通用人工智慧可能嗎?
人工智慧一詞的第一種使用是更準確地應稱為「狹義人工智慧」的東西。它是強大的技術,但也是相當簡單和直接的:你拿一堆關於過去的數據,用計算機來分析它並找到模式,然後用這種分析來對未來進行預測。這種類型的人工智慧每天多次觸及我們所有的生活,因為它從我們的電子郵件中過濾垃圾郵件,並為我們提供交通路線。但是,由於它是用過去的資料訓練出來的,它只在未來與過去相似的情況下工作。這就是為什麼它能識別貓和下象棋,因為它們並不會每天在元素層面上發生變化。
人工智慧一詞的另一種用法是描述我們稱為通用人工智慧(General AI,或Artificial General Intelligence, AGI)的東西。除了在科幻小說中,它還不存在,而且沒有人知道如何製造它。通用人工智慧是一種電腦程序,在智力上和人類一樣多才多藝。它可以教自己全新的東西,而這些東西以前從未被訓練過。
狹義人工智慧和通用人工智慧的差異
在電影中,通用人工智慧是《星際爭霸戰》中的Data,《星際大戰》中的C-3PO和《銀翼殺手》中的複製人。雖然從直覺上看,狹義人工智慧與通用人工智慧是同一種東西,只是實施起來不那麼成熟和複雜,但事實並非如此。通用人工智慧是不同的東西。例如,識別垃圾郵件在計算上並不等同於真正的創造性,而一般人工智慧則具有創造性。
筆者曾經主持過一個關於人工智慧的播客,叫做《人工智慧的聲音》(Voices in AI)。這是很有趣的事情,因為大多數這門科學的偉大實踐者在這個播客上都是可以接觸到的,並且他們願意參加播客。因此,我最終有了一個由一百多個偉大的人工智慧思想者深入談論這個主題的旁聽席。我有兩個問題會問大多數來賓。第一個問題是,「通用人工智慧是可能的嗎?」幾乎每個人——只有四位例外——都說「是的,這是可能的」。然後我會問他們,我們什麼時候可以建立它。這些答案五花八門,有的快到5年,有的長到500年。
為什麼差距這麼大?
為什麼幾乎所有我的來賓都說通用人工智慧是可能的,但對我們何時能實現它卻提供瞭如此廣泛的知情者的估計?答案可以追溯到我之前的一個說法。我們不知道如何建立通用智能,所以你的猜測和其他人的猜測幾乎一樣(無用)。
「但是等等!」你可能會說。 「如果我們不知道如何製造它,為什麼專家們如此壓倒性地同意它是可能的?」我也會問他們這個問題,我通常會得到相同答案的變種。他們對我們將建立一個真正的智慧機器的信心是基於一個核心信念:人是智慧機器。他們的推理說,因為我們是機器,而且有通用的智能,所以建造具有通用智能的機器一定是可能的。
人機對比
可以肯定的是,如果人是機器,那麼這些專家是對的。通用智能不僅僅是可能的,而且是不可避免的。然而,如果事實證明人不僅僅是機器,那麼人的某些方面可能沒有辦法在矽中複製。
有趣的是,這一百多位人工智慧專家與其他人之間的脫節。當我跟一般聽眾講這個話題時,問他們誰認為自己是機器,大概有15%的人舉手,而遠遠不及人工智慧專家的96%。
在我的播客中,當我對這種關於人類智能性質的假設進行反駁時,我的來賓通常會指責我——當然是很有禮貌地指責我——沉溺於某種神奇的思維,其核心是反科學的。 「如果不是生物機器,我們還能是什麼?」
這是一個公平的問題,也是一個重要的問題。我們知道宇宙中只有一種東西有通用的智能,那就是我們。我們怎麼會碰巧擁有如此強大的創造性超能力?我們真的不知道。
智力是一種超能力
試著回想你第一輛自行車的顏色或你一年級老師的名字。也許你已經多年沒有想過這兩件事了,但你的大腦可能不費吹灰之力就能檢索到它們,當你考慮到這些「數據」並不像硬碟那樣儲存在你的大腦中,這就更令人印象深刻了。事實上,我們都不知道它是如何儲存的。我們可能會發現,你大腦中的千億個神經元中的每一個都和我們最先進的超級電腦一樣複雜。
但這只是我們智力之謎的開始。從那裡一切開始變得更加棘手。事實證明,我們有一種叫做思考能力的東西,它與大腦本身不同。思考能力是你腦中三磅(1.36公斤)重的黏液所能做的一切,而它似乎不應該這樣做,如有幽默感或陷入熱戀。你的心臟不承擔這些,你的肝臟也不做。但不知何故,你做到了。
我們甚至無法確定思想是否完全是大腦的產物。不只一兩個人在出生時就缺失了高達95%的大腦,但仍有正常的智力,而且往往直到後來接受診斷性檢查時才知道自己的狀況。此外,我們似乎有很多智力並沒有儲存在大腦中,而是分佈在我們的身體中。
通用人工智慧:意識的附加複雜性
即使我們不了解大腦或思想,但實際上事情仍然從那裡開始變得更加困難:通用智慧很可能需要意識。意識是你對世界的體驗。一個溫度計可以準確地告訴你溫度,但它不能感受到溫暖。這個差別,也就是知道什麼和體驗什麼的差別,就是意識,我們沒有什麼理由相信電腦能比椅子更能體驗這個世界。
因此,我們的大腦我們不了解,思想我們無法解釋,至於意識,我們甚至沒有一個很好的理論來說明單純的物質如何可能有體驗。然而,儘管如此,那些相信通用人工智慧的人工智慧人士卻堅信,我們可以在電腦中複製所有人類的能力。在我聽來,這似乎是引誘人進行奇幻思考的論點。
我這麼說並不是要輕視或貶低任何人的信念。他們很可能是正確的。我只是把通用人工智慧的想法看成是一個未經證實的假設,而不是一個明顯的科學真理。建造這樣一個生物,然後控制它,這樣的願望是人類一個古老的夢想。在現代,它有幾個世紀的歷史,也許從瑪麗雪萊的《科學怪人》開始,然後在後來的一千多個故事中表現出來。但它實際上比這要早得多。早在我們有文字的時候,我們就有這樣的想像,像是塔洛斯的故事──一個由希臘科技之神明赫菲斯托斯創造的,用來守護克里特島的機器人。
在我們內心深處的某個地方,有一種創造這種生物並指揮其令人敬畏的力量的願望,但到目前為止,沒有任何東西應被視為我們實際上能夠做到。
以上是通用人工智慧可能嗎?的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

本站6月27日訊息,剪映是由位元組跳動旗下臉萌科技開發的一款影片剪輯軟體,依託於抖音平台且基本面向該平台用戶製作短影片內容,並相容於iOS、安卓、Windows 、MacOS等作業系統。剪映官方宣布會員體系升級,推出全新SVIP,包含多種AI黑科技,例如智慧翻譯、智慧劃重點、智慧包裝、數位人合成等。價格方面,剪映SVIP月費79元,年費599元(本站註:折合每月49.9元),連續包月則為59元每月,連續包年為499元每年(折合每月41.6元) 。此外,剪映官方也表示,為提升用戶體驗,向已訂閱了原版VIP

透過將檢索增強生成和語意記憶納入AI編碼助手,提升開發人員的生產力、效率和準確性。譯自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。雖然基本AI程式設計助理自然有幫助,但由於依賴對軟體語言和編寫軟體最常見模式的整體理解,因此常常無法提供最相關和正確的程式碼建議。這些編碼助手產生的代碼適合解決他們負責解決的問題,但通常不符合各個團隊的編碼標準、慣例和風格。這通常會導致需要修改或完善其建議,以便將程式碼接受到應

想了解更多AIGC的內容,請造訪:51CTOAI.x社群https://www.51cto.com/aigc/譯者|晶顏審校|重樓不同於網路上隨處可見的傳統問題庫,這些問題需要跳脫常規思維。大語言模型(LLM)在數據科學、生成式人工智慧(GenAI)和人工智慧領域越來越重要。這些複雜的演算法提升了人類的技能,並在許多產業中推動了效率和創新性的提升,成為企業保持競爭力的關鍵。 LLM的應用範圍非常廣泛,它可以用於自然語言處理、文字生成、語音辨識和推薦系統等領域。透過學習大量的數據,LLM能夠產生文本

大型語言模型(LLM)是在龐大的文字資料庫上訓練的,在那裡它們獲得了大量的實際知識。這些知識嵌入到它們的參數中,然後可以在需要時使用。這些模型的知識在訓練結束時被「具體化」。在預訓練結束時,模型實際上停止學習。對模型進行對齊或進行指令調優,讓模型學習如何充分利用這些知識,以及如何更自然地回應使用者的問題。但是有時模型知識是不夠的,儘管模型可以透過RAG存取外部內容,但透過微調使用模型適應新的領域被認為是有益的。這種微調是使用人工標註者或其他llm創建的輸入進行的,模型會遇到額外的實際知識並將其整合

機器學習是人工智慧的重要分支,它賦予電腦從數據中學習的能力,並能夠在無需明確編程的情況下改進自身能力。機器學習在各個領域都有廣泛的應用,從影像辨識和自然語言處理到推薦系統和詐欺偵測,它正在改變我們的生活方式。機器學習領域存在著多種不同的方法和理論,其中最具影響力的五種方法被稱為「機器學習五大派」。這五大派分別為符號派、聯結派、進化派、貝葉斯派和類推學派。 1.符號學派符號學(Symbolism),又稱符號主義,強調利用符號進行邏輯推理和表達知識。該學派認為學習是一種逆向演繹的過程,透過現有的

編輯|ScienceAI問答(QA)資料集在推動自然語言處理(NLP)研究中發揮著至關重要的作用。高品質QA資料集不僅可以用於微調模型,也可以有效評估大語言模型(LLM)的能力,尤其是針對科學知識的理解和推理能力。儘管目前已有許多科學QA數據集,涵蓋了醫學、化學、生物等領域,但這些數據集仍有一些不足之處。其一,資料形式較為單一,大多數為多項選擇題(multiple-choicequestions),它們易於進行評估,但限制了模型的答案選擇範圍,無法充分測試模型的科學問題解答能力。相比之下,開放式問答

編輯|KX在藥物研發領域,準確有效地預測蛋白質與配體的結合親和力對於藥物篩選和優化至關重要。然而,目前的研究並沒有考慮到分子表面訊息在蛋白質-配體相互作用中的重要作用。基於此,來自廈門大學的研究人員提出了一種新穎的多模態特徵提取(MFE)框架,該框架首次結合了蛋白質表面、3D結構和序列的信息,並使用交叉注意機制進行不同模態之間的特徵對齊。實驗結果表明,該方法在預測蛋白質-配體結合親和力方面取得了最先進的性能。此外,消融研究證明了該框架內蛋白質表面資訊和多模態特徵對齊的有效性和必要性。相關研究以「S

本站8月1日消息,SK海力士今天(8月1日)發布博文,宣布將出席8月6日至8日,在美國加州聖克拉拉舉行的全球半導體記憶體峰會FMS2024,展示諸多新一代產品。未來記憶體和儲存高峰會(FutureMemoryandStorage)簡介前身是主要面向NAND供應商的快閃記憶體高峰會(FlashMemorySummit),在人工智慧技術日益受到關注的背景下,今年重新命名為未來記憶體和儲存高峰會(FutureMemoryandStorage),以邀請DRAM和儲存供應商等更多參與者。新產品SK海力士去年在
