datasheet

人工智能的最大未解之谜是什么?

2017-11-15来源: Quora 关键字:人工智能  机器学习

 


  每天我们都在报道人工智能又解决了哪些问题,今天我们做一次逆向思考,人工智能尚未解决的问题有哪些?


  想要理解AI欠缺什么,最好的办法是描述一个需要将各种人类习以为常的认知能力结合在一起的场景。当代的人工智能和机器学习方法可以处理需要单一能力的问题(当然,处理效果各不相同),但整合这些能力却仍然是一个遥不可及的目标。


  想象一下你和你的朋友刚买了一个复杂的新棋类游戏,有一块精致的板子和各种各样的棋子、卡片以及复杂的规则。还没有人知道怎么玩它,所以你们拿出说明书。读完之后你们开始玩起来。有些人可能会犯一些错误,但几轮下来,每个人都学会了游戏规则,至少可以尝试赢得比赛。


  在学习这个游戏的过程中发生了什么?


  1.语言解析:读游戏规则的玩家必须将符号转换成口语。听游戏规则的玩家必须分析口语。


  2.模式识别:玩家必须把所朗读的单词和游戏中的物体连接起来。「十二面骰子」和「红方士兵」必须基于语言线索被识别出来。如果该说明书有插图,那么它们必须与现实中的物体相匹配。在游戏中,玩家必须识别出旗子和卡片的错综组合,以及事件发生的关键序列。优秀的玩家还会学习去识别其他玩家的游戏模式,从而有效建立起有关他人心理状态的模型。


  3.运动控制:玩家必须能够将棋子和卡片移动到棋盘上的正确位置。


  4.规则遵守与规则推断:玩家必须理解规则并检查规则是否得到了正确的应用。在掌握了基本的规则之后,优秀的玩家还应该能够发现更高级别的规则或有助于他们取得胜利的倾向。这种推论能力与塑造他人思维模型的能力密切相关。(这在心理学中被称为心智理论,theoryofmind)。


  5.社交礼仪:玩家之间是朋友伙伴的关系,即使有些玩家犯了错误或扰乱了游戏进程,也应当友好相处。(当然,我们知道这并不总会发生。)


  6.处理干扰:如果门铃响了,外卖到了,玩家们必须能够从比赛中抽身,与送货人打交道,然后再投入到比赛中,回忆起游戏的进展,譬如轮到谁了。


  在所有这些子问题中,AI至少取得了一些进展。但目前这一轮人工智能/机器学习领域的爆发主要还是模式识别技术进步的成果。


  在当前的某些特定领域,人工智能的模式识别水平已经优于人类。但也有各种各样识别失败的情况发生。人工智能方法识别物体和序列的能力还不如人类模式识别那样鲁棒。


  人类有能力创造出各类不变性表示。例如,即使视角不同、存在遮挡物、光照条件变幻莫测,人类仍然能够识别出特定的视觉模式(译者注:比如可以在黑暗里凭借眼睛认出一只猫,看到被建筑物遮挡到只剩一个尾灯的车,仍然能自动识别出车在建筑物后的位置)。我们的听觉模式识别技能或许更加出彩,能够在噪音干扰以及速度、音高、音色和节奏的起伏中识别出乐句。


  毫无疑问,人工智能将在这一领域取得稳步进展,但我们不知道随着单个领域识别能力的不断进步,将已习得的表示在新环境中泛化(generalize)的能力是否也会随之提高。


  现有的人工智能游戏玩家都无法解析这样一句话:「这个游戏就像太空版的《卡坦岛》(ThisgameislikeSettlersofCatan,butinSpace)」。语言解析可能是人工智能最为棘手的部分。人类可以使用语言获取新信息和新技能,部分原因是我们拥有关于世界的丰富的背景知识。此外,我们可以利用上下文来十分灵活地运用这些背景知识,因此我们可以辨别出内容之间相关与否。


  对旧知识的泛化和重用隶属于一个更为广泛的能力:多技能整合。可能我们目前的方法还达不到生物智能那样轻易实现大规模能力集成。


  一个常见的能力集成方面的挑战是符号接地问题(symbolgroundingproblem)。即符号系统(例如数学符号或语言中的词)如何与感知现象——视觉、声音、纹理等相连接。


  粗略地说,人工智能方法分为两类:符号化(symbolic)和亚符号化(sub-symbolic)。符号化方法被用于「经典的」或「传统的」人工智能。它们非常适用于基于规则的确定性场景,比如下棋(但通常我们必须预先编码好规则)。如果人类提前做了符号接地(symbol-grounding),符号处理过程就会很轻松。如果让人工智能直接处理「原始」输入信息,比如光、声音、纹理和压力这些数据,效果就没那么好了。


  在另一个极端,我们有亚符号方法,如神经网络(深度学习网络是其中的一种)。这些方法接收原始输入信息的数字化版本——像素、声音文件等作为输入。亚符号方法适用于许多形式的模式识别和分类问题,但是我们仍然没有可以从类别标签转换到基于规则进行操纵的符号系统的可靠方法。


  所以综上所述,想要了解人工智能问题的范畴,首先要了解智力本身——它远比模式识别复杂得多。我们需要能够建立起模式与符号表示系统之间的双向连接,使语言的和基于规则的思维能够整合在一个具身代理中,与现实世界进行实时的交互。


关键字:人工智能  机器学习

编辑:鲁迪 引用地址:http://www.eeworld.com.cn/afdz/article_2017111511295.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:人工智能助力图像技术发展 安防行业如虎添翼
下一篇:云边融合是视频技术智能应用的发展趋势

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

哈曼公司高管预测:2019年汽车技术发展4大趋势

2018年是未来移动出行发展的关键一年,随着各种新兴技术的出现、不断变化消费者习惯的不断变化以及超级网联技术的发展,汽车行业正以前所未有的速度发生改变。据外媒报道,哈曼公司(HARMAN)主要关注2019年车载体验会如何发展。随着2019年国际消费电子展(CES)的临近,哈曼公司对人工智能(AI)、智能音频、语音控制系统等将在CES展上展示的技术如何塑造2019年及未来的车载用户体验发表了以下看法:AI驱动的车辆未来可期,而且会更加安全通过AI获取信息和情报,将使驾驶员安全功能发生重大改变。哈曼公司首席技术官兼网联服务总裁Sanjay Dhawan表示,这将改进用于物体识别、学习和预测人类行为以及理解驾驶员警觉性的感知系统
发表于 2018-12-25
哈曼公司高管预测:2019年汽车技术发展4大趋势

人工智能电视首次有了行业规范:海信AI电视唯一摘得六项A+

随着人工智能电视认证技术规范的正式发布和实施,以及海信电视一马当先摘得行业唯一的六项A+认证,这意味着持续三多年的人工智能电视市场无序发展的局面得到规范,同时还为AI电视未来健康发展拓展出新的空间和动能。日前,中国电子技术标准化研究院正式发布《人工智能电视认证技术规范》,首次对人工智能电视做出准确定义和明确技术规范。在人工智能电视领域研发和创新上,行业领军企业海信一直走在行业前列,此次不仅作为标准的积极推动者和主要参与者,AI产品更是在最新发布的技术规范行业检测中拔得头筹,成为目前行业唯一获得六项A+的AI电视企业。在最新发布的人工智能电视技术规范标准中规定,获得人工智能电视认证的基础指标有“语音识别、模糊检索、智能推荐”等六项
发表于 2018-12-24
人工智能电视首次有了行业规范:海信AI电视唯一摘得六项A+

可在0.05秒被人工智能攻破 网站文本验证码存在“巨大安全漏洞”

由我国西北大学房鼎益、陈晓江教授团队联合北京大学、英国兰卡斯特大学研究发现,网站上看似复杂的文本验证码存在“巨大安全漏洞”,大多数可被人工智能破解。  这一成果发布于近期由国际计算机协会在加拿大举办的2018年计算机与通讯安全会议上,该会议是国际公认的计算机安全领域的顶级会议之一。  西北大学团队负责人房鼎益教授介绍,团队基于最新的人工智能技术,建立了一套新型验证码求解器。他们综合分析了全球最热门50个网站的文本验证码,包括公众熟知的谷歌、eBay、微软、维基百科、淘宝、百度、腾讯、京东等网站。实验证明,大部分文本验证码可在0.05秒内被人工智能攻破。  近10年来,验证码已成为大部分网站和应用程序必备的安全机制之一。虽然过程繁琐
发表于 2018-12-24

医疗人工智能:如何抓住四大机遇,应对四大挑战

人工智能(AI)正越来越多地应用于制药和医疗器械行业,它有望提高产品开发的效率,为延长患者生命提供创新的解决方案。然而,这一新兴领域将对现有监管系统提出挑战。因此,利益相关者必须通过合作,确保监管体系的顺利发展,以适应人工智能带来的变化。动脉网(微信:vcbeat)编译了PharmaLex的相关报告。本文主要内容包括:四大机遇:AI有望改善医疗产品的研发和生命周期管理1.使用AI工具评估临床试验的纳入/排除标准;2.在II期临床试验中使用人工智能识别临床活动;3.从非结构化文本中提取数据;4.自动化行政工作。四大挑战:人工智能深入临床面临着监管挑战1.如何验证不断“学习”的AI软件;2.如何评估从新的基于AI的临床端点发出的安全
发表于 2018-12-21
医疗人工智能:如何抓住四大机遇,应对四大挑战

AI实力大比拼,中国想要赶超美国,还差5条街

德国《明镜》周刊近期撰文称“中国是人工智能研究的世界领导者。”德国经济杂志《Heise》近期评论说“中国成为人工智能超级大国的道路是不可阻挡的。”荷兰爱思唯尔(Elsevier)最新分析报告称,在过去20年中,中国的研究人员发表了大约13.4万篇关于人工智能的研究论文,而美国发表的论文仅10.6万篇。对此,德国《商报》解读为自工业革命以来,西方国家首次失去全球重要技术的主导地位,中国已超越美国成为全球人工智能论文研究的世界领导者。在欧美的很多媒体看来,中国已经超越美国成为了人工智能领域的全球领导者。但事实上,在人工智能领域,中国真的超越美国了吗?从专利申请量角度来看。以中国专利文摘数据库(CNABS)和德温特世界专利索引数据库
发表于 2018-12-21
AI实力大比拼,中国想要赶超美国,还差5条街

2018人工智能技术总结与2019趋势预测报告

2018,仍是AI领域激动人心的一年。这一年成为NLP研究的分水岭,各种突破接连不断;CV领域同样精彩纷呈,与四年前相比GAN生成的假脸逼真到让人不敢相信;新工具、新框架的出现,也让这个领域的明天特别让人期待……近日,Analytics Vidhya发布了一份2018人工智能技术总结与2019趋势预测报告,原文作者PRANAV DAR。量子位在保留这个报告架构的基础上,对内容进行了重新编辑和补充。这份报告总结和梳理了全年主要AI技术领域的重大进展,同时也给出了相关的资源地址,以便大家更好的使用、查询。报告共涉及了五个主要部分:自然语言处理(NLP)计算机视觉工具和库强化学习AI道德下面,我们就逐一来盘点和展望,嘿喂狗~自然语言处理
发表于 2018-12-21

小广播

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: 视频监控 智能卡 防盗报警 智能管理 处理器 传感器 其他技术 综合资讯 安防论坛

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2018 EEWORLD.com.cn, Inc. All rights reserved
pt type="text/javascript" src="//v3.jiathis.com/code/jia.js?uid=2113614" charset="utf-8">