读AI新生:破解人机共存密码笔记06人工智能生态系统

本文主要是介绍读AI新生:破解人机共存密码笔记06人工智能生态系统,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1. 深蓝

1.1. “深蓝”的胜利虽然令人印象深刻,但它只是延续了几十年来显而易见的趋势

1.2. 国际象棋算法的基本设计是由克劳德·香农在1950年提出的

1.2.1. 这一基本设计在20世纪60年代初实现了重大改进

1.2.2. 最优秀的国际象棋程序的等级评分稳步提高,这主要是因为计算机速度更快,让程序能够算到未来更远处

1.2.3. 从1994年开始推算,系统预测计算机将会在1997年击败卡斯帕罗夫,而这与现实完全相符

1.3. 在深度卷积网络开始成为头条新闻的20多年前,它就已经存在了,所有的数学问题都完全解决了

2. 想法

2.1. 好的想法,即真正的突破,往往在当时没有被注意到,可能直到后来才会被认为给人工智能的重大进步提供了基础

2.1.1. 或许是当有人在更合适的时间重新改造它的时候

2.2. 想法是经过试验的,它最初往往在简单的问题上证明了基本直觉的正确性,然后在更困难的问题上,我们才能观察到想法的延伸效果

2.3. 一个想法本身并不能提供能力上的实质性改进,它必须等待另一个想法的出现,二者结合才能证明价值

2.4. 在实验室之外的世界里,只有当想法逐渐积累,当其有效性的证据超越一个阈值时,人工智能才会被看到:在这个临界点上,人工智能值得投入资金开展技术工作,创造新的商业产品或令人印象深刻的演示了

2.4.1. 然后,媒体宣布我们取得了突破

2.5. 随着商业投资率的提高,以及世界对人工智能应用的接受程度越来越高,这种情况将会越来越频繁地发生

3. 人工智能生态系统

3.1. 最初,大多数计算机的运行环境基本上是空洞无形的

3.1.1. 唯一的输入来自穿孔卡片

3.1.2. 唯一的输出方法是在行式打印机上打印字符

3.2. 20世纪90年代,万维网的出现为智能机器开辟了一个全新的天地

3.2.1. 人们创造了一个新词“Softbot”,用来描述完全在Web等软件环境中运行的“软件机器人”

3.2.2. Softbot(后来被称为bot,即机器人)可以感知网页,并通过发出字符序列、网址等来执行动作

3.3. 人工智能公司在互联网繁荣时期(1997—2000年)迅速发展,为搜索和电子商务提供了核心能力,包括链接分析、推荐系统、信誉系统、比较购物和产品分类

3.4. 21世纪初,配有麦克风、摄像机、加速计和GPS的手机普及开来,为人工智能系统进入人们的日常生活提供了新的途径

3.4.1. 亚马逊Echo、谷歌Home和苹果HomePod等“智能音箱”已经完成了这一过程

3.5. 到2008年左右,接入互联网的物体数量已经超过了接入互联网的人数,这一转变被一些人认为是物联网(IoT)的开端

3.5.1. 汽车

3.5.2. 家用电器

3.5.3. 交通灯

3.5.4. 自动售货机

3.5.5. 恒温器

3.5.6. 四轴飞行器

3.5.7. 照相机

3.5.8. 环境传感器

3.5.9. 机器人

3.5.10. ⑩在制造、分销和零售系统中的各种物料

3.5.11. 这为人工智能系统提供了更强大的感知能力和对现实世界的控制途径

3.6. 最后,随着感知能力的提高,人工智能机器人得以走出工厂,进入真实的、非结构化的、混乱的世界,在工厂里它们依赖于严格约束的对象排列,而走出工厂之后,它们的摄像机可以看到一些有趣的东西

4. 无人驾驶汽车

4.1. 开发的重点早已从学术研究实验室转移到大公司

4.2. 为什么要花如此长的时间才能实现安全的无人驾驶?

4.2.1. 性能要求非常严格

4.2.1.1. 在美国,人类司机大约每行驶1亿英里会遭遇一次致命事故,这设置了一个很高的标准
4.2.1.2. 无人驾驶汽车要想被人们接受,就需要表现得比这更好,也许要每行驶10亿英里出现一次致命事故才行
4.2.1.3. 无人驾驶汽车如果每周行驶40小时,则25 000年才会出现一次致命事故

4.2.2. 当交通情况混乱或超出其安全操作条件时,将控制权交给人类,根本行不通

4.2.2.1. 当汽车无人驾驶时,人类很快就会脱离当前的驾驶环境,无法足够迅速地重新了解周围环境,安全地接管汽车
4.2.2.2. 如果出了什么问题,坐在后座的非驾驶员或出租车乘客将无法驾驶汽车

4.3. 目前的项目目标是达到美国汽车工程师学会(SAE)的L4级自动驾驶

4.3.1. 这意味着车辆必须在任何时候都能够自动驾驶、安全停车,但是它受地理条件和天气条件的限制

4.4. 一些项目正在尝试采用更直接的方法,这些方法基于强化学习(当然主要是模拟)和监督学习(从数百名人类驾驶员的记录中学习),但是这些方法似乎不太可能达到所需的安全水平

4.5. 由于每位乘客每英里的运输成本低至3美分,大多数城市可能会选择免费提供这项服务,而让乘客承受没完没了的广告轰炸

4.6. 人类驾驶技能可能会退步或消失,而由人类驾驶汽车这种鲁莽和反社会的行为可能会被完全禁止

5. 智能个人助理

5.1. 基于固定的刺激—反应模板

5.1.1. 这种方法可以追溯到20世纪60年代中期的Eliza(人工智能软件)

5.1.2. 系统有三大缺陷

5.1.2.1. 访问缺陷
5.1.2.1.1. 即它们对正在发生的事情缺乏感官意识
5.1.2.1.2. 它们可能能够听到用户在说什么,但看不到用户在和谁说话
5.1.2.2. 内容缺陷
5.1.2.2.1. 即它们根本无法理解用户所说的话或发送的短信的含义,即便它们可以访问这些内容
5.1.2.3. 语境缺陷
5.1.2.3.1. 即它们缺乏跟踪和推理日常生活的目标、活动和关系的能力

5.2. 人工智能的“特洛伊木马”

5.2.1. 智能音箱和手机助手

5.2.2. 比为19世纪贵族家庭工作的管家或为如今的CEO(首席执行官)工作的行政助理获得的信息还要多

5.3. 知识使智能助手能够跟踪它没有直接观察到的东西,这是智能系统的一项基本技能

5.4. 到目前为止,由于所涉及的成本和不确定的回报,常识类的建模项目通常还没有开始

5.4.1. 可能在情报分析和军事计划的分类系统中除外

5.5. 人们有望看到的智能助理是,用户每月只需付几美分就可以让它帮助自己管理越来越多的日常活动

5.5.1. 日程

5.5.2. 旅行

5.5.3. 家庭购物

5.5.4. 支付账单

5.5.5. 辅导孩子作业

5.5.6. 发电子邮件和打电话

5.5.7. 提醒

5.5.8. 膳食计划

5.5.9. 人们“做梦都想找到的”钥匙

5.6. 智能助手的通用设计模板

5.6.1. 关于人类活动的背景知识

5.6.2. 从感知和文本数据流中提取信息的能力

5.6.3. 使智能助手适应用户的特定环境的学习过程

5.7. 相同的通用模板至少可以应用于其他三个主要领域:健康、教育和财务

5.7.1. 在健康领域,我们所有人的生理状况大致相同,关于人体如何工作的详细知识已经被编码成机器可读的形式

5.7.1.1. 系统将适应你的个人特点和生活方式,提供疾病的预防建议和疾病的早期预警

5.7.2. 在教育领域,智能教学系统的前景早在20世纪60年代就得到了承认,但真正的进步还需要很长时间

5.7.2.1. 主要原因是内容和访问上的缺陷:大多数教学系统不理解它们声称要教授的内容,也不能通过语音或文本与学生进行双向交流
5.7.2.2. 概率推理技术现在可以跟踪学生的知识掌握情况,并优化教学内容,最大限度地提高学习效果

5.7.3. 在个人金融领域,系统将跟踪个人的投资、收入流、强制性的支出和可自由支配的支出、债务、利息、紧急准备金等,就像金融分析师了解公司的财务情况和前景一样

5.8. 隐私问题

5.8.1. 如果你的个人助理对你一无所知,那么它真的有用吗?

5.8.1.1. 没用

5.8.2. 如果个人助理不能从多个用户那里采集信息,从而更多地了解普通人和与你类似的人,那么它真的有用吗?

5.8.2.1. 没用

5.8.3. 这两件事是否意味着我们必须放弃我们的隐私,才能在日常生活中受益于人工智能呢?

5.8.3.1. 否定
5.8.3.2. 原因是学习算法可以使用安全多方计算技术对加密数据进行操作,这样用户就可以在不损害自身隐私的情况下从资源池中获益

5.9. 只有当个人助理的主要职责是为用户服务,而不是为开发它的公司服务时,用户才会信任它

6. 智能家居和家用机器人

6.1. 智能家居的概念已经发展了几十年

6.2. 配备了摄像头、麦克风,拥有必要的感知和推理能力的真正的智能住宅,可以理解居住者在做什么

6.2.1. 做客

6.2.2. 吃饭

6.2.3. 睡觉

6.2.4. 看电视

6.2.5. 阅读

6.2.6. 锻炼

6.2.7. 为长途旅行做准备

6.2.8. 跌倒后无助地躺在地板上

6.3. 虽然更简单的系统(定时恒温器、动作感应灯和防盗报警器)对环境不那么敏感,但它们可以用更可预测的方式提供许多相同的功能

6.3.1. 智能家居不能叠衣服、洗碗或拿报纸

6.3.2. 它的确需要一个物理机器人来执行它的指令

6.4. 实用家用机器人需要三种基本能力

6.4.1. 感知能力

6.4.2. 机动性

6.4.3. 灵活性

6.4.4. 其中,灵活性最成问题

6.4.4.1. 触觉感知问题
6.4.4.2. 制造问题
6.4.4.2.1. 目前,制造一只灵巧的机械手成本非常高
6.4.4.3. 算法问题
6.4.4.3.1. 我们还没有很好地理解如何将感知和控制结合起来,以掌握和操纵家庭中各种各样的常见物体

6.5. 第一个真正受益于家庭机器人的群体是年老体弱的人

6.5.1. 实用的机器人可以提供一定程度的独立性,这种独立性在其他情况下无从得到

这篇关于读AI新生:破解人机共存密码笔记06人工智能生态系统的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1077563

相关文章

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

AI绘图怎么变现?想做点副业的小白必看!

在科技飞速发展的今天,AI绘图作为一种新兴技术,不仅改变了艺术创作的方式,也为创作者提供了多种变现途径。本文将详细探讨几种常见的AI绘图变现方式,帮助创作者更好地利用这一技术实现经济收益。 更多实操教程和AI绘画工具,可以扫描下方,免费获取 定制服务:个性化的创意商机 个性化定制 AI绘图技术能够根据用户需求生成个性化的头像、壁纸、插画等作品。例如,姓氏头像在电商平台上非常受欢迎,

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

从去中心化到智能化:Web3如何与AI共同塑造数字生态

在数字时代的演进中,Web3和人工智能(AI)正成为塑造未来互联网的两大核心力量。Web3的去中心化理念与AI的智能化技术,正相互交织,共同推动数字生态的变革。本文将探讨Web3与AI的融合如何改变数字世界,并展望这一新兴组合如何重塑我们的在线体验。 Web3的去中心化愿景 Web3代表了互联网的第三代发展,它基于去中心化的区块链技术,旨在创建一个开放、透明且用户主导的数字生态。不同于传统

AI一键生成 PPT

AI一键生成 PPT 操作步骤 作为一名打工人,是不是经常需要制作各种PPT来分享我的生活和想法。但是,你们知道,有时候灵感来了,时间却不够用了!😩直到我发现了Kimi AI——一个能够自动生成PPT的神奇助手!🌟 什么是Kimi? 一款月之暗面科技有限公司开发的AI办公工具,帮助用户快速生成高质量的演示文稿。 无论你是职场人士、学生还是教师,Kimi都能够为你的办公文

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

06 C++Lambda表达式

lambda表达式的定义 没有显式模版形参的lambda表达式 [捕获] 前属性 (形参列表) 说明符 异常 后属性 尾随类型 约束 {函数体} 有显式模版形参的lambda表达式 [捕获] <模版形参> 模版约束 前属性 (形参列表) 说明符 异常 后属性 尾随类型 约束 {函数体} 含义 捕获:包含零个或者多个捕获符的逗号分隔列表 模板形参:用于泛型lambda提供个模板形参的名

【测试】输入正确用户名和密码,点击登录没有响应的可能性原因

目录 一、前端问题 1. 界面交互问题 2. 输入数据校验问题 二、网络问题 1. 网络连接中断 2. 代理设置问题 三、后端问题 1. 服务器故障 2. 数据库问题 3. 权限问题: 四、其他问题 1. 缓存问题 2. 第三方服务问题 3. 配置问题 一、前端问题 1. 界面交互问题 登录按钮的点击事件未正确绑定,导致点击后无法触发登录操作。 页面可能存在

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

AI行业应用(不定期更新)

ChatPDF 可以让你上传一个 PDF 文件,然后针对这个 PDF 进行小结和提问。你可以把各种各样你要研究的分析报告交给它,快速获取到想要知道的信息。https://www.chatpdf.com/