


Drei Stufen der künstlichen Intelligenz: Warum Wissenschaftler ihre Kräfte bündeln, um KI-Technologie einzuschränken, die zum Aussterben der Menschheit führen könnte
Experten, darunter die Leiter von OpenAI und Google Deepmind, warnen davor, dass künstliche Intelligenz zum Aussterben der Menschheit führen könnte, aber wie können Maschinen Menschen ersetzen?
Seit seiner Einführung im November 2022 hat sich ChatGPT – ein Chatbot, der künstliche Intelligenz nutzt, um Fragen zu beantworten oder Text oder sogar Code basierend auf den Bedürfnissen des Benutzers zu generieren – zur am schnellsten wachsenden Internetanwendung in der Geschichte entwickelt.
In nur zwei Monaten wurden 100 Millionen aktive Nutzer erreicht. Nach Angaben des Technologieüberwachungsunternehmens Sensor Town hat Instagram ganze zweieinhalb Jahre gebraucht, um diesen Meilenstein zu erreichen.
ChatGPT, entwickelt von OpenAI mit finanzieller Unterstützung von Microsoft, erfreut sich großer Beliebtheit und löst heftige Spekulationen über die Auswirkungen künstlicher Intelligenz auf die Zukunft der Menschheit aus.
Dutzende Experten unterstützten eine auf der Seite des AI Safety Center veröffentlichte Erklärung, in der es heißt: „Die Eindämmung des durch KI verursachten Aussterberisikos sollte neben anderen gesellschaftlichen Risiken wie Epidemien und Atomkrieg zu einer globalen Priorität werden.“
Aber einige Leute sagen, dass diese Sorge übertrieben ist.
Menschen nachahmen
Die von künstlicher Intelligenz wie ChatGPT, DALL-E, Bard und AlphaCode erzeugten Texte (von Prosa, Gedichten und Witzen bis hin zu Computercode) und Bilder (wie Diagramme, Fotos und Grafiken) sind nahezu identisch und nicht unterscheidbar aus der eigenen Arbeit des Menschen.Studenten schreiben damit Hausaufgaben, Politiker schreiben damit Reden. Der demokratische Abgeordnete Jack Auchincloss stellte die Ressource im US-Kongress vor.
Der Technologieriese IBM hat angekündigt, die Rekrutierung von 7.800 Stellen einzustellen, die mit künstlicher Intelligenz bewältigt werden können.
Wenn Sie all diese Veränderungen überfordern, machen Sie sich bereit:
Wir befinden uns erst in der ersten Phase der künstlichen Intelligenz, und es stehen noch zwei weitere Phasen an, von denen einige Wissenschaftler befürchten, dass sie das Überleben der Menschheit gefährden könnten.
1. Künstliche enge Intelligenz
Eine schwache KI, auch bekannt als eingeschränkte Domänen-KI, konzentriert sich auf eine einzelne Aufgabe und führt sich wiederholende Arbeiten über eine Reihe von Funktionen hinweg aus.Es lernt normalerweise aus großen Datenmengen, beispielsweise aus dem Internet, aber nur in dem spezifischen Bereich, für dessen Lernen es programmiert wurde.
Ein Beispiel ist ein Schachprogramm, das den Weltmeister schlagen kann, aber andere Aufgaben nicht ausführen kann.
Viel komplexere Systeme wie selbstfahrende Autos und ChatGPT fallen immer noch in die Kategorie der schwachen künstlichen Intelligenz. Sie können nicht außerhalb der Grenzen ihrer zugewiesenen Rolle agieren und daher keine Entscheidungen selbst treffen.
Aber einige Experten glauben, dass Systeme, die mit automatischen Lernfunktionen wie ChatGPT oder AutoGPT programmiert sind, in die nächste Entwicklungsstufe eintreten könnten.
2. Künstliche allgemeine Intelligenz
Künstliche allgemeine Intelligenz wird Einzug halten, wenn Maschinen in der Lage sind, alle intellektuellen Aufgaben zu erfüllen, die Menschen erledigen können.Es wird auch „Starke Künstliche Intelligenz“ genannt.
6 Monate Sperre
Im März 2023 forderten mehr als 1.000 technische Experten, dass „alle Labore für künstliche Intelligenz die Ausbildung von Systemen für künstliche Intelligenz, die leistungsfähiger als GPT-4 sind, sofort für mindestens 6 Monate aussetzen“, GPT-4 ist die neueste Version von ChatGPT.
In dem vom gemeinnützigen Future of Life Institute veröffentlichten Brief sagen Experten, dass, wenn Unternehmen sich weigern, ihre Projekte schnell zu stoppen, „die Regierung eingreifen und ein Moratorium verhängen sollte“, damit Sicherheitsmaßnahmen entworfen und umgesetzt werden können.
„Klug und dumm“
Der Brief wurde von Carissa Veliz vom Institut für Ethik der Künstlichen Intelligenz an der Universität Oxford unterzeichnet. Sie weigerte sich zu unterschreiben, weil sie der Meinung war, dass die vom Center for Artificial Intelligence Safety schließlich herausgegebene Warnerklärung zu extrem sei.
„Die Art von KI, die wir derzeit entwickeln, ist sowohl intelligent als auch dumm“, sagte sie zu Andrew Webb. „Wenn jemand ChatGPT oder eine andere KI ausprobiert hat, wird er feststellen, dass sie sehr erhebliche Einschränkungen haben.“
Veliz sagte, sie sei besorgt, dass künstliche Intelligenz in extrem hohem Maße Fehlinformationen hervorbringen werde.Während die US-Präsidentschaftswahl 2024 näher rückt, mache ich mir zunehmend Sorgen darüber, dass wichtige Plattformen wie Twitter und andere große Plattformen ihre Teams für KI-Ethik und -Sicherheit entlassen haben.
Der US-Kongress hat den CEO von OpenAI, Sam Altman, vorgeladen, um Fragen zu ChatGPT zu beantworten.
Bei einer Anhörung im Senat sagte Altman, es sei „sehr wichtig“ für die staatliche Regulierung seiner Branche im Zuge der Entwicklung der künstlichen Intelligenz.
Gutierrez, ein Politikforscher am Future of Life Institute, erklärte Reportern, dass eine der großen Herausforderungen der künstlichen Intelligenz darin besteht, dass „es kein gemeinsames Expertengremium gibt, das über die Regulierung entscheidet, wie das Zwischenstaatliche Gremium für Klima“. „Change“-Komitee so.“
Damit sind wir bei der dritten und letzten Stufe der künstlichen Intelligenz angelangt.
Diese Theorie besagt, dass wir, sobald wir die zweite Stufe erreicht haben, bald in die letzte Stufe eintreten werden, die „Super-Künstliche Intelligenz“. Dies geschieht, wenn künstliche Intelligenz die menschliche Intelligenz übertrifft.
Bostrom, ein Philosoph und Experte für künstliche Intelligenz an der Universität Oxford, definiert Superintelligenz als „Intelligenz, die die besten menschlichen Gehirne in fast allen Bereichen, einschließlich wissenschaftlicher Kreativität, allgemeiner Intelligenz und sozialen Fähigkeiten, bei weitem übertrifft.“
„Menschen müssen lange lernen, um Ingenieure, Krankenschwestern oder Anwälte zu werden. Die Schwierigkeit bei allgemeiner künstlicher Intelligenz besteht in ihrer Fähigkeit, sich in Situationen kontinuierlich zu verbessern“, erklärte Gutierrez. ”.
Dieses Konzept erinnert an die Handlung des Films „Terminator“, in dem Maschinen einen Atomkrieg beginnen, der die Menschheit zerstört.
Der Informatiker der Princeton University, Narayanan, sagte zuvor gegenüber Reportern, dass Science-Fiction-Katastrophenszenarien unrealistisch seien: „Die derzeitige künstliche Intelligenz reicht bei weitem nicht aus, um diese Risiken Wirklichkeit werden zu lassen. Letztendlich lenkt sie die Menschen von künstlicher Intelligenz ab und schadet der Aufmerksamkeit kurzfristig.“
Obwohl es viele Debatten darüber gibt, ob Maschinen tatsächlich die Art von umfassender Intelligenz erreichen können, die Menschen besitzen, insbesondere im Hinblick auf emotionale Intelligenz, ist dies eine der größten Ängste derjenigen, die glauben, wir stünden kurz davor, allgemeine künstliche Intelligenz zu erreichen Intelligenz.
Kürzlich warnte Jeffrey Hinton, der „Godfather of Artificial Intelligence“, dass wir uns diesem Meilenstein nähern könnten. Hinton ist ein Pionier darin, Maschinen beizubringen, aus Erfahrungen zu lernen.
„Ich glaube nicht, dass [Maschinen] im Moment schlauer sind als wir, wenn man bedenkt, dass er im Ruhestand ist und 75 Jahre alt ist, denke ich, dass sie es bald schaffen werden.“
In einer Erklärung gegenüber der New York Times, in der er seinen Abschied von Google ankündigte, sagte Hinton, dass er nun seine geleistete Arbeit bereue, weil er befürchte, dass „böse Schauspieler“ KI nutzen würden, um „schlechte Dinge“ zu tun.Er warnte davor, dass diese Maschinen am Ende „Unterziele wie ‚Ich brauche mehr Leistung‘ erzeugen“ könnten, was ein „existentielles Risiko“ darstellen würde.
Obwohl Hinton anerkennt, dass künstliche Intelligenz Risiken birgt, glaubt er, dass ihre Vorteile kurzfristig die Risiken überwiegen, und ist daher der Ansicht, dass wir die Entwicklung dieser Technologie nicht einstellen sollten. “, sagte er.
Aussterben oder Unsterblichkeit
Der britische Physiker Stephen Hawking hat eine eindringliche Warnung ausgesprochen.
„Die volle Entwicklung der künstlichen Intelligenz könnte das Ende der Menschheit bedeuten“, sagte er 2014, vier Jahre vor seinem Tod, gegenüber Reportern.
Maschinen mit diesem Intelligenzniveau „werden sich von selbst weiterentwickeln und sich immer schneller neu gestalten“, sagte er.
Nanoroboter und Unsterblichkeit
Der futuristische Erfinder und Autor Kurzweil ist einer der größten Enthusiasten der künstlichen Intelligenz. Er ist Forscher für künstliche Intelligenz bei Google und Mitbegründer der Singularity University im Silicon Valley.
Kurzweil glaubt, dass Menschen mithilfe superintelligenter künstlicher Intelligenz biologische Hindernisse überwinden können.
Im Jahr 2015 prognostizierte er, dass der Mensch bis 2030 Unsterblichkeit erlangen wird, weil Nanobots (sehr kleine Roboter) in unserem Körper arbeiten und Schäden oder Krankheiten reparieren und heilen können.
Management künstlicher Intelligenz
Gutierrez stimmt zu, dass der Schlüssel in der Schaffung eines KI-Governancesystems liegt.
„Stellen Sie sich eine Zukunft vor, in der ein Wesen über so viele Informationen über jeden Menschen auf dem Planeten und seine Gewohnheiten verfügt (aufgrund von Internetrecherchen), dass es uns auf eine Weise kontrollieren kann, die uns nicht bewusst ist“, sagte er.
„Das Worst-Case-Szenario ist kein Krieg zwischen Menschen und Robotern. Wir teilen diesen Planeten mit einem Wesen, das schlauer ist als wir, und leider merken wir nicht, dass wir manipuliert werden
.“Das obige ist der detaillierte Inhalt vonDrei Stufen der künstlichen Intelligenz: Warum Wissenschaftler ihre Kräfte bündeln, um KI-Technologie einzuschränken, die zum Aussterben der Menschheit führen könnte. 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

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

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

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

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

In der Welt der Front-End-Entwicklung ist VSCode mit seinen leistungsstarken Funktionen und seinem umfangreichen Plug-in-Ökosystem für unzählige Entwickler zum Werkzeug der Wahl geworden. In den letzten Jahren sind mit der rasanten Entwicklung der Technologie der künstlichen Intelligenz KI-Code-Assistenten auf VSCode entstanden, die die Codierungseffizienz der Entwickler erheblich verbessert haben. KI-Code-Assistenten auf VSCode sind wie Pilze nach einem Regen aus dem Boden geschossen und haben die Codierungseffizienz der Entwickler erheblich verbessert. Es nutzt Technologie der künstlichen Intelligenz, um Code intelligent zu analysieren und eine präzise Code-Vervollständigung, automatische Fehlerkorrektur, Grammatikprüfung und andere Funktionen bereitzustellen, wodurch Entwicklerfehler und mühsame manuelle Arbeit während des Codierungsprozesses erheblich reduziert werden. Heute werde ich 12 KI-Code-Assistenten für die Frontend-Entwicklung von VSCode empfehlen, die Sie bei Ihrer Programmierreise unterstützen.
