專家視點:通用人工智慧的可能性
關注人工智慧領域發展新聞的挑戰之一是,「人工智慧」一詞經常被不加區別地用來表示兩個不相關的事物。
術語 AI 的第一次使用更準確地稱為狹義 AI。它是一項強大的技術,但也非常簡單明了:您獲取一堆關於過去的數據,使用計算機對其進行分析並找到模式,然後使用該分析來預測未來。這種類型的人工智慧每天都會多次觸及我們的生活,因為它會從我們的電子郵件中過濾垃圾郵件並透過流量引導我們。但因為它是用過去的資料訓練的,所以它只適用於未來與過去相似的地方。這就是它可以識別貓和下棋的原因,因為它們在基本層面上不會每天改變。
術語AI的另一個用途是描述我們所謂的通用AI,或通常稱為AGI。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像人類一樣智慧多樣的電腦程式。它可以自學從未接受過訓練的全新事物。
狹義AI和通用AI的區別
在電影中,AGI 是《星際爭霸戰》中的數據、《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 AI 與一般 AI 是同一類東西,只是一種不太成熟和複雜的實現,但事實並非如此。通用 AI 有所不同。例如,識別垃圾郵件在計算上並不等同於真正的創造性,而通用智能則可以做到這一點。
我曾經主持過一個關於人工智慧的播客,叫做「人工智慧中的聲音」。這很有趣,因為大多數偉大的科學實踐者都是平易近人的,也願意上播客。因此,我最終得到了超過100位偉大的AI思考者對這個主題的深入討論。有兩個問題我會問大多數客人。第一個問題是,「通用人工智慧可能嗎?」幾乎所有人——只有四個例外——都說有可能。然後我會問他們我們什麼時候能造出來。這些答案五花八門,有的五年就有了,有的長達500年。
為什麼會這樣?
為什麼幾乎所有的客人都說通用人工智慧是可能的,但卻提供瞭如此廣泛的估計,我們將何時實現?這個問題的答案要回到我之前說過的一句話:我們不知道如何建立通用智能,所以你的猜測和其他人的一樣好。
「但等等!你可能會這麼說。「如果我們不知道如何製造,為什麼專家們壓倒性地同意這是可能的?」我也會問他們這個問題,而我通常得到的是相同答案的不同版本。他們相信我們會創造出真正智能的機器,這是基於一個核心信念:人是智能機器。因為我們是機器,推理是這樣的,並且擁有通用的智能,製造具有通用智能的機器一定是可能的。
人與機器
可以肯定的是,如果人是機器,那麼那些專家是對的:通用智能不僅是可能的,而且是不可避免的。然而,如果事實證明人不僅僅是機器,那麼人的某些東西可能無法在矽中複製。
有趣的是,這數百名AI 專家與其他所有人之間的脫節。當我就這個主題向普通觀眾發表演講並問他們誰認為自己是機器時,大約之後15% 的人舉手,而AI 專家卻高達96%。
在我的播客上,當我反駁這種關於人類智能本質的假設時,我的客人通常會指責我——當然是非常禮貌的——沉迷於某種以反科學為核心的神奇思維。「如果不是生物機器,我們還能成為什麼?」
這是一個公平且重要的問題。我們只知道宇宙中具有一般智力的一件事,那就是我們。我們怎麼會碰巧擁有如此強大的創造力?我們真的不知道。
智慧是一種超級力量
試著回憶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什麼力氣就能把它們找回來,當你考慮到「數據」不像儲存在硬碟上那樣儲存在你的大腦裡時,這就更令人印象深刻了。事實上,我們不知道它是如何儲存的。我們可能會發現,你大腦中的一千億個神經元中的每一個都像我們最先進的超級電腦一樣複雜。
但這正是我們智慧的奧秘所在。從那時起就變得更棘手了。事實證明,我們有一種叫做心靈的東西,它與大腦不同。頭腦是你腦子裡的三磅黏稠物能做的一切,就像擁有幽默感或墜入愛河,這似乎是它不應該做的。你的心臟不會,肝臟也不會。但不知怎麼的,你做到了。
我們甚至不確定心智只是大腦的產物。許多人在出生時就失去了高達 95% 的大腦,但仍然擁有正常的智力,而且往往直到晚年進行診斷檢查時才知道自己的狀況。此外,我們似乎有很多智慧沒有儲存在我們的大腦中,而是分佈在我們的全身。
通用人工智慧:意識的複雜性
儘管我們不了解大腦或思想,但實際上從那裡開始就變得更加困難:一般的智力很可能需要意識。意識是你對世界的體驗。溫度計可以準確地告訴你溫度,但它感覺不到溫暖。知道和體驗的差別,就是意識,我們幾乎沒有理由相信電腦能像椅子一樣體驗世界。
所以現在我們有了我們無法理解的大腦,無法解釋的心靈,至於意識,我們甚至沒有一個好的理論來解釋僅僅是物質如何可能有一種體驗。然而,儘管如此,相信通用人工智慧的人工智慧人士相信,我們可以在電腦中複製人類的所有能力。在我看來,這似乎是一種魔幻思維。
我這樣說並不是輕視任何人的信仰。他們很可能是正確的。我只是認為通用人工智慧的想法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,然後控制它的慾望,是人類古老的夢想。在現代,它已經有幾個世紀的歷史了,也許始於瑪麗雪萊的《科學怪人》,然後體現在後來的1000個故事中。但實際上它比那古老得多。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赫菲斯托斯創造的機器人,以保衛克里特島。
我們內心深處的某個地方渴望創造這種生物並控制其強大的力量,但到目前為止,還沒有任何跡象表明我們確實可以。
以上是專家視點:通用人工智慧的可能性的詳細內容。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

AI Hentai Generator
免費產生 AI 無盡。

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)

熱門話題

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

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

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

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

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|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7月5日消息,格芯(GlobalFoundries)於今年7月1日發布新聞稿,宣布收購泰戈爾科技(TagoreTechnology)的功率氮化鎵(GaN)技術及智慧財產權組合,希望在汽車、物聯網和人工智慧資料中心應用領域探索更高的效率和更好的效能。隨著生成式人工智慧(GenerativeAI)等技術在數位世界的不斷發展,氮化鎵(GaN)已成為永續高效電源管理(尤其是在資料中心)的關鍵解決方案。本站引述官方公告內容,在本次收購過程中,泰戈爾科技公司工程師團隊將加入格芯,進一步開發氮化鎵技術。 G
