人工智能自己玩自己
人工智能发展很快,很多网络平台都引入了人工智能机器人,还引入了大数据分析。似乎人工智能已经铺天盖地而来,深度介入了人们的生活。那么,人工智能会不会逐渐取代人类?还是人工智能根本不能取代人类,而是自己玩自己?
人工智能是人类研究的,以人类的认知局限来看,人工智能也有“认知”局限。人工智能只是在模拟人脑的运行规律,要分析一些海量数据,作出应答。不管人工智能如何发达,也不管人工智能获得的信息量如何巨大,都不能完全代替人类。毕竟,人工智能不具备人脑的学习功能。支撑人工智能的是源代码,从根本上说是程序员的大脑,但大脑不可能造出完全一致的大脑,只是造出人工智能模拟人脑并不是真的人脑。即便发明了量子计算机,以光速运算,也不一定能取代人脑。以现在的人工智能发展来看,人工智能更像是自己玩自己,而不是取代人类。
一些自媒体平台引入人工智能,要人们参与AI创作,只要给AI一个题目,AI 就能创作出文章,直接发到自媒体上,当成人们自己写的文章。而且很多读者根本看不出来,还以为是人们绞尽脑汁写的作品。看似AI参与了创作,成了主要的创作者,但让AI创作的人要负担文责,不能让AI负担。另外,AI并没有闲着,没有完全用于创作领域,而是在为网络平台搜集数据,搞大数据分析,还要分析出精准信息,对用户搞兴趣分类,进行精准推送。同时,AI还要自造一些机器人粉丝,增大网络平台的流量,其实就是给粉丝群体注水,让人分不清哪个粉丝是真的人,哪个粉丝是机器人。不但如此,而且AI还会自动贩卖粉丝,让很多搞自媒体的人购买。只要搞自媒体的人购买了粉丝,自己的作品就会有很多粉丝看到,也会屡屡获得曝光,上了热门搜索主页,也就迅速爆红了。可是,这种粉丝数据造假的行为并不是人来完成的,而是AI完成的。最终会弄成AI自己创作,自己造的粉丝欣赏,还有自己和自己的互动,看着很热闹,吸引很多人前来观看,其实只是自己玩自己。
人们看到的是AI创作,比较方便快捷,也看到了很多粉丝的互动交流,其实都是假象,是AI在自己玩自己。只要参与其中的人,就会被玩,而不是有很大的主动权。AI没用在科学研究上,居然用在了这种自己玩自己的平台上,是不是一种科学资源的浪费?是不是一种悲哀?不过,资本不管那些,要利用AI创造收益,不管是瞒还是骗,只要能创造收益,就一定要采用。于是,AI成了人工操控下的自己玩自己的东西,却并不是真正的人工智能,也不是有突破和进展的人工智能。即便人工智能要取得突破了,也要从根本上改定源代码,而不是只是凭借现有的应用开发获得一些所谓的“发现”。无疑,人工智能会取得飞速发展,但也仅限于自己玩自己的阶段。人们所谓的AI创作并非真的可以代替人脑,而是AI从海量数据中学到了海量信息,然后对信息分析、归纳、综合、判断的结果。他们会提取一些文字信息,组成文章,却并非真的按照复杂的语言逻辑来,也并非真的在创作,而是一种文字的排列组合,按照一般的语言逻辑,按照人们的思维习惯和接受习惯来,就能获得人们的认可。其实,只是一种排列组合,而人脑却并非那么简单。人们可以拥有复杂的语言逻辑,可以说一些复杂的话,甚至在特殊语境说出颠三倒四的话,也是可以理解的,具备一定的情感特征和互通性,而AI只是按照一般语言逻辑机械执行,就会提取一些字词,组成所谓的文章,当然,这样的文章瞬间可成,也可以组合成无数篇,就看人们需要哪一篇了。而海量数据中没有创新性的作品,也就只能让AI就地取材,进行所谓的创新了,却成了伪创新,封闭循环。
如果质疑网络海量信息的局限性,就可以看到,所谓海量信息不过是一个封闭的系统,不断循环往复,毕竟人脑的思维能力是有限的,即便更新很多代,也仍然跳不出自己的圈子,仍然在思考前人没有解决的问题,也仍然在对前人已经解决的问题修修补补,没有太大的长进。如此一来,AI就成了人工操控的,只适用于一定范围内的东西,而不是普遍的东西。人脑的复杂程度比AI强大无数倍,并非只是人工智能就能算计得了的。科技在进步,AI也在不断进步,正在进入很多领域,介入人们的学习、工作和生活,让人们感觉到便利的同时,却成了自己玩自己的东西,然后带着大家一起玩。大家都参与进来之后,AI就会获得主动权,成了虚拟世界的王者,不断搜集人们的信息,给人们搞精准推送,以此控制人们的接受视野,进而控制人们。如此的科技手段基本上在去中心化,在消解权力的影响,不过,同时AI又建立了一个虚拟世界的游戏规则,并且始终掌握主动权,要人们乖乖就范。时间长了,虚拟世界和现实世界紧密关联,现实中的世界也就被AI接管了。
不过,AI永远无法创造人类,也永远无法像人脑一样独立思考,根本不会拥有智慧,所谓的AI智慧只是算法支撑的机器分析和总结,得出结果,却并不是人类的智慧。AI经过商用之后,只会变成自己玩自己的东西,却并不会成为代替人类的人工智能。当网络主播和电视播音员都可以用AI合成的时候,人们就不要参与AI主导的活动了,以免被玩弄,还被窃取了个人信息。
以上是人工智能自己玩自己的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

本站8月1日消息,SK海力士今天(8月1日)发布博文,宣布将出席8月6日至8日,在美国加利福尼亚州圣克拉拉举行的全球半导体存储器峰会FMS2024,展示诸多新一代产品。未来存储器和存储峰会(FutureMemoryandStorage)简介前身是主要面向NAND供应商的闪存峰会(FlashMemorySummit),在人工智能技术日益受到关注的背景下,今年重新命名为未来存储器和存储峰会(FutureMemoryandStorage),以邀请DRAM和存储供应商等更多参与者。新产品SK海力士去年在

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S
