正文

問死人工智能的問題（問死人工智能的問題有哪些）

發(fā)布時間：2023-06-12 15:36:07 稿源：創(chuàng)意嶺閱讀： 54

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于問死人工智能的問題的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計劃、工作報告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，有小程序、在線網(wǎng)頁版、PC客戶端和批量生成器

官網(wǎng)：https://ai.de1919.com。

本文目錄:

目前人工智能存在的問題
關(guān)于人工智能的問題
問人工智能的奇葩問題

問死人工智能的問題（問死人工智能的問題有哪些）

目前人工智能存在的問題

現(xiàn)如今，人工智能的發(fā)展十分迅速。這迅速的腳步是離不開當下越來越多的企業(yè)的研發(fā)與應(yīng)用，可以說企業(yè)和人工智能都是在相輔相成中持續(xù)向上發(fā)展的的。不過在使用人工智能的時候還是會出現(xiàn)很多的問題，而這些問題可以阻礙人工智能的發(fā)展，且我們必須解決它們才能更好地踏出下一步。今天小編就來給大家介紹一下當下的人工智能存在的問題，希望能夠幫助大家更好地去認識和理解人工智能的發(fā)展現(xiàn)狀。
1.人工智能無法去描述常識
大家都知道，常識都是顯而易見的，有時候我們甚至很難用語言去描述它，進而在數(shù)據(jù)中給它打標簽。對于所有“顯而易見”的東西，我們存在巨大的盲點。因此，我們無法教計算機常識，不僅因為這可能不切實際，更根本的原因是我們甚至沒有意識到常識是什么。直到我們發(fā)現(xiàn)機器人做了一些很愚蠢的事情，我們才能夠意識到這些。
2.人工智能被圖靈對智能的定義所束縛
圖靈有關(guān)智能構(gòu)想很著名，他將智力限制為一種和人類進行語言游戲的解決方案。具體來說，圖靈將智能設(shè)定為游戲的解決方案，第一就是將人類置于判斷的位置。這個定義非常具有迷惑性，并很適合人工智能領(lǐng)域。而像貓、狗。兔子甚至是其他動物都是非常聰明的生物，但它們沒有語言，因此也不可能通過圖靈測試。這也是人工給智能所面臨的問題。
3.人工智能的核心問題莫拉維克悖論
那么什么是莫拉維克悖論呢？莫拉維克悖論的核心論點是，現(xiàn)實中最簡單的問題比最復(fù)雜的游戲更難解。我們沉迷于令人工智能在游戲中超越人類以及其他受限且定義明確的話語領(lǐng)域，如數(shù)據(jù)集，將其作為智能的指標，作為一種與圖靈測試一致的標準。我們完全忽略這樣一個事實：對智能的最終判斷由現(xiàn)實本身，而不是由一個人類組成的委員會作出。如果解決了這些問題那就更好的解決這些問題。
在這篇文章中我們給大家介紹了有關(guān)人工智能存在的問題，具體包含了三點，分別是描述顯而易見的常識是十分費力的，人工智能被圖靈對智能的定義所束縛，人工智能的核心問題莫拉維克悖論。這三個現(xiàn)象可以說是當前人工智能存在的比較明顯突出的問題，不過相信在時間的檢驗和推進下，這些問題都會慢慢迎刃而解的。標簽: 人工智能

關(guān)于人工智能的問題

應(yīng)用人工智能系統(tǒng)只是AGI的有限版本。

盡管許多人認為，人工智能的技術(shù)水平仍然遠遠落后于人類的智力。人工智能，即AGI，一直是所有人工智能科學(xué)家的研發(fā)動力，從圖靈到今天。在某種程度上類似于煉金術(shù)，對AGI復(fù)制和超越人類智能的永恒追求已經(jīng)導(dǎo)致了許多技術(shù)的應(yīng)用和科學(xué)突破。AGI幫助我們理解了人類和自然智慧的各個方面，因此，我們建立了有效的算法，這些算法受到我們的追求更加高效計算能力和學(xué)習(xí)模型的啟發(fā)。

然而，當涉及到人工智能的實際應(yīng)用時，人工智能實踐者并不一定局限于人類決策、學(xué)習(xí)和解決問題的純模型。相反，為了解決問題和實現(xiàn)可接受的性能，AI實踐者通常會做構(gòu)建實際系統(tǒng)所需的事情。例如，深度學(xué)習(xí)系統(tǒng)的算法突破的核心是一種叫做反向傳播的技術(shù)。然而，這種技術(shù)并不是大腦建立世界模型的方式。這就引出了下一個誤解：一刀切的人工智能解決方案。

一個常見的誤解是，人工智能可以用來解決所有的問題，也就是說，人工智能的發(fā)展已經(jīng)達到了一個水平，小規(guī)模的“人工智能”可以讓我們解決不同的問題。我甚至聽過有人認為，從一個問題到另一個問題會使人工智能系統(tǒng)變得更聰明，就好像同一個人工智能系統(tǒng)同時解決了兩個問題一樣?，F(xiàn)實情況則大不相同：人工智能系統(tǒng)需要進行工程設(shè)計，這需要巨量的計算和編程，并且需要經(jīng)過專門培訓(xùn)的模型才能應(yīng)用于一個問題。雖然類似的任務(wù)，特別是涉及感知世界的任務(wù)(例如，語音識別、圖像或視頻處理)，現(xiàn)在有了一個可用參考模型庫，但這些模型需要專門設(shè)計以滿足部署要求，而且可能無法開箱即用。此外，人工智能系統(tǒng)很少是人工智能解決方案的唯一組成部分.它通常需要許多定制的古典編程組件，以加強一個或多個人工智能技術(shù)在一個系統(tǒng)中使用。是的，有許多不同的人工智能技術(shù)，單獨使用或與其他解決方案混合使用，因此：人工智能和深度學(xué)習(xí)是一樣的

我們認為人工神經(jīng)網(wǎng)絡(luò)(ANS)這個詞真的很酷。直到，但是，它缺乏規(guī)模化的應(yīng)用?，F(xiàn)在這些問題大部分已經(jīng)解決了，我們已經(jīng)通過將人工神經(jīng)網(wǎng)絡(luò)重新命名為“深度學(xué)習(xí)”。深度學(xué)習(xí)或深度網(wǎng)絡(luò)是一個規(guī)模很大的網(wǎng)絡(luò)，“深度”指的不是深度思考，而是指我們現(xiàn)在可以負擔得起的隱藏層的數(shù)量(以前最多只有幾層，現(xiàn)在可以是幾百層)。深度學(xué)習(xí)用于從標記數(shù)據(jù)集生成模型。深度學(xué)習(xí)方法中的“學(xué)習(xí)”指的是模型的生成，而不是當新的數(shù)據(jù)可用時，模型能夠?qū)崟r地學(xué)習(xí)。深度學(xué)習(xí)模型的“學(xué)習(xí)”階段實際上發(fā)生在離線狀態(tài)下，需要多次迭代，時間和過程都很緊張，而且很難并行化。

近年來，深度學(xué)習(xí)模型在線學(xué)習(xí)應(yīng)用中得到了廣泛的應(yīng)用。這種系統(tǒng)中的在線學(xué)習(xí)是通過不同的人工智能技術(shù)來實現(xiàn)的，比如強化學(xué)習(xí)，或在線神經(jīng)進化。這類系統(tǒng)的一個局限性是，只有在離線學(xué)習(xí)期間才能最大限度地實踐到應(yīng)用領(lǐng)域，才能實現(xiàn)深度學(xué)習(xí)模式的貢獻。一旦生成模型，它將保持靜態(tài)，這方面的一個很好的例子是電子商務(wù)應(yīng)用程序-電子商務(wù)網(wǎng)站上的季節(jié)性變化或短期銷售將需要一個深入的學(xué)習(xí)模式才能離線，并對銷售項目或新庫存進行再培訓(xùn)。然而，現(xiàn)在有了這樣的平臺利用進化算法對網(wǎng)站進行優(yōu)化，不再需要大量的歷史數(shù)據(jù)，而是利用神經(jīng)進化，根據(jù)網(wǎng)站當前的環(huán)境，實時地對網(wǎng)站進行調(diào)整。

大型的、不平衡的數(shù)據(jù)集可能具有欺騙性，特別是當它們只部分捕獲與該領(lǐng)域最相關(guān)的數(shù)據(jù)時。此外，在許多領(lǐng)域，歷史數(shù)據(jù)可能很快變得無關(guān)緊要。例如，在紐約證券交易所的高頻交易中，最近的數(shù)據(jù)比2001年以前的數(shù)據(jù)具有更大的相關(guān)性和價值，而2001年以前的數(shù)據(jù)還沒有被采納。

最后，我經(jīng)常遇到一個普遍的誤解：

如果一個系統(tǒng)解決了我們認為需要智能的問題，那就意味著它正在使用人工智能。

這是一個有點哲學(xué)的性質(zhì)，它確實取決于你對智力的定義。事實上，圖靈的定義并不能反駁這一點。然而，就主流人工智能而言，一個完全設(shè)計的系統(tǒng)，比如不使用任何人工智能技術(shù)的自動駕駛汽車，并不被認為是人工智能系統(tǒng)。如果系統(tǒng)的行為不是引擎蓋下使用的人工智能技術(shù)的緊急行為的結(jié)果，那么如果程序員從頭到尾以確定性和工程化的方式編寫代碼，那么系統(tǒng)就不被認為是基于人工智能的系統(tǒng)，即使它看起來好像是人工智能。

AI為更美好的未來鋪平了道路。盡管人們對人工智能有著普遍的誤解，但正確的假設(shè)是，人工智能將繼續(xù)存在，而且確實是通向未來的窗口。AI還有很長的路要走，它在將來會被用來解決所有的問題，并被工業(yè)化廣泛的使用。人工智能的下一個重大步驟是使其具有創(chuàng)造性和適應(yīng)性，同時，強大到足以超過人類建立模型的能力。

問死人工智能的問題（問死人工智能的問題有哪些）

問人工智能的奇葩問題

問人工智能的奇葩問題：

1、實現(xiàn)目標或解決問題需要哪些數(shù)據(jù)。

在人工智能項目團隊確定了人工智能可以實現(xiàn)的目標或可以解決的特定問題后，組織團隊將繼續(xù)提出問題，以確定實現(xiàn)目標或解決特定問題所需的數(shù)據(jù)或變量。

2、如果還沒有數(shù)據(jù)，將從哪里獲取數(shù)據(jù)?

如果組織發(fā)現(xiàn)自己需要更多數(shù)據(jù)，下一步將確定從何處獲取所需數(shù)據(jù)。組織是否生成了數(shù)據(jù)，是否購買或租用了這些數(shù)據(jù)？

3、組織的計算策略是什么：內(nèi)部部署、云計算還是混合部署?

人工智能項目遇到的一個主要問題是讓它在與組織的整體數(shù)字計算戰(zhàn)略不一致的計算平臺上運行。組織需要了解當前和將來的計劃可以幫助人工智能團隊正確規(guī)劃最佳方法，以接近用于人工智能或機器學(xué)習(xí)模型的平臺。

4、移動和存儲數(shù)據(jù)的計劃是什么？

想象一下，跨國公司的業(yè)務(wù)部門遍布世界各地，在各地的多個地點生成數(shù)PB的數(shù)據(jù)。那么是在創(chuàng)建數(shù)據(jù)的地方進行處理，還是在世界各地的站點之間以某種方式傳輸數(shù)PB的數(shù)據(jù)？這是人工智能項目有時沒有考慮的關(guān)鍵事項之一。

5、將如何消除偏見并驗證模型結(jié)果?

收集數(shù)據(jù)并保存之后，需要確保知道如何驗證人工智能或機器學(xué)習(xí)模型生成的結(jié)果。一種方法是運行已知數(shù)據(jù)集并查看結(jié)果，以確保組織對預(yù)期結(jié)果具有更高的準確性。

以上就是關(guān)于問死人工智能的問題相關(guān)問題的回答。希望能幫到你，如有更多相關(guān)問題，您也可以聯(lián)系我們的客服進行咨詢，客服也會為您講解更多精彩的知識和內(nèi)容。