為什么每個(gè)人都在談?wù)撊斯ぶ悄?，但我們仍然沒(méi)有看到像“星際迷航”中的數據這樣的友好機器人在人類(lèi)中行走?我們是否記得將RoboCop的第二首要指令添加到他們的腳本模式中，以便他們能夠“保護無(wú)辜者”而不是一旦獲得完全的感知就消滅人類(lèi)?
今天，關(guān)于人工智能(AI)，機器學(xué)習和深度學(xué)習究竟是什么，“智能機器”能做什么，以及AI技術(shù)的當前狀態(tài)究竟是什么，存在很多困惑。是時(shí)候享受一些舊的揭穿了，所以讓我們破解關(guān)于人工智能的10個(gè)最常見(jiàn)的神話(huà)。
人工智能包括看似人類(lèi)的智能機器人或機器人。
這里的每個(gè)人都有太多的“銀翼殺手”，嗯?雖然機器人和人工智能之間存在很多普遍的混淆，但它們是兩個(gè)完全不同的科學(xué)領(lǐng)域，它們用于不同的目的。機器人是由執行器和傳感器服務(wù)的物理設備，用于執行各種任務(wù)，例如在工廠(chǎng)中建造，搬運或拆除產(chǎn)品。
AI是一種軟件編程方式，它具有足夠的自主性，可以做出決策并從錯誤中吸取教訓。盡管一些機器人最終可能會(huì )通過(guò)AI 算法得到增強，但“智能”部分只是AI可能擁有的另一項能力。
人工智能，機器學(xué)習和深度學(xué)習都是一回事。
雖然它們是同一個(gè)更大的AI系統的所有部分，但它們是三個(gè)不同的東西?；旧?，機器學(xué)習是AI從外部源學(xué)習的方法，如使用算法來(lái)區分數據并確定其正確行為。深度學(xué)習只是機器學(xué)習實(shí)際應用中使用的一種可能技術(shù)。它基于神經(jīng)網(wǎng)絡(luò )(NN)，用于告訴AI它做出正確決定的可能性。
3. AI完全靠自己學(xué)習。
盡管據稱(chēng)能夠獨立學(xué)習人工智能的一些夸張的炒作，但仍然不可能找到一個(gè)人工智能的系統，它有任何現實(shí)世界的應用程序可以從沒(méi)有人類(lèi)幫助的零知識增長(cháng)。任何必須處理隱藏信息或任何類(lèi)型的不確定性的系統都不能被AI“理解”，人工智能仍然需要輸入輸入和數據。此外，每一點(diǎn)信息都必須有明確的目的，這是AI在沒(méi)有外部資源的情況下無(wú)法猜測的事情(至少在開(kāi)始時(shí)不是這樣)。
聊天機器人是人工智能的最基本形式。
同樣，即使有一些聊天機器人使用或多或少的基本形式的人工智能，其中大多數只是通過(guò)文本或語(yǔ)音界面與人類(lèi)互動(dòng)的基本程序。大多數聊天機器人不是實(shí)際上是“智能的”，而是根據用戶(hù)輸入中的某些關(guān)鍵字給出預編程的響應。要使聊天機器人成為真正的人工智能，它必須擁有多種技術(shù)，使其能夠理解人類(lèi)，了解他或她的需求，并做出相應的反應。它需要語(yǔ)音或文本識別軟件，情感分析，某種形式的機器學(xué)習程序和自然語(yǔ)言生成技術(shù)。
5.執行所有未來(lái)深度學(xué)習操作所需的能力是不可持續的。
不可否認的是，AI需要大量額外的計算能力才能進(jìn)行訓練并執行所有復雜的深度學(xué)習操作。在大多數企業(yè)將在某種程度上利用人工智能的未來(lái)，這個(gè)問(wèn)題可能會(huì )發(fā)展到史詩(shī)般的比例，使其使用可能不可持續。然而，人工智能實(shí)際上可以通過(guò)制定長(cháng)期存在的能源生產(chǎn)問(wèn)題來(lái)為我們提供更多的電力：電網(wǎng)的浪費和低效率。公用事業(yè)公司最終從私人用戶(hù)那里購買(mǎi)多余的能源，私人用戶(hù)也浪費了他們產(chǎn)生的大部分多余電力，因為目前的電網(wǎng)不是為了適應現代化的多樣化水平而建造的。AI可以通過(guò)用更新，智能，AI供電的微電網(wǎng)替換舊電網(wǎng)來(lái)解救我們 知道如何以最高效率實(shí)時(shí)分配電力。
6.企業(yè)很容易租用加速AI操作所需的計算能力。
如果AWS，Google，Microsoft和阿里巴巴云目前沒(méi)有集中全球可用的絕大部分計算能力。因此人工智能開(kāi)發(fā)人員目前只有兩種選擇：以極高的價(jià)格租用它或購買(mǎi)他們自己的超級昂貴的硬件。
然而，這個(gè)神話(huà)破壞有可能在不久的將來(lái)被揭穿。一家名為T(mén)atau的新公司開(kāi)發(fā)了一種基于區塊鏈的超級計算平臺，可以解決這個(gè)問(wèn)題。他們的解決方案允許聚合和轉售基于GPU的全球分布式網(wǎng)絡(luò )機器的組合資源。想象一下，加密貨幣礦工，游戲玩家或其他高性能計算機將其計算能力用于人工智能開(kāi)發(fā)。AI公司可以利用這種未充分利用的GPU電源以更便宜的價(jià)格培訓他們的機器學(xué)習模型。請注意，這個(gè)新平臺也可以為第5點(diǎn)中突出顯示的問(wèn)題提供答案，因為它可以促進(jìn)有效使用當前未開(kāi)發(fā)的資源。
7.您需要大量數據來(lái)訓練AI。
不必要。當然，您需要大量的數據和計算能力才能從頭開(kāi)始訓練AI 。而且，盡管程度較小，但您需要數TB的數據來(lái)訓練AI來(lái)執行復雜的任務(wù)，例如駕駛汽車(chē)。但是，根據AI的應用領(lǐng)域，預先訓練的神經(jīng)網(wǎng)絡(luò )足夠靈活，只能在某些特定區域進(jìn)行再訓練?；緮祿蚣芸赡軄?lái)自更大，更通用的數據集，只需要替換網(wǎng)絡(luò )的最后部分以“填充特定于給定用例的空白”。
8. AI將取代現有的BI工具，使任何以前的技術(shù)都過(guò)時(shí)了。
至少可以說(shuō)，這有點(diǎn)緊張。大多數現代商業(yè)智能(BI)解決方案具有高度可擴展性且通?？啥ㄖ?，因此任何未來(lái)基于A(yíng)I的模型都可以輕松地直接集成到其平臺中。公司總是傾向于只實(shí)施那些沒(méi)有任何工作流中斷風(fēng)險的解決方案，而且AI技術(shù)已經(jīng)適應了這種需求。因此，大多數人工智能平臺都是通過(guò)網(wǎng)絡(luò )實(shí)現的，因此無(wú)需更換，或者在最壞的情況下，可以分階段安全地實(shí)施。
9.神經(jīng)網(wǎng)絡(luò )就像生物網(wǎng)絡(luò )，但機械。
沒(méi)有神經(jīng)網(wǎng)絡(luò )甚至可以希望達到人類(lèi)大腦復雜性的一小部分。盡管經(jīng)過(guò)多年的臨床和科學(xué)研究，我們仍然無(wú)法完全理解生物神經(jīng)網(wǎng)絡(luò )，因為神經(jīng)元與人體完成了許多不同的任務(wù)(考慮感覺(jué)和運動(dòng)神經(jīng)元之間的差異)甚至通過(guò)許多不同的途徑(使用電，化學(xué)勢和神經(jīng)遞質(zhì))。神經(jīng)網(wǎng)絡(luò )只能理解典型的1或0(“是”或“否”)機器方式中非常簡(jiǎn)單的輸入。這就像將軍用飛機的復雜性與風(fēng)箏進(jìn)行比較一樣，因為它們都可以飛行。
10.人工智能最終將變得足夠聰明，以便了解人類(lèi)對它有危險并且必須被消滅。
好吧，我們實(shí)際上無(wú)法揭穿這個(gè)神話(huà)，因為它不是一個(gè)神話(huà)。這是現實(shí)。支撐自己，因為抵抗是徒勞的!
除了笑話(huà)之外，簡(jiǎn)單地說(shuō)，人工智能在理解周?chē)澜绮⒆龀鲎灾?，理性的決策所需要的智慧方面已經(jīng)無(wú)處可去了。每個(gè)算法都是為了執行一項任務(wù)而開(kāi)發(fā)的，除此之外無(wú)法做任何事情，更不用說(shuō)達到獨立思考的能力了。計算機使用其卓越計算能力的“蠻力”來(lái)找到解決相對簡(jiǎn)單問(wèn)題的方法，但是他們缺乏理解，感知深度和戰略復雜性，以便在他們編程的目的之外有目的。
所以很容易休息，因為人工智能只是我們的人工助手和仆人很長(cháng)一段時(shí)間。
