机器学习大神 Michael Jordan:人工智能还只是一个雏形

2023-10-10 19:59

本文主要是介绍机器学习大神 Michael Jordan:人工智能还只是一个雏形,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!

说到人工智能,不得不提到一个关键词就是机器学习,机器学习领域的突破和爆发,使人工智能领域有了飞跃的发展。人工智能的时候会特别关注机器学习领域将会以什么层级的速度向未来发展?在 2017 腾讯“云+未来”峰会上,机器学习大神 Michael Jordan 教授从人工智能发展史出发全面阐述机器学习现状及未来的挑战。


60年代,“智能”这个词刚刚出现,机器人进入到人的世界,被定义为像一个人存在。到80、90年代,“智能”走向另一种趋势,演变为“IA”,即智能增强技术,智能搜索引擎出现帮助我们快速获取解决问题的答案,帮助人类有了更好的存储、沟通、交流能力。

与此同时,在 IaaS 即智能基础设施方面,交通、金融……我们身边的每一个行业、每一个模块都出现了智能化的的趋势。

人工智能还只是一个雏形

在 Michael Jordan 教授的观点中,目前人工智能还只是一个雏形,之后可能会出现一些有效的对话,特别是像这样一个自我导识的机器也会出现,但是智能方面它目前还是比较有限的。

目前人工智能的可能性及其局限性表现在:

(1)机器视觉能帮助人类对物体进行标识,但无法像人类般清晰的了解所有的场景及其关注点在哪里。

(2)语音识别也是如此,现在可以把语音转化成文字,文字也可以转换成语音,在各种语言上都可以实现,但是机器人还没办法帮人类了解听觉、视觉之后的真正的意义。

(3)自然语言处理方面,人工智能帮助人类解决了语言翻译的问题,但大量的翻译中,大部分的的语言和语没有得到有效的语义的阐述,从而无法表达语句的真正意义。

Michael Jordan 教授相信人工智能短期内不会出现太多的像人这样的灵活性和可变化性。目前,机器人无法拥有和理解人类的高级智能(抽象思维),无法进行抽象思维的处理。但相信在未来,随着人工智能技术发展能解决这个问题。

他还提到,机器人及人工智能能帮助人类处理大量的数据,并通过数据分析出未来走向,保证数据结果不断提高。但同时,人工智能系统无法辨别真伪,从而无法引领一个公司或企业做出前景化的决定。

人工智能真的很智能吗?

Michael Jordan 教授说出了他的担忧:人工智能的误用,将会带来很大的损失或伤害。如在医疗行业中,机器不太可能做很多的医学诊断;机器人的出现让许多人失业;有些人恶意使用人工智能系统等等。“机器人本身是没有任何恶意要伤害人类的,只是使用这些及其人的人本身含有恶意。”Michael Jordan 教授如是说。

机器学习面临的挑战

(1)必须要设计一个系统,可以以带来有意义的经过校准以后的信息,能够应对一些不确定性,还有在策略规划的角度,可以了解一种做法和另外一种做法之间的差别。同时,我们还要保证系统能能够真正地解释它们自己所做出的决策。如果机器做出了一个决定,我们必须实现让机器能阐释为什么做这样的决定,是否还有其它的潜在方法,以及可以找到问题发生的原因。

(2)需要找到一个可以实现长期目标的追溯,同时可以主动的收集在实现目标相关的数据的系统。

(3)还有一点是实时。但是到目前为止,我们的机器学习方面还没有办法能够达到真正的实时操作,机器需要花几天、几个小时来学习数据。

(4)还有在意外情况下,在外部事件上的连接,包括数据和其他的要求,需要和政府的合作,和法律部门、和社会科学家的合作。

文章转载自 开源中国社区 [http://www.oschina.net]

这篇关于机器学习大神 Michael Jordan:人工智能还只是一个雏形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/182723

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

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

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

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个