关于AI的最常见谬论之一:简单的事很难自动化

标签:AI自动化
分享到:

人工智能的历史,以看好和极有希望为开端,紧接着是幻灭与失望为结果,一直周而复始循环着。 今的AI系统可以在广泛的领域中执行复杂的任务,例如数学、游戏和逼真的图像生成。 但是当我们接近AI的一些早期目标时,如管家机器人和无人驾驶汽车,离这些目标仍仍然渐行渐远。《人工智能:思考人类的指南》的作者梅拉妮·米切尔(Melanie Mitchell)说,错过这些目标的持续循环的一部分是由于对AI和自然智能的错误假设。

对人类而言,我们希望一个聪明的人去做难以解决的事情,这需要多年的学习和实践才能实现。例如解决微积分和物理问题,完成大师级别的下棋挑战,或背诵大量诗歌之类的任务。

但是经数十年来的AI研究证明,那些需要自觉关注的复杂工作更容易实现自动化。而简单的工作,我们认为理所当然的事情,很难实现自动化。米切尔将这个设想翻译为“容易的事情很容易,而艰难的事情很难。” 米切尔解释道:“我们人类不加思索就能做到的事情:例如看世界,了解我们所看到的东西,对话沟通,在拥挤的人行道上走而不会撞到其他人,这对机器来说是最艰巨的挑战。相反,让机器去做对人类来说非常困难的事情通常会更容易; 例如,解决复杂的数学问题,精通国际象棋和围棋之类的游戏以及在数百种语言之间翻译句子,这些对于机器来说都变得相对容易了。”

就拿视觉来举例,数十亿年来,生物体已经进化出用于处理光信号的复杂器官。动物用它们的眼睛锁定周围的物体,观察周围的环境,寻找食物,检测威胁并完成许多对其生存至关重要的任务。我们人类从祖先那里继承了所有这些能力,并且在没有意识的情况下使用它们。 但是,其基本机制确实比使高中和大学要学习的数学公式更为复杂。

当前的现状是:我们仍然没有像人类视觉一样通用的计算机视觉系统。我们设法创建了人工神经网络,可以大致模拟动物和人类视觉系统的各个部分,例如检测物体和分割图像。但是人工神经网络很脆弱,对许多不同种类的干扰都很敏感,并且它们无法模仿生物视觉可以完成的全部任务。因此,像在自动驾驶汽车中使用的计算机视觉系统需要使用激光雷达和地图数据等先进技术进行补充。

另一个被证明是非常困难的领域是感知和运动技能,例如行走,奔跑和跳跃,人类无需经过明确的培训即可掌握这些技能,这些是可以在没有意识的情况下完成的任务。实际上,在走路时,人类还可以做其他事情,例如回信息或打电话。但是,对于当前的AI系统而言,这些技能仍然是一项巨大且昂贵的挑战。

米切尔写道:“人工智能比我们想象的要难,因为我们在很大程度上意识不到自己思考过程的复杂性。”

继续阅读
智能家居自动化——今天的现实

今天的智能家居自动化正在成为一项无处不在的技术——从早上拉开窗帘到根据心情调节房间的灯光,智能家居正在成为我们日常生活中不可或缺的一部分。让我们能够使用我们的手机/Ipad 或笔记本电脑监控房子里发生的事情。

人工智能正在改变物流自动化

自动化使用技术来增强人类在无数任务中的工作量。在物流中,自动化的潜力是巨大的,而且好处是显着的,尤其是当运营经历巨大变化或需求增加时。扩大运营规模通常需要额外的员工,而这些员工通常无法立即投入使用,尤其是在其他行业也有需求的时候。对市场波动做出快速反应需要整个运营过程中的快速行动和额外的能力。

物流自动化技术可行吗?

自动化使用技术方法“ CWW”使人类能够完成更多任务。在物流领域,自动化潜力巨大且其带来的好处也显而易见。

中国的“AI技术”已经领先全球,人才的创新发展少不了!

自1972年建业以来,如意集团矢志不渝地坚持发展纺织服装产业生态链,全球专业招聘集团瀚纳仕之前发布了《中国大陆科技行业报告》,公司目前正致力于发展纺织服装产业的生态链,近年来,随着人工智能的兴起,人才的供给方和供给方都有差异,而且越来越多的人也转投到了算法工程师的领域,人才缺口正在不断填补,这也意味着未来竞争将更加激烈。

AI 芯片:为何它们如此重要?

环顾四周,你可能就会意识到人工智能已经变得非常重要。无论是面部识别摄像头还是语音助手,人工智能已经实现了这一切。这为人们对 AI 芯片究竟是什么以及它与其他芯片的不同之处的充满了好奇。此外,人工智能芯片市场被高度重视的事实更成为人们为什么应该了解人工智能芯片的一个重要因素。