通用人工智能可能吗?
人工智能一词的第一种使用是更准确地应称为“狭义人工智能”的东西。它是强大的技术,但也是相当简单和直接的:你拿一堆关于过去的数据,用计算机来分析它并找到模式,然后用这种分析来对未来进行预测。这种类型的人工智能每天多次触及我们所有的生活,因为它从我们的电子邮件中过滤出垃圾邮件,并为我们提供交通路线。但是,由于它是用过去的数据训练出来的,它只在未来与过去相似的情况下工作。这就是为什么它能识别猫和下象棋,因为它们并不会每天在元素层面上发生变化。
人工智能一词的另一种用法是描述我们称之为通用人工智能(General AI,或Artificial General Intelligence, AGI)的东西。除了在科幻小说中,它还不存在,而且没有人知道如何制造它。通用人工智能是一种计算机程序,在智力上和人类一样多才多艺。它可以教自己全新的东西,而这些东西之前从未被训练过。
狭义人工智能和通用人工智能的区别
在电影中,通用人工智能是《星际迷航》中的Data,《星球大战》中的C-3PO和《银翼杀手》中的复制人。虽然从直觉上看,狭义人工智能与通用人工智能是同一种东西,只是实施起来不那么成熟和复杂,但事实并非如此。通用人工智能是不同的东西。例如,识别垃圾邮件在计算上并不等同于真正的创造性,而一般人工智能则具有创造性。
笔者曾经主持过一个关于人工智能的播客,叫做《人工智能的声音》(Voices in AI)。这是很有趣的事情,因为大多数这门科学的伟大实践者在这个播客上都是可以接触到的,并且他们愿意参加播客。因此,我最终有了一个由一百多个伟大的人工智能思想者深入谈论这个话题的旁听席。我有两个问题会问大多数来宾。第一个问题是,“通用人工智能是可能的吗?”几乎每个人——只有四位例外——都说“是的,这是可能的”。然后我会问他们,我们什么时候能建立它。这些答案五花八门,有的快到5年,有的长到500年。
为什么差距如此之大?
为什么几乎所有我的来宾都说通用人工智能是可能的,但对我们何时能实现它却提供了如此广泛的知情者的估计?答案可以追溯到我之前的一个说法。我们不知道如何建立通用智能,所以你的猜测和其他人的猜测几乎一样(无用)。
“但是等等!”你可能会说。“如果我们不知道如何制造它,为什么专家们如此压倒性地同意它是可能的?”我也会问他们这个问题,我通常会得到相同答案的变种。他们对我们将建立一个真正的智能机器的信心是基于一个核心信念:人是智能机器。他们的推理说,因为我们是机器,而且有通用的智能,所以建造具有通用智能的机器一定是可能的。
人机对比
可以肯定的是,如果人是机器,那么这些专家是对的。通用智能不仅仅是可能的,而且是不可避免的。然而,如果事实证明人不仅仅是机器,那么人的某些方面可能没有办法在硅中复制。
有趣的是,这一百多位人工智能专家与其他人之间的脱节。当我给普通听众讲这个话题时,问他们谁认为自己是机器,大概有15%的人举手,而远远不及人工智能专家的96%。
在我的播客中,当我对这种关于人类智能性质的假设进行反驳时,我的来宾通常会指责我——当然是很有礼貌地指责我——沉溺于某种神奇的思维,其核心是反科学的。“如果不是生物机器,我们还能是什么?”
这是一个公平的问题,也是一个重要的问题。我们知道宇宙中只有一种东西具有通用的智能,那就是我们。我们怎么会碰巧拥有如此强大的创造性超能力?我们真的不知道。
智力是一种超能力
试着回忆一下你第一辆自行车的颜色或你一年级老师的名字。也许你已经多年没有想过这两件事了,但你的大脑可能不费吹灰之力就能检索到它们,当你考虑到这些“数据”并不像硬盘那样存储在你的大脑中,这就更令人印象深刻了。事实上,我们都不知道它是如何存储的。我们可能会发现,你大脑中的千亿个神经元中的每一个都和我们最先进的超级计算机一样复杂。
但这只是我们智力之谜的开始。从那里一切开始变得更加棘手。事实证明,我们有一种叫做思考能力的东西,它与大脑本身不同。思考能力是你头脑中三磅(1.36千克)重的粘液所能做的一切,而它似乎不应该这样做,如有幽默感或陷入热恋。你的心脏不承担这些,你的肝脏也不做。但不知何故,你做到了。
我们甚至不能确定思想是否完全是大脑的产物。不止一两个人在出生时就缺失了高达95%的大脑,但仍有正常的智力,而且往往直到后来接受诊断性检查时才知道自己的状况。此外,我们似乎有很多智力并没有储存在大脑中,而是分布在我们的身体中。
通用人工智能:意识的附加复杂性
即使我们不了解大脑或思想,但实际上事情仍然从那里开始变得更加困难:通用智能很可能需要意识。意识是你对世界的体验。一个温度计可以准确地告诉你温度,但它不能感受到温暖。这个区别,即知道什么和体验什么之间的区别,就是意识,我们没有什么理由相信计算机能比椅子更能体验这个世界。
因此,我们的大脑我们不了解,思想我们无法解释,至于意识,我们甚至没有一个很好的理论来说明单纯的物质如何可能有体验。然而,尽管如此,那些相信通用人工智能的人工智能人士却坚信,我们可以在计算机中复制所有人类的能力。在我听来,这似乎是引诱人进行奇幻思维的论点。
我这么说并不是要轻视或贬低任何人的信念。他们很可能是正确的。我只是把通用人工智能的想法看作是一个未经证实的假设,而不是一个明显的科学真理。建造这样一个生物,然后控制它,这样的愿望是人类的一个古老梦想。在现代,它有几个世纪的历史,也许从玛丽-雪莱的《弗兰肯斯坦》开始,然后在后来的一千多个故事中表现出来。但它实际上比这要早得多。早在我们有文字的时候,我们就有这样的想象,比如塔洛斯的故事——一个由希腊技术之神明赫菲斯托斯创造的,用来守护克里特岛的机器人。
在我们内心深处的某个地方,有一种创造这种生物并指挥其令人敬畏的力量的愿望,但到目前为止,没有任何东西应被视为我们实际上能够做到。
以上是通用人工智能可能吗?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)

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

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

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

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

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

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
