精华内容
下载资源
问答
  • 其实AI技术被区分为弱人工智能、通用人工智能、超级人工智能三种模式,弱人工智能也被称为狭义人工智能,是专攻某一领域的人工智能,比如一种AI能在国际象棋比赛中打败世界冠军,例如在围棋上大放异彩的AlphaGo都...

    其实AI技术被区分为弱人工智能、通用人工智能、超级人工智能三种模式,弱人工智能也被称为狭义人工智能,是专攻某一领域的人工智能,比如一种AI能在国际象棋比赛中打败世界冠军,例如在围棋上大放异彩的AlphaGo都属于弱人工智能。

    通用人工智能(Artificial General Intelligence, AGI)也叫强人工智能,或人类级人工智能,通用人工智能指的是一台像人类一样拥有全面智能的计算机,人类能解决的智力问题他都能解决。创建通用人工智能比创建弱人工智能难多了,现在社会上尚未由成熟的案例,在建设目标上,人们希望通用人工智能具备为“通用的思考能力,包括但不限于推理、计划、解决问题、抽象思考、理解复杂概念、快速学习和从经验中学习的能力。”

    牛津大学哲学家、人工智能思想家尼克·博斯特罗姆(Nick Bostrom)将超级智能定义为“在几乎所有领域,包括科学创造力、一般智慧和社交技能,都比最优秀的人类大脑聪明得多的智力。

    AI技术中弱人工智能、通用人工智能、超级人工智能的区别!
    但是目前来说,我们所讨论的AI技术,主要集中在弱人工智能上,例如人脸识别,语音识别,目前市场主流的各大智能手机配备的语音机器人、人脸识别都是AI技术的落地应用的场景之一。此外在线上支付、门禁安全、安防等领域,AI技术的应用相对成熟,不过这类应用场景多与城市安防,公安监控相结合,其对设备和技术要求高,业务门槛也相对较高,在我国政务信息化建设中,AI贴合垂直行业需求,满足其定制化功能,在安防领域发挥了巨大作用。

    弱人工智能在个人智能终端和安防领域的应用相对成熟,不过在很多细分垂直领域上,人工智能的应用场景还待开发。例如在会议场景中加入人脸识别,语音唤醒等功能,构建智能化的会议场景,但是这类产品建设成本过高,一般的企业难以承受这样的成本价格,此外在需求上,智能化会议室更多是一个升级产物,而并非一个刚需。

    展开全文
  • 人工智能分为弱人工智能和强人工智能,从弱AI进阶到强AI,代表着人类使用的经典计算机,过渡到量子计算机,强人工智能时代才能真正到来。 强(AI)与弱(AI)最大的区别: 观点认为,强人工智能(强AI)是有可能...

    人工智能(Artificial Intelligence,缩写AI),通常指通过普通计算机程序来呈现人类智能的技术。计算机是为AI提供必要的技术基础,它决定人工智能的上限空间。人工智能分为弱人工智能和强人工智能,从弱AI进阶到强AI,代表着人类使用的经典计算机,过渡到量子计算机,强人工智能时代才能真正到来。

    强(AI)与弱(AI)最大的区别:

    观点认为,强人工智能(强AI)是有可能制造出真正能推理和解决问题的智能机器人,并且,这样的机器人是有知觉的,有自我的意识,像人类一样去思考,学习。

    弱人工智能(弱AI)是这些机器看起来像智能的,像餐厅的送餐机器人,前台的迎宾机器人,可以导引,也可进行语音交互,是最初级的智能化。

    在未来,要达到强人工智能的技术,计算机作为技术基础。唯有突破经典计算机的界限,进入量子学领域,使用量子计算机作为最底层的技术基础,进阶到强人工智能的时代。

    人工智能:从经典计算机到量子计算机,弱AI进阶到强AI时代?

    那么,经典计算机与量子计算机有什么区别?为什么说强人工智能对应量子计算机的发展?

    它们的最大区别是,量子计算机的运行机制是不确定的概率论,像人类面对着不确定的未来,不知道下一秒会发生什么,但依然会做出各种各样的决定。

    而经典计算机的运行是确定的结果论,像流水线上的生产设备,按照100%的固定程序来工作,一目了然。

    另外,量子计算机的运算能力非常强大,可将几十万年的运算时间将缩短为几秒钟,运算速度也是超级计算机(一种超大型电子计算机)的百亿倍。

    1、经典计算机迭代75年

    电子计算机的发明和使用,是第三次技术革命的标志,意味着,人类开始进互联网时代,国与国,人与人之间,紧密联系起来。

    目前,计算机发展到现在,将近75年历程,属于第四代计算机。

    第一代:电子管计算机

    第二代:晶体管计算机

    第三代计算机-中小规模的集成电路

    第四代计算机-大和超大规模的集成电路

    人工智能:从经典计算机到量子计算机,弱AI进阶到强AI时代?

    第一代:电子管计算机

    2、经典计算机理论基础:二进制,开和关。

    第一代电子管计算机,是在1946年,计算机之父“图灵”,为发明出计算机,提供了丰富的理论基础,才使之成为可能。

    人类历史上的第一台通用计算机“ENIAC”,这2.4米高的庞然大物才被造出来,就是所谓的电子管计算机。

    其最核心的工作原理是最简单的加法运算,二进制,用0和1把所有的整数都表示出来,进行运算,分别代表电子元件的两种不同状态。

    换句话说,二极管有一个“关”的状态和一个“开”的状态。用“关”来代表0,用“开”来代表1,它是一种100%的对和错的运算机制。

    3、经典计算机的技术局限

    而在今天,计算机的芯片集成度不断提高,遵循着摩尔定律,像我们的手机,尺寸越来越小,计算速度越来越快,当手机无法做的更小,芯片达到最小的纳米级别,就会碰到瓶颈,逼近物理极限。

    人工智能:从经典计算机到量子计算机,弱AI进阶到强AI时代?

    芯片

    到那时候,人们还如何提高计算机的运算速度呢?

    只能通过改变最底层的理论基础,进入量子世界,遵循另一套自然法则,利用量子特定的定律,不断提升计算机的运算能力,才能打开新的局面。

    就像牛顿力学、万有引力解释着宏观世界,爱因斯坦的相对论、光电效应解释着微观世界一样。

    经典计算机解释着对与错的运算机制,而量子计算机解释着不确定性的概率运算机制。

    4、量子计算机的理论:薛定谔的猫

    量子物理学应用,有这样一个实验:在一个盒子里有一只猫,及少量的放射性物质,放射性物质会衰变,并放出毒气。

    衰变存在概率,有50%的概率放射性物质会衰变并放出毒气使猫致死,“同时”有50%的概率放射性物质不会衰变,猫将活下来。

    放射性物质到底衰变,还是不衰变,我们不知道,它是概率性的。同一时间下,发生的两种不同的概率性事件。

    只要时间一瞬而过,必然会出现一种结果,“毒死”或“活着”。人类的生命状态也是最接近“薛定谔的猫”理论的,我们能预知下一秒会发生什么,但会不会发生,是一种概率性事件。

    人工智能:从经典计算机到量子计算机,弱AI进阶到强AI时代?

    薛定谔的猫

    其量子计算机的运算机制,也是如此。同一秒钟,量子开关,既可以处于开的状态,也可以处于关的状态,通过随机概率的变化来运算。经典计算机,在同一秒钟,只有一种状态,关和开,二选一。

    就像人们经常用“排除法”做判断,经典计算机要运算到最后,才得出结果,排除一个错误的答案。而量子计算机,用概率运算到某个节点,已经排除一个错误的答案,运算速度必然很快。

    所以,量子计算机的运算机制更符合强人工智能的(强AI)的定义,它能真正的做出概率性般的推理和判断,解决问题,像人一样去思考,做各种不同的选择。

    目前,人工智能的技术基础,是由经典计算机构成,只能算弱人工智能。

    像商用机器人行业,机器人的自动避障功能,其设置好避障的距离和范围,当障碍物进入到范围之内,才开始启动避障功能,没有预判功能。

    5、量子计算机的发展趋势

    当下量子计算机的发展,也是各国的主要研究领域,在国家层面上,10月16日下午,中共中央政治局就量子科技研究和应用前景举行了第二十四次集体学习,其中就有关于科技创新,就有加快发展量子科技,作战略谋划和系统布局。

    人工智能:从经典计算机到量子计算机,弱AI进阶到强AI时代?

    量子计算机

    未来,我们会从互联网时代会进入到物联网时代,其量子计算机在人工智能领域的作用不可估量。

    当下,互联网时代,信息与信息之间的快速流动、传递和接收。未来,物联网时代,事物与事物之间的迅速连接、识别和互动。

    图片来自网络,侵权联删!

    【编辑推荐】

    1. 手写Axios核心原理,再也不怕面试官问我Axios原理
    2. 中国5G领跑全球后,警惕被“带节奏”
    3. 专家预测:2021年云计算领域将出现的趋势
    4. IoT 无需电池!3D 打印传感器,塑料瓶能联网,拧瓶盖即可提供动力
    5. Windows图像解析Fuzzing(一):颜色配置文件
    展开全文
  • 人工智能系统智能生成机理探索之六:从弱人工智能、强人工智能到超人工智能.pdf
  • 弱人工智能才是未来AI研究的主流方向 人工智能国际主流学界所持的目标是弱人工智能,少有人致力于强人工智能。究其原因是绝大多数人工智能研究者认为,不能做、不该做! 首先,从技术上来说,主流人工智能学界的努力...

    关于人工智能,长期存在两种不同的目标或者理念。一种是希望借鉴人类的智能行为,研制出更好的工具以减轻人类智力劳动,一般称为“弱人工智能”,类似于“高级仿生学”。另一种是希望研制出达到甚至超越人类智慧水平的人造物,具有心智和意识、能根据自己的意图开展行动,一般称为“强人工智能”,实则可谓“人造智能”。

    弱人工智能才是未来AI研究的主流方向

    人工智能国际主流学界所持的目标是弱人工智能,少有人致力于强人工智能。究其原因是绝大多数人工智能研究者认为,不能做、不该做!

    首先,从技术上来说,主流人工智能学界的努力从来就不是朝向强人工智能,现有技术的发展也不会自动地使强人工智能成为可能。

    一方面,聚焦在特定类型的智能行为上,才能使得任务成为可能而非空谈;另一方面,如果目标是制造“工具”,那么考虑特定类型的智能行为就已足够,自主心智、独立意识、甚至情感之类的东西,根本无须考虑。事实上,人工智能研究活跃的子领域,都是与制造智能“工具”直接相关的;而对“强人工智能”必不可少、却与“工具”不太相关的内容,如自主心智、独立意识、机器情感之类,罕有严肃的研究。所以,现有技术即便发展再快、发展再好,也不会直接使得强人工智能成为可能。

    弱人工智能才是未来AI研究的主流方向

    第二,即便想研究强人工智能,也不知道路在何方。

    第三,即便强人工智能是可能的,也不应该去研究它。

    任何一个科学研究领域或许都存在一些不该去触碰的东西。例如克隆人是被主流生命科学界所禁止的。强人工智能的造物将具有自主心智、独立意识,那么,它凭什么能“甘心”为人类服务、被人类“奴役”?总之,强人工智能出现的那一天,恐怕真的就是人类面临最大生存危机的时候。所以,对严肃的人工智能研究者来说,如果真的相信自己的努力会产生结果,那就不该去触碰强人工智能。

    展开全文
  • 弱人工智能走向强人工智能

    千次阅读 2020-03-12 22:32:24
    #从弱人工智能走向强人工智能 摘 要: 时代发展到今天,人工智能可谓是无处不在,可是大众真的知道什么是人工智能吗?当前人工智能正处在弱人工智能时代,弱人工智能时代的到来引发了我们对“强”人工智能的思索。...
                                           从弱人工智能走向强人工智能
    

    摘 要: 时代发展到今天,人工智能可谓是无处不在,可是大众真的知道什么是人工智能吗?当前人工智能正处在弱人工智能时代,弱人工智能时代的到来引发了我们对“强”人工智能的思索。本文通过分析Alpha Go的机器学习中的蒙特卡洛搜索算法,分析弱人工智能时代的发展趋势和给人带来的思考,结合非完全信息下的博弈来分析并展望未来的强人工智能。
    关键词:蒙特卡洛搜索算法、Alpha Go、卷积神经网络、非完全信息下的博弈、弱人工智能、强人工智能
    From Narrow AI to Strong AI
    CH2
    Abstract:Today, artificial intelligence is everywhere, but the public really know what is artificial intelligence? Current artificial intelligence is in the “weak” artificial intelligence era, the arrival of the “weak” artificial intelligence era has triggered our thinking on “strong” artificial intelligence. This paper analyzes the monte carlo search algorithm in machine learning of Alpha Go, analyzes the development trend of “weak” artificial intelligence era and the thinking it brings to people, and combines with the game under incomplete information to analyze and look forward to the future strong artificial intelligence.
    Key Words:Monte carlo search algorithm、Alpha Go、CNN、Game with incomplete information、Narrow AI、Strong AI、
    千百年来,人类信奉的最高准则便是人是万物之灵。并且惯于孤独的生活在浩瀚的宇宙中。仰望星空,看着茫茫的宇宙我们总会感觉到孤独,自诩为万物之灵长,独一无二。但是人工智能的出现,潜移默化地改变着人类信奉的思想,人工智能技术正在彻底改变人类对机器的认知,重建人类与机器之间的相互协作关系。
    当今意义上的人工智能,事实上可以追溯到图灵在1950年提出的图灵测试,图灵在发表的一篇名为《计算机械和智能》的文章中创造性的提出了一个有趣的实验,让测试者和计算机通过键盘和屏幕进行对话,若计算机在测试中的表现与人等价,我们就说这台机器通过了图灵测试并具备人工智能。纵观人工智能的发展史,到目前为止,已经出现过三次AI浪潮,第一次浪潮与刚才提到的图灵测试相关,第二次浪潮受语音识别的影响,第三次浪潮由深度学习和大数据共同引领。
    时间转到2016年,Alpha Go与世界顶尖围棋高手李世石的终极围棋对战将普通人带到了科技的最前沿,在Alpha Go 的相关前沿科技取得重大突破,隐约预示出人工智能的瑰丽未来时,却出现了种种恐慌的声音。但这并不是人机博弈引起的第一次广泛关注,其实,人机博弈只是人工智能在公众心目中的地位起起落落的一个缩影。棋类博弈代表着一大类典型的、有清晰定义和规则、容易评估效果的智能问题,同时也代表着人类的智慧。从人工智能的角度来说,Alpha Go 使用了深度学习、蒙特卡洛算法、增强学习等。可以说机器视觉相关的深度学习技术,包含环境-决策-反馈的智能系统,里面都有Alpha Go 的影子。但是最为经典的却是蒙特卡洛算法。
    基本的蒙特卡洛(MCTS) 算法非常简单:根据模拟的输出结果,按照节点构造搜索树。其过程可以分为下面的若干步:
    1.搜索树的构建过程
    2.选择 Selection:从根节点 R 开始,递归选择最优的子节点直到达到叶子节点 L。
    3.扩展 Expansion:如果 L 不是一个终止节点(也就是,不会导致博弈游戏终止)那么就创建一个或者 更多的字子节点,选择其中一个 C。
    4.模拟 Simulation:从 C 开始运行一个模拟的输出,直到博弈游戏结束。
    5.反向传播 Backpropagation:用模拟的结果输出更新当前行动序列。

    在完全信息博弈演化的条件下,诸如下象棋、下围棋等被看作是人类智力领域独优的博弈中,通过蒙特卡洛算法进行策略节点的随机抽样模拟与价值评判机制和策略评判机制(即为了优化传统的MTCL而训练的两个卷积神经网络),经过大量数据与海量的博弈练习,可以在其中的某一节点中停下并寻找最优的博弈策略,特定博弈游戏的领域知识可以用在树上来过滤掉不合理的行动或者在模拟过程中产生重要的对局(更接近人类对手的表现)。这意味着交战结果将会更加的现实而不是随机的模拟,所以节点只需要少量的迭代就能给出一个现实的收益值。利弊相生,优缺并行才是一个真实的算法,但是随机模拟的先行策略的不确定性和多维性影响了后期策略的选择,除非将所有的节点进行筛选,否则所寻找的最优节点并不保证是最好的,但至少较之前几次要好,这样会造成后期的节点选择并不是最优,即出现了整体策略并非最优的情况的发生,这在我看来或许是完全信息博弈下蒙特卡洛算法最大的弊端。
    本文前半部分提到了人类对人工智能的种种恐慌,但很多人心中肯定存在疑问,当前的人工智能究竟是什么水平呢?肯定尽管Alpha Go引发了如此规模的群众反响,但仍然属于弱人工智能。今天我们看到的所有人工智能应用与程序都属于弱人工智能时代的产物,由于弱人工智能的局限性,这些智能更多的被看作一种人类的工具,他们并不会向人一样去思考,关于人类大脑的思考方式,欧洲科学家们共同发起了“脑科学”计划,显然人脑的复杂程度超出了人类的想像,其运行机制更是非常难以研究,截止到今天,“脑计划”并没有什么实质性的巨大进展。当前的人工智能其实就是弱人工智能下深度学习和大数据的结合。深度学习是神经网络算法中的经典,主要分为&quot、DNN、CNN、RNN、ResNet(深度残差)、LSTM,除此之外,还有很多其他结构的神经网络。无独有偶,在非完全信息博弈中,德州扑克博弈引起了人们对什么是真正智能的思考。和围棋不同,德州扑克博弈中,人工智能无法看到全部信息,没有所谓的唯一的,最佳的打法。Libratus基本是从零开始学习德州扑克策略,并且依旧主要依靠自我对局来学习,如果机器在自我学习中不断完善对一种特定策略的掌握程度,能够在非完全信息的不断试错并积累经验,像人一样具有策略的不定性,这将是人类人工智能发展的又一个重要突破,即强人工智能。
    强人工智能又称通用人工智能,人可以做什么,强人工智能就可以做什么未免定义的太过于宽泛,一般认为,一个具备强人工智能的程序一般要符合以下几个条件:
    1. 存在不确定因素时进行推理,使用策略解决问题,具有制定决策的能力;
    2. 规划能力;
    3. 学习能力;
    4. 知识表示能力,包括常识性知识的表示能力;
    5. 使用自然语言进行交流沟通的能力;
    6. 将上述能力整合起来实现既定目标的能力;
    按照高纳德的技术成熟度曲线去评估,从低级人工智能走向高级人工智能还需要几年甚至数十年的漫长成长过程,从弱人工智能走向强人工智能,路漫漫且艰。在我看来,强人工智能已经具备了人类的意识,具备胜任人类的所有工作的能力。其实,有关意识的争议话题十分复杂,一旦牵扯到意识,强人工智能的评估标准便也变得十分复杂。由于技术的限制,当前强人工智能领域并无巨大突破,展望未来,脑科学、认知科学、类脑计算的发展将弥补人工智能在感知、记忆、推理 等方面的短板,实现人与智能机器在物理世界和虚拟信息世界的高效互动、应用,使人工智能真正符合强人工智能的条件。
    这是发现的时代,这是人工智能的时代 !

    参考文献

    1. Xjnine Alphago中的蒙特卡洛算法 CSDN:
    2. 凌风探梅 AlphaGo背后的搜索算法:蒙特卡罗树搜索 CSDN;
    展开全文
  • 弱人工智能向强人工智能转向中的生态伦理本质.pdf
  • 不论你从事哪个行业,即使你的行业在科技行业之外,你也一定注意到了; 人工智能(AI)这样一个热门的词汇。 全球有数十家,或者说有上百家初创企业都将自己标榜为人工智能企业。在其他讨论中,你可能会...弱人工智能和...
  • 弱人工智能刑事主体地位的否定
  • 弱人工智能犯罪的规制方法研究.pdf
  • 弱人工智能对劳动方式的影响.pdf
  • 历经三年的技术融合,迎来新进展,随着技术革命下的背景催化,人工智能发展迅速,并与多种应用场景深度融合,自2018年中科院计算所上海分所针对AI技术如何驱动智能硬件的发展,已进入最后的完善工作。最新一项人工...
  • 弱人工智能背景下新闻机器人的写作模式.pdf
  • 在德国联邦政府近期正式发布的《德国联邦政府人工智能战略报告》提出,人工智能(以下简称AI)已进入一个新的成熟阶段,要使 “AI德国造”成为全球公认的产品标识;把遵守道德和为道德而设计的理念作为整体,推行...
  • (1)“像人一样思考”:弱人工智能领域,如AlphaGo,Watson (2)“像人一样行动”:弱人工智能领域,如iRobot,人形机器人,波士顿动力公司的Atlas (3)“理性地思考”:强人工智能,尚无法达到,瓶颈在脑科学 (4)“理性...
  • 弱人工智能时代引发的历史唯物主义新问题.pdf
  • 弱人工智能时代的劳动价值论与劳动制度.pdf
  • 带有NFC和指纹认证设备以及弱人工智能助手的物联网安全/环境监控设备。
  • 弱人工智能背景下的信息窄化现象与反思.pdf
  • 我们之前谈到了人类对人工智能的某种担心,那很多人最想知道的是,今天的人工智能到底有多聪明,人工智能到底会发展到什么程度,什么样的人工智能会超出人类的控制范围甚至给人类带来威胁?要回答这样的...
  • 弱人工智能背景下侵犯著作权罪犯罪对象之扩张.pdf
  • 弱人工智能在广播电视监测监管中的应用和设想.pdf
  • 主体性理论视阙下弱人工智能的主体地位批驳.pdf
  • 科技发展到啦今天,人工智能也在我们的身边悄然的出现,而每次人工智能的更新出现都会在科技领域上掀起浪潮。 哪随着人工智能的发展,现在的人工智能和我们想象的人工智能有什么不同,像电影中的人工智能能实现吗...
  •   在人工智能的早期,那些对人类智力来说非常困难、 且对计算机来说相对简单的问题迅速得到解决,比如,那些可以通过→系列形式化的数学规则来描述的问题 AI的真正挑战在于解决那些对人来说很容易执行、但很难形式...
  • 1、强人工智能和弱人工智能 人工智能的一个比较流行的定义,也是该领域较早的定义,是由当时麻省理工学院的约翰·麦卡锡在1956年的 达特矛斯会议上提出的:人工智能就是要让机器的行为看起来就像是人所表现出的...
  • 弱人工智能并不弱 弱人工智能也叫应用人工智能 弱人工智能有四个应用领域 graph LR 四个领域-->计算机视觉 四个领域-->语音识别 四个领域-->自然语言处理 四个领域-->专家系统(推荐系统) (1)计算机...
  • 治理与回应:弱人工智能视野下网络犯罪的行为类型与规制.pdf
  • 主体性理论视阙下弱人工智能的主体地位批驳

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 42,828
精华内容 17,131
关键字:

弱人工智能