如何看待饒毅的 人工智慧還是偽智慧型 命題?

時間 2021-05-09 12:57:46

1樓:偷故事的人

人工智慧可以說是還是一種簡單的機械結構和控制程式的一種集合體,只是這樣的幾個體對於資料的處理能力比較強大,但是如果真的要將人工智慧發展到與人類的大體思考方式一樣的時候,可能我們需要的就不簡簡單單的是這樣的人工智慧了。

2樓:Ben Lai

取決於對「智慧型」這個詞的定義,可以看一下Andrew Ng 對這個問題的看法

If you're trying to understand AI's near-term impact, don't think "sentience." Instead think "automation on steroids."-Andrew Ng

我個人還是比較贊同這個說法的,現在搞人工智慧的有很大一部分是當年搞訊號處理和自動化的。

從神經網路的複雜程度來量化的話,果蠅約有100,000個神經元。在人工神經網路裡(計算力不是限制條件的情況下)100,000個神經元可以用來模擬乙個十分複雜的系統但卻未必能像果蠅一樣在未知的地帶尋找到食物。當前對人腦是如何運作的和神經生理學還處於探索階段,所以這些數字當然是不能拿來平行比較的。

3樓:吊睛白額貓無聊地

就比如為了掙脫大地的束縛,饒毅就執著地研究軍旗鳥。

這徹底地研究鳥類當然是很好的思路和方向,但實際上飛機、飛艇、熱氣球、火箭、太空天梯都可以上天啊,哪怕他們都是「偽鳥」,甚至根本不是鳥。

4樓:蝸牛

個人覺得人工智慧目前為止還是停留在對數學/統計模型快速運算的能力上,而這些運算是建立在特定框架的基礎上,目前的AI還沒有能力去跳脫框架,或者建立新的架構。

5樓:左村

如果永遠做不到就是偽命題。

這不是廢話嗎,永遠這誰知道啊?

個人觀點,肯定可以做到,認為做不到的,只是高看了人類的自我意識而已。

從宗教角度看,自我意識就是個錯誤,who care,我們要做得是超越自我意識,哈哈。

6樓:依據事實醜拒假說

饒毅的「人工智慧還是偽智慧型」,這個結論是對的。

人工智慧只不過是人類通過某種演算法,在一堆資料中篩選演算法製造者所需要的資料而已。

因此,做選擇,做抉擇,其實背後的主人是人,並非什麼人工智慧。

只不過,搞計算機的人們好大喜功,硬要把啥子演算法起個xx智慧型的名字,事實上跟智慧型毫不相關!

但那篇文章中,饒毅說,動物的依賴性是基因決定的,這個結論是絕對錯誤的。

很簡單,如果是基因決定的,那麼人都不會有菸癮、網癮之類的話題了。

人的意識的產生是很複雜的,意識不是大腦產生的,而是意根的淨色根產生。

根有兩種:乙個是浮塵根,一種叫淨色根。

意根的浮塵根是大腦,但意根的淨色根不是大腦,真正產生意識的是意根的淨色根。

所有的淨色根是肉眼所不能見的,只有天眼和佛眼可以見到。

因此,科學家,如果想通過目前的這些科學技術手段弄明白意識是怎麼來的,乃是不可能的事情!

因為他們不知道背後還有好幾套(不是好幾個哦,是好幾套!!)肉眼所不能見的東西在身體裡面起作用。

靈魂就是靈魂,絕不是大腦。

7樓:陳曉

人工智慧本來就是人工製造的智慧型,「假智慧型」。Artificial這個詞本來就有「假的」的意思、比如artificial flower就是假花,假古董就是artificial antique。

饒毅不過是把定義重複了一遍,沒什麼好「怎麼理解」的把?

8樓:

其實饒教授說的挺有道理的啊,學一些生物,理解生物體利用了哪些數學結構去優化是個很有意思的事情,對於發展人工智慧演算法肯定有潛在的幫助。我們學校Bill Bialek同志發展了maximum entropy model去研究蛋白質的結構,其實跟machine learning裡面的graphical models非常像。

當然,如果你把學生物理解成了記住細胞有哪些元件或者刷試管,就當我沒說。。。

9樓:冰笛

沒啥大的問題。商界捧紅了深度挖掘,學術界發出了自己的聲音,這很正常。

說人工智慧是偽命題,是對商界潑的一盆冷水而已,千萬不要把深度等同於人工智慧。

10樓:「已登出」

人類目前連生物的【智慧型】產生的原因與執行機制都還沒完全搞清楚,程式猿那幫猴子們就號稱自己發明了【人工智慧】、【機器學習】,真不知道他們哪來的自信。

11樓:

即便是個很簡單的語義,目前計算機也都無法理解,用統計方法彌補缺陷,總感覺它不應該是我們想要的解決辦法;

我承認現在統計學習很有潛力,但總感覺真正的智慧型不太可能是沿著這個方向發展;

現在接觸的神經網路,機器學習,真心看不出它有什麼智慧型;

即便是功耗,儲存,整合的問題能夠解決,以現在的這些方法,未必能造出真正的智慧型。

我也認為,圖靈測試不能當做評價智慧型的標準,這個和我期待的智慧型相差太遠;

我希望,現在搞計算智慧型的,如果真心想實現智慧型的話,能夠放下現在的狂妄,認認真真審視下什麼才叫做智慧型;

也期待神經科學能有大的突破,更希望神經科學能和計算機交叉

12樓:善林

我認為,人工智慧是乙個完全不能達成的東西。

人工智慧,就是說,通過我們人力而為,可以創造乙個人的大腦這樣的機器。於是我們就可以實現人工智慧。這種偏激的想法,類似於上個世紀初,人們總是頑固的用10進製研究計算機。

結果自然是徒勞,最後是二進位制取得了絕對的勝利並發展出今天我們的計算機。

今天的人們重複著當時的人們的錯誤觀念。確實,計算機可以對我們輸入的東西反饋出乙個東西來。讓我們幻想以為,計算機就成為了人,這個就不對了。

就好象通過電子變換可以實現了邏輯和運算功能但只能是二進位制一樣。機器可以做出反應但不是說機器就成為了人。

或許不久以後人們會發現,計算機無法實現人工智慧,然後老老實實的專心運用好計算機這個純粹的工具。

13樓:

強烈反對幾個高票回答。因為答主不知道機器的極限。

假設我有乙個模型可以模擬大腦,或者這個模型可以模擬智慧型,那麼我用什麼東西來實現這個模型?如果是一台機器(圖靈機的任意形式的物理實現),那麼機器無法做出超越機器極限的事情。而圖靈機的極限被限定於遞迴列舉語言,模擬智慧型這個任務超越了這個極限。

所以,要麼不存在這個模擬智慧型的模型,要麼這個模擬智慧型的模型是無法實現。如果模型是無法實現的,那麼也就說明這個模型是不可計算的,因為圖靈機等價於可計算方程。如果是不可計算的,那麼也就說明我們無法得到乙個形式化的數學定義,用於定義這個模擬智慧型的模型。

也就說明人腦是無法歸約的。

至於研究AI需要不需要學神經科學。其實很簡單,當然不必要。暫不說用人腦研究人腦這樣的self-reference會產生什麼結果。

用函式來解釋就很簡單,如果你還記得函式的定義。(雖然這不會是嚴格定義的函式)

函式是定義域到值域的對映,如果將智慧型看作為乙個函式,那麼定義域就是這個智慧型能夠接觸到的世界,值域是這個智慧型做出的反應。如果我們希望模擬這個智慧型,那麼我們只需要找到任意乙個和這個函式等價的函式。所謂等價是指,對於任意給定輸入,原函式輸出 = 等價函式輸出。

所以,如果我們能夠明白原函式的對映方法,我們肯定能構造出等價函式。但如果不知道原函式是怎樣對映的,依然有辦法構建出等價函式。

14樓:劉鎮銳

在我看來……這種說法甚至可以用愚蠢來形容……他自己也沒有思考過人類智慧型……他沒有為自己的預設「人腦中有一種與電腦中可能完成的任何一種人工智慧都不同的『真智慧型』」做出過任何有效的辯護……在這乙個預設上面,他只是單純憑藉著直覺做出了乙個判斷,而問題在於,科學不依靠直覺來檢驗,而如果按照統計學來說的話,零假設又不在他的判斷這一邊……

在這裡,我是乙個取消式物理主義者,同時是丹尼特和丘奇蘭德夫婦的粉,我不認為這幾個人對於人類心智的了解會比饒毅更差,尤其是這三人中的Patricia Churchland本人就是優秀的神經科學家,我唯一能得出的判斷就是:「他太傲慢,明明知道自己和他人的所知都還很有限,但卻時刻忽略自己的那一部分。」

15樓:

人工"智慧型"是由人來提前定義好其所會作出的反應,讓大多數人覺得"它"很"智慧型".某種定義上來說,畢竟現在要讓智慧型程式擁有學習能力也是很難的,基本都是機械式學習來擴充資料庫,然後由人來下判斷應該從資料庫中提取什麼回答.

所以這個命題吧,還是先弄清楚"智慧型"的定義比較好.

16樓:zhinan han

不管是人工智慧,還是人腦智慧型以及其他所有林林總總的智慧型,都歸結為智慧型,只是構成不一樣,現在所謂的人工智慧所能達到的能力與人腦智慧型相比實際上是各有千秋,但是我們一定要以人腦的能力作為智慧型的標準的話,那麼就是沒有標準,因為人腦與入腦之間的差異太大了,有白痴,有博士,有白痴博士,真不知道哪乙個可以成為標準人腦,是愛因斯坦的大腦還是畢卡索的大腦。

每個人都可以熱愛自己的工作,把自己的工作吹得天花亂墜都可以,但貶低別人的工作就有點過了。

17樓:謝丹

至少從目前看,饒毅是沒錯的。

1,AI最火的是1980-1990,反而90後計算機發展超快,不火了。原因是80年前以為智慧型限制是計算能力問題,90後發覺計算能力早到了,智慧型還是沒有。

這個最直接的,可以說是機器翻譯。80年之前的未來學家,都以為90年機器翻譯就成功了。

2,現在的AI,說到底還是很落伍於想象的(不僅是外行,也是落後於行業內)。原因在於對

智慧型的理解沒有透啊。

3,用飛機來比喻的,沒理解清楚重點。人們在飛機之前,早就理解了鳥類飛行的原理。雖然人類

選擇機翼而不是撲翼的,但是科學的正確選擇。(鳥是無法長成飛機這麼大,限制的原因是大小。

而不是說鳥類真的效率低水平差。)

4,然而智慧型(大腦)的原理還沒有理解。所以與其現在AI的亂撞式的智慧型產生法(可能再20年沒結果),饒毅覺得還是研究大腦智慧型法或許更加靠譜些。(這個很可能10-20年內有結果)

饒毅這種大牛不會去犯簡單的錯誤的,大家批評前至少要稍微了解下狀態。當然饒也沒必要去

擔憂,學生物的懂電腦的多,懂電腦的學生物的也不少,無論呼籲不呼籲,有辦法就會找到的。

18樓:貓尾巴被踩

這位叫獸略狹隘了,只能說【那些模仿人腦的人工智慧目前還是是偽人腦智慧型】

如今,很多搞腦科學的、神經科學的、心理學的、人工智慧的,都在玩交叉合作,互相借鑑。生物科技是有可能開發出比現在的人腦更強大的生物智慧型的,雖然不一定是科幻裡的巨型大腦,但很有可能組織方式和人腦的並不一樣,難道也看做偽智慧型?

電子和生物在智慧型研發方面作為兩個差異較大的系統,各有所長各有所短,當然人工智慧作為後起之秀,更積極的模仿人腦的各種功能,可現實是模仿的方面進步緩慢,而在很多其它方面已經各種替代人腦。社會系統中越來越多的領域被人工智慧占領,我們一方面還在探秘人腦,另一方就已經開始擔憂人腦的前途了

未來的人工智慧至少分生物和電子兩方面,而強化人腦的研究也有從這兩方面著手的,不論是頭戴式腦控,還是生物腦人工進化,都很有希望讓智慧型拓展再上乙個台階,眼界可以再寬廣些

如何區分偽人工智慧?

大家都回答了這麼多的原理的答案了,我來說乙個外行如何簡單區分的方法。看他的公司規模是不是足夠大,首先,人工智慧需要錢,一般投資是沒有那麼多的其次,看他的資料獲取量是不是足夠廣,沒有個幾十T的儲存不要談論人工智慧,當然,需要時有用的資料。最後,看看人員的組成,是不是大多數開發人員都有良好的英語水平,並...

如何看待現在的人工智慧技術?

大鵬諮道 人工智慧會奪走人類的工作?有人說人工智慧會奪走人類的工作?根據調查,92 相信機械人技術與人工智慧的進步將提公升中國的整體競爭優勢,91 的受訪者認為機械人與人工智慧將為其當前從事的工作帶來積極的影響,其中83 的受訪者表示對未來的工作前景更有信心,84 的受訪者表示,他們並不擔心當前的工...

如何評價清華大學新成立的人工智慧學堂班(「智班」)?

感覺就像開了個職高,有點浪費這些各省高考狀元和奧數金牌了。nb的小孩們年輕的時候應該還是得多學些培養邏輯思維的東西,尤其數學。人工智慧機器學習等學不動數學後再搞也不遲。 量子位 智班的首屆學生名單已經公布了,高考狀元競賽金牌雲集,從同學們的履歷來看,生源不輸姚班。而從培養計畫來看,智班是瞄準了人工智...