侵权投诉

搜索
更多>> 热门搜索:
订阅
纠错
加入自媒体

分析:机器智能梦 人类智商的重定义

2016-03-17 15:54
冷血の爱
关注

    从事机器智能研究15年了,心情从没有像今天如此复杂:既兴奋又忧伤。

  从AlphaGo说起:Have to win

  关于这场围棋大赛,先引用一段博士老板Alan Yuille教授(美国顶级机器智能科学家,霍金理论物理学博士)的判断:

  Go is a complex game but still it is finite so with enough computer power,and clever algorithm,the computers will have to win(if not this year,then next year)。(围棋是一套复杂但有内在逻辑和明确计算量的游戏,所以只要计算机遵循围棋的推演路径并拥有充裕的运算能力就必然能够赢得人类、取得胜利,AlphaGo的胜利对于计算机而言只不过是时间问题。)

  AlphaGo战胜人类,美国学术界早有准备

  伴随着摩尔定律的不断实现和几十年来人工智能的软硬件技术积累,人工智能其实已经悄然改变了我们生活中的许多方面,当我们还在感慨电影中各种AI的强大时,未来已经悄然而来,AlphaGo只是这场人工智能大浪潮中的一朵璀璨浪花。

  在过去的5年里,人工智能已经在语音识别、计算机视觉、语言理解、医疗健康等领域取得了巨大进展,并在某些领域里超过了人类,比如语音识别、人脸识别等等方面。

  以计算机视觉为例,人工智能已经发展出了突破肉眼精度的图像识别技术并已被广泛的应用于公安、金融、信息安全等领域,产生了巨大的价值。而这些进展之所以没有引起社会轰动,是因为社会中大部分非专业人员会通过直觉和自身感受而推论出机器识别“人脸”、识别“苹果”等图像信息是一件容易的任务,是一件不同年龄、不同教育背景、不同文化背景的人都能胜任的任务,在这其中体现不出人工智能的“智能”来。

  但站在人工智能发展的角度,从围棋和图像识别的复杂性和不确定型来说,图像的变化比棋盘的变化要大得多。

  围棋是有可遵循的逻辑、可衡量的计算量的游戏,对于人类大脑的难度在于庞大的计算量和对棋盘宏观形势的敏感度;而图像识别则会在信息抓取和逻辑分析层面呈现出更广泛意义上的随机性和不确定性。

  通过机器学习将图像中的信息进行分类解析、最终提取有价值的结构化数据是极难的科研课题,从学术界到工业界的转化耗费了几十年的时光。

  然而相比于计算机视觉、语言语音理解等其他的进步,AlphaGo的划时代意义在于它不仅仅缩短了机器与人的智能距离,还将颠覆人与人智商差异的感知。

  未来人与人的智商差距不再会是不可弥补的先天差距,而将成为一种可以通过工具而后天获取的能力,这带来的会是人类自我价值评估的一次大颠覆,智商对于人的意义将会在一定程度上有所下降。这就像从前算术不好的,现在用计算器就能补上;未来下棋不好的,可能只是加个AlphaGo就能补上。“智商”这个词的定义可能会被迫从形容人和动物差异,变成由人和机器的差异所定义。

  

1  2  下一页>  
声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号