第257章 值得期许的未来
第257章值得期许的未来
在没人滥用的情况下,真正可能威胁到人类的绝不可能是弱人工智能。
归根结底,只有强人工智能才可能真正意义上威胁人类。
在外形上,强人工智能可以和人类相似(共享一套生活法则),也可与人类相差甚远(形成一套新的生活法则)。
在思想上,强人工智能可以与人类共用一套思维模式、道德准则,也可拥有专属体系的独特推理方式,成为一类“拥有灵魂的机器”。
概况地说,强人工智能具有自主意识、自主学习、自主决策的能力。
而这无疑是很容易有风险的。
尽管很容易有风险,但换个角度想一想。
上帝会创造一块他搬不动的石头吗?
同样的道理,人类为什么要造一个无法驾驭的强人工智能呢?
要知道只需要对强人工智能的底层价值取向通过相应的规则、记忆来进行限制和监控
所谓的强人工智能的叛乱是不可能的。
不要以为对强人工智能进行规则设计很麻烦。
其实和规则有关的设计几乎充斥着整个人类生活中。
就以充电器为例吧,一个不起眼的充电器里面很可能拥有着好几种充电协议进行着约束。
通过设计明文规则,限制AI的行动范围也不是做不到的事情。
说起来现在人们对强人工智能的担心多多少少有点杞人忧天。
强人工智能虽然是人工智能发展的终极目标。
可是强人工智能哪有那么容易实现呢?
强人工智能想达到的技术原理倒是不复杂,相应的技术指标也容易说清。
无非就是自主意识、自主学习、自主决策。
或者更加通俗地说,就是要机器去学人。
学人认识世界的方式并再基础上尝试利用机器学习进行逻辑层面的仿生从而复现人们认识世界的方式。
道理谁都懂,可是具体实行的时候却有着各种各样的难度。
前世人工智能鼓吹的很牛逼。
反正直到林灰重生前夕,那会人们也没鼓捣出强人工智能。
话说回来既然强人工智能有风险且实现起来很困难。
为什么还要追求强人工智能呢?
首先是强人工智能相比于弱人工智能会大幅度减少训练成本。
前世人工智能方面的应用普遍都是依靠大数据进行训练的。
听起来带着“大数据”三个字很高大上的样子。
但实际上操作起来就很苦逼呵呵了,而且借助于大数据很多情况下实际是不得已为之。
都知道人工智能是追求机器能够像人那样去处理问题。
可是要知道人学东西可是是从小样本进行学习。
就拿图像分类这个小领域来说吧,人对图像进行分类,实际上根本不需要大数据。
只需要很少几个样本就可以做到准确分类。
两三岁小孩开始认识世界的时候。
父母为了让孩子认识动物也不是给孩子看成千上万的照片,而是只给孩子看些动物图集就可以了。
这些图集可能依旧十几页几十页这样,这个样本规模实际是很小的。
再具体一点,如果想让孩童知道什么样的动物是猫。
顶多再给他看几张猫的图片,并且告诉他猫有什么特征,和其他动物像狗或者猪有什么区别的话。
很快,小孩可以很快很准确的识别狗。
这些都是小样本的训练。
可是前世的人工智能想要实现同样的功能。
却需要相当大规模的数据去训练。
也就是通常意义所说的要靠大数据去喂。
同样拿刚才举得例子来说,同样是识别动物,要神经网络学习做到儿童识别动物的水平。
就不说现在这个时空十分拉跨的神经网络应用了。
就是依托于前世比较先进的深度残差神经网络。
想达到人类孩童对动物图像的区分的话。
也需要成千上万张图片才能进行比较充分的训练,才能再实际应用时得到比较准确的结果。
之所以神经网络学习“学得慢”“学得费劲”原因在于深度残差神经网络还没有逻辑思考、联想和推理的能力。
借助于强人工智能则完全没必要有这方面的担忧。
不光是传统的神经网络学习训练更加容易。
甚至于借助于强人工智能还可能助力于基础学科方面研究的突破。
这些都是人们追求强人工神经网络的原因。
除此之外科研人员追求强人工网络还有很多原因。
比较值得一提的是。
部分科研人员认为生物学上的人类是有劣根性。
人类渴求更加完美的自己。
很多时候对强人工智能甚至是超人工智能的渴求同样也是人类在追求更加完美的自身而已。
这不光是这一单一神经网络的局限性,事实上也正是弱人工神经网络的局限性之所在。
理想很丰满,现实很骨感。
前世人们都没搞出强人工智能,更不要说在神经网络学习方面各个方面都略有滞后的今生了。
现在的科研情况不要说是强人工智能的实现,事实是就连弱人工智能都玩明白。
时下科研人员鼓捣出的神经网络学习算法仍然缺乏人类这样的联想、记忆、学习、推理等高级功能。
想依靠这样的算法搞弱人工智能都费劲。
真不知道为什么这种情况下居然还有人操心什么人工智能伦理和机器伦理所带来的风险。
事实上就算林灰借助于现有的信息优势做文章也只能对弱人工智能做文章。
而对强人工智能同样手足无措。
这种情况下林灰倒是觉得时下的人们与其操心这些风险之类的不着边际的事情,还不如真正搞搞具体实在的研究。
退一步讲,纵然是有风险就望而却步吗?
世界上有什么事情是完全没风险的?
林灰倒是觉得,人工智能有适当的风险反而有助于人工智能正确的发展。
举这样一个例子,神庙逃亡游戏内容和大多数跑酷游戏都非常相似,越过重重障碍和陷阱,不断向前飞奔。
不过在神庙逃亡里玩家控制的是一个印第安纳琼斯似的人物,在热带雨林的某个古老神庙中逃出,被神庙中一群猴子模样的恶魔守卫追赶。
人物是自动不断向前飞奔的,而玩家则需要控制他避开逃亡路上遇到的各种危险。
一路上各种危险,反而让人更加专注于跑酷本身。
同样的道理,当某项技术有招致一定风险的可能的时候。
适当的已知风险反而可能有助于研究。
因为科研人员或许反而会自觉的远离相应的风险。
从而更加专注于算法逻辑和应用场景。
……
或许这种表述也不够严肃。
但林灰是始终坚信的发展中的问题要靠发展来解决。
不能因为发展可能存在问题就拒绝发展。
人工智能方面的发展同样是如此。
纵然人工智能可能引发一定层面的争议。
但林灰同样相信很多科研人员同样和他持有相同的观点。
至少林灰是知道的,伊芙·卡莉和他的看法是一致的。
能在未来的前行路上有同行的人自然是不错的。
某种程度上林灰也是需要有人一并同行的。
前世在媒体的撺掇下,关于人工智能的炒作可以说是蜂拥而至。
关于人工智能也各种说法却乱七八糟。
但这些宣传普遍将悬窗重点放在人工智能取代人类这种宣传上。
却没搞清人工智能真正的价值之所在。
人工智能真正的价值在于带来了对劳动力和生产关系之间的变革。
这才是其真正的影响深远的原因。
这也是为什么前世国家层面如此重视人工智能的原因。
以往涉及到劳动力和生产关系通常是什么形式呢?
不是改革就是革命。
作为能影响劳动力和生产关系的东西。
人工智能所衍生出来的内涵其影响不亚于一场革命!
在前世人工智能更是一度被认为是引领当时新一轮科技革命和产业变革的战略性技术。
在前世人工智能还被官方认为具有溢出带动性很强的“头雁”效应。
相应的文件更是直接了当地指出加快发展新一代人工智能是我们赢得全球科技竞争主动权的重要战略抓手。
前世官方的表述是这样的:
“人类已经历了蒸汽时代、电气时代、信息时代这三轮科技革命的浪潮,现在,新一代人工智能技术快速发展,正在掀起第四轮科技革命,推动人类社会迈向智能时代。
想一想蒸汽机对蒸汽时代的意义、电力技术和内燃机对电气时代的意义、计算机和网络技术对信息时代的意义,我们大概就能理解新一代人工智能技术对智能时代的意义。”
不难看出前世对人工智能技术是相当重视的。
也无怪于人工智能在前世被相当看重。
在前世人工智能在很多领域都表现出了相当强的水平。
空战,人工智能可以打败空军上校,这事儿发生在前世2016年——美國辛辛那提大学研发的人工智能系统阿尔法驾驶三代机F—15,对抗有20多年飞行经验的美國空/军上校吉恩驾驶的F—22,结果是阿尔法获得胜利;
医疗,人工智能可以打败资深医生,这事也发生在2016年——IBM的人工智能“沃森”学习了海量医学论文后,在人类医生们对一名病人束手无策的情况下,10分钟内判断出病人得的是罕见白血病,并给出了治疗方案;
围棋,人工智能可以打败世界冠军,这是发生在前世2017年的事——围棋人工智能AlphaGo以3比0打败世界冠军kEJIE;
科研,人工智能可以打败科学家,精准预测蛋白质高级结构,这是发生在前世2018年12月2日的事——DeepMind公司推出的人工智能AlphaFold在全球蛋白质结构预测竞赛CASP中一举战胜各国人类专家,夺得冠军。
因为时空的一些扰动,这些前世发生的事情在今生虽然未必能够如约而至。
但前世这些事情却充分说明人工智能的巨大潜力。
在今生复刻人工智能,因为人工智能所具备的深度学习、跨界融合等特征。
同样在今生人工智能依旧有可能在对经济发展、社会进步、国际政治格局等方面产生重大而深远的影响。
总之,人工智能即将到来的新浪潮不至于技术革新。
某种程度上,将人工智能即将到来的新浪潮称作是一场另类的革命也是不过分的。
这样的一场另类的革命显然不是仅靠林灰自身就推得动的。
仅仅是林灰本人的话。
或许林灰能不断的搬运技术。
但技术落地什么的仅靠林灰自己可是不行的。
技术落地的话还是需要很多志同道合的人。
甚至是后期的一些技术搬运除非林灰有足够的学术地位。
否则即便是搬运可能也需要一些帮手才能增强技术本身的说服力。
毕竟很多时候技术层面的事情并不是搞出来就有人知道其相应的含意。
曲高和寡有时也是一种无奈。
尽管这些都是以后的事情了。
但林灰相信这一天终将到来,甚至是未来已经在来的路上了。
那是一个值得期许的未来。
就伊芙·卡莉所表述的内容。
说实话无论是伊芙·卡莉就林灰对论文中补充内容表露出的浓厚兴趣还是对人工智能未来的期许和担忧,这些都不怎么出乎林灰的预料,倒是伊芙·卡莉对于此前林灰收购她专利的用途所进行的猜测让林灰稍稍有点意外。
按照伊芙·卡莉的猜测,林灰之所以收购她搞出的《文本判断甄别比较的一种新方法》这项专利是想在自动文本摘要框架(涵盖内容表示、权重计算、内容选择和内容组织四部分任务)之下的内容表示方面做文章。
呃,不得不说,伊芙·卡莉还真是一个聪明的人。
居然这么快就能够意会到林灰为什么要进行这样的一项收购。
林灰还以为他身后那些追赶者还要很久才能领悟呢。
没想到居然这么快就被伊芙·卡莉领悟了一部分。
不过伊芙·卡莉尽管猜对了,但却只是猜对了一部分,并没完全对。
林灰为什么给出这样的评价呢?
请收藏本站:https://www.xsww.cc。炫书网手机版:https://m.xsww.cc
在没人滥用的情况下,真正可能威胁到人类的绝不可能是弱人工智能。
归根结底,只有强人工智能才可能真正意义上威胁人类。
在外形上,强人工智能可以和人类相似(共享一套生活法则),也可与人类相差甚远(形成一套新的生活法则)。
在思想上,强人工智能可以与人类共用一套思维模式、道德准则,也可拥有专属体系的独特推理方式,成为一类“拥有灵魂的机器”。
概况地说,强人工智能具有自主意识、自主学习、自主决策的能力。
而这无疑是很容易有风险的。
尽管很容易有风险,但换个角度想一想。
上帝会创造一块他搬不动的石头吗?
同样的道理,人类为什么要造一个无法驾驭的强人工智能呢?
要知道只需要对强人工智能的底层价值取向通过相应的规则、记忆来进行限制和监控
所谓的强人工智能的叛乱是不可能的。
不要以为对强人工智能进行规则设计很麻烦。
其实和规则有关的设计几乎充斥着整个人类生活中。
就以充电器为例吧,一个不起眼的充电器里面很可能拥有着好几种充电协议进行着约束。
通过设计明文规则,限制AI的行动范围也不是做不到的事情。
说起来现在人们对强人工智能的担心多多少少有点杞人忧天。
强人工智能虽然是人工智能发展的终极目标。
可是强人工智能哪有那么容易实现呢?
强人工智能想达到的技术原理倒是不复杂,相应的技术指标也容易说清。
无非就是自主意识、自主学习、自主决策。
或者更加通俗地说,就是要机器去学人。
学人认识世界的方式并再基础上尝试利用机器学习进行逻辑层面的仿生从而复现人们认识世界的方式。
道理谁都懂,可是具体实行的时候却有着各种各样的难度。
前世人工智能鼓吹的很牛逼。
反正直到林灰重生前夕,那会人们也没鼓捣出强人工智能。
话说回来既然强人工智能有风险且实现起来很困难。
为什么还要追求强人工智能呢?
首先是强人工智能相比于弱人工智能会大幅度减少训练成本。
前世人工智能方面的应用普遍都是依靠大数据进行训练的。
听起来带着“大数据”三个字很高大上的样子。
但实际上操作起来就很苦逼呵呵了,而且借助于大数据很多情况下实际是不得已为之。
都知道人工智能是追求机器能够像人那样去处理问题。
可是要知道人学东西可是是从小样本进行学习。
就拿图像分类这个小领域来说吧,人对图像进行分类,实际上根本不需要大数据。
只需要很少几个样本就可以做到准确分类。
两三岁小孩开始认识世界的时候。
父母为了让孩子认识动物也不是给孩子看成千上万的照片,而是只给孩子看些动物图集就可以了。
这些图集可能依旧十几页几十页这样,这个样本规模实际是很小的。
再具体一点,如果想让孩童知道什么样的动物是猫。
顶多再给他看几张猫的图片,并且告诉他猫有什么特征,和其他动物像狗或者猪有什么区别的话。
很快,小孩可以很快很准确的识别狗。
这些都是小样本的训练。
可是前世的人工智能想要实现同样的功能。
却需要相当大规模的数据去训练。
也就是通常意义所说的要靠大数据去喂。
同样拿刚才举得例子来说,同样是识别动物,要神经网络学习做到儿童识别动物的水平。
就不说现在这个时空十分拉跨的神经网络应用了。
就是依托于前世比较先进的深度残差神经网络。
想达到人类孩童对动物图像的区分的话。
也需要成千上万张图片才能进行比较充分的训练,才能再实际应用时得到比较准确的结果。
之所以神经网络学习“学得慢”“学得费劲”原因在于深度残差神经网络还没有逻辑思考、联想和推理的能力。
借助于强人工智能则完全没必要有这方面的担忧。
不光是传统的神经网络学习训练更加容易。
甚至于借助于强人工智能还可能助力于基础学科方面研究的突破。
这些都是人们追求强人工神经网络的原因。
除此之外科研人员追求强人工网络还有很多原因。
比较值得一提的是。
部分科研人员认为生物学上的人类是有劣根性。
人类渴求更加完美的自己。
很多时候对强人工智能甚至是超人工智能的渴求同样也是人类在追求更加完美的自身而已。
这不光是这一单一神经网络的局限性,事实上也正是弱人工神经网络的局限性之所在。
理想很丰满,现实很骨感。
前世人们都没搞出强人工智能,更不要说在神经网络学习方面各个方面都略有滞后的今生了。
现在的科研情况不要说是强人工智能的实现,事实是就连弱人工智能都玩明白。
时下科研人员鼓捣出的神经网络学习算法仍然缺乏人类这样的联想、记忆、学习、推理等高级功能。
想依靠这样的算法搞弱人工智能都费劲。
真不知道为什么这种情况下居然还有人操心什么人工智能伦理和机器伦理所带来的风险。
事实上就算林灰借助于现有的信息优势做文章也只能对弱人工智能做文章。
而对强人工智能同样手足无措。
这种情况下林灰倒是觉得时下的人们与其操心这些风险之类的不着边际的事情,还不如真正搞搞具体实在的研究。
退一步讲,纵然是有风险就望而却步吗?
世界上有什么事情是完全没风险的?
林灰倒是觉得,人工智能有适当的风险反而有助于人工智能正确的发展。
举这样一个例子,神庙逃亡游戏内容和大多数跑酷游戏都非常相似,越过重重障碍和陷阱,不断向前飞奔。
不过在神庙逃亡里玩家控制的是一个印第安纳琼斯似的人物,在热带雨林的某个古老神庙中逃出,被神庙中一群猴子模样的恶魔守卫追赶。
人物是自动不断向前飞奔的,而玩家则需要控制他避开逃亡路上遇到的各种危险。
一路上各种危险,反而让人更加专注于跑酷本身。
同样的道理,当某项技术有招致一定风险的可能的时候。
适当的已知风险反而可能有助于研究。
因为科研人员或许反而会自觉的远离相应的风险。
从而更加专注于算法逻辑和应用场景。
……
或许这种表述也不够严肃。
但林灰是始终坚信的发展中的问题要靠发展来解决。
不能因为发展可能存在问题就拒绝发展。
人工智能方面的发展同样是如此。
纵然人工智能可能引发一定层面的争议。
但林灰同样相信很多科研人员同样和他持有相同的观点。
至少林灰是知道的,伊芙·卡莉和他的看法是一致的。
能在未来的前行路上有同行的人自然是不错的。
某种程度上林灰也是需要有人一并同行的。
前世在媒体的撺掇下,关于人工智能的炒作可以说是蜂拥而至。
关于人工智能也各种说法却乱七八糟。
但这些宣传普遍将悬窗重点放在人工智能取代人类这种宣传上。
却没搞清人工智能真正的价值之所在。
人工智能真正的价值在于带来了对劳动力和生产关系之间的变革。
这才是其真正的影响深远的原因。
这也是为什么前世国家层面如此重视人工智能的原因。
以往涉及到劳动力和生产关系通常是什么形式呢?
不是改革就是革命。
作为能影响劳动力和生产关系的东西。
人工智能所衍生出来的内涵其影响不亚于一场革命!
在前世人工智能更是一度被认为是引领当时新一轮科技革命和产业变革的战略性技术。
在前世人工智能还被官方认为具有溢出带动性很强的“头雁”效应。
相应的文件更是直接了当地指出加快发展新一代人工智能是我们赢得全球科技竞争主动权的重要战略抓手。
前世官方的表述是这样的:
“人类已经历了蒸汽时代、电气时代、信息时代这三轮科技革命的浪潮,现在,新一代人工智能技术快速发展,正在掀起第四轮科技革命,推动人类社会迈向智能时代。
想一想蒸汽机对蒸汽时代的意义、电力技术和内燃机对电气时代的意义、计算机和网络技术对信息时代的意义,我们大概就能理解新一代人工智能技术对智能时代的意义。”
不难看出前世对人工智能技术是相当重视的。
也无怪于人工智能在前世被相当看重。
在前世人工智能在很多领域都表现出了相当强的水平。
空战,人工智能可以打败空军上校,这事儿发生在前世2016年——美國辛辛那提大学研发的人工智能系统阿尔法驾驶三代机F—15,对抗有20多年飞行经验的美國空/军上校吉恩驾驶的F—22,结果是阿尔法获得胜利;
医疗,人工智能可以打败资深医生,这事也发生在2016年——IBM的人工智能“沃森”学习了海量医学论文后,在人类医生们对一名病人束手无策的情况下,10分钟内判断出病人得的是罕见白血病,并给出了治疗方案;
围棋,人工智能可以打败世界冠军,这是发生在前世2017年的事——围棋人工智能AlphaGo以3比0打败世界冠军kEJIE;
科研,人工智能可以打败科学家,精准预测蛋白质高级结构,这是发生在前世2018年12月2日的事——DeepMind公司推出的人工智能AlphaFold在全球蛋白质结构预测竞赛CASP中一举战胜各国人类专家,夺得冠军。
因为时空的一些扰动,这些前世发生的事情在今生虽然未必能够如约而至。
但前世这些事情却充分说明人工智能的巨大潜力。
在今生复刻人工智能,因为人工智能所具备的深度学习、跨界融合等特征。
同样在今生人工智能依旧有可能在对经济发展、社会进步、国际政治格局等方面产生重大而深远的影响。
总之,人工智能即将到来的新浪潮不至于技术革新。
某种程度上,将人工智能即将到来的新浪潮称作是一场另类的革命也是不过分的。
这样的一场另类的革命显然不是仅靠林灰自身就推得动的。
仅仅是林灰本人的话。
或许林灰能不断的搬运技术。
但技术落地什么的仅靠林灰自己可是不行的。
技术落地的话还是需要很多志同道合的人。
甚至是后期的一些技术搬运除非林灰有足够的学术地位。
否则即便是搬运可能也需要一些帮手才能增强技术本身的说服力。
毕竟很多时候技术层面的事情并不是搞出来就有人知道其相应的含意。
曲高和寡有时也是一种无奈。
尽管这些都是以后的事情了。
但林灰相信这一天终将到来,甚至是未来已经在来的路上了。
那是一个值得期许的未来。
就伊芙·卡莉所表述的内容。
说实话无论是伊芙·卡莉就林灰对论文中补充内容表露出的浓厚兴趣还是对人工智能未来的期许和担忧,这些都不怎么出乎林灰的预料,倒是伊芙·卡莉对于此前林灰收购她专利的用途所进行的猜测让林灰稍稍有点意外。
按照伊芙·卡莉的猜测,林灰之所以收购她搞出的《文本判断甄别比较的一种新方法》这项专利是想在自动文本摘要框架(涵盖内容表示、权重计算、内容选择和内容组织四部分任务)之下的内容表示方面做文章。
呃,不得不说,伊芙·卡莉还真是一个聪明的人。
居然这么快就能够意会到林灰为什么要进行这样的一项收购。
林灰还以为他身后那些追赶者还要很久才能领悟呢。
没想到居然这么快就被伊芙·卡莉领悟了一部分。
不过伊芙·卡莉尽管猜对了,但却只是猜对了一部分,并没完全对。
林灰为什么给出这样的评价呢?
请收藏本站:https://www.xsww.cc。炫书网手机版:https://m.xsww.cc