【周末闲谈】感受AI时代魅力,创意无界限

i在这里插入图片描述


个人主页:【个人主页】
系列专栏:【❤️周末闲谈】


文章目录

  • 前言
  • 人工智能的应用领域
    • 问题求解
    • 逻辑推理与定理证明
    • 自然语言处理
    • 智能信息检索技术
    • 专家系统
  • 人工智能的三大短板
  • 展望未来
    • 从专用智能向通用智能发展
    • 从人工智能向人机混合智能发展
    • 从“人工+智能”向自主智能系统发展


前言

AI一词在我看来代表着无限的可能,它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是新一轮科技革命和产业变革的重要驱动力量。
【周末闲谈】感受AI时代魅力,创意无界限_第1张图片


人工智能的应用领域

【周末闲谈】感受AI时代魅力,创意无界限_第2张图片

问题求解

把困难的问题分解成一些较容易的子问题,发展成为搜索和问题归纳这样的人工智能基本技术存在的问题是涉及问题的原概念,在人工智能中叫问题表示的选择,人们常能找到某种思考问题的方法,从而使求解变易而解决该问题。到目前为止,人工智能程序已能知道如何考虑它们要解决的问题,即搜索解答空间,寻找较优解答。

【周末闲谈】感受AI时代魅力,创意无界限_第3张图片

逻辑推理与定理证明

逻辑推理是人工智能研究中最持久的领域之一,其中特别重要的是要找到一些方法,只把注意力集中在一个大型的数据库中的有关事实上,留意可信的证明,并在出现新信息时适时修正这些证明。对数学中臆测的题。定理寻找一个证明或反证,不仅需要有根据假设进行演绎的能力,而且许多非形式的工作,包括医疗诊断和信息检索都可以和定理证明问题一样加以形式化,因此,在人工智能方法的研究中定理证明是一个极其重要的论题。

自然语言处理

自然语言的处理是人工智能技术应用于实际领域的典型范例,经过多年艰苦努力,这一领域已获得了大量令人注目的成果。目前该领域的主要课题是:计算机系统如何以主题和对话情境为基础,注重大量的常识——世界知识和期望作用,生成和理解自然语言。这是一个极其复杂的编码和解码问题。

【周末闲谈】感受AI时代魅力,创意无界限_第4张图片

智能信息检索技术

信息获取和精化技术已成为当代计算机科学与技术研究中迫切需要研究的课题,将人工智能技术应用于这一领域的研究是人工智能走向广泛实际应用的契机与突破口。

【周末闲谈】感受AI时代魅力,创意无界限_第5张图片

专家系统

专家系统1目前人工智能中最活跃、最有成效的一个研究领域,它是一种具有特定领域内大量知识与经验的程序系统。近年来,在“ 专家系统”或“ 知识工程”的研究中已出现了成功和有效应用人工智能技术的趋势。人类专家由于具有丰富的知识,所以才能达到优异的解决问题的能力。那么计算机程序如果能体现和应用这些知识,也应该能解决人类专家所解决的问题,而且能帮助人类专家发现推理过程中出现的差错,现在这一点已被证实。
人工智能的三大短板

人工智能的三大短板

创新工场创始人李开复表示,AI 存在明显不足的三大短板,即便到了 2042 年,AI 可能仍然无法完全掌握这些能力

创造力。AI 不具备进行创造、构思以及战略性规划的能力。它无法选择自己的目标,无法跨领域构思,无法进行创造性的思考,也难以具备那些对人类而言不言自明的常识。

同理心。AI 没有“同情”“关爱”之类的“感同身受”的感觉,无法在情感方面实现与人类的真正互动,无法给他人带去关怀。

灵巧性。AI 和机器人技术无法完成一些精确而复杂的体力工作,如灵巧的手眼协作。此外,AI 还难以很好地应对未知的或非结构化的空间。

展望未来

【周末闲谈】感受AI时代魅力,创意无界限_第6张图片

从专用智能向通用智能发展

如何实现从专用人工智能向通用人工智能的跨越式发展,既是下一代人工智能发展的必然趋势,也是研究与应用领域的重大挑战。2016年10月,美国国家科学技术委员会发布《国家人工智能研究与发展战略计划》,提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。阿尔法狗系统开发团队创始人戴密斯·哈萨比斯提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年成立了通用人工智能实验室,众多感知、学习、推理、自然语言理解等方面的科学家参与其中。

从人工智能向人机混合智能发展

借鉴脑科学和认知科学的研究成果是人工智能的一个重要研究方向。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中,提升人工智能系统的性能,使人工智能成为人类智能的自然延伸和拓展,通过人机协同更加高效地解决复杂问题。在我国新一代人工智能规划和美国脑计划中,人机混合智能都是重要的研发方向。

从“人工+智能”向自主智能系统发展

当前人工智能领域的大量研究集中在深度学习,但是深度学习的局限是需要大量人工干预,比如人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据、用户需要人工适配智能系统等,非常费时费力。因此,科研人员开始关注减少人工干预的自主智能方法,提高机器智能对环境的自主学习能力。例如阿尔法狗系统的后续版本阿尔法元从零开始,通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类人工智能”。在人工智能系统的自动化设计方面,2017年谷歌提出的自动化学习系统(AutoML)试图通过自动创建机器学习系统降低人员成本。


  1. 如在矿物勘测、化学分析、规划和医学诊断方面,专家系统已经达到了人类专家的水平。成功的例子如:PROSPECTOR系统(用于地质学的专家系统)发现了一个钼矿沉积,价值超过1亿美元。DENDRL系统的性能已超过一般专家的水平,可供数百人在化学结构分析方面的使用。MY CIN系统可以对血液传染病的诊断治疗方案提供咨询意见。经正式鉴定结果,对患有细菌血液病、脑膜炎方面的诊断和提供治疗方案已超过了这方面的专家。 ↩︎

你可能感兴趣的:(周末闲谈,人工智能)