2020国产成人精品视频,性做久久久久久久久,亚洲国产成人久久综合一区,亚洲影院天堂中文av色

分享

李彥宏說“AI能讓人類永生”,這位圖靈獎得主跟他杠上了 | 造訪·Raj Reddy

 造就Talk 2020-07-21

近日,百度董事長李彥宏抱著對人工智能發(fā)展極其樂觀態(tài)度表示,AI可以讓人類實現(xiàn)“永生”:

每一個人說的話,干的事,甚至你的記憶、情感、意識等都可以數(shù)字化存儲下來,放在網(wǎng)盤或者其他的云端。然后機器可以學習出來你的思維方式,遇到新問題,通過技術進行現(xiàn)實還原,這樣你就可以與后人進行超越時空的對話。

百度董事長李彥宏

機器真的能模仿人的思維方式來使我們意識永生嗎?

人工智能早期開拓者之一、卡內(nèi)基梅隆大學計算機學院教授、1994年圖靈獎獲得者Raj Reddy,對此持相反觀點。

Raj Reddy

人工智能早期開拓者之一

卡內(nèi)基梅隆大學計算機學院教授

1994年圖靈獎獲得者

年近85歲的Reddy教授相信,人工智能會成為人類的得力助手,輔助未來人類變得更聰明、更強大,而非人機融合甚至人類放棄肉體進入虛擬空間永生;人工智能的未來在于,它將自我完善與發(fā)展,而不再依賴人類發(fā)明的算法與知識的灌輸,因此人類的知識將不再重要。

但同時,他也對人工智能將塑造的那個徹底顛覆我們現(xiàn)有認知的世界提出了警示,當我們所有的生理特征可以隨意改變時,我們的教育、道德與倫理也都將徹底改變,未來社會將與現(xiàn)在完全不同

1、所見非所得:過去我們的教育告訴我們“所見即所得”,但在未來,指紋識別、臉部識別等等生理特征將不再是一個會被當作是社會信用認證的特征,所見不再是所得。

而當你不再能依賴聲音或臉來分辨出坐在你對面或者電話那頭的人的身份,甚至不能分辨出對面是人還是人工智能時,我們認知這個世界的方式會被極大變革,未來的孩子都會明白,我們眼睛看到的、耳朵聽到的,并不是事實的真相。

2、另一半人該怎么辦?傳統(tǒng)的教育是教授聽說讀寫,教授計算,教授認知世界的不同方式,但在未來,人工智能在這方面一定會比我們做得更好,它將成為我們的個人助理,來幫助我們更好的認識世界。

在這種情況下,人類的作用是什么?人類需要通過教育學習什么?我們能在什么方面超越人工智能?這將是一個巨大的待解決的問題。而這個世界上還有一半的人是半文盲狀態(tài),當我們以極快速度進入人工智能助理的世界時,這一半的人該怎么辦?

完整視頻請下載造就APP觀看。

完整視頻中,Raj Reddy還對以下問題做出了詳細回答:

  1. 深度學習的下一步是什么?

  2. AI的決策會比人類做得更好嗎?

  3. 人類的定義會因此被改變嗎?

  4. 中美的人工智能行業(yè)有何不同與相同之處?

造就:我們?nèi)绾稳ケ苊饧夹g的濫用帶來的潛在威脅?比如說最近出現(xiàn)了AI換臉的ZAO APP,它可能會威脅到我們的隱私與財產(chǎn)安全。

Raj Reddy:你說的是非常重要的問題,因為我們總是使用面部特征來識別人類。但在未來可能做不到了,因為面部特征很容易改變。其實人們已經(jīng)可以做很多面容上的改變了,如果你通過一個媒介來看另一個人,比如通過視頻會議,其實你完全不知道另一邊的人是誰,因為你可以使用AI換臉。這樣一來,“所見即所得”并不是一件確定的事情了。這就是未來的趨勢,基本上這件事是肯定會發(fā)生的,那時我們的世界也會是另一個世界,100年后的是非概念,和現(xiàn)在的觀念是不同的。

ZAO app已經(jīng)實現(xiàn)了一鍵換臉

我們上過一門課叫批判性閱讀,你會覺得是“所讀即所得”,而未來的孩子們,當他們看到一張臉時,他們知道,那可能是任何人。在未來,人臉不能作為任何證據(jù)了,也許我們也不再需要這些證據(jù),這對未來的社會不再重要。

造就:有一種說法認為,現(xiàn)在的人工智能技術都是基于上世紀的理論發(fā)展的,你怎么看這種觀點?

Raj Reddy:其實是恰恰相反,在過去我們捕捉知識,然后把它們編進程序;而在未來計算機將可以進行自我學習,傳統(tǒng)意義上的編程將不復存在

在上世紀五六十年代,一切都是人類對知識的編碼,現(xiàn)在都是自我組織的自我學習系統(tǒng),沒有任何人類干預。舉一個電話系統(tǒng)的例子,最初在上世紀二三十年代,如果我給你打個電話,有人接了我的電話,把線插進你的電話對應的接口中,我們才能通話成功,這需要一個接線員。于是有人指出,如果技術沒有改變,世界上一半的人口將成為接線員。道理在這里也是一樣,在未來,AI系統(tǒng)不會遵循50或60年前的想法,而是經(jīng)歷一個完整的范式轉(zhuǎn)換。我們需要的是一個能夠自我學習的系統(tǒng)。

造就:有觀點認為數(shù)據(jù)驅(qū)動與知識驅(qū)動將是人工智能的發(fā)展兩大方向,你怎么看?

Raj Reddy:其實這兩者沒有區(qū)別,我們通過數(shù)據(jù)深度學習技術發(fā)現(xiàn)規(guī)律,這就是知識。唯一的問題是,人類沒有能力發(fā)現(xiàn)去發(fā)現(xiàn)這些知識?只有機器才能找到它們。

在過去,我必須在我所見所聞中發(fā)現(xiàn)知識并記錄下來,這并不是一個完美的狀態(tài);現(xiàn)在有了更多的數(shù)據(jù),計算機也可以自我學習,這才是學習的意義,即發(fā)現(xiàn)規(guī)律。

計算機在這方面能夠做得比人類好得多,是因為人類大腦有一個根源上的限制,我們稱之為有限理性。

赫伯特·西蒙是人工智能領域的奠基人之一,他因為這一理論而獲得諾貝爾獎。

赫伯特·西蒙,1978年諾貝爾經(jīng)濟學獎得主、1975年圖靈獎得主

這一理論說的是,人類在面臨大量數(shù)據(jù)時會困惑,于是他們?nèi)拥袅撕芏嘈畔?,只是用了一點來搞清楚該怎么做。而計算機可以利用上百萬倍的數(shù)據(jù)并發(fā)現(xiàn)其中的規(guī)律,這是數(shù)據(jù)驅(qū)動來發(fā)掘知識解決問題。最終,解決問題的是知識。

但問題是,知識是怎么來的?人類獲取知識,而計算機發(fā)現(xiàn)知識,這是區(qū)別所在。并非數(shù)據(jù)驅(qū)動和知識驅(qū)動,而是人類獲取知識和計算機發(fā)現(xiàn)知識的區(qū)別,他們都是從數(shù)據(jù)中發(fā)現(xiàn)知識。

造就:計算機和人工智能在將來可以為我們做很多事,未來我們的教育方式會因此大規(guī)模改變嗎?

Raj Reddy:這個問題的答案既肯定又否定,從根本上而言這是人類將扮演樣的角色的問題。

即使是現(xiàn)在,世界仍有一半的人口不能閱讀,也就是半文盲。如果你給中國西部的一些人一份報紙,他們也許能讀懂些其中的一些漢字,但是他們不理解我們所說的話術和技巧。全世界還有一半的人是半文盲,仍舊無法通過閱讀獲知世界發(fā)生的事情,那么問題就變成了:人類在這個世界上還有什么用?

當計算機擁有如此多的知識時,對我來說,意味著即使我是文盲,但我的電腦很聰明,它將確保我知道我需要知道的一切,并在我耳邊低語:“不要去那里,不要那樣做,不要吃這個, 這個有毒。”這在以前都是不可能的,現(xiàn)在即使是不識字的人也能表現(xiàn)得很聰明,即使他們沒有受過教育,所以是把古典教育變成了計算機助理

在古典教育中,你學習的是字母和單詞,漢語是很難的,現(xiàn)在你在用中文發(fā)短信的時候不用把字寫出來,你只需要打幾個符號或筆畫,電腦會根據(jù)規(guī)律給出預測,你只需要點擊選擇就可以了。這就是將要發(fā)生的事情,也就是人們甚至不需要學習我們曾經(jīng)學過的東西,去學習怎么寫每個字,理解其中的復雜性,因為計算機將替你做這些。

現(xiàn)在的問題是,受教育這一觀念會被改變,教育不再是那些乘法加法、閱讀寫作等等,因為電腦會幫你做這些現(xiàn)在你需要把自己提升到電腦無法做到的層次上。

造就:一個老生常談的問題,你認為人工智能在未來會發(fā)展出自我意識嗎?

Raj Reddy:你必須定義意識是什么。我們有一位教授(卡內(nèi)基梅隆大學計算機科學系教授Lenore Blum)做了一個很有意思的演講,叫《有意識的圖靈機》。

Lenore Blum,卡內(nèi)基梅隆大學計算機科學系教授

在演講中,她認為人類之所以有意識,是因為大腦中有九個功能區(qū),而其中多數(shù)是休眠狀態(tài),只有一到兩個是激活的,它們就在你的短期記憶中,這就是意識。意識就是無論你在關注什么,總有事情是我雖然沒有在關注,但在無形中我仍在考慮這件事。

所以說,意識是組成人類的一部分,是一直存在的。

那我們就要問,計算機的自我意識是什么?當計算機比人類更有意識時,會發(fā)生什么?

當然,我不知道什么叫更有意識,因為意識根據(jù)定義,就是我們關注的事情。如果你在關注某件事 你就對它有意識。比如,我不關注有颶風的事情,而我的電腦關注到了這一點,它就能告訴我這件事。,因此,人類意識和機器意識可以相互協(xié)作以保障人類的安全。

從這個意義上說,這個問題取決于你對意識的定義。

編輯&采訪 | 李瑩;翻譯 | 一成;校對 | Lily

視頻 | 金松;版面 | 穎仔

互動話題:你認為計算機會有自己的意識嗎?

每周評論區(qū),被zan最多的評論者,將獲得造就送出的禮品一份


    轉(zhuǎn)藏 分享 獻花(0

    0條評論

    發(fā)表

    請遵守用戶 評論公約

    類似文章 更多