Ist allgemeine künstliche Intelligenz möglich?
Die erste Verwendung des Begriffs künstliche Intelligenz ist das, was genauer als „künstliche Intelligenz im engeren Sinne“ bezeichnet werden sollte. Es handelt sich um eine leistungsstarke Technik, die aber auch ziemlich einfach und unkompliziert ist: Man nimmt eine Reihe von Daten über die Vergangenheit, analysiert sie mit einem Computer und findet Muster und nutzt diese Analyse dann, um Vorhersagen über die Zukunft zu treffen. Diese Art künstlicher Intelligenz greift mehrmals täglich in unser aller Leben ein, da sie Spam aus unseren E-Mails herausfiltert und uns Verkehrswege liefert. Da es jedoch anhand vergangener Daten trainiert wird, funktioniert es nur, wenn die Zukunft der Vergangenheit ähnelt. Deshalb erkennt es Katzen und spielt Schach, weil sie sich auf elementarer Ebene nicht von Tag zu Tag verändern.
Eine andere Art, den Begriff künstliche Intelligenz zu verwenden, besteht darin, das zu beschreiben, was wir allgemeine KI (oder künstliche allgemeine Intelligenz, AGI) nennen. Außer in der Science-Fiction existiert es nicht und niemand weiß, wie man es macht. Allgemeine künstliche Intelligenz ist ein Computerprogramm, das intellektuell genauso vielseitig ist wie der Mensch. Es kann sich völlig neue Dinge beibringen, die ihm noch nie zuvor beigebracht wurden.
Der Unterschied zwischen enger künstlicher Intelligenz und allgemeiner künstlicher Intelligenz
In Filmen sind allgemeine künstliche Intelligenz Daten in „Star Trek“, C-3PO in „Star Wars“ und die Klone in „Blade Runner“. Während es intuitiv scheinen mag, dass enge KI und allgemeine KI dasselbe sind, nur dass sie weniger anspruchsvoll und komplex zu implementieren sind, ist dies nicht der Fall. Allgemeine künstliche Intelligenz ist etwas anderes. Beispielsweise ist die Erkennung von Spam rechnerisch nicht gleichbedeutend mit echter Kreativität, während dies bei allgemeiner KI der Fall ist.
Der Autor moderierte einmal einen Podcast über künstliche Intelligenz mit dem Titel „Voices in AI“. Das ist eine interessante Sache, denn die meisten der großartigen Praktiker dieser Wissenschaft sind in diesem Podcast zugänglich und bereit, im Podcast mitzumachen. Am Ende habe ich eine Galerie mit über hundert großartigen KI-Vordenkern erstellt, die ausführlich über dieses Thema sprechen. Es gibt zwei Fragen, die ich den meisten Gästen stelle. Die erste Frage lautete: „Ist allgemeine künstliche Intelligenz möglich?“ Fast alle – mit vier Ausnahmen – sagten „Ja, das ist möglich.“ Dann würde ich sie fragen, wann wir es bauen können. Die Antworten reichen von nur 5 Jahren bis zu 500 Jahren.
Warum ist die Lücke so groß?
Warum sagen fast alle meiner Gäste, dass allgemeine künstliche Intelligenz möglich ist, geben aber dennoch so viele Insider-Schätzungen ab, wann wir sie erreichen könnten? Die Antwort geht auf eine Aussage zurück, die ich zuvor gemacht habe. Wir wissen nicht, wie man allgemeine Intelligenz aufbaut, daher sind Ihre Vermutungen im Großen und Ganzen die gleichen wie die aller anderen (nutzlos).
„Aber warte!“ könnte man sagen. „Wenn wir nicht wissen, wie man es schafft, warum sind sich Experten dann so überwiegend einig, dass es möglich ist?“ Ich stelle ihnen diese Frage und bekomme normalerweise eine Variation derselben Antwort. Ihre Zuversicht, dass wir eine wirklich intelligente Maschine bauen werden, basiert auf einer Grundüberzeugung: Menschen sind intelligente Maschinen. Sie argumentierten, dass es möglich sein müsse, Maschinen mit allgemeiner Intelligenz zu bauen, weil wir Maschinen seien und über allgemeine Intelligenz verfügten.
Mensch vs. Maschine
Eines ist sicher: Wenn Menschen Maschinen sind, dann haben diese Experten Recht. Allgemeine Intelligenz ist nicht nur möglich, sie ist unvermeidlich. Wenn sich jedoch herausstellt, dass Menschen mehr als nur Maschinen sind, gibt es möglicherweise einige Aspekte von Menschen, die sich möglicherweise nicht in Silizium nachbilden lassen.
Interessant ist die Diskrepanz zwischen diesen über 100 KI-Experten und allen anderen. Wenn ich vor einem allgemeinen Publikum über dieses Thema spreche und sie frage, wer sich für eine Maschine hält, heben etwa 15 % der Menschen die Hand, was weit weniger ist als die 96 % der Experten für künstliche Intelligenz.
Wenn ich in meinen Podcasts diese Annahme über die Natur der menschlichen Intelligenz widerlege, beschuldigen mich meine Gäste meist – natürlich höflich –, ich würde einer Art magischen Denkens frönen, das im Kern antiwissenschaftlich ist. „Was sind wir, wenn nicht biologische Maschinen?“
Das ist eine berechtigte und wichtige Frage. Wir wissen, dass es im Universum nur eines gibt, das universell intelligent ist, und das sind wir. Wie kommt es, dass wir solch mächtige kreative Superkräfte haben? Wir wissen es wirklich nicht.
INTELLIGENZ IST EINE SUPERKRAFT
Versuchen Sie, sich an die Farbe Ihres ersten Fahrrads oder den Namen Ihres Erstklässlers zu erinnern. Vielleicht haben Sie seit Jahren nicht mehr über diese Dinge nachgedacht, aber Ihr Gehirn hat wahrscheinlich keine Probleme damit, sie abzurufen, was umso wichtiger ist, wenn Sie bedenken, dass die „Daten“ nicht wie auf einer Festplatte in Ihrem Gehirn gespeichert sind beeindruckend. Tatsächlich weiß keiner von uns, wie es gespeichert wird. Möglicherweise entdecken wir, dass jedes der hundert Milliarden Neuronen in Ihrem Gehirn so komplex ist wie unsere fortschrittlichsten Supercomputer.
Aber das ist erst der Anfang der Geheimnisse unserer Intelligenz. Von da an wird alles schwieriger. Es stellt sich heraus, dass wir über eine sogenannte Denkfähigkeit verfügen, die vom Gehirn selbst getrennt ist. Die Fähigkeit zu denken ist alles, was die drei Pfund Schleim in deinem Kopf tun können, was er nicht tun sollte, wie zum Beispiel Sinn für Humor haben oder sich verlieben. Ihr Herz tut das nicht und Ihre Leber auch nicht. Aber irgendwie hast du es geschafft.
Wir sind uns nicht einmal sicher, ob Gedanken ausschließlich ein Produkt des Gehirns sind. Mehr als ein oder zwei Menschen werden ohne bis zu 95 Prozent ihres Gehirns geboren, verfügen aber immer noch über eine normale Intelligenz und erfahren oft erst von ihrem Zustand, wenn sie sich später diagnostischen Tests unterziehen. Darüber hinaus scheint es, dass ein Großteil unserer Intelligenz nicht im Gehirn gespeichert ist, sondern in unserem Körper verteilt ist.
Allgemeine künstliche Intelligenz: Die zusätzliche Komplexität des Bewusstseins
Auch wenn wir das Gehirn oder den Geist nicht verstehen, wird es von da an tatsächlich schwieriger: Allgemeine Intelligenz erfordert höchstwahrscheinlich Bewusstsein. Bewusstsein ist Ihre Erfahrung der Welt. Ein Thermometer kann die Temperatur genau anzeigen, aber keine Wärme spüren. Diese Unterscheidung, der Unterschied zwischen dem, was bekannt ist, und dem, was erlebt wird, ist Bewusstsein, und es gibt wenig Grund zu der Annahme, dass ein Computer die Welt besser erleben kann als ein Stuhl.
Unser Gehirn verstehen wir also nicht, unsere Gedanken können wir nicht erklären, und was das Bewusstsein betrifft, haben wir nicht einmal eine gute Theorie darüber, wie bloße Materie Erfahrungen machen kann. Dennoch sind diejenigen in der künstlichen Intelligenz, die an allgemeine künstliche Intelligenz glauben, davon überzeugt, dass wir alle menschlichen Fähigkeiten in Computern nachbilden können. Das klingt für mich nach einem Argument, das zu fantastischem Denken einlädt.
Ich sage das nicht, um die Überzeugungen anderer herabzusetzen oder herabzusetzen. Sie haben wahrscheinlich Recht. Ich betrachte die Idee der allgemeinen künstlichen Intelligenz lediglich als unbewiesene Hypothese und nicht als offensichtliche wissenschaftliche Wahrheit. Der Wunsch, ein solches Geschöpf zu erschaffen und es dann zu kontrollieren, ist ein uralter Traum der Menschheit. In der Neuzeit reicht es Jahrhunderte zurück, vielleicht begann es mit Mary Shelleys „Frankenstein“ und manifestierte sich dann in mehr als tausend späteren Geschichten. Aber eigentlich geht es viel früher. Wir haben uns das bereits vorgestellt, als wir Worte geschrieben haben, wie zum Beispiel die Geschichte von Talos – einem Roboter, der vom griechischen Technologiegott Hephaistos erschaffen wurde, um die Insel Kreta zu bewachen.
Irgendwo tief in uns gibt es den Wunsch, ein solches Geschöpf zu erschaffen und über seine unglaubliche Kraft zu verfügen, aber bisher gibt es nichts, was in Betracht gezogen werden sollte, dass wir es tatsächlich schaffen werden.
Das obige ist der detaillierte Inhalt vonIst allgemeine künstliche Intelligenz möglich?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

Laut Nachrichten dieser Website vom 1. August hat SK Hynix heute (1. August) einen Blogbeitrag veröffentlicht, in dem es ankündigt, dass es am Global Semiconductor Memory Summit FMS2024 teilnehmen wird, der vom 6. bis 8. August in Santa Clara, Kalifornien, USA, stattfindet viele neue Technologien Generation Produkt. Einführung des Future Memory and Storage Summit (FutureMemoryandStorage), früher Flash Memory Summit (FlashMemorySummit), hauptsächlich für NAND-Anbieter, im Zusammenhang mit der zunehmenden Aufmerksamkeit für die Technologie der künstlichen Intelligenz wurde dieses Jahr in Future Memory and Storage Summit (FutureMemoryandStorage) umbenannt Laden Sie DRAM- und Speicheranbieter und viele weitere Akteure ein. Neues Produkt SK Hynix wurde letztes Jahr auf den Markt gebracht
