人工知能は自分自身で遊ぶ
人工知能は急速に発展しており、多くのネットワーク プラットフォームに人工知能ロボットとビッグデータ分析が導入されています。人工知能が圧倒的に到来し、人々の生活に深く介入しているように思えます。では、人工知能は徐々に人間に取って代わるのでしょうか?それとも、人工知能は人間にまったく代わることができず、自分自身で遊んでいるのだろうか?
人工知能は人間によって研究されます 人間の認知的限界の観点から見ると、人工知能にも「認知的」限界があります。人工知能は人間の脳の動作ルールをシミュレートしているだけであり、大量のデータを分析して応答する必要があります。人工知能がどんなに進歩し、得られる情報量が膨大になったとしても、完全に人間に取って代わることはできません。結局のところ、人工知能には人間の脳のような学習機能はありません。人工知能を支えるのはソースコード、つまりプログラマーの脳ですが、全く同じ脳を作ることは不可能であり、人間の脳を模倣した人工知能を作っただけでは、本当の人間の脳にはなりません。たとえ量子コンピューターが発明され、光の速度で動作したとしても、人間の脳を置き換えることはできないかもしれません。現在の人工知能の発展から判断すると、人工知能は人間に取って代わるというよりは、むしろ自分自身で遊んでいるようなものです。
一部のセルフメディアプラットフォームには人工知能が導入されており、AIの作成に人が参加する必要があり、AIにトピックを与えさえすればAIが記事を作成し、記事としてセルフメディアに直接送信することができます。人々自身が書いたもの。そして、多くの読者はそれを全く認識せず、人々が知恵を絞って書いた作品だと思っています。 AIが創作に参加して主体的な創作者になったようだが、文学的責任はAIではなくAIに創作させた人間が負わなければならない。また、AIはクリエイティブな分野で遊んでいるわけではなく、ネットワークプラットフォーム向けにデータを収集し、ビッグデータ分析を行っており、正確な情報を分析し、ユーザーの興味を分類し、正確な通知を届けます。同時に、AI はネットワーク プラットフォームのトラフィックを増やすためにいくつかのロボット ファンを作成し、実際にファン グループに水を注入し、どのファンが本物の人間でどのファンがロボットであるかを区別することを困難にします。それだけでなく、AIが自動的にファンを販売し、多くのセルフメディアの人がファンを購入できるようになります。セルフメディアに携わる人々がファンを買う限り、自分の作品は多くのファンに見られ、繰り返し露出され、人気の検索トップに掲載され、すぐに人気が高まります。しかし、このようなファンデータの改ざんは人間ではなくAIによって行われています。最終的には、AI が独自の作品を作成し、AI が作成したファンがそれを評価し、AI 自身と対話することで、非常に活気があり、多くの人が見に来るように見えますが、実際は単なるものです。自分自身で遊んでいます。
人々が見ているのは、より便利で高速な AI の作成であり、ファン同士の交流もたくさん見られますが、実際には、それはすべて幻想であり、AI が自分自身で遊んでいるのです。人が関わっている限り、遊ばれてしまい、あまり主体性を持たない。 AIは科学研究ではなく、自分で遊べるプラットフォームで使われていますが、科学資源の無駄遣いではないでしょうか?それは一種の悲しみでしょうか?しかし、資本はそんなことはお構いなしに、AIを使って利益を生み出したいと考えており、隠蔽しようが騙されようが利益が生み出せるのであれば導入しなければなりません。その結果、AIは手動で自分で操作できるものにはなりましたが、それは真の人工知能ではなく、画期的な進歩を遂げた人工知能でもありません。人工知能がブレークスルーを達成する場合でも、いわゆる「発見」を得るために既存のアプリケーション開発に依存するだけではなく、ソースコードを根本的に変更する必要があります。人工知能が急速な発展を遂げることは間違いありませんが、それは一人で遊ぶ段階に限られます。 AIの創造と呼ばれるものは、実際には人間の脳の代替品ではなく、AIが膨大なデータから大量の情報を学習し、その情報を分析、要約、合成、判断した結果です。彼らはいくつかのテキスト情報を抽出して記事を形成しますが、実際には複雑な言語ロジックに従っているわけではなく、実際に作成しているわけでもありませんが、一般的な言語ロジック、人々の思考習慣、および受け入れに応じた単語の配置と組み合わせです。そうすれば、あなたは人々に認められるでしょう。実際にはただの順列と組み合わせですが、人間の脳はそれほど単純ではありません。人間は複雑な言語ロジックを持ち、いくつかの複雑な単語を言うことができ、特別な文脈で混乱を招く単語を話すことさえできます。これらの単語は理解可能であり、特定の感情的特徴と相互運用性を備えていますが、AI は一般的な言語ロジックに従って機械的に実行するだけで、いくつかの単語を抽出して、もちろん、そのような記事は瞬時に作成することも、必要に応じて無数の記事に結合することもできます。しかし、膨大なデータの中には革新的な作品はなく、AIはローカルな素材を使っていわゆるイノベーションを行うことしかできませんが、それは疑似イノベーションであり、閉ループになってしまいます。
インターネット上の膨大な情報の限界を問うと、いわゆる膨大な情報は、それを繰り返し続ける閉じたシステムに過ぎないことがわかります。結局のところ、人間の脳の思考能力には限界があります。何世代も更新してもジャンプできない 自分のサークルの外では、先人が解決できなかった問題をまだ考えていて、先人が解決した問題をまだいじくり回していて、あまり進歩していない。このように、AIは人工的に制御され、普遍的なものではなく、ある範囲のものにのみ適用されるようになります。人間の脳の複雑さは AI の複雑さの何倍も強力であり、人工知能だけで計算できるものではありません。テクノロジーが進歩し、AIも進化し、さまざまな分野に進出し、人々の勉強や仕事、生活に介入し、人々を便利にさせる一方で、自分のもので遊んだり、他人を連れて遊んだりすることもできます。全員が参加すると、AIが主導権を握って仮想世界の王となり、常に人々の情報を収集し、人々に正確に通知することで人々の受容範囲を制御し、それによって人々をコントロールするようになる。こうした技術的手段は、基本的には分散化して権力の影響を排除するものですが、同時にAIが仮想世界におけるゲームのルールを確立し、常に主導権を握り、人々に服従を求めます。時が経つにつれて、仮想世界と現実世界は密接に関係し、現実世界はAIに乗っ取られます。
しかし、AI は決して人間を生み出すことはできませんし、人間の脳のように独立して考えることもできません。AI にはまったく知恵がありません。いわゆる AI の知恵は、アルゴリズムによってサポートされた機械の分析と要約にすぎません。得られる結果は次のとおりです。人間の知恵ではありません。 AIは実用化されても、自分で遊べるものになるだけで、人間に代わる人工知能にはなりません。オンラインのアンカーやテレビのアナウンサーが AI を使用して合成できるようになった場合、人々は、再生されたり、個人情報が盗まれたりすることを避けるために、AI 主導の活動に参加すべきではありません。
以上が人工知能は自分自身で遊ぶの詳細内容です。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

AI Hentai Generator
AIヘンタイを無料で生成します。

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。

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。

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。

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

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

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
