其他分享
首页 > 其他分享> > 人工智能的探索和边界

人工智能的探索和边界

作者:互联网

人工智能的探索和边界

  如今的人工智能已经进入到人们生活的方方面面,在医学,金融,教育,娱乐等领域逐渐深化应用。各种数字经济产业蓬勃发展,为人们的生活带来了很多便利。但同时一种担忧的声音也一直存在,即人工智能会否逐渐拥有自我意识,从而演化为一种新的“生物”可以脱离人类而生存繁衍。人工智能的发展边界与科学的探索精神之间展开了激烈的讨论,而对于人工智能的焦虑也伴随人工智能的逐渐升级而愈加激烈。

  从仿真机器人到全球首个可繁殖活体机器人,科幻电影里的场景逐渐从人们的想象到达现实。借助基因编辑这一手段,机器人也能做到自我复制和繁殖后代。那么机器人是否能拥有自主意识从而可以像人类一样拥有创新和稳定的繁殖能力,从而取代人类逐渐发展出新的人工智能,以及科学探索与信息安全和伦理道德边界,都是值得我们深思的问题。

一、      人工智能发展

  在过去,人们想要学习或计算都需要依靠人脑进行大量的工作,由于人脑学习的时效性以及计算错误的偶然性,通常人们还需要反复进行验算和大量的重复记忆学习。而对于大量的,繁琐的计算与学习,人们往往需要消耗大量无用的时间重复大量无用的机械劳动。而人工智能的出现,将人们从大量繁琐的劳动中释放出来,能更准确更快速地进行学习和计算。人工智能主要分为机器学习,数据挖掘以及知识表示,推理,自认语言处理,视觉感知等等。其中机器学习又根据是否有监督分为全监督学习,无监督学习以及半监督学习,根据是否应用了神经网络分为传统机器学习和神经网络的深度学习。 人工智能大致以如下过程发展。

  首先被提出的是有监督学习,从标签化训练数据集中推断出函数的机器学习任务训练数据由一组训练实例组成。在监督学习中,每一个例子都是一对由一个输入对象(通常是一个向量)和一个期望的输出值(也被称为监督信号)。有监督学习算法分析训练数据,并产生一个推断的功能,它可以用于映射新的例子。一个最佳的方案将允许该算法正确地在标签不可见的情况下确定类标签。被广泛应用于神经网络,朴素贝叶斯等算法中。在这一阶段,主要依赖于数据集的获取与构建,从而能简单模仿人类行为,如人脸识别等等。

  其次被提出的是无监督学习。由于缺乏有经验的数据集或数据集难以获取和构建,难以和有监督学习一样通过分析训练集来模拟人类行为。我们希望机器能帮助我们模拟训练,从庞大的样本集合中选出一些具有代表性的加以标注用于分类器的训练,先将所有样本自动分为不同的类别,再由人类对这些类别进行标注,以及在无类别信息情况下,寻找好的特征,根据未知的训练样本解决出现的问题。目前最常见的无监督学习方法是聚类分析。

  第三被提出的是强化学习,是智能体以“试错”的方式进行学习,通过与环境进行交互获得的奖赏指导行为,目标是使智能体获得最大的奖赏。由于外部环境提供的信息很少,故而智能体必须靠自身的经历进行学习,通过这种方式在行动-评价的环境中获得知识,改进行动方案以适应环境。进一步地,可以深入研究人脑在创作,意识,情感等方面的活动,模仿人类情感,进行艺术创作等。目前人工智能已经可以简单地完成一些艺术行为,但仍主要是对人类已有艺术作品的简单模仿。

  第四是人们对于人工智能的展望和期待,即希望机器可以拥有自我意识,能够自主繁衍,成为新的“生命体”,从合理地思考转变为像人一样思考,从合理地行动转变为像人一样行动。但同时这正是目前科学探索与强烈争论的矛盾点。在我看来,这并非是不可能的。例如来自美国佛蒙特大学、塔夫茨大学和哈佛大学的研究团队研发出的活体机器人“Xenobot”就已经可以初步实现自我繁殖。

二、      人工智能发展的展望与猜想

  关于智能体是否能拥有自我意识这个问题,自人工智能被提出以来就饱受争论。有人认为,随着科学技术的不断发展,智能体会和人类,或者其他生物体一样产生自主意识,能做出自主行为。最近的活体机器人“Xenobot”正是人工智能尝试向“生物体智能”方向迈进的成功尝试。无独有偶,在2017年,谷歌的AutoML项目已经初步完成通过智能体来帮助人类创建其他AI系统这一任务。结果是令人欣喜的,AutoML击败了人类,“子AI”NASNet具有比人工的智能体更强大的性能与更高的准确性。这些成功的尝试都意味着人工智能已经初步拥有自我繁殖,自我进化以及强大的学习能力。借助基因技术,构建“生物智能”,这或许会是人工智能迈向自主意识的一个大的跨越和进步。另外,对生物体的自组织系统的探索也是一个热议的话题。科赫指出,意识不是人类或生物体独有的,任何具有因果关系的物理系统都是有意识的。一个系统的数目越大,集成信息就越大,并且该系统越有意识。所以我们可以推知,当智能体高度集成,智能体拥有自主意识或许并不是梦想。

三、      人工智能与信息安全和伦理道德边界

  随着人工智能的发展,其伴随而生的安全问题是不容小觑的。针对文本图像等的攻击手段不断涌现,攻击范围不断扩大,包括对抗攻击,投毒攻击,后门攻击,伪造攻击等等。通过篡改训练数据,偷取智能体所用算法,攻击后门以及伪造音频等方式,例如AI换脸等,已经严重危险到了个人,企业甚至国家安全,这是我们必须重视的事情。另外,我们还必须认识到,人工智能的发展伴随着机遇,但同时挑战和危险并存。随着人工智能技术的成熟与进步,应对人工智能的信息安全与伦理道德边界问题刻不容缓。

  对于人工智能拥有自主意识的讨论也越来越激烈,如何确保人工智能在自我复制创造时不会“有意识”地隐瞒一部分不为人知的算法结构,逐渐脱离人们的掌控;以及对待“生物人工智能”时,如何确保它对不会成长为一种不可控的,自然界不存在的生物体等等都是非常尖锐且严峻的议题。虽然当地政府及实验室一再确保不会流出,但由于其他各种意外事件的发生,人们对这种人造“生物体”人工智能的担忧有增不减。同时,人工智能带来的社会问题也是无法忽略的,例如大量劳动力失业等。平衡人工智能与社会矛盾也是我们亟待解决的问题。

标签:边界,探索,人工智能,生物体,学习,智能,监督,人类
来源: https://www.cnblogs.com/kkkkkyyyyyyzzzzz/p/16388192.html