人類大腦優(yōu)于人工智能的幾大法寶

你知道這是椅子，但是你怎么知道這是椅子的？

想象一下打車的情景，你從來沒見過出租車，更不用說打車了。你看到一個(gè)人揮舞手臂時(shí)有輛車會(huì)停下，那么根據(jù)常識(shí)，你推斷出這是一輛出租車。人類能夠注意到事情間的因果關(guān)系，并將其應(yīng)用于決策。但是這種常識(shí)是基于先前的知識(shí)，而且我們很難將其編碼到人工智能系統(tǒng)中。

對(duì)于使用因果推理的計(jì)算機(jī)來說，它們需要知道場(chǎng)景中每一件事的確切規(guī)范，紐約大學(xué)從事常識(shí)推理工作的計(jì)算機(jī)科學(xué)家Ernest Daviss說。機(jī)器人也需要多次看到同一場(chǎng)景以便完全了解發(fā)生了什么。人類則不需要，我們能夠采用想象未來的能力來思考不同場(chǎng)景以及推理它們是如何發(fā)生的。

人類目前領(lǐng)先機(jī)器人的另一點(diǎn)是同時(shí)處理很多不同任務(wù)的能力，我們現(xiàn)在擁有的大部分人工智能項(xiàng)目都對(duì)非常具體的任務(wù)很擅長(zhǎng)，比如玩視頻游戲或者下象棋。但是人類能同時(shí)進(jìn)行多項(xiàng)任務(wù)，比如理財(cái)、運(yùn)動(dòng)、撫養(yǎng)孩子或者打開包裹�！叭斯ぶ悄芟到y(tǒng)不能同時(shí)擁有所有能力，特別是同時(shí)結(jié)合視覺、語(yǔ)言和身體操縱。”人工智能發(fā)展協(xié)會(huì)（the Association for the Advancement of Artificial Intelligence）主席Thomas Dietterich說。

如何改進(jìn)人工智能

因此，我們?nèi)绾蝿?chuàng)造能像人一樣進(jìn)行推理和決策的人工智能？Dietterich指出：“如何在人工智能中表示知識(shí)和信息”會(huì)是良好的開端。

Peter Norvig則認(rèn)為阻止機(jī)器人和人類一樣智能的最大原因是征服感知。對(duì)于Norvig來說，人工智能系統(tǒng)只有在它們能更好地看到和感覺到這個(gè)世界的時(shí)候才能更好進(jìn)行推理�！拔覀兒苌瞄L(zhǎng)收集數(shù)據(jù)，并用這些數(shù)據(jù)來發(fā)展算法，但是僅僅基于數(shù)據(jù)的推理會(huì)讓我們遠(yuǎn)離真實(shí)情況，”Norvig說�！拔艺J(rèn)為只有我們不斷地讓系統(tǒng)感知世界并與其交互，而不是讓其被動(dòng)學(xué)習(xí)別人選擇好的信息，才能更好地改善其推理能力。”

孩子與人工智能有很多共同點(diǎn)

• 構(gòu)建人工智能模型基礎(chǔ)：TFDS和Keras的完美搭配
• 遷移學(xué)習(xí)：人工智能模型訓(xùn)練的絕學(xué)
• Ryght：專為醫(yī)療保健和生命科學(xué)領(lǐng)域打造的生成式人工智能平臺(tái)
• 《文字找茬大師》餐桌動(dòng)物按照人類每年吃掉的動(dòng)物排序通關(guān)攻略
• 《異界失控》人類進(jìn)步史怎么解鎖