学不会“常识”:人工智能的致命短板?

Posted 经济学人

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了学不会“常识”:人工智能的致命短板?相关的知识,希望对你有一定的参考价值。



机器学习训练的软件模型结构大致基于人脑的神经结构,但其“智慧”并不是大多数人所理解的那种。它们是强大的模式识别工具,但没有对生物大脑而言理所当然的诸多认知能力。它们难以做出推理、归纳自己发现的规则,也难以获得通用的应变能力——对于这种能力,研究人员找不到更精确的称法,而叫它“常识”。其结果就是一个人工弱智专才,在清晰界定的任务上表现杰出,但如果遇到意料之外的输入,就可能错得离谱。这就导致了AI难以克服的局限性,在部署时也可能困难重重。那些希望利用AI潜力的人必须直面两方面的问题。 上方扫码/文末“阅读原文”可直接订阅商论享受限时特惠!

学不会“常识”:人工智能的致命短板?

《经济学人·商论》七月刊
《面对现实》(Reality check)

人工智能及其局限

面对现实

本文作者蒂姆·克罗斯(Tim Cross)说,经过多年的热捧,人们开始认识到AI的局限性


那就像是世界创造了第二个中国——只不过构成它的不是十几亿人和数百万家工厂,而是算法和嗡嗡作响的计算机。专业服务公司普华永道(PwC)预测,到2030年,人工智能(AI)将为全球经济增加16万亿美元。而全球第二大经济体2018年所有活动的总和——从银行、生物技术到商店和建筑业——也不过13万亿美元。

普华永道的说法并不稀奇。它的竞争对手、麦肯锡的预测者认为,这个数字大概在13万亿美元。其他人则希望从定性而非定量的角度一语惊人。谷歌的老板桑达尔·皮查伊(Sundar Pichai)形容AI的发展“比火或电的影响更深远”。其他预测也描绘了同样宏大的变化,但不那么令人愉快。聪明的计算机能完成放射科医生、货车司机或仓库工人的工作,可能导致一大波失业潮。

不过,今天的AI技术是否真会带来那么翻天覆地的变化?对此的怀疑近来悄悄滋生。AI正在触及这样或那样的极限,也没能兑现它的一些支持者所做的更宏大的承诺。


… …

… …


经历了阿尔法狗带来的狂热之后,AI产业进入了寒风瑟瑟的秋季。到底该如何预测AI的未来?获取完整内容,请在下方扫码直接订阅后阅读《经济学人·商论七月刊技术季刊《AI及其局限》系列:


  • 为什么大数据不够大?《没那么大》(Not so big)
  • 为什么算力可能不是衡量智慧最好的指标?《机器学习中》(Machine, learning)
  • 为什么无人驾驶可能是个自欺欺人的泡泡?《路障》(Road block)
  • 为什么“无聊的AI”最可爱?《算法和军队》(Algorithms and armies)
  • 为什么AI的炒作过了头?《面对现实》(Reality check)

直接订阅更可同步解锁商论发刊至今的2000余篇往期文章,包括近1000篇文章的英文原声音频并免费加入官方学习社区。



订阅特惠最后3天 | 8.9前订阅《经济学人·商论》可享受限时特惠(年度低至每周7.46元/季度低至每周10.6元)。仅限新账号通过网站注册,下方扫码直达专属渠道 ↓



【参与规则】
1.《经济学人·商论》官方订阅网站是本次活动专属渠道(请勿在App内订阅)
2. 请长按识别图中二维码,或点击文末“阅读原文”访问官方订阅网站
3. 选择订阅《经济学人·商论》年度或季度,均可享受商论五周年特惠价
4. 现已支持支付宝付款(进入页面后点右上角在浏览器中打开)
请注意本折扣为新订阅账户专享不适用于尚在订阅期内的有效账号App内微信登录、在App内直接订阅


点此直接订阅商论享限时折扣价!



以上是关于学不会“常识”:人工智能的致命短板?的主要内容,如果未能解决你的问题,请参考以下文章

汽车安全攻击篇:智能网联系统的短板,如何防护汽车的安全

常识推理问答相关最新研究进展

自动驾驶汽车四大短板怎么补?

人工智能学的是啥语言?

python深入学习好还是直接学人工智能好

让计算机掌握常识:微软发布Microsoft Concept Graph和Microsoft Concept Tagging模型