Mengapa AI sentiasa sukar untuk dilaksanakan?
Mengapa sentiasa sukar untuk melaksanakan AI? Mengapakah kecerdasan buatan sering dikritik? Sesetengah orang mengatakan bahawa ini disebabkan oleh filem fiksyen sains, novel fiksyen sains, permainan video, media berita, dan lain-lain. Pandangan ini mempunyai unsur-unsur munasabah tertentu, tetapi terdapat juga fakta yang lebih penting yang diabaikan oleh semua orang, iaitu, apa yang sepatutnya menjadi "persekitaran manusia-mesin" Kepintaran gabungan sistem" sering disalah anggap sebagai "kepintaran buatan (atau bahkan beberapa algoritma)".
Walaupun kehidupan dan mesin kedua-duanya boleh menjadi pembawa kognisi, sifat kognisi adalah berbeza. Satu ialah kognisi kehidupan, dan satu lagi ialah kognisi mesin, iaitu kognisi orang tertentu kepada perkara-perkara tertentu. Kepintaran mesin manusia memberi tumpuan kepada arah dan risiko, manakala ergonomik memberi tumpuan kepada proses dan kecekapan. Pengkomputeran - Pembinaan mekanisme pengkomputeran adalah kunci kepada kejayaan dalam kecerdasan hibrid manusia-komputer. Kunci kepada kecerdasan kumpulan terletak pada pembinaan logik yang diselaraskan untuk tiga atau lebih badan, dan pembinaan logik tiga badan telah melebihi skop logik pengiraan formal, dan sistem logik pengiraan formal perlu diwujudkan.
Sama ada ia kompleks atau mudah, sama ada produk automatik atau sistem pintar, apa sahaja yang sederhana dan diterima oleh semua orang, jika anda memikirkannya dengan teliti, ia adalah lebih baik dari segi keselamatan, kecekapan dan keselesaan. Untuk memiliki kelebihan ini, kebanyakan sistem manusia, mesin dan alam sekitar agak harmoni, sekurang-kurangnya bukan AI mudah + medan tertentu atau medan tertentu + algoritma pintar. Beberapa ketika dahulu, saya menulis artikel "Intipati kecerdasan nampaknya bukan kuasa pengkomputeran dan pengetahuan algoritma data", menekankan bahawa mekanisme yang menjana ini adalah sumber kecerdasan hidup Kali ini saya juga akan bercakap tentang " ". Bakat" mungkin masih "robot" tanpa "jiwa". Sebabnya masih berpunca daripada "algoritma" kering. Tidak ada tembikai, ada (semacam) otak tetapi tidak ada akal, ada bentuk tetapi tidak ada niat, ada. tiada bola mata...ia hanya boleh berputar dalam lingkaran kemungkinan, tetapi tidak boleh cuba meneroka dunia yang mustahil Walaupun ada beberapa penerokaan, ia hanya dalam skop persamaan keluarga sambil berada jauh dari tidak tahu tentang persamaan sebenar bukan keluarga. Sebagai tambahan kepada interaksi sistem persekitaran manusia-komputer, aspek kedua ialah pemahaman dan penghadaman kesedaran situasi yang mendalam Sebagai contoh, dalam banyak situasi, kita hanya mengetahui pendaftaran dan pembetulan antara masa dan ruang, tetapi tidak memahami koordinasi antara situasi. , potensi, deria dan pengetahuan Ketepatan dan pembetulan; hanya mengetahui penyelesaian herotan jarak tidak diselaraskan, tetapi melupakan pengembangan kabur jarak kolaboratif, dan tidak memikirkan keabnormalan, mengubah potensi; mengubah pengetahuan dan fleksibiliti; hanya mengetahui rantaian data dan Rantaian maklumat, tidak mengambil kira rantaian fakta dan rantaian nilai, atau bahkan rantaian sistem persekitaran mesin manusia yang dibentuk oleh superposisi terikat rantaian negeri, rantaian potensi, rantai deria dan rantai pengetahuan ; hanya mengetahui modulasi tunggal kesedaran situasi homogen, seragam dan berurutan, dan Ia mengabaikan tatasusunan berbilang peringkat yang lebih penting bagi kesedaran situasi heterogen, tidak seragam dan rawak, serta mobiliti cepat pengesanan dahulu dan mengetahui kemudian dan fleksibiliti tepat penderiaan pertama dan kemudian mengetahui, serta autokorelasi antara situasi, potensi, rasa dan kebarangkalian transformasi berkorelasi silang hanya mengetahui model model manusia, tetapi bukan model mesin sahaja; struktur pengesahan, dan tidak memberi perhatian kepada prestasi yang diperolehi dalam pertempuran sebenar. Sebab ketiga: Apabila sesuatu berlaku, kita akan secara sedar atau tidak sedar mengaitkannya dengan perkara yang baru berlaku atau mempunyai kesan mendalam di sekeliling kita dari semasa ke semasa, dan mewujudkan peta situasi "hubungan sebab akibat" peribadi kita sendiri (bukan sekadar peta) . Sememangnya, yang relevan dipanggil sambungan fakta objektif, sambungan specious dipanggil sambungan kemungkinan, dan yang tidak relevan dipanggil sambungan sengaja subjektif... Hubungan ini yang sering berlaku dalam kehidupan adalah semua komponen kognisi pintar, fakta objektif bahagian korelasi yang boleh diprogramkan sering dipanggil AI, tetapi korelasi kemungkinan dan korelasi intensionaliti subjektif ditapis, dan kedua-duanya adalah komponen penting dalam fleksibiliti kecerdasan peribadi. Ringkasnya, kami ingin menggunakan algoritma AI untuk memudahkan masalah sistem persekitaran manusia-mesin yang kompleks, kami hanya mengetahui kesedaran situasi yang mendalam, kami mengabaikan sambungan lubang cacing antara tiga masalah ini; mungkin juga punca AI Selalu sukar untuk keluar dari tanah!
Ujian dron DARPA vs. dron berawak-“pertarungan anjing” baru sahaja tamat Selepas keterujaan, berdasarkan semakan selepas ujian, kunci kemenangan AI terletak pada keagresifan dan ketepatan menembaknya masalahnya terutamanya terletak pada kesilapan dalam penghakiman. Menurut penguji tentera AS, sistem AI yang sedang diuji sering melakukan kesilapan dalam gerakan pejuang asas Lebih daripada sekali, AI mengacau pesawat ke arah yang disangka pesawat lawan manusia akan pergi, tetapi ia berulang kali. terbukti salah menilai pemikiran seorang juruterbang. Ini tidak sukar untuk difahami. Juruterbang manusia sering melakukan kesilapan apabila menilai niat pihak lawan. Lebih-lebih lagi, kekurangan sistem AI adalah keupayaan untuk memahami taktik kreatif. Walau bagaimanapun, disebabkan "keupayaan sasaran yang sangat baik" dan keupayaan untuk mengesan pesawat lawan, AI masih mampu mengekalkan kelebihan keseluruhan berbanding juruterbang manusia, dan sistem komputer akhirnya mendapat kelebihan dalam keseluruhan konfrontasi.
Ringkasnya, drone AI mempunyai kelebihan dalam ketepatan "status" dan kelajuan "perasaan", tetapi ia belum mempunyai kelebihan dalam pertimbangan "potensi" dan ramalan "pengetahuan". Adalah disyorkan bahawa juruterbang pesawat berawak akan datang bekerja lebih keras pada pergerakan palsu (seperti Jordan, Kobe, dan James) dan melanggar peraturan (seperti Sun Tzu, Zhuge Liang, dan Su Yu)! Tanpa peraturan, semua algoritma dan model (matematik) akan kehilangan sempadan, syarat dan kekangannya, dan semua pengiraan tidak lagi tepat dan boleh dipercayai Apabila formula kebarangkalian berubah daripada pengiraan kepada ramalan nasib, kelebihan mesin mungkin tidak sebaik. manusia Bar? !
Manusia membuat keputusan berdasarkan nilai—membincangkan betul dan salah daripada hanya mengira untung dan rugi; Hubungan antara keadaan dan potensi, serta antara rasa dan pengetahuan, semuanya adalah hubungan kuantitatif dan kualitatif "potensi" di antaranya adalah kemungkinan maksimum dalam tempoh masa tertentu. Segala yang ada dalam "potensi" adalah pertama dalam "keadaan"; segala yang ada dalam "ilmu" adalah pertama dalam "perasaan". Boleh dikatakan satu percikan api boleh mencetuskan api padang rumput. Jika matlamatnya jelas, dalam permainan dengan sistem besar yang terdiri daripada unit kawalan dan peralatan, pihak lawan harus atau hanya boleh menjadi sistem yang sepadan, bukan orang yang mengendalikan peralatan, atau orang yang mereka bentuk dan mengawal sistem. Dalam hal ini, kita mempunyai kelemahan yang besar. Kuncinya ialah perubahan dinamik dalam matlamat jangka panjang, sederhana dan jangka pendek dalam persekitaran pembangunan boleh menyebabkan matlamat yang tidak jelas atau bahkan tidak jelas.
Kecerdasan buatan hari ini adalah seperti kereta api berkelajuan tinggi, yang sangat laju tetapi memerlukan landasan yang sebenar sepatutnya seperti kapal terbang, selagi ia boleh sampai ke destinasinya, ia tidak memerlukan landasan tertentu atau laluan. Kesilapan dalam kesedaran situasi dibahagikan kepada kesilapan dalam postur, situasi, persepsi, dan pengetahuan, dan juga boleh dibahagikan kepada kesilapan fakta/nilai. Penerapan kecerdasan buatan dalam senjata terutamanya dicerminkan dalam penugasan mesin ke mesin dan sasaran semula senjata masa nyata ini Keutamaan kesan pada "penyedia perkhidmatan" biasa akan dilakukan pada peringkat taktikal dan bergantung pada keupayaan. mesin pintar sama ada untuk mencerna dan menganalisis data dari seluruh medan perang. Malah, tumpuan dan kesukaran konfrontasi tanpa pemandu akan datang adalah penjujukan bercampur/bersepadu bagi data, maklumat, pengetahuan, tanggungjawab, niat dan emosi yang bercampur/bersepadu dan bernilai dalam pengagihan fungsi mesin manusia!
Atas ialah kandungan terperinci Mengapa AI sentiasa sukar untuk dilaksanakan?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas
