0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

“人脑”模仿受挫 通往“智能机器”的新路线

mK5P_AItists 来源:未知 作者:胡薇 2018-06-11 09:12 次阅读

科学家们一直致力于创造一种像人类一样思考的机器,但经过一段时间的探索,这一进程遇到了阻碍,他们基本上已经暂停了模仿“人脑”,转而研究已有发现的应用。剩下的仍在孜孜不倦地追求“超智能机器”的人中,图灵奖获得者Judea Pearl提出了通往智能机器的新路线图。

“人脑”模仿受挫

卡内基梅隆大学计算机科学系主任Andrew Moore在接受Axios采访时表示,尽管现在的AI在可视化、语音和困难游戏方面有令人惊叹的能力,但它仍然“没有魔力”。“我们不再试图复制人脑,我们专注于设计制造(已经发明的东西)”,他说。

Moore的观点与人工智能界日趋强烈的疑问一致——现有的方法真的可以实现所谓”人工智能”吗?去年九月,AI领域最受尊敬的先驱之一Geoffrey Hinton称,研究者们需要重新开始。

1986年,Geoffrey Hinton与他人合著了一篇论文,这篇论文在30年后成为了引爆人工智能的核心。该论文提出了反向传播理论方法,这是如今人工智能所依赖的主要方法,图像分类、Siri交谈能力的进步都仰仗该方法。然而去年九月,Geoffrey Hinton在一场多伦多举行的AI会议上直言自己提出的突破性方法应该被舍弃。

反向传播算法的核心工作机制是用“标签”或“权重”代表类脑神经层中的图像或声音,权重可以逐层调整,直到该神经网络能够在最少错的情况下执行智能功能。如今Geoffrey Hinton对这个算法深表怀疑,他不认为这是大脑的工作方式,因为“我们显然不需要所有标记的数据。”他说,“我的看法是抛弃一切,重新开始”。

通往“智能机器”的新路线

尽管许多AI科学家停下了对“超智能机器”的追求,但还是有研究者在坚持寻求突破。其中Judea Pearl提出了通往智能机器的新路线——“因果推理”。

Judea Pearl是计算机科学领域最高奖项图灵奖的获得者,也是人工智能领域畅销书 “The Book of Why”的作者。他把他提出的新路线称为“因果推理”,即推断情况的原因和方式的能力。

Judea Pearl指出新路线虽然并不涉及人工智能本身,但“因果推理”是终极路径,因此将标志一场“小型革命”,他告诉Axios。Pearl认为当下机器学习囿于相关性和关联性,缺乏真正的思维。比如,如果一个人工智能程序每天都看到公鸡在太阳升起前打鸣,它就会认为是公鸡打鸣导致了太阳升起,这就是人工智能所依赖的相关性。而“因果推理”就是希望能超越相关性,让因果解释成为机器智能的基石。

“我所预测的迷你革命将把机器学习从目前的不透明,健忘和缺乏可解释性的困境中解放出来,” Judea Pearl说。“此外,它还可以让机器学习我们真正关心的问题的答案,而不仅仅是相关性。”例如,一辆装备了“因果推理”的自驾车即使遇到一个没有数据的情况,也能立即进行调整。这样的自驾车可以思考是什么导致了它遇到的事故,而不仅仅是与事故相关的事物,前者才是人类真正关心的。

值得一提的是,Geoffrey Hinton也与他的谷歌同事一起提出了全新的AI理论体系——“Capsule”。这是他们对未来人工智能形态的探索。Capsule的提出受到了神经解剖学、认知神经科学、计算机图形学的启示,旨在实现反向传播无法实现的“无监督学习”,这能让神经网络摆脱“标签”,依靠自身变得智能。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • AI
    AI
    +关注

    关注

    87

    文章

    30106

    浏览量

    268399
  • 智能机器
    +关注

    关注

    0

    文章

    96

    浏览量

    20268

原文标题:AI新方向: 科学家们暂停模仿“人脑”,公布了新路线图

文章出处:【微信号:AItists,微信公众号:人工智能学家】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    【书籍评测活动NO.51】具身智能机器人系统 | 了解AI的下一个浪潮!

    学习并优化自己的行为,以更好地服务家庭成员。 具身智能的发展如何? 近年来,具身智能机器人的发展呈现出强劲势头,尤其是在智能化和自主决策能力方面。 自 2010 年以来,具身
    发表于 11-11 10:20

    MT6835IC:智能配送机器人的强大引擎

    的运算处理能力。它能够快速处理大量的数据和复杂的算法,使得智能配送机器人在规划配送路线时更加高效准确。据相关数据显示,采用 MT6835IC 的智能配送
    的头像 发表于 08-21 17:21 262次阅读

    请问如何精确导航工业机器人走正确路线

    我厂机器人由于路面磨损,经常路线有偏差,调试多次无法解决,请问如题
    发表于 08-20 15:56

    simulink动态系统建模仿真-第9章

    电子发烧友网站提供《simulink动态系统建模仿真-第9章.ppt》资料免费下载
    发表于 07-26 11:47 1次下载

    柔性机器人与刚性机器人区别与联系

    柔性机器人和刚性机器人在结构、功能、应用场景等方面存在显著的区别,但也有一些联系。以下是它们的主要区别与联系: 区别 1.结构材料 柔性机器人:由柔性材料(如硅胶、弹性体、智能材料等)
    的头像 发表于 07-21 15:37 528次阅读
    柔性<b class='flag-5'>机器</b>人与刚性<b class='flag-5'>机器</b>人区别与联系

    Python自动训练人工神经网络

    人工神经网络(ANN)是机器学习中一种重要的模型,它模仿人脑神经元的工作方式,通过多层节点(神经元)之间的连接和权重调整来学习和解决问题。Python由于其强大的库支持(如TensorFlow、PyTorch等),成为了实现和
    的头像 发表于 07-19 11:54 306次阅读

    人脑芯片是什么?植入人脑神经元的芯片能做什么?

    人类的认知能力、记忆能力,甚至实现与计算机或其他智能设备的直接交互。尽管目前人脑芯片仍处于研发阶段,但其潜在的应用前景已经引起了广泛的关注和讨论。
    的头像 发表于 07-12 11:50 1468次阅读

    神经形态计算器件和阵列测试解决方案

    神经形态计算是一种新型的计算范式,它模仿生物神经网络(如人脑)的结构和功能以在为人工智能机器学习、机器人和感官处理等各种应用实现高性能、低
    的头像 发表于 07-03 10:02 334次阅读
    神经形态计算器件和阵列测试解决方案

    湖南机场集团与YOGO ROBOT共同探索智慧民航建设的新路

    在数智时代的浪潮下,湖南机场集团与YOGO ROBOT强强联手,共同探索智慧民航建设的新路径。
    的头像 发表于 04-26 09:58 564次阅读
    湖南机场集团与YOGO ROBOT共同探索智慧民航建设的<b class='flag-5'>新路</b>径

    为何GPU在AI训练中不可或缺?

    人工智能在早期诞生了一个“不甚成功”的流派,叫做“人工神经网络”。这个技术的思路是,人脑的智慧无与伦比,要实现高级的人工智能模仿人脑就是不
    发表于 03-12 14:22 372次阅读
    为何GPU在AI训练中不可或缺?

    英特尔晶圆代工业务再升级,新路线图出炉

    对于该公司来说,这是一个令人兴奋的时刻,但也是一个关键时刻。英特尔已经到了需要兑现这些承诺的地步——而且他们需要以一种非常明显的方式做到这一点。
    发表于 02-23 11:27 511次阅读
    英特尔晶圆代工业务再升级,<b class='flag-5'>新路线</b>图出炉

    AI算法的本质是模拟人类智能,让机器实现智能

    视觉等领域。   AI 算法的核心是实现智能化的决策和行为   AI算法的本质在于模拟人类智能的能力,让计算机能够对现实世界进行模拟和模仿,从而达到智能化的目的。具体来说,AI算法可以
    的头像 发表于 02-07 00:07 5615次阅读

    人形机器人的三大关键技术及挑战

    人形机器人是指外形和人类相似的机器人。它们可以通过模仿人类的外貌、动作和表情来与人类进行交互和沟通。
    发表于 01-05 10:53 2560次阅读

    基于智能制造的工业机器人应用实践

    工业机器人的普遍应用促进了制造业的快速发展,然而随着制造业走向智能制造,工业机器人的传统应用方式已经无法满足智能制造的自感知、柔性化、高速度、定制化的核心要求。本文从
    的头像 发表于 12-22 17:28 1270次阅读
    基于<b class='flag-5'>智能</b>制造的工业<b class='flag-5'>机器</b>人应用实践

    机器人应用赋能智能制造的新方法、新路

    梅卡曼德的智能机器人应用场景是非常广泛的。在持续深耕汽车、物流、工程机械、钢铁等典型制造场景外,我们也注意到了一些新兴的典型行业,如新能源电池、储能、新能源汽车和光伏行业。
    的头像 发表于 12-20 16:58 735次阅读