写于 2017-06-04 01:20:15| 千赢国际手机版| 千赢国际
<p>在电影“超越”中,约翰尼·德普饰演威尔·卡斯特博士,他是伯克利人工智能研究员,试图建立一个有感知的计算机</p><p>斯图尔特·拉塞尔是威尔·卡斯特,现实生活相当于他在加州大学伯克利分校的人工智能工作,并且关于人工智能的权威教科书的合着者他也非常直接地宣传人工智能研究成功的风险今年早些时候,Google,DeepMind教授了一个计算机程序,可以在超人的水平上播放各种各样的Atari视频游戏</p><p>几小时的问题该计划没有背景知识它从头开始学习每一个游戏斯图尔特观察到,“如果你的新生儿这样做,你会认为它被占有了,”我们是否应该被这样的进步留下深刻的印象或痛苦</p><p> DeepMind背后的秘诀就是深度学习,机器学习的一个激动人心且非常活跃的分支机器学习正在推动计算机的下一次革命而不是手工编程计算机来完成任务,我们只需让计算机学习做任务游戏是一个特别好的领域,可以应用机器学习有非常精确的规则可以遵循它,很容易找出谁赢了而且计算机可以通过自己玩数百万次来引导它的性能然而,深度学习是擅长于学习如何玩游戏它正在改变计算机如何将语音转换为文本,识别图像,对搜索结果进行排名,以及执行许多其他需要智能的任务</p><p>深度学习使用一个“深度”的神经网络,松散地模仿人类大脑It,深度因为它有六个左右的层这些层是成功的关键它们允许神经网络挑选特征例如,在识别图像时,中间层识别边缘和角落等特征对成功至关重要的是大量数据和计算能力深度学习需要大量的例子来学习和学习本身通常在多个专门的图形处理上运行单位(GPU)深度学习看起来然后成为AI工具箱中的一个重要组成部分然而,它不太可能解决所有AI深度学习似乎特别擅长处理语音或图像等感知任务但是,它更具挑战性需要更高层次或战略性推理的任务考虑规划如何建造工厂或解决复杂的数学问题DeepMind,该计划学会了玩Pong和Space Invaders之类的简单反应式游戏但是它并没有在PacMan做得好,因为这需要提前规划处理鬼魂还有其他一些挑战例如,深度学习需要大量的数据人类,相比之下,可以仅举几个例子有很多领域学习困难,痛苦甚至致命我们因此也需要快速学习的方法深度学习也很大程度上是一个黑盒子有许多领域我们需要一台计算机来解释它的推理或证明其答案最后,有许多领域我们需要保证空中交通管制计划绝不应让两架飞机进入同一空域自动驾驶汽车应该始终处于红灯状态深度学习没有这样的保证尽管如此有许多企业正在意识到建立以深度学习为动力的新服务的想法它肯定会在推动自动驾驶汽车,排名搜索结果,推荐产品,识别垃圾邮件,交易股票和解释医疗方面发挥关键作用图像深度学习距离匹配我们的智能还有很长的路要走深度学习使用成千上万的神经元和数百万个连接但是人类的大脑有数十亿的神经元和数万亿的连接它仍然是一个重要的科学和工程挑战,扩展到人类大脑的大小毕竟,人类的大脑是我们在整个宇宙中知道的最复杂的系统然后有一堆意识和情感等困难问题这些似乎与我们的智慧密切相关,我们还没有在硅片中理解或复制它们所以我们离超越技术奇点还有一段距离当计算机开始改善自己和智力雪球时,很快就超出了人类的限制AI的许多研究人员实际上怀疑我们是否能够实现这一目标 我们将遇到科学,工程或其他道路障碍,这将阻止机器智能的任何失控这不会阻止我们建造将改变我们生活的机器我们需要现在开始规划未来,

作者:洪蜜