幽默:为什么人工智能比不上猫狗?

21-12-21 banq

世界模型、直观物理、规划、问题解决、离散搜索解决方案、控制参数的持续优化......狗设用 20 亿个神经元也可以完成很多更智能工作。

当我们的AI还不能达到狗级别的智能时,为什么要争论人类级别的人工智能?

我们人类过于重视语言和符号作为智力的基础。

但是灵长类动物、狗、猫、乌鸦、鹦鹉、章鱼和许多其他动物没有类似人类的语言,但表现出超越我们最好的人工智能系统的智能行为。

他们所拥有的是学习强大的“世界模型”的能力,使他们能够预测自己行为的后果,并寻找和计划行动以实现目标。

学习此类世界模型的能力是当今 AI 系统所缺少的。

 

网友讨论:

真正的问题是人类将智能与语言(主要是人类语言)联系起来,而不是一组行为、原则和更多其他的。

 

狗有效地对神经元和突触中的微分方程进行近似解。也许专注于此。认知在数学上是一个逆问题(恕我直言),也许这在考虑架构时会有所帮助。

蜜蜂在其神经元和突触中有效地进行涉及 6 维方程的数学运算,以便对它们用来传达食物来源位置的“摇摆舞”进行解码/编码。

 

狗有很好的联想学习和解决问题的能力。但鸦科动物更好。

 

我认为你低估了动物的智力,同时高估了人类的智力。这主要是因为我们一开始就没有近乎完整的智能视图。

 

AI 甚至无法达到老鼠级别的智能。需要更多地关注大脑的工作方式。大脑对神经元(和各种神经元)的连接方式有限制,这导致了一种架构。找出皮质柱是一大步。

 

搜索和学习是在人工智能研究中利用大量计算的两类最重要的技术:通过自我游戏学习,以及一般的学习,就像搜索一样,它可以进行大量计算。

基于隐马尔可夫模型 (HMM)之类的统计方法胜过了基于人类知识的方法。这导致了所有自然语言处理的重大变化,几十年来逐渐发生,统计和计算开始主导该领域。

深度学习方法对人类知识的依赖更少,使用更多的计算,再加上在庞大的训练集上学习,以产生显着更好的语音识别系统。

因此,通过大量计算的通用方法最终是最有效的,而且效果显着。

下面的惨痛的教训是基于历史观察:

  • 1) AI 研究人员经常试图将知识构建到他们的代理中,
  • 2) 这在短期内总是有帮助的,并且对研究人员个人而言是令人满意的,但是
  • 3) 从长远来看停滞不前,甚至阻碍进一步的进步,以及
  • 4) 突破性进展最终通过基于搜索和学习缩放计算的相反方法实现。最终的成功是带着苦涩的,往往没有完全消化。

搜索和学习应该是AI主要方法

 

 

1
猜你喜欢