您的位置 : 首页 >> 电子书推荐分享

写给大家的AI极简史:从图灵测试到智能物联

下载方式

写给大家的AI极简史从图灵测试到智能物联

本书作者: [德] 托马斯·拉姆齐

本书读后感及个人笔记分享· · · · · ·

前三章对AI发展史简要介绍,四五章简述AI技术应用情况,最后一章提出对“机器人是否会取代人”问题的思考,倾向于技术无罪,反对技术滥用,指出比起担心AI会灭绝人类的假想,更应该对数据垄断、操纵人类个体和政府滥用数据等情况保持警惕。

点赞、分享、投币 – 素质三连哦

1961年,Unimate机器人曾经开端在通用汽车装配线上工作。不久之后,第一个可以用照相机和传感器探究四周环境的局部自主机器人Shakey开端在位于加利福尼亚州门罗公园的斯坦福研讨所的实验室里挪动。到了1966年,约瑟夫·韦森鲍姆(Joseph Weizenbaum)造出了第一个具有处置自然言语才能的聊天机器人原型——ELIZA。韦森鲍姆出生于柏林,是和犹太父母一同从纳粹手中逃到美国的。在早期,ELIZA就能偶然胜利地在书面对话中骗过人类。它经过模拟一位心理学家,扮演成医生而成名。许多人,包括韦森鲍姆的秘书,都把他们埋藏最深的机密向这个简单的程序倾吐,这令韦森鲍姆也感到十分诧异。4年后,MYCIN系统开端协助医生诊断某些血液疾病并引荐治疗办法。1971年,特里·温诺格拉德(Terry Winograd)在论文中指出,计算机可以推断出儿童书籍中某个英语句子的上下文;同年,第一辆自动驾驶汽车在斯坦福问世。但是,这些胜利并没有到达人们的预期。

写给大家的AI极简史:从图灵测试到智能物联 电子书推荐分享 第1张自达特茅斯会议以来,人工智能研讨人员经常吹嘘AI的才能。他们承诺计算机很快就能翻译文本,为顾客提供咨询效劳,并担任大范围的管理工作。他们想要建造智能机器人,并运用这些机器人来制造能够由电脑驱动的汽车。

他们宣布,人们能够向计算机提出任何问题,而计算时机像科幻小说里描绘的宇宙飞船所搭载的计算机一样快速又牢靠地给出正确答案。20世纪70年代初,人们对人工智能的希冀曾经到达了高峰,但技术人员却未能兑现本人曾经许下的承诺。当时计算机的计算才能和存储容量都缺乏以将理论概念付诸理论。研讨人员以至无法检验他们的理论能否合适实践应用。

越来越明显的是,人工智能专家们大大低估了思想和言语的复杂性。而他们喂食给智能计算机的各种数据还十分匮乏。在当时,以至连百科全书都还没有被数字化。而且在让机器变得更聪明以前,专家们要先思索的是如何让机器人在工厂工作时变得更纯熟。而接下来,“人工智能的寒冬”就开端了。

炒作周期中的人工智能

政府的人工智能研讨项目大幅被削减。而计算机行业则更倾向于开发投资硬件设备和具有实践应用价值的软件。

人工智能研讨人员不只失去了资源,也失去了他们作为信息技术英雄的光环。但这恰恰对他们是有益的。他们中的很多人开端重新聚焦于更小一些的目的,以至连他们运用的术语都变得谦逊多了——“基于规则的专家系统”和“机器学习”听起来不像人工智能那么光辉万丈了。但是正由于聚焦于细微之处,固然他们没有声称这是一场会把世界推向高峰的严重反动,事情却忽然开端朝好的方向开展起来。计算机没有一夜之间变成超级聪明的聊天同伴,却变成了完成专业任务的得力助手。

专家系统从案例数据等信息中得到了越来越聪慧的转化。为此,研讨人员依照程序化准绳树立了“假如-那么关系”(if-then relationships):假如一个人流鼻涕、嗓子疼和发烧,那么他得的就是病毒性流感而不是伤风感冒。

基于MYCIN[2]取得的经历,专家系统随之拓展到其他更复杂的范畴,如肺部测试、内科医学、化学分子构造剖析及地质岩石地层剖析等,并被投入市场运用。很快,专家系统也被用来为辅助呼叫中心配置计算机并辅佐那里的员工。

世界上第一个商业语音辨认系统于1982年上市。它被命名为Covox,独一技艺是把口语转变为口语。在慕尼黑的德国陆军大学,机器人专家恩斯特·迪特·迪克曼斯(Ernst Dieter Dickmanns)为一辆飞驰面包车装备了智能摄像机,以便它可以在测试场地中以差不多每小时60英里的速度完成完整的自动驾驶。

虽然人工智能在小范围内呈现了许多停顿,但它的寒冬要比许多研讨人员在20世纪70年代初所能想象的长得多。即使是酷爱机器人的日本,它在20世纪80年代也削减了对智能机器的投资。在美国,政府和私人研讨资助商对人工智能的评价结果是:目的远大,但收效甚微。随着世界越来越数字化及网络化,人工智能的气候才变得温和了。

1993年,世界上呈现了第一个使每个人都能够访问互联网的阅读器Netscape,它随之发明了一个包含着人们难以想象的丰厚数据的空间,而这些数据能够投喂给计算机停止处置。由于依照摩尔定律(Moore’s Law),计算机芯片的计算速度每一到两年就能够翻一番,而芯片的存储本钱却越来越低,所以计算机不断没有被新的数据量所吞没。同时,数据衔接的技术也不时被改良,从一开端的有线衔接变成了无线衔接,数据交流因而越来越便利。

云计算技术最终使计算机的计算和存储才能像电流一样普及全球。树立在联网的效劳器上的数据处置也使得在平板电脑或智能手机等小型消费设备上运转复杂的AI应用程序成为可能。这些技术的开展改动了人工智能的进程。

原始计算才能

写给大家的AI极简史:从图灵测试到智能物联 电子书推荐分享 第2张

20世纪90年代初,麻省理工学院有一个心爱的机器人Polly。它会率领人们参观人工智能实验室,诙谐地与人们互动,并模仿人类的感受。它代表了人工智能新时期的到来。1997年,人工智能在全球观众面前登上了舞台:IBM电脑深蓝击败了国际象棋世界冠军加里·卡斯帕罗夫(Garry Kasparov)。从狭义的角度来说,深蓝基本不是一个人工智能系统,它完整不能从本人的错误中学习,而只是一台速度极快的计算机,可以每秒评价2亿个棋位。该机器运用所谓的蛮力算法,即处置办法很粗暴,但结果似乎表现出它很聪明。计算机打败聪明的俄国人的电视画面激起了研讨人员、制片人和用户的想象力。如今,艾伦·图灵等先驱们在二战后就幻想的事情在技术上终于成为了可能:智能机器可以辨认图片和人,答复复杂的问题,将文本翻译成其他言语,以至可以本人编写发明性的文本,为水陆空各种交通工具导航,预测股价,为病人做出精确的诊断。

Jeopardy!,围棋和Texas Hold’em

为了了解过去10年人工智能的根本停顿,我们有必要理解一下在游戏类人工智能范畴人机之间的竞争。2011年,人工智能在国际象棋大赛中打败了人类棋手。紧接着,IBM的沃森系统在美国电视游戏节目Jeopardy!中对战近几年的国际象棋总冠军并取得了成功。与深蓝不同,沃森是一个从数据中学习的系统,它的主要成就不是以闪电般的速度从百科全书或报纸文章中查找已存学问——这关于计算机来说曾经不是什么新颖事。Jeopardy!智力竞赛节目的特别之处在于其诙谐、具有挖苦意味的发问,所以参赛者必需常常“跳出框框”的思想。因而,沃森在Jeopardy!中的成功反映了人工智能研讨人员曾经胜利地处理了一个关于计算机来说极端艰难的问题:语义剖析,换句话说就是可以了解人类言语,并在恰当的上下文中对单词和句子的意义停止分类。

2016年,来自谷歌的数据科学家协助一个自顺应系统打败了世界上最优秀的围棋玩家。在这个亚洲棋盘游戏中,变化的可能性比宇宙中的原子还要多。即便是最快的超级计算机也不可能预先计算一切可能性,更不用说人类了。所以,下围棋需求分离逻辑和直觉。天才棋手和经历丰厚的棋手在特定状况下能觉得到正确的一步棋,由于他们下认识地发觉到了曾经在历史棋局中见过的形式。因而,直觉是他们经历学问的捷径。经历学问不是外显的,而是隐秘地存储在他们大脑里的突触中。棋手们无法解释为什么这么走会是一步好棋,而是他们的直觉让他们做出了决议。

计算机没有觉得,但它能够像塞缪尔的跳棋程序那样与本人停止数百万次的对战。谷歌的阿尔法狗(AlphaGo)就是以这种方式积聚了经历学问,从而能辨认形式和可能合适它们的战略。在专家眼中,AlphaGo有时看起来特别有发明性,而这实践上是由形式辨认、统计和随机数生成器巧妙分离产生的结果。AlphaGo的成功分明地标明:直觉和发明力(取决于怎样定义)不再仅仅是人类独善的范畴。

2017年1月,卡内基梅隆大学的超级计算机Libratus在一切纸牌游戏,以至是没有限制形式下的德克萨斯州扑克中都击败了世界上最好的玩家们,而这台超级计算机的锻炼者仅仅是两名科学家。这一事情简直没有在任何报纸登上头条,但其实它极端重要。由于扑克是一种集精明商人的一切素质于一身的游戏:战略思想,评价别人处境和行为的才能,以及适时冒险的愿望。假如一台机器能在扑克牌游戏中打败人类,那么它也能在日常商务会谈中打败人类。

顺便提一句,近20年来,世界上不断在举行以图灵检验为主题的世界锦标赛,即勒布纳奖(Loebner Prize)——只需一个人工智能系统能在25分钟的书面对话中使一半裁判置信它是人类,它的研讨人员就能取得2.5万美圆的银奖。但是至今无人取得该奖项,更别说奖金高达10万美金的金奖了!要取得金牌,参赛的人工智能系统不只要经过书面对话测试,还要经过语音和视觉交流测试。“机器能否可以考虑”这一问题可能在将来几十年内仍会被哲学家们所讨论。但智能机器经过图灵测试可能只需求几年的时间了。

本文版权归原作者所有,请支持正版。此处仅提供个人读书笔记 https://yigefanyi.com/xiegeidajiadeaijijianshicongtulingceshidaozhinengwulian/
返回顶部