略此前發(fā)生的一切。它的重點(diǎn)就是關(guān)注當(dāng)前棋盤上的棋子,并為下一步移動做出選擇。

  • 第二類 AI:具有部分有限記憶的 AI 機(jī)器

這類 AI 可以短暫回顧過去的經(jīng)驗(yàn),比如無人駕駛汽車系統(tǒng)中的 AI。舉例來說,它們會觀察其他汽車的速度和行進(jìn)方向。但是它們現(xiàn)在還無法立刻完成這個動作,而是需要識別特定目標(biāo),并監(jiān)督它們一段時間。

這些觀察會被添加到無人駕駛汽車預(yù)先編程的模擬世界中,包括車道標(biāo)記、交通燈以及其他重要元素。但是這些有關(guān)過去的簡單信息只是短暫的,不會被儲存在汽車已經(jīng)了解到的經(jīng)驗(yàn)庫中,因此他們也無法充分建立起記住經(jīng)驗(yàn)和積累駕駛經(jīng)歷的能力。

  • 第三類 AI:心智理論機(jī)器

這很可能是目前已經(jīng)建造的 AI 機(jī)器與將來要建造的 AI 機(jī)器之間的差異最大的地方。未來的 AI 機(jī)器將更加先進(jìn),它們不僅會自己建立模擬世界,還會模擬世界上其他對象和實(shí)體。在現(xiàn)實(shí)世界,這被稱為“心智理論”,即理解世界上的人類和其他生物都有思想和情緒,而這些思想和情緒可影響他們的行為。

這對人類形成社會時至關(guān)重要,因?yàn)樗鼈冊试S我們進(jìn)行社會交流。如果不相互了解動機(jī)和意圖,不考慮其他人對自己或環(huán)境的了解,最好的情況下是協(xié)作非常困難,最壞的情況是根本不可能有協(xié)作。如果 AI 系統(tǒng)要想走在人類中間,它們必須能夠理解我們每個人都有不同的想法和感受,并期望自己被如何對待。為此,它們必須對自己的行為進(jìn)行相應(yīng)調(diào)整。

  • 第四類 AI:具備自我意識的 AI 機(jī)器

AI 發(fā)展的最后階段就是建立能夠形成代表它們自己的模擬世界的系統(tǒng)。最終,AI 專家不僅需要自己理解意識,還要建造擁有自我意識的機(jī)器。從這種意義上說,第四類 AI 是第三類 AI 所代表的“心智理論”機(jī)器的延伸,同時也是意識被稱為“自我意識”的原因。

有意識的存在可以意識到他們自己,了解它們的內(nèi)部狀態(tài),能夠預(yù)測其他人的感受。我們假設(shè)有人在后面狂按喇叭代表憤怒和不耐煩,因?yàn)槲覀兡菢幼鰰r也代表著同樣感受。沒有心智理論,我們就無法做出這些推論。

現(xiàn)在距離創(chuàng)造具有自我意識的機(jī)器可能還很遙遠(yuǎn),因此目前的重心更應(yīng)該放在理解記憶、學(xué)習(xí)以及基于過去經(jīng)驗(yàn)作出決定的 AI 能力上。這些不僅是理解人類智慧的重要過程,而且在我們設(shè)計和開發(fā)次時代的 AI 機(jī)器中,這一點(diǎn)也尤為重要。

人工智能概念股:埃斯頓、科大智能、漢王科技、江南化工、華東數(shù)控、和而泰、中科曙光、永創(chuàng)智能、北京君正、通富微電、永創(chuàng)智能、勁拓股份。

人工智能概念股

那么問題來了:最值得配置的人工智能概念股是哪只?即刻申請進(jìn)入國內(nèi)首個免費(fèi)的非公開主題投資交流社區(qū)概念股論壇參與討論!

0 0 0

東方智慧,投資美學(xué)!

我要投稿

申明:本文為作者投稿或轉(zhuǎn)載,在概念股網(wǎng) http://www.htxc58.com/ 上發(fā)表,為其獨(dú)立觀點(diǎn)。不代表本網(wǎng)立場,不代表本網(wǎng)贊同其觀點(diǎn),亦不對其真實(shí)性負(fù)責(zé),投資決策請建立在獨(dú)立思考之上。

< more >

ABCDEFGHIJKLMNOPQRSTUVWXYZ0-9
暫無相關(guān)概念股
暫無相關(guān)概念股
go top