关于人工智能的四大问题

在最近一篇题为“为什么人工智能比我们想象的更难”的文章中，Mitchell提出了四个关于人工智能的常见误区。

1.狭义人工智能和通用人工智能只是规模不同

如今采用的人工智能可以很好地解决狭义问题。人工智能系统可以在下围棋和国际象棋方面超越人类，以超乎寻常的准确性在X射线图像中发现癌变模式，并将音频数据转换为文本。但是，可以解决特定问题的人工智能系统设计并不一定会使人们更容易解决更复杂的问题。Mitchell将第一个误区描述为“通用人工智能是是狭义人工智能的一种延伸。”

Mitchell在文章中写道：“人们看到狭义人工智能系统做了一些令人惊奇的事情，因此通常会认为该领域在朝着通用人工智能迈进的道路上走得更远。”

例如，当今的自然语言处理系统已经朝着解决翻译、文本生成、特定问题答疑等诸多不同问题的方向发展了很长时间。与此同时，现在还有能够实时将语音数据转换为文本的深度学习系统。每一项成就的背后都是数千小时的研发工作，以及在计算和数据上花费大量资金。但是人工智能社区仍然没有解决创建能够进行开放式对话而又不会长时间失去连贯性的问题。这样的人工智能系统还需要解决更复杂的问题。它需要具备常识，这是人工智能尚未解决的关键挑战之一。

2.简单的事情很难实现自动化

视觉对于人工智能来说仍然是一个难以克服的挑战。

人们通常希望更聪明的人来解决更复杂的事情，其实这需要多年的学习和实践。例如包括具备微积分和物理方面的专业知识，而与象棋大师下棋或背诵很多诗歌则是更艰难的任务。

但是数十年来的人工智能研究证明，一些更艰巨的任务更容易实现自动化。人们认为理所当然的简单任务却很难实现自动化。Mitchell将第二个误区描述为“容易的事情很容易解决，而困难的事情则更难以解决。”

Mitchell在文章中写道，“人类可以不加思索做很多的事情，了解所看到的东西，进行对话，在拥挤的人行道上行走而不会撞到任何人，这对机器来说是更艰巨的挑战。与其相反，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，以及采用数百种语言翻译文章，这对于机器来说都变得相对容易。”

例如机器人的视觉。数十亿年来，生物体已经开发出用于处理光信号的复杂设备。动物利用眼睛观察周围的物体，在周围的环境中导航，寻找食物，发现威胁，并完成许多对其生存至关重要的任务。人类也从祖先那里继承了这些能力，并且在无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学到的数学公式更为复杂。

如今，研究人员致力于开发像人类视觉一样多功能的计算机视觉系统。并且成功地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某些部分，例如检测物体和分割图像。但是它们很脆弱，对各种各样的干扰都很敏感，而且它们不能模拟生物视觉所能完成的全部任务。这就是需要采用其他技术的原因。例如，用于自动驾驶汽车的计算机视觉系统需要采用先进的其他技术，例如激光雷达和地图数据。

（编辑：宜春站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!