深度学习】强人工智能的发展,能否给我们的普通生活带来大改变?

2020-08-17 15:30发布

2条回答
不吃鱼的猫
2楼 · 2020-08-17 15:34

人们的生活变得越来越便利,未来都是人工智能的天下了~

it小哥哥
3楼 · 2020-09-14 11:30




人工智能已经在不知不觉间悄然而至,等我们发现的时候,它已经渗透到了我们的生活中,甚至影响着整个世界。人工智能的未来有无限种可能,它的未来也在改变着人类的未来。


如果互联网改变了信息基础设施,那么移动互联网就改变了资源的配置方式。互联网就像是末梢神经一样深入了人类生活的方方面面,不仅产生了科学家朝思暮想的大量数据,而且催生出了云计算方法,汇总了千万台服务器的计算能力,令计算能力有了飞速的提高。


之前科学家发明的“机器学习”方法在互联网领域大显神通,从根据用户的兴趣自动推荐阅读、购物信息,到更准确的语音识别、网络翻译,互联网变得越来越智能化。人工智能正在筹备一场堪比技术革命的大变革。


在面对这样的变革时,有很多科技领军人物都在讨论它有可能带来哪些潜在的风险,与此同时,也有不少业界人士质疑它兑现奇迹的能力。于是,在舆论领域有两种声音萦绕在我们耳畔:一种是只要人工智能陷入发展的低谷,就又会听到“这只不过是换了种套路的创新泡沫而已”;另一种是只要人工智能达到发展的高峰,就会听到“人类将被机器统治”的担忧。


在面对这样一个快速发展的新技术时,一定是见仁见智的。但是我深信不疑的是,我们既不能低估它的长期影响力,也不能高估它的短期作用力。


从纵向发展的角度来说,人工智能通常被分为三个阶段:第一个阶段是弱人工智能,第二个阶段是强人工智能,第三个阶段是超人工智能。但是事实上,目前不论多先进的AI技术,都属于第一阶段,只能做到在某个领域跟人差不多,但是不能超越人类。


人工智能究竟扮演什么角色?


有很多人认为,在未来发展中,人工智能是必将争夺的无限宝藏。但是对于普通的用户来说,关心的并不是宝藏,他们关心的是在AI领域的创新和发展,是否能把不计其数的智慧机器与数十亿互联互通的智慧大脑结合在一起,帮助我们了解、改变这个世界,从而给生活带来越来越多的便利与快捷。


如今的机器人与科幻小说中些的那些“无处不在”的机器人也许还有很大的差距,AI并不是只有机器人这一种形态,实际上,它在就已经开始用各种各样的方式渗透进我们的生活。以工业机器人为主力的“智能化生产”和“无人工厂”已经成为了“工业化4.0”的标志。


类人型的机器人在商场或者店铺里充当服务员与销售员的现象已经比比皆是,无人驾驶的汽车正在道路上测试行驶,甚至有几乎以假乱真的美女机器人在百货公司充当前台。从最普遍的语音助手,到最具争议的机器人和无人驾驶汽车,每一次的演变都激发着人类对于未来科技的热血沸腾,也许科技离我们越来越近了。


特斯拉CEO伊隆·马斯克曾表示:“借助人工智能,我们将召唤出恶魔。你们都知道这样的故事,有人拿着五芒星和圣水,并肯定他能控制住恶魔,但实际上不行。”但是我们能够从侧面看出,其实马斯克也对AI的强大的坚信不疑。


这就是互联网巨头纷纷加入AI是我原因,除了战略原因,更多的是因为AI的发展速度要比我们认为的快得多,而且开始渐渐地渗入到各行各业以及人们的日常生活中。


人工智能的未来将会走向哪里?


有些人担心,当超人工智能到来的时候,机器会不会控制人类?其实,人工智能永远不能达到超人工智能,很可能连强人工智能都到达不了。将来,机器可以无限的接近人类的能力,但是却永远无法超越人类的能力。


但是,因为计算机在某些方面确实是比人类强太多了,所以只是无限接近人类的能力就能够产生足够大的颠覆性。例如计算机的记忆能力,百度搜索能够记忆上千亿页的网页,而且每一个字都能够记住,这是任何一个人都无法做到的。


又例如它的运算能力,哪怕是写诗,把你的名字输入在手机百度的“为你写诗”,按下Enter键,还没等你反应过来,诗就已经做出来了。就算是再厉害人,也不可能达到这种速度。但是在创造性和情感等诸多方面,机器是无法与人类相比的。


最主要的是,在技术和人的关系上,前几次的技术革命与智能革命是有着本质上的区别的。前三次的技术革命,都是人类自己去学习和创造世界,但是因为有了深度学习,所以人工智能革命是人与机器共同学习和创新世界的。


在前三次的技术革命时代中,人要去学习和适应机器,但是在人工智能时代,是机器主动学习和适应人类的。在刚刚进入蒸汽时代和电气时代的时候,有很多人是害怕新的机器的,除了工作机会发生了巨大的改变之外,人不得不去适应机器和流水线。


然而,这次的人工智能革命,是机器主动学习和适应人类,“机器学习”的本质之一,就是从人类的大量的行为数据中寻找到规律,然后根据认同的人的不同的兴趣和特点,来提供不同的服务。


将来,人与机器、人与工具之间的沟通可能是完全基于自然语言的。你不用去学习如何使用工具,例如如何调节空气净化器,如何打开电视会议系统。你只要说话它就能得听懂。


人工智能的使用方式不是像过去的机器那样让人感到难受,而是会让人们生活的更好。人工智能的应用是推动人类进步的因素,它会极大的提高工作效率。


虽然智能革命的过程会轰轰烈烈,但是它的成果将会像一条平缓宽广的河流。AI领域的权威人士认为,将来的智能流会像如今的电流一样平静的围绕着我们,彻底改变人类政治、经济、社会和生活的状态。未来的我们,会无所察觉的享用着人工智能。


本文转载自ATYUN人工智能信息平台,原文链接:人工智能的未来将会走向哪里?


更多推荐


每个无线网络战略所需的六大AI要素


深度学习图像识别项目(中):Keras和卷积神经网络(CNN)


苹果公司继续开源活动:在GitHub上发布了FoundationDB


COSSIM小组新突破:为网络物理系统提供支持的开源模拟器


Berkeley用TDM策略制定计划,实现骑行任务



欢迎关注ATYUN官方公众号,商务合作及内容投稿请联系邮箱:bd@atyun.com


 

相关问题推荐

  • 回答 1
    已采纳

    就业面广不广主要看深度学习的应用程度:其实咱们的实际生活中已经有很多应用深度学习技术的案例了。比如电商行业,在浏览淘宝时,页面中有很多都是符合你的爱好并且最近有意向购买的商品,这种个性化推荐中就涉及到深度学习技术,还有就是在购物界面能和你进...

  • 回答 2

    深度学习是相对比较专业的一种描述,在生活中更多的场景下被直接称为了人工智能(当然在技术领域人工智能和深度学习的范畴是有差异的),从国家政策到产业驱动,已经凸显了它的一个发展趋势政策加码支持撬动万亿蓝海  2018世界人工智能大会将以人工智能赋能新...

  • 回答 2

    以后都是智能化社会,学好这些技术,找工作高薪就业没问题的

  • 回答 2

      作为一种人工智能的AlphaGo,和IBM在上个世纪打败国际象棋大师卡斯帕罗夫的深蓝超级计算机,以及当代的苹果Siri、GoogleNow有着显著的区别。  要了解AlphaGo,首先我们需要了解AlphaGo背后到底是一个什么东西。  它背后是一套神经网络系统,由Google2...

  • 回答 2

    深度学习主要应用于图像识别、语音识别、自然语言处理等领域。学完可以从事深度学习工程师、机器学习工程师、人工智能工程师、高级算法工程师、高级算法工程师 AI研发工程师、AI架构师等,课程是与中科院合作的,整个行业发展前景还是不错的。...

  • 回答 4

    目前,深度学习在图像、语音、自然语言处理都取得了重大突破。深度学习(卷积神经网络)最初是为解决图像识别问题而提出的。目前深度学习在图像识别中的应用主要集中于图像分类、目标检测、图像分割等领域。图像分类图片分类的任务是对于一个给定的图片,预测...

  • 回答 2

        生成对抗网络(Generative Adversarial Nets)是Ian Goodfellow 等人2014年的论文《Generative Adversarial Nets》中提出,它是非监督学习的一种方法,通过让两个神经网络相互博弈的方式进行学习。    CANs都是在机器创造性思维方面在艺术方面的...

  • 回答 2

    深度学习(Deep Learning)源于人工神经网络的研究,是机器学习的一个分支。深度学习主要依赖于深度神经元网络,这种神经网络类似于人类的大脑,其学习过程也与人类十分相似。基本上,你输入海量的数据给它以后,它就会通过训练,学习到海量数据的特征。举例来...

  • 回答 2

    python。python是人工智能的首选语言,功能强大,可以实先快速开发,在大数据和人工智能领域都可以运用,并且python是深度学习课程的基础。

  • 回答 3

    建议先学下高级编程语言语言比如Python作为编程基础,然后再学习深度学习相关知识。

  • 回答 1

  • 回答 1

    现在已经有很多人作了关于深度学习以及其如何重要的讲座,我非常同意他们的看法。工作在深度学习这个领域是让我觉得最接近魔法师的事,我觉得未来三年内很多软件的重要部分都会由深度学习推动前行。不过,现在好像深度学习还非主流,因此我想分享些优秀的开发...

  • 回答 1

    深度学习新星:GAN的基本原理、应用和走向 https://www.cnblogs.com/DicksonJYL/p/9617443.html 相关参考:【OpenAI】GenerativeModels    【搜狐科技】GAN之父NIPS2016演讲现场直击:全方位解读生成对抗网络的原理及未来    【pdf】:http://www.ia...

  • 回答 1

    主要做了基于深度学习的图像识别与检测的研究,下面是一些整理内容1、深度学习的优势(1)从统计,计算的角度看,DL特别适合处理大数据      a、用较为复杂的模型降低模型偏差      b、用大数据提升统计估计的准确度      c、用可扩展的梯度下降算法...

  • 回答 3

    深度学习技术在电商行业、交通领域、工业、金融行业、教育行业、医疗行业应用都比较成熟了。金融行业,银行通过深度学习技术能对数以百万的消费者数据(年龄,职业,婚姻状况等)、金融借款和保险情况(是否有违约记录,还款时间,车辆事故记录等)进行分析进...

没有解决我的问题,去提问