一般的な人工知能は可能ですか?
人工知能という用語が初めて使用されたのは、より正確には「狭い人工知能」と呼ぶべきものです。これは強力なテクノロジーですが、非常にシンプルかつ簡単でもあります。過去に関する大量のデータを取得し、コンピューターを使用してそれを分析してパターンを見つけ、その分析を使用して将来についての予測を行います。このタイプの人工知能は、電子メールからスパムをフィルタリングしてトラフィック ルートを提供するため、1 日に何度も私たちの生活に影響を与えます。ただし、過去のデータを使用してトレーニングされるため、未来が過去と類似している場合にのみ機能します。ネコを認識し、チェスをするのはそのためです。猫は毎日要素レベルで変化しないからです。
#人工知能という用語は、一般 AI (または汎用人工知能、AGI) と呼ばれるものを説明するために使用されるもう 1 つの方法です。 SF 以外にはそれは存在せず、作り方も誰も知りません。一般的な人工知能は、人間と同じくらい知的に多用途なコンピューター プログラムです。それは、これまで訓練されたことのないまったく新しいことを自分自身に教えることができます。
狭い人工知能と一般的な人工知能の違い
映画では、一般的な人工知能は、「スタートレック」のデータ、「スター・ウォーズ」のC-3PO、「ブレードウィングス」です。 『ヒットマン』に登場するクローン。直観的には、限定的な AI と一般的な AI は、実装が洗練されておらず複雑ではないだけで同じものであるように思えるかもしれませんが、そうではありません。一般的な人工知能は別物です。たとえば、スパムを識別することは、一般的な AI が真の創造性と同等であるのに対し、計算上は同等ではありません。
著者はかつて、「Voices in AI」という人工知能に関するポッドキャストを主催したことがあります。これは興味深いことです。なぜなら、この科学の偉大な実践者のほとんどがこのポッドキャストでアクセスでき、彼らも喜んでポッドキャストに出演するからです。そこで私は、100 名を超える AI の優れた思想家がこのトピックについて詳しく語るギャラリーを作ることになりました。私がほとんどのゲストに尋ねる質問が 2 つあります。最初の質問は「一般的な人工知能は可能ですか?」というもので、4 人を除いてほぼ全員が「はい、可能です」と答えました。それから私は彼らに、いつ建設できるか尋ねます。答えは、最短で 5 年から最長で 500 年まで多岐にわたります。
なぜギャップがこれほど大きいのでしょうか?
私のゲストのほぼ全員が、一般的な人工知能は可能だと言いながら、それがいつ実現するかについて、情報に基づいた広範な予測を提供するのはなぜでしょうか?答えは私が以前に述べた声明に戻ります。私たちは一般的な知性を構築する方法を知らないので、あなたの推測は他の人の推測とほぼ同じです(役に立たない)。
「でも、ちょっと待って!」とあなたは言うかもしれません。 「作り方がわからないのに、なぜ専門家はそれが可能であると圧倒的に同意するのでしょうか?」私も彼らにこの質問をしますが、たいていは同じ答えのバリエーションが得られます。私たちが真にインテリジェントなマシンを構築するという彼らの自信は、人間はインテリジェントなマシンであるという中心的な信念に基づいています。彼らは、私たちは機械であり一般的な知性を持っているので、一般的な知性を備えた機械を構築することは可能であるに違いないと推論しました。
人間と機械の比較
確かなことは、人間が機械であるならば、これらの専門家の意見が正しいということです。一般知性は可能であるだけでなく、避けられません。しかし、人間が単なる機械ではないことが判明した場合、人間のいくつかの側面はシリコンでは再現できない可能性があります。
興味深いのは、これら 100 人以上の AI 専門家と他の人々との間に断絶があることです。一般の聴衆にこのテーマについて話し、自分を機械だと思う人は誰かと尋ねると、手を挙げる人は約 15% で、人工知能の専門家の 96% よりもはるかに少ないです。
私のポッドキャストで、私が人間の知性の性質についてのそのような仮定に反対すると、ゲストはしばしば私を、もちろん礼儀正しく、魔術的思考に耽溺しているのは根本的に反科学的であると非難します。 「生物学的機械ではないとしたら、私たちは何でしょうか?」
これは当然の質問であり、重要な質問です。私たちは、宇宙で普遍的に知性を持っているのはただ 1 つだけであること、それが私たちであることを知っています。私たちはどうしてこのような強力な創造力を持っているのでしょうか?本当に分かりません。
知性はスーパーパワーです
初めて乗った自転車の色や、1年生の時の先生の名前を思い出してみてください。もしかしたら、あなたはこれらのことについて何年も考えたことがないかもしれませんが、あなたの脳はおそらく問題なくそれらを取得することができ、「データ」がハードドライブのように脳に保存されていないことを考えると、これはさらに重要です。印象的な。実際、それがどのように保管されているかは誰も知りません。私たちは、あなたの脳にある 1,000 億個のニューロンのそれぞれが、最先端のスーパーコンピューターと同じくらい複雑であることを発見するかもしれません。
しかし、これは私たちの知性の謎の始まりにすぎません。そこからすべてが複雑になり始めます。私たちには、脳そのものとは別に、思考能力と呼ばれるものがあることが分かりました。思考力は、頭の中にある3ポンドの粘液を使って、ユーモアのセンスを持ったり、恋に落ちたりするなど、本来はされていないことをすべて実行できます。心臓はそうではありませんし、肝臓も同様です。でもどういうわけか、あなたはそれをやり遂げました。
思考が完全に脳の産物であるかどうかさえわかりません。 1人か2人以上の人は、脳の最大95パーセントを欠いて生まれますが、依然として正常な知能を持っており、多くの場合、後に診断検査を受けるまで自分の状態を知りません。さらに、私たちの知性の多くは脳に保存されず、体全体に分布しているようです。
汎用人工知能: 意識のさらなる複雑さ
たとえ脳や心を理解できなかったとしても、実際にはそこから物事はさらに難しくなります。汎用人工知能にはおそらく意識が必要です。意識はあなたの世界の経験です。温度計は温度を正確に知ることができますが、暖かさを感じることはできません。この区別、つまり既知のものと経験されたものの違いは意識であり、コンピューターが椅子よりもうまく世界を体験できると信じる理由はほとんどありません。
つまり、私たちの脳は理解できず、思考は説明できず、意識に関しては、単なる物質がどのようにして経験を持ち得るかについて、適切な理論さえ持っていません。しかし、それにもかかわらず、一般的な人工知能を信じる人工知能の人々は、人間のあらゆる能力をコンピューターで再現できると確信しています。これは私には空想的な思考を招く議論のように聞こえます。
私は誰かの信念を軽視したり軽視したりするためにこれを言っているのではありません。おそらく彼らは正しいでしょう。私は一般的な人工知能のアイデアを、明白な科学的真実ではなく、証明されていない仮説として単純に見ています。そのような生き物を作り、それを制御したいという願望は、人類の古くからの夢です。現代では、それは何世紀にも遡り、おそらくメアリー・シェリーの「フランケンシュタイン」から始まり、その後千を超える物語に現れました。しかし、実際にはそれよりもはるかに早い時期に起こります。ギリシャの技術の神ヘファイストスがクレタ島を守るために作ったロボット、タロスの物語など、私たちは執筆した時代からそのような想像を抱いてきました。
私たちの心の奥底には、そのような生き物を創造し、その恐ろしい力を操りたいという願望がありますが、今のところ、私たちが実際に達成できると考えられるものは何もありません。
以上が一般的な人工知能は可能ですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

8月1日の本サイトのニュースによると、SKハイニックスは本日(8月1日)ブログ投稿を発表し、8月6日から8日まで米国カリフォルニア州サンタクララで開催されるグローバル半導体メモリサミットFMS2024に参加すると発表し、多くの新世代の製品。フューチャー メモリおよびストレージ サミット (FutureMemoryandStorage) の紹介。以前は主に NAND サプライヤー向けのフラッシュ メモリ サミット (FlashMemorySummit) でしたが、人工知能技術への注目の高まりを背景に、今年はフューチャー メモリおよびストレージ サミット (FutureMemoryandStorage) に名前が変更されました。 DRAM およびストレージ ベンダー、さらに多くのプレーヤーを招待します。昨年発売された新製品SKハイニックス

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究
