关于人工智能你不得不知道的十个原形 | 皇牌大年夜放送_人工智能_人类

2024-08-02 03:40:52 科技快讯

人工智能，被誉为是人类的未来。
我们期待人工智能可以帮助年夜夫、生理学家、警察和军人等事情，乃至取代驾驶员以及运动员。
人工智能真的已经达到足够智能的程度了吗？人们真的可以相信人工智能的决定吗？在人工智能领域实践多年的程序员以及人工智能研究者，却向人们发出了警示。

关于人工智能你不得不知道的十个原形 | 皇牌大年夜放送_人工智能_人类科技快讯

非政府组织算法不雅观察成员马蒂亚斯·斯皮尔坎普说：“数字技能的快速发展让我们以为，凭借数据和打算就能办理人类面临的统统问题。
这只是一种错觉。
”

原形一：得到问答冠军的人工智能，实质只是一个搜索引擎

2011年，IBM公司为了宣扬自身技能，推出了《危险边缘》特殊节目，让最精良的人类冠军与其新开拓的人工智能沃森直接对决。
现场，人工智能沃森以最快速率流利应答，在节目中轻松取胜，节目结果让人们以为，人工智能已然具备了理解人类措辞的能力。

实在，人工智能沃森并不能真正与人类沟通，它实质上只是一个以网络百科全书作为数据库的搜索引擎。

而在联合国一个宣扬人类技能进步的活动中，也涌现了人机对话的场景。

联合国参会人士：“好的。
我想再问你一个问题，天下上很多地方还没有网络，也没有电，联合国可以做什么来帮助他们呢？”

机器人：“好是人工智能和自动化可以用更少的资源得到更好的结果，以是，如果人工智能的聪慧水平能够进一步提高并专注双赢的结果，人工智能则可以帮助人们充分分配天下上现有的资源，包括食品、能源等等。
”

而其后有节目宣布，这段机器人的回答，实在也是提前准备好的。

原形二：人工智能翻译器只能供应一样平常性答案

像谷歌翻译那些自动翻译工具，利用的资源是来自一些可免费访问的网站，例如一些政府部门、机构的官网或者网络百科，人们早已将很多笔墨译成了多种措辞。
人工智能翻译器每每会自动利用人类最常用的词组作为译文，并不会根据特定情形进行剖析，以是很多翻译结果，也揭示了人们固有的刻板不雅观念。

比如，在芬兰语中，代词男他和女她都是用“hän”表示，但机器在翻译修理汽车化油器的主语时，会自动翻译为男他，在翻译为婴儿换尿布的主语时，会自动翻译为女她。
翻译器自动天生可能性最高的结果，并不会参考任何个人经历。

谷歌工程师弗朗索瓦•肖莱说：“例如欧洲议会语料库，这些文本并不能代表你我之间的那种互换。
系统永久会向适中的情形靠拢，由于这是它们的运作办法。
”

原形三：人工智能深度学习技能存在偏见和刻板印象

深度学习是指，机器通过人类输入的各种数据资料进行自我学习，以帮助人类办理特定的问题。
比如机器通过学习万千张动物的图片，来识别不同的动物，除此之外，深度学习技能还有其他现实运用。
在美国有十几个州，案件审讯时都会参考一款人工智能软件，它能帮助法官预测被告再次犯案的风险及可能性。
这款人工智能软件的数据，来自于美国警方的罪犯数据库，系统采取一个秘密公式来剖析罪犯的136项指标，终极，得出罪犯再次犯案可能性的总分，提交给法官。

一些严谨的将这款软件对7000个犯人的评分，与他们真实的行为做了一个比拟，结果创造，对严重犯罪行为的预测精确率仅为20％。
一些还表示，软件对黑人再次犯罪的预测结果，普遍比实际高，对白人再次犯罪的预测结果却比实际低。

谷歌前研究员梅雷迪斯·惠特克说：“很多国家或地区的刑事法律智能系统，极有可能像美国一样，带有种族主义色彩，以是须要在数据中建立应对黑人偏见的设置。
”

谷歌工程师弗朗索瓦·肖莱又举了一个例子来讲述人工智能系统偏见的来源：“这种偏见源于演习期间所吸收的数据，演习数据可能本身存在偏见。
请大家设想有这样一个别系，它能够检讨监控录像，来判断某个人是否可疑。
要打造这种系统，首先须要标注员（真人），对监控录像画面进行标注，剖断录像中的某个人是否可疑。
毫无疑问，在这个步骤中，标注员是基于主不雅观作出判断的，这种判断会存在潜在偏见。
”

原形四：人工智能目前还不能帮助年夜夫诊症

延续《危险边缘》节目中人工智能沃森的大热，IBM紧接着研发了人工智能年夜夫。
之后经由六年，又投入了100亿美元，研发了一款专门用于治疗癌症的沃森肿瘤办理方案。

而这款软件却没有预想中前辈，须要年夜夫手动输入患者数据。
不仅如此，沃森只能供应美国标准的治疗方案。
根据年夜夫反响，对付那些繁芜的病例，沃森根本毫无帮助，并没有达到其流传宣传的能力。

谷歌工程师弗朗索瓦·肖莱说：“医学与现实天下息息相关，而现实天下是千姿万态的，你碰着的每一个病例，都与之前你碰着的病例间存在细微的差异。
因此，你必须根据每一个新病例来调度以前利用的诊疗方针。
如果你的诊疗方针一成不变，其实行程序也一成不变，那么它们就难以适用于新的病例。
”

末了沃森肿瘤办理方案只被环球50家医院购买。
2021年，IBM公司还遭受了剧烈的批评，沃森被迫全部下架。

原形五：人工智能并无感知能力，只有回答，没有表达

在人类的头脑中，意义是通过体验产生的：高下颌用力咬合、门牙穿透光滑的果皮、果汁渗出并顺着喉咙流下，各类体验定义了什么是苹果。
然而，对付打算机系统而言，苹果只是一系列与文本数据干系联的像素。

谷歌工程师弗朗索瓦·肖莱说：“我们可能认为深度学习模型能够理解图像的内容。
但实际上，深度学习模型只是将图像和文本联系起来的一种办法，与人类瞥见图片，并用措辞描述其内容的办法是完备不同的。
”

人工智能永久无法体会肾上腺素飙升或泪如泉涌的真正觉得，它不懂什么是害怕，不会起鸡皮疙瘩，对痛楚或快乐没有观点，无法欣赏抽象艺术，也没有曾被压抑的创伤。
因此，人工智能也没有什么须要表达。

人工智能模拟的，仅仅是人类思维的结果，而并非过程。

原形六：人们有时无法理解人工智能得出结论的过程——不透明的黑匣子

深度学习源于掌握论，掌握论是打算器学家从神经科学中得到启示，而形成的研究领域。
深度学习系统类似于一个巨大的相连的网络，借鉴了人类大脑中神经元的构造。
在这个仿制的神经元网络中有很多设置，能够加强或衰减不同链路之间的旗子暗记，直到终极旗子暗记能够解答人类的问题。

机器学习系统有着数以亿计的不同设置，十分繁芜，以至于连程序设计师自己也不知道，该用什么判断标准来检测系统。
以是他们想出了一个词汇来描述这种繁芜的设置：黑匣子。

美国杜克大学打算机科学研究员辛西娅·鲁丁说：“黑匣子机器学习模型，是一种预测模型。
它要么繁芜到人类无法理解，要么属于私有，也便是说，我们根本无法一窥个中的奥秘，也无法理解它们运算的办法。
以是，我们不能用黑匣子模型来做出高风险决策。
实际上，要做出更好的决策，我们的确须要理解这些预测模型的事情事理。
”

原形七：“这是机器的决定”这种说法，有时是一些人躲避任务的办法

如今，一些人工智能交互界面在不断被推广，比如银行人工智能客服、电讯公司人工智能客服。
在这些友好智能交互界面背后，是一些数据处理协议框架，当中，有一些并不透明的决策系统，实在正在日益被推广。

非政府组织算法不雅观察成员马蒂亚斯·斯皮尔坎普说：“我们可以看到，一些公司乐于推脱任务，他们会说，‘我们用繁芜的机器系统帮忙事情’、‘是算法出了错，与我们无关’。
这种辩白或借口完备让人无法接管。
”

谷歌前研究员梅雷迪斯·惠特克说：“如果你想躲避任务，并且希望做出困难决定后不会被深究任务，那么就推给机器，这是很多人的一个选择。
”

原形八：全天下还没有一台完备自动化的无人驾驶汽车

作为人工智能的代表技能，无人驾驶汽车揭示了人们对全自动化做事的抱负。
人们希望人工智能可以随时帮人们做出驾驶决策，既担保安全驾驶，又节省下人们的韶光。

但这个已经投入了超过800亿美元的家当，到目前为止，还没有一台可以完备自动、无人驾驶的汽车，人类驾驶员须要随时候命、准备参与。

谷歌工程师弗朗索瓦·肖莱说：“人们轻易就利用深度学习系统，然后以某种非常困难的事情为原本，例如驾驶，打造出一个并不可靠的原型。
但想要开拓这种原型系统、使其足够可靠、并且在实际运用中足够高效，是相称困难的，能够上路都相称不随意马虎。
”

原形九：为人工智能系统纠正、补漏的事情，正成为一种环球新经济

过去十年里，像无人汽车幕后驾驶员这类，环绕人工智能进行的人为赞助事情，催生了一种环球新经济。
现在，全天下有数十万工人，正卖力为机器体例演习数据，并监督、纠正机器的反应，或者直接取代机器进行人为操作，而他们的收入并不高。

2005年，环球科技巨子亚马逊公司创始人杰夫·贝索斯宣告，推出亚马逊土耳其机器人，他当时坦率地承认，这是“人工的人工智能”，或可以称之为假人工智能。
其背后须要人类付出劳动，手动掌握，从而来实现算法运作。

亚马逊土耳其机器人是一个求职平台，采取了被广泛运用的自动化决策系统，但它却陷入了一个悖论，由于这套人工智能系统，根本做不到完备自主，须要人在幕后协同操作。
土耳其机器人这个名称源于18世纪一台假的自动下棋机，机器的底座里，实在有一位人类棋手正藏在里面。