您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识
人工智能发展的最大障碍是什么?
人工智能,模式,神经元人工智能发展的最大障碍是什么?
发布时间:2019-02-08加入收藏来源:互联网点击:
回答于 2019-09-11 08:43:50
感谢题主提出的问题,非常荣幸能够做出回答。
最大的障碍是,95%的人工智能真的很受欢迎,大多数老师和学生都在不停地刷成绩。很少有算法能够真正解决或改进传统算法。
南大的专家曾经说过,我们应该限制人工智能的使用,而不是限制它的研究。当每个人都关注深度学习时,很少有人能够集中精力研究人工智能的其他重要方向,如特征提取和数据降维。然而,深度学习被每个人使用。如果没有一个深度学习的研究方向,项目和招生将会少于一半。在这方面,我很钦佩南大的实验室,如LAMDA和Southeast palm等专注于理论研究的实验室
最能体现人工智能的算法是无所不包的机器学习。深度学习可能会出现泡沫,但机器学习和数据挖掘不会。就目前的最大似然算法而言,机器所学的是以参数的形式表达的。也许它真的学到了一些东西,但它还没有真正成为人类定义的知识。这是南大周在2016年计算机大会上说的。
因此,在我肤浅的认知中,我认为现在人工智能的最大障碍是所有人都在挤压他们的脑袋来使用深度学习的工具来发送paper和圈钱,而在中国真正沉下心来学习理论的人真的很少。几年后,首都看不到实质性的成果,它已经退出,深度学习和人工智能的热度已经逐渐消退。
我相信在机器学习领域一定有比深度学习更酷的算法,等着我们去发现和研究它们,但是更多的人需要在技术层面上一起工作。
此外,人工智能的硬件方面也需要跨越。如果它是基于当前的电子芯片,可能很难达到令人满意的智能。然而,未来基于量子计算机的云计算中心的建立将促进人工智能的全面发展。
这是人工智能软件和硬件的主要障碍。
回答于 2019-09-11 08:43:50
人的大脑思维逻辑复杂,不是那么好模仿出来的,现在连能正常聊天的AI技术都没有,市面上的那些都是人后台控制的,并不是真的人工智能,比如银行的那个安安。
回答于 2019-09-11 08:43:50
1、数据太大;2、研究太窄,只在深度学习,其实还有很多领域,如特征提取、数据降为、数据挖掘等领域
回答于 2019-09-11 08:43:50
深度学习神经网络,只对人脑思维中,“经验到结论”环节,做出了最接近的模拟。但与生物脑的记忆机制,不能完全吻合。所以表现为,学习的次数比人脑多。其次,需要反向监督学习,也就是,由人告诉它结论,然后返回去调整参数。这就需要大数据,和强算力,以及人工干预。试想,孩子第一次见到鹅,如果没有人在旁边,他就没有记忆吗?显然不是,他肯定有个初步印象。而且,不需要大数据和强算力。这说明,大脑的智能,和目前的人工智能有一定的差别。如果完全靠大数据建模,和强算力计算,是不能解决根本问题的。这就是语音识别,经常有错别字的原因。还不如人脑,因为人脑涉及的深度,已经达到语义理解的程度。
从目前发表的文章,以及计算机的功能显示,人工智能的进展,还停留在这个层次。尤其是对意识的研究,还没找到突破口。甚至有行家认为,人脑没办法突破对自身的认识。有这种信念的人,自然不会去破解人脑思维原理。计算机专家,也不会花很大精力,深入研究生物脑的工作原理。所以,难以获得,大自然制造生物脑的启示。而生物学家,迷信DNA决定论,认为,神经网络的结构,只能是全连接方式。而不是后天信息塑造的异构神经网络,因此,大脑的生长机制,与运行机制是脱节的。正是这些根本信念的偏差,导制了研究路径的偏差。这就是人工智能发展的最大障碍。
回答于 2019-09-11 08:43:50
人工智能的一个比较流行的定义,也是该领域较早的定义,是由麻省理工学院的约翰·麦卡锡在1956年的达特矛斯会议上提出的:人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。
目前人工智能还远未达到人们期望的程度,人工智能产品一眼就可以认出或感觉它只是人类创造的机器产物,外形棱角分明,动作僵硬,只能回答已设置好的领域的问题等等诸多问题。也就是现在在热议的弱人工智能。
我们来看看人工智能产品的构成:外界信息感知,信息处理,适当反映,这三个部分都属不同的领域。
外界信息感知是指能够使用传感器所输入的数据(如照相机、麦克风、声纳以及其他的特殊传感器)。这些传感器还没有达到理想的解析度,还处于比较大的方块状态,通俗讲也就是不够细腻。达不到人类的细腻感知。我认为这是其中一个难点问题。
上一篇:一个30多岁的朋友,刚被裁员,是去找份工作,还是自己去创业?
下一篇:返回列表
相关链接 |
||
网友回复(共有 0 条回复) |