Adakah kecerdasan buatan perlu menjadi seperti manusia?
Bolehkah mesin berfikir? Bolehkah kecerdasan buatan menjadi pintar seperti manusia?
Kajian baharu menunjukkan bahawa kecerdasan buatan mungkin boleh melakukannya.
Dalam ujian Turing bukan linguistik, pasukan penyelidik yang diketuai oleh Profesor Agnieszka Wykowska dari Institut Teknologi Itali mendapati bahawa kebolehubahan tingkah laku seperti manusia (Kebolehubahan tingkah laku) boleh mengaburkan perbezaan antara manusia dan mesin, iaitu , ia boleh Membantu robot kelihatan lebih seperti manusia.
Secara khusus, program AI mereka lulus ujian Turing bukan lisan dengan mensimulasikan kebolehubahan tingkah laku dalam masa tindak balas manusia semasa bermain permainan tentang memadankan bentuk dan warna dengan rakan sepasukan manusia.
Kertas penyelidikan berkaitan bertajuk "Kebolehubahan tingkah laku seperti manusia mengaburkan perbezaan antara manusia dan mesin dalam ujian Turing bukan lisan" dan telah diterbitkan dalam jurnal saintifik Science Robotics.
Pasukan penyelidik menyatakan bahawa kerja ini boleh memberikan panduan untuk reka bentuk robot masa hadapan, memberikan robot tingkah laku seperti manusia yang boleh dilihat oleh manusia.
Mengenai penyelidikan ini, Tom Ziemke, profesor sistem kognitif di Universiti Linköping, dan penyelidik pasca doktoral Sam Thellman percaya bahawa hasil penyelidikan "mengaburkan perbezaan antara manusia dan mesin" dan memberikan pemahaman saintifik tentang kognisi sosial manusia. Memberi sumbangan yang sangat berharga dalam aspek lain.
Walau bagaimanapun, "Persamaan manusia tidak semestinya matlamat ideal untuk pembangunan kecerdasan buatan dan robotik, dan menjadikan kecerdasan buatan kurang seperti manusia mungkin merupakan pendekatan yang lebih bijak
Dengan Kepintaran imej Ujian
Pada tahun 1950, Alan Turing, "bapa sains komputer dan kecerdasan buatan", mencadangkan kaedah ujian untuk menentukan sama ada mesin itu pintar, ujian Turing.
Idea utama Ujian Turing ialah soalan rumit tentang kemungkinan pemikiran mesin dan kecerdasan boleh disahkan dengan menguji sama ada manusia boleh mengetahui sama ada mereka berinteraksi dengan manusia lain atau mesin.
Hari ini, Ujian Turing digunakan oleh saintis untuk menilai ciri-ciri tingkah laku yang harus dilaksanakan dalam agen buatan untuk menjadikan manusia tidak dapat membezakan program komputer daripada tingkah laku manusia.
Herbert Simon, perintis kecerdasan buatan, pernah berkata: "Jika tingkah laku yang dipaparkan oleh program adalah serupa dengan yang ditunjukkan oleh manusia, maka kami memanggil mereka pintar Begitu juga, Elaine Rich menyifatkan kecerdasan buatan sebagai Kepintaran." ditakrifkan sebagai "kajian tentang cara membuat komputer melakukan perkara yang dilakukan oleh manusia dengan lebih baik."
Ujian Turing bukan lisan ialah satu bentuk ujian Turing. Melepasi ujian Turing bukan lisan bukanlah mudah untuk kecerdasan buatan kerana mereka tidak semahir manusia dalam mengesan dan membezakan ciri-ciri tingkah laku halus orang lain (objek).
Jadi, bolehkah robot humanoid melepasi ujian Turing bukan lisan dan menjelmakan ciri-ciri manusia dalam tingkah laku fizikalnya? Dalam ujian Turing bukan lisan, pasukan penyelidik berusaha untuk melihat sama ada AI boleh diprogramkan untuk mengubah masa tindak balasnya dalam julat yang serupa dengan variasi tingkah laku manusia, dan dengan itu dianggap sebagai manusia.
Untuk melakukan ini, mereka meletakkan manusia dan robot di dalam bilik dengan warna dan bentuk yang berbeza pada skrin.
Gambar|Robot dan manusia menjalankan tugas bersama-sama. (Sumber: Kertas)
Apabila bentuk atau warna berubah, peserta menekan butang, dan robot bertindak balas kepada isyarat ini dengan mengklik pada warna atau bentuk bertentangan yang dipaparkan pada skrin.
Rajah | Menjawab dengan menekan butang (Sumber: kertas)
Semasa ujian, robot kadangkala dikawal dari jauh oleh manusia, Kadangkala dikawal oleh kecerdasan buatan yang dilatih untuk meniru kebolehubahan tingkah laku.
Rajah | Peserta diminta menilai sama ada tingkah laku robot itu telah diprogramkan atau dikawal oleh manusia. (Sumber: kertas)
Keputusan menunjukkan peserta dapat mengetahui dengan mudah apabila robot itu dikendalikan oleh orang lain.
Walau bagaimanapun, apabila robot dikendalikan oleh kecerdasan buatan, peserta telah meneka dengan salah lebih daripada 50% masa.
Rajah |. Purata ketepatan ujian Turing. (Sumber: kertas)
Ini bermakna kecerdasan buatan mereka lulus ujian Turing bukan lisan.
Walau bagaimanapun, para penyelidik juga mencadangkan bahawa kebolehubahan dalam tingkah laku seperti manusia mungkin hanya menjadi syarat yang perlu dan tidak mencukupi untuk lulus ujian Turing bukan lisan bagi kecerdasan buatan entiti, kerana ia juga boleh nyata dalam persekitaran manusia.
Adakah kecerdasan buatan perlu menjadi seperti manusia?
Penyelidikan AI telah lama menyasarkan persamaan manusia sebagai matlamat dan metrik, dan penyelidikan pasukan Wykowska menunjukkan bahawa kebolehubahan tingkah laku boleh digunakan untuk menjadikan robot lebih seperti manusia.
Ziemke dan yang lain percaya bahawa menjadikan kecerdasan buatan kurang seperti manusia mungkin merupakan pendekatan yang lebih bijak, dan menghuraikan dua kes kereta pandu sendiri dan robot sembang.
Contohnya, apabila anda hendak menyeberang simpang jalan dan melihat kereta menghampiri anda, dari jauh, anda mungkin tidak dapat mengetahui sama ada ia adalah kereta pandu sendiri, jadi anda boleh hanya dilihat dari gelagat kereta.
(Sumber: Pixabay)
Walau bagaimanapun, walaupun anda melihat seseorang duduk di hadapan stereng, anda tidak pasti bahawa orang ini aktif mengawal kenderaan atau adakah ia hanya memantau operasi pemanduan kenderaan.
“Ini mempunyai kesan yang sangat penting terhadap keselamatan lalu lintas Jika kereta pandu sendiri tidak dapat menunjukkan kepada orang lain sama ada ia berada dalam mod pandu sendiri, ia boleh menyebabkan interaksi manusia-mesin yang tidak selamat.”
Mungkin sesetengah orang akan mengatakan bahawa secara idealnya, anda tidak perlu tahu sama ada kereta itu autonomi atau tidak, kerana dalam jangka masa panjang, kereta autonomi mungkin lebih baik memandu daripada manusia. Namun, buat masa ini, kepercayaan orang ramai terhadap kereta pandu sendiri masih jauh dari mencukupi.
Bot sembang lebih dekat dengan senario kehidupan sebenar ujian asal Turing. Banyak syarikat menggunakan chatbots dalam perkhidmatan pelanggan dalam talian mereka, di mana topik perbualan dan pilihan interaksi agak terhad. Dalam konteks ini, chatbots selalunya lebih kurang tidak dapat dibezakan daripada manusia.
(Sumber: Pixabay)
Jadi, persoalannya, patutkah syarikat memberitahu pelanggan tentang identiti bukan manusia bagi chatbots? Apabila diberitahu, ia sering membawa kepada reaksi negatif daripada pengguna, seperti penurunan kepercayaan.
Seperti yang ditunjukkan oleh kes di atas, walaupun tingkah laku seperti manusia mungkin merupakan pencapaian yang mengagumkan dari perspektif kejuruteraan, ketidakbolehbezaan manusia dan mesin membawa isu Psikologi, etika dan undang-undang yang ketara.
Di satu pihak, orang yang berinteraksi dengan sistem ini mesti mengetahui sifat apa yang mereka berinteraksi untuk mengelakkan penipuan. Mengambil chatbots sebagai contoh, California di Amerika Syarikat telah menggubal undang-undang pendedahan maklumat chatbot sejak 2018, menjelaskan bahawa pendedahan adalah keperluan yang ketat.
Sebaliknya, terdapat lebih banyak contoh yang tidak dapat dibezakan daripada chatbots dan perkhidmatan pelanggan manusia. Sebagai contoh, apabila bercakap tentang pemanduan sendiri, interaksi antara kereta pandu sendiri dan pengguna jalan raya lain tidak mempunyai titik mula dan tamat yang jelas yang sama, ia selalunya bukan satu dengan satu, dan mereka mempunyai real- tertentu. kekangan masa.
Jadi persoalannya ialah bila dan bagaimana identiti dan keupayaan kereta pandu sendiri harus dikomunikasikan.
Selain itu, kereta automatik sepenuhnya mungkin berada beberapa dekad lagi. Oleh itu, trafik bercampur dan pelbagai peringkat automasi separa berkemungkinan menjadi realiti untuk masa hadapan yang boleh dijangka.
Terdapat banyak penyelidikan tentang antara muka luaran yang mungkin diperlukan oleh kereta pandu sendiri untuk berkomunikasi dengan orang ramai. Walau bagaimanapun, sedikit yang diketahui tentang kerumitan yang pengguna jalan raya yang terdedah seperti kanak-kanak dan orang kurang upaya sebenarnya mampu dan sanggup hadapi.
Oleh itu, peraturan am di atas bahawa "orang yang berinteraksi dengan sistem sedemikian mesti dimaklumkan tentang sifat objek yang sedang berinteraksi" mungkin hanya boleh diikuti dalam keadaan yang lebih jelas.
Begitu juga, ambivalen ini dicerminkan dalam perbincangan penyelidikan robotik sosial: Memandangkan kecenderungan manusia untuk mentransformasikan keadaan mental dan memberikan mereka sifat seperti manusia, ramai penyelidik bertujuan untuk menjadikan robot kelihatan dan berkelakuan sama seperti manusia. supaya mereka boleh berinteraksi secara lebih kurang seperti manusia.
Walau bagaimanapun, sesetengah pihak berpendapat bahawa robot harus mudah dikenal pasti sebagai mesin untuk mengelakkan sifat antropomorfik yang terlalu tinggi dan jangkaan yang tidak realistik.
"Jadi mungkin lebih bijak untuk menggunakan penemuan ini untuk menjadikan robot kurang seperti manusia Pada zaman awal kecerdasan buatan, meniru manusia mungkin menjadi matlamat bersama dalam industri, "tetapi sebagai kecerdasan buatan." mempunyai Hari ini, kerana ia telah menjadi sebahagian daripada kehidupan seharian manusia, kita perlu sekurang-kurangnya memikirkan hala tuju yang benar-benar bermakna untuk berusaha mencapai kecerdasan buatan seperti manusia."
Atas ialah kandungan terperinci Adakah kecerdasan buatan perlu menjadi seperti manusia?. 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

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

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

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

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

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

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
