美国基金会报告-大领域 AI 超越人类时间表：机器智能大爆发.docxVIP

美国基金会报告-10大领域 AI 超越人类时间表：机器智能大爆发计算机在哪些领域已经超越了人类？准确地回答这个问题有助于我们更好地理解 AI 和自己。非盈利组织电子前哨基金会（EFF）的几位研究员整理了一份可能是目前最完善的资料，梳理了计算机已经超越人类水平的任务列表。一项项看过去，不啻纵览人工智能的发展，同时也能帮助我们将目光放到接下来要解决的问题上。列表持续更新，欢迎大家补充。这是一个试验项目，旨在从AI研究的文献收集问题和指标/数据集，跟踪人工智能的进展情况。在这个项目页面你可以查看特定子领域，或查看AI/ML的整体进展现状。你可以把它作为报告你的新成果的地方，或作为寻找可以受益于新的数据集/指标的问题的地方，或作为一个数据科学项目的来源。?EFF 的研究人员 Peter Eckersley 和 Yomna Nasser 想要知道 AI 的发展进程，从而对其潜在应用得出更好的理解。在 EEF 的另外两名研究人员 Gennie Gebhart 和 Owain Evans 的辅助下，他们汇集了大量的资料——为了理解问题，先从收集资料开始。除了零散的论文和文献，他们还参考了以下资料：Rodrigo Benenson 的 Who is the Best at X / Are we there yet??Jack Clark Miles Brundage 的《AI 进步衡量指标》Sarah Constantin 的《Performance Trends in AI》Katja Grace《Algorithmic Progress in Six Domains》瑞士计算机国际象棋协会《History of Computer Chess performance》Qi Wu 等人《Visual Question Answering: A survey of Methods and Datasets》Eric Yuan的《Comparison of Machine Reading Comprehension Datasets》?目录?1. 分类方法2. 定义和导入数据的源代码3. 问题，指标和数据集? ? A. 玩游戏? ? ? ? a. 抽象策略游戏? ? ? ? b. 实时视频游戏? ? B.视觉和图像建模? ? ? ?a. 图像识别? ? ? ? b. 视觉问题回答? ? ? ? c. 视频识别? ? ? ? d. 生成图像? ? C. 书面语言? ? ? ? a. 阅读理解? ? ? ? b. 语言建模? ? ? ? c. 会话? ? ? ? d. 翻译? ? D. 口语? ? ? ? a. 语音识别? ? E. 科学和技术的能力? ? ? ? a. 解决有限的，明确的技术问题? ? ? ? b. 阅读技术论文? ? ? ? c. 解决现实世界中的技术问题? ? ? ? e. 从规范生成计算机程序? ? F. 学会更好地学习? ? ? ? a. 概括? ? ? ? b. 迁移学习学习? ? ? ? c. One-shot学习? ? G. 安全与规范? ? ? ? a. “对抗实例”和对分类器的操控? ? ? ? b. 强化学习智能体的安全问题? ? ? ? c. 自动化黑客系统? ? ? ? d. 自动驾驶汽车的行人检测? ? H. 透明度和可解释性? ? I. 公平和偏见? ? J. 隐私问题4. 到目前为止的分类标准和记录进度? ? A. 按类型/类别划分的问题和衡量标准5. 如何为这个项目贡献? ? A. 导入数据的注意事项?分类方法分类方法如下图所示：?问题（problem）描述了学习一类重要任务的能力。?指标（metrics）应该以“给定Y类训练数据，软件能够学习做X任务”的理想形式制定。?衡量（measurement）是一个特定算法（algorithm）在一个特定实例（instance）上以特定的指标（metric）能够得到的分数。?问题被标记了属性，例如：视觉，抽象游戏，语言，现实世界建模，安全，等。其中一些问题与人类表现有关（当然这是非常任意的标准，但我们熟悉这样的标准）：?agi：大部分正常人都可以做到的，AGI能够做到。Super：人类能做到的最高水平，或人类组织能够做到的。Verysuper：人类和人类组织目前都无法做到的。?一个问题可能有“子问题”，包含简单的案例和普遍性地解决问题的先决条件。?“指标”（metric）是衡量问题进展的一种方式，通常与测试数据集有关。给定的一个问题同参更会有几个metric，但有时是从0开始，并需要提出一些metric…?measure[ment]是在给定metric上，特定时间，特定代码库/团队/项目的得分。视觉领域1. 图像分类视觉领域中，最简单的子问题可能是图像分类，