让AI达到人类水平必须需要克服的困难汇总_光环大数据人工智能培训.pdfVIP

光环大数据--大数据培训知名品牌 让AI 达到人类水平必须需要克服的困难汇总_光环大数据人工智能培训 谷歌旗下总部位于伦敦的人工智能公司Deep Mind 上周在机器学习方面取得 了重大突破，宣布AlphaGo Zero 可以在没有人为干预的情况下自主学习。人工 智能已经可以做很多人类无法做到的事情，但我们距离打造“像人类一样”的人 工智能还有多远？在我们达成目标之前，我们需要解决哪些关键问题？ 为了回答这个问题，我将提出，为了让机器变得和人类一样聪明，必须克服 五个里程碑式的难题：普遍性、转移学习、自主学习、常识和自我意识。让我们 依次来看看看看我们今天人工智能的发展水平。 普遍性：这意味着我们开发出一种方法，或者一种可以应用于任何其他独立 于领域问题的系统架构。我认为这个问题在很大程度上得到了解决。人工智能的 概率方法，比如深度倾斜网络（比如专家系统），已经证明了其通用性。我们可 以使用同样的深度学习网络和算法来解决几乎所有问题——这是一个很好的机 器学习的范例。 自主学习：这就是Deep Mind 的“AlphaGo Zero”所取得的成就。通过对第 一个AlphaGo 所使用的原始强化学习方法的调整和简化，他们演示了一个给定目 标的神经网络(如“赢”)可以自己学习，并为实现这一目标而发明策略。这是一 个重大的突破，它让我们离人工智能更近了一步。 转移学习：这意味着一个系统可以使用或抽象地利用它通过解决特定问题积 累的知识，并将这些知识应用于解决不同的问题。这是我们人类的天性，我们会 在问题中“看到固定的模式”和“问题之间的相似性”，我们运用积累的“经验” 光环大数据 光环大数据--大数据培训知名品牌 来解决它们。在人工智能领域，我们还没有实现这一目标。尽管在机器中，似乎 至少有一条实现转移学习的有希望的途径，方法是将概率和非概率（“象征性”） 方法结合起来。例如，假设一个系统能够检测出它的神经网络在解决某个特定问 题时所采取的步骤，并将它们转换为一种启发式算法，然后对这种特定领域的启 发式算法进行归纳，并用它来驱动神经网络去解决另一个问题。 常识：这是一个非常难的问题。举个例子，“迈克尔·菲尔普斯在北京奥运 会上获得了400 米蝶泳金牌”。当你读到这句话的时候，你会立刻、隐隐地想到 一长串的事情;例如，菲尔普斯在获得奖章时身上是湿了的，他必须在进入游泳 池之前把袜子脱掉等等。这种逻辑假设与原始陈述的关联在计算机中是极其难以 编码的。我们距离解决常识问题还有很长的路要走。但是，一个好的开始就是研 究神经科学能教给我们怎样形成、保留和使用记忆的方式。人类记忆的功能或许 是在机器中开发常识的关键。 自我意识：人类的自我“意识”仍然是神秘的，尽管神经系统科学家已经取 得了一些突破性的进展，当我们意识到一些事情的时候，比如当“我”或“自我” 出现，产生主观体验时，我们的大脑会发生什么。对许多人来说，高层次的意识 可能是人类在面对未来智能机器时保持某种优势的“最后堡垒”。然而，创造出 模仿自我意识的机器并非不可能。我之所以说“模仿”，是因为，除非我们找到 一种客观的方法来衡量人类的意识，否则我们将永远无法断定一台机器是否“真 的”有意识。那些让我们相信他们有自我或个性的机器应该相对容易开发，但他 们是否会真正地拥有自我意识，我们只能知道我们是否能解决了“意识的难题”。 为什么大家选择光环大数据！ 大数据培训、人工智能培训、Python 培训、大数据培训机构、大数据培训班、 数据分析培训、大数据可视化培训，就选光环大数据！光环大数据，聘请专业的 大数据领域知名讲师，确保教学的整体质量与教学水准。讲师团及时掌握时代潮 光环大数据 光环大数据--大数据培训知名品牌 流技术，将前沿技能融入教学中，确保学生所学知识顺应时代所需。通过深入浅 出、通俗易懂的教学方式，指导学生更快的掌握技能知识，成就上万个高薪就业 学子。 【报