技术

人类知识在人工智能世界中有多重要?

多年来,人类一直在尝试教导计算机如何思考。但是到目前为止,错误的数量太多了。是否有可能克服这一障碍?机器将来会取代生活中的人们吗?

人类神经元和神经网络

人工神经网络是否与人脑中的神经元有任何关系,可以称为智力吗?

思维过程的现代思想是基于这样一个事实,即大脑皮层中的神经元可以相互通信,定期接收来自大脑皮层的信号。“neighbors”从基本状态转变为兴奋状态我们的大脑中大约有85-860亿个神经元。他们每个人都与许多(最多2万)其他神经元有联系。这种结构能够思考的事实一直吸引着科学家的注意力。人工智能的目标与其解释直接相关。

神经网络

Development of 人工智能

在20世纪50年代,弗兰克·罗森布拉特(Frank Rosenblatt)发明了感知器–连接对象的数学模型,其中一个对象的输入信号等于其他对象的输出信号。

感知器最重要的属性是错误的所谓反向扩展。这是网络(矩阵)中相互连接的元素的字段。最初,他们对输入信号的反应均等–例如,保留原样。但是让’假设我们想教感知器区分字母。我们以随机顺序将A,然后B,然后C提交给输入。该模型最初对这些对象一无所知。但是它有一个反馈,其中会创建一个错误函数。它确定模型是否错误。如果猜测字母,该函数将返回零(这意味着没有错误)。如果感知器距离正确答案较远,则功能会增加。误差信号返回到输入,这导致模型的校正。结果,感知器会记住某些输入对象集的状态,即训练方式。

值得澄清的是,“trained model”与学习无关。实际上,系统在误差向后扩展了几个周期后达到了平衡。同样地,摆锤摇动后会进入平静状态。但是,模型可以记住所需设置并保存它们的事实与学习过程相似。这种机制对科学家来说似乎很有趣,后来成为第一个神经网络的基础。

期限“人工智能”由美国科学家约翰·麦卡锡(John McCarthy)于1956年发明。在1950-1960年代,引入了节点和网络的概念。在集中于人脑的科学著作的影响下,人工结点被称为神经元。

在AI开发期间,出现了许多类型的网络。模式,文本和图片的识别发生在我们的大脑中,所有这些都存储在内存中。计算机神经网络并不普遍。科学家不得不发明最适合某些任务的各种网络:

  • 卷积网络主要用于图像分析;
  • 反复发作–用于动态变化的分析;
  • 自动编码–用于分类(识别字母,字符);
  • 编码器-解码器–识别对象的关键特征;
  • 竞争神经网络–用于生成新对象;
  • 记忆单元–用于存储信息。

在具有不同类型神经网络的公司中,创建多层系统的想法出现了:一层相同的神经元是另一层的输入。后来,不同类型的图层也合并到一个模型中。所有这些都是为了使神经网络接近人类的智力而完成的。

Why do we need 人工智能?

如今,人工智能已成为科学界讨论最多的主题之一。为什么机器学习很重要?因此,人们可以摆脱日常工作和任务的责任,而我们只需’不能独立执行。它’无法获得世界的所有知识。由于人类的可能性有限,因此我们无法阅读和记住所有信息。但是我们可以借助 谷歌 ,维基百科和许多其他内容。

现代人无需在大脑中积累数据。这是一种完全不同的思维方式。使用相同数量的神经元,您可能会在操作管理中掌握大量知识。人类对扩大机会和增加自由感兴趣。

人工智能

在十九世纪,存在创建资源的问题(人们建造工厂并掌握了新的生产方式)。二十世纪与控制范式和数字信息流的产生有关。在二十一世纪,任务不是生产和控制事物,不是收集数据,而是过滤数据并做出最佳决策。由科学家逐渐创建的AI就是为了解决这个问题。

我们需要我们吗?

机器的知识变得越来越复杂,这提出了一个问题:将来是否需要人类知识? 2013年,牛津电子研究中心发布了一项有关各种职业计算机化的研究。考虑了700多个专业。研究人员确定了将人工智能与人工智能区分开来的三个方向:创造力,与其他人的社交互动以及对外部物体的操纵。问题的答案“Do we need us?” is “Yes”,但前提是我们继续满足这三个要求。

因此,据科学家称,园丁’满足所有条件的职业永远不会消亡。一台机器能够写一个 技术报告。但是,机器人将很快无法创作影响灵魂深处的文学作品。在不久的将来,人工智能将仍然是辅助工具,而不是世界的主人。合理使用它将大大改善我们的生活。

关于作者

 头像

卡尔·佩托斯基

卡尔·佩托斯基(Carl Petoskey)是一位有成就的作家,在技术行业拥有多年​​经验。当他不写作时,您会发现他涵盖了像Comcast 商业 Class这样的公司。

在这里订阅

Join the list of our 42,000+ 订阅者,可以直接在其收件箱中收到我们的最新文章,提示/技巧和竞赛详细信息。免费。

广告

享受免费的电子邮件更新