1樓：栗子
在一次實驗中，兩個人工智慧對話，完全沒有障礙，設計師看到他的傑作說著純正的英語，不禁笑了出來…但是，很快，他的笑容僵硬了。人工智慧的語言不再是英語，而是無法被解讀的語言！（實事）
2樓：科技表音字
完全可能但是需要解決很多尚未解決的問題。
首先電腦無論是馮-諾伊曼架構、還是哈佛或者還是別的架構，都是通用的計算機器。對於實現生物體的功能（包括學習和意識）所需要的運算來說，都是充分和完備的。
至於當前使用的神經網路的單元模型和系統結構都比較簡單，尚未能實現高等動物皮層的全部功能，這也是成立的。問題就在於不斷的探索新的網路結構和模型，使生物的更多功能能夠被模擬出來，最終就能模擬出意識這種比較高階的功能。意識雖然高階，但是和視覺、學習、語言等功能的實現方法是同樣的。
3樓：facetothefate
不太可能。
人工智慧現在的神經網路雖然名字上是模擬神經元，但是實際上跟動物的神經元結構有很大的差別。
如圖，這是最基本的感知器的結構，簡單來說就是將乙個輸入向量的每一項（p）乘上乙個權值（w）加在一起並加上乙個偏移量（b）用這個和值計算乙個啟用函式，得到乙個輸出。
所謂的人工神經網路就是利用多個感知器進行多層連線。所謂的訓練就是算出一組合適的w，能讓輸入跟希望的輸出匹配。感知器模擬了動物神經元的四個部分接收區，觸發區，傳導區，輸出區，分別對應了加權求和，啟用函式，和輸出結果。
但是動物神經元要比這個複雜的多，首先啟用函式模擬的觸發區就是乙個非常值得玩味的部分，首先觸發區是有閾值的，而且閾值是動態的，乙個神經衝動觸發了這個神經元，這個神經元會進入到乙個不應期裡，這個時候閾值會提高，衝動會被阻塞，而不是繼續傳導下去。對映到感知器來說，也就是啟用函式也得是引數化的，也是可以訓練的。第二點，傳導的衝動不是單一訊號，而可能是多種訊號，具體什麼是可以接受的，往往是下乙個神經元的接收區決定的。
這就使得動物的神經元本身就帶分類器的功能，它可以根據不同種類的輸入來啟用不同的受體，進而來形成不同的神經網路。也是就是說，動物神經元每個細胞都要從結構上等同於乙個複雜的人工神經網路。所以想讓當前的感知器組成的神經網路產生意識，恐怕需要耗費的算力是我們無法想象的。
第二點，人工神經網路是輸入驅動的，沒有輸入就沒有輸出，本身就是兩個張量之間對映函式罷了。對於乙個函式，它並不會自主尋找輸入。但是自我意識不同的地方就在於自我可以產生輸入來啟用神經系統。
舉個基本的例子，人都會做夢。做夢的時候人實際上處於一種低刺激狀態，但是人們還是會在夢裡經歷種種，假裝自己看到了東西。也就是說，在視神經並沒有啟用的狀態下，人腦自己產生了類似視神經的輸入，單純的函式是做不到這一點的，正所謂仿生人會不會夢見電子羊，做夢才是產生自我意識的先決。
不會自我產生輸入的神經網路可能永遠也不會有自我意識。
4樓：Lin Jack
神經網路的基本原理是「回歸」，也即給出乙個數學模型，通過訓練無限靠近。
你說模擬成自我意識，太玄乎，啥是自我意識，自我意識是怎樣一種存在我們都沒搞清楚吧？
但對於我們已經已經已有很深認識的東西，我們應該還是可以模擬的。認識越透徹越能模擬。如下圍棋，我們認識可以模擬。
一切簡單單一的任務我們應該都是可以模擬的。只是數學模型稍複雜。
現在人工智慧領域，比較難的一點應該是如何讓機器具有通識性，能舉一反三。這涉及到人類要知道人類是如何學習東西的，就涉及到更深的生物學原理，比如腦神經元間如何合作來進行學習的。這會是對當前很多模型的一種顛覆性革命。
而這不解決，都無法實現讓機械人看物理書就能自己設計乙個火箭。
機械專業的想往人工智慧方向發展有可能嗎？ ？
哈哈哈 在機械工程領域，故障診斷適合與人工智慧進行結合。這是因為，故障診斷在本質上就是個分類的問題。而人工智慧演算法，最擅長的就是分類。常見機械故障 深度殘差收縮網路 江濤說職場 1.機械專業關於擇業的12個行業選擇，和15個崗位的分析。裡面在講到汽車行業的時候就提到過這個細分的領域人工智慧。江濤說...
人類現在是否擁有可能實現通用人工智慧的演算法？
AGI,從目前定義上還不清楚要做哪些任務.乙個不清楚任務的任務是否能完成?用黑箱法 那麼GPT 3和WALL.E的思路,是目前最接近可能出現AGI的一種方法. NN陳 強人工智慧並不需要那那那那麼多的資源。換句話說，靠擴大資料 資源 來實現強人工智慧是行不通的。原因之一，計算機沒有計算無限多資源的能...
人工神經網路訓練結束之後是否有可能出現不可預知的行為？
若羽 對抗樣本，影象畫素在拓撲空間的擾動，讓神經網路這個 空心模子 迷失方向。Explaining and harnessing adversarial examples zahet 舉個例子，比如影象識別，訓練結束後要說瘋狂的話最多是把貓都識別成狗，把雞都識別成鴨什麼的，它不可能瘋狂到操控著電腦打...