焊接机器人 喷涂机器人 搬运机器人 装配机器人 切割机器人 其他机器人
当前位置:

OFweek机器人网

其它

正文

浅析人工智能AI究竟给世界带来怎样的影响

导读: 虽然我们很难准确预计什么时候人工智能可以完成从0到1的飞跃,但这种变化会发生是不用特别的怀疑的。那我们就不妨跳过发展细节来想象下如果GNR(尤其是人工智能)确实取得了突破,那我们的世界会变成什么样?

  这几年互联网巨头不约而同的在人工智能上加大投入,最近就连此前对此无动于衷的苹果也开始发力。虽然我们仍然不能精确预计究竟什么时候我们会迎来真的强人工智能,但商业巨头的竞赛至少在暗示着这个地方已经面临着一种用户可感知层面的突破。这篇文章不会探讨商业,而是来探讨下:一旦人工智能领域真的产生某种突破,那究竟会给我们的生活带来怎样的影响?

  从PC到机器人

  现在各种电子产品越来越多,笔记本、Pad、手机、手表等,这些产品从外观和功用来看无疑差异很大,但实际上它们的基本架构和原理却是相同的,一般来讲这种架构会被叫冯诺依曼结构。如果回溯这种结构的最初目的,那就会发现计算机还真是用来做计算的,虽然它现在可以用来干从炒股到订饭的一切事情,但在大概三十年前,它的主要存在目的就是用来做计算,相当于是大号的算盘。

  人的理性思维先天是有做算术的潜质的,所以丈量土地这样的实际需要一出现,各个文明几乎都会出现数字,这思维这部分功用的最大特征是容易规则化,容易规则化那就意味着比较容易做量上的伸缩(比如计算速度),计算机最开始就承担了这个使命。

  虽然现在各种软件App五花八门,但基本上没摆脱最原始的设定,它始终做的是理性思维在量上的伸缩,只不过参数越来越多,人机交互的方式越来越形象可以并行,可以处理海量的数据,编写的语言越来越容易等。

  这类程序虽然偶尔也会有缺陷,但主要原因往往是“如果A条件满足,那么做B”这样的条件嵌套过多,再加上并行处理,导致其内部的分支变的极为庞大导致的。不管怎么样,这样的程序骨子里是可控的,主要是随着规模的增加其控制难度在增加。

  但机器人需要的完全不一样的程序,这种程序骨子里是不可控的,其结果其实是种概率,比如说你训练一个程序去识别图片里的猫,当这个程序碰到下一张具体的图片时,其实你没法控制它到底把它识别成什么,所以会有把黑人识别成大猩猩的情形出现。

  这里面很有意思的事情是,前一类程序的大发展为后一类有独立智能的程序的发展提供了充分的条件。没有大数据和云提供的高计算能力,深度学习这样的技术在语音、图像识别这样的领域就很难取得眼下这种显着进展。图像识别的技术在在特定领域比如国家领导人的形象识别甚至可以达到99%的准确率,这是在十几年前不可想象的。

  或许我们可以这么看,技术上也有从0到1,从1到100的过程。图灵、冯诺伊曼完成了把理性思维用计算机表现的从0到1的过程,接下来很多年里工程上人们创造了摩尔定律,迅速的把1推向了100。

  现在人工智能则还是在从0到1的过程之中,但这种过度要充分依赖于前一类技术从1到100所带来的结果。对于人工智能而言,眼下的关键是什么时候它才可能进入从1到100的快速发展通道,毕竟当前在NLP上这种进展还不是特别的大。

  单只深度学习似乎还不足以承载这种从0到1的变化,但有一定可以确定的是,人工智能上从1到100的过程要远快于前一种软件。

1  2  3  下一页>  
声明: 本文由入驻OFweek公众平台的作者撰写,除OFweek官方账号外,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。

我来说两句

(共0条评论,0人参与)

请输入评论

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

  • 机器人
  • 机器视觉
  • 伺服
  • 猎头职位
更多
文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码: