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。你看到一個人揮舞手臂時有輛車會停下，那么根據(jù)常識，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系，并將其應用于決策。但是這種常識是基于先前的知識，而且我們很難將其編碼到人工智能系統(tǒng)中。

對于使用因果推理的計算機來說，它們需要知道場景中每一件事的確切規(guī)范，紐約大學從事常識推理工作的計算機科學家Ernest Daviss說。機器人也需要多次看到同一場景以便完全了解發(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景以及推理它們是如何發(fā)生的。

人類目前領先機器人的另一點是同時處理很多不同任務的能力，我們現(xiàn)在擁有的大部分人工智能項目都對非常具體的任務很擅長，比如玩視頻游戲或者下象棋。但是人類能同時進行多項任務，比如理財、運動、撫養(yǎng)孩子或者打開包裹。“人工智能系統(tǒng)不能同時擁有所有能力，特別是同時結合視覺、語言和身體操縱�！比斯ぶ悄馨l(fā)展協(xié)會（the Association for the Advancement of Artificial Intelligence）主席Thomas Dietterich說。

如何改進人工智能

因此，我們?nèi)绾蝿?chuàng)造能像人一樣進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和信息”會是良好的開端。

Peter Norvig則認為阻止機器人和人類一樣智能的最大原因是征服感知。對于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世界的時候才能更好進行推理。“我們很擅長收集數(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)的推理會讓我們遠離真實情況，”Norvig說。“我認為只有我們不斷地讓系統(tǒng)感知世界并與其交互，而不是讓其被動學習別人選擇好的信息，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

• 構建人工智能模型基礎：TFDS和Keras的完美搭配
• 遷移學習：人工智能模型訓練的絕學
• Ryght：專為醫(yī)療保健和生命科學領域打造的生成式人工智能平臺
• 《文字找茬大師》餐桌動物按照人類每年吃掉的動物排序通關攻略
• 《異界失控》人類進步史怎么解鎖