Education的个人博客分享 http://blog.sciencenet.cn/u/Education 哲学,教育,计算机,金融工程。不分文理工科。

博文

人工智能(机器深度学习..)无关乎人的智能

已有 1007 次阅读 2019-4-12 09:23 |个人分类:计算机|系统分类:科研笔记

 人工智能并无明确的定义或边界,一般泛指计算机自动/自主处理问题的能力。

其外延包含计算机(程序),机器人,自动推理,自动化等等,含义太广以致无法罗列,就不罗列了【1】。

 

一  人工智能几个概念的关系

机器学习的功能比人工智能大幅收窄,是人工智能的一个分支,通常具有某种

分类功能(预测本质也是分类)。指用已知数据,

“训练“一个广义函数(函数或者模型或者传输矩阵)

,然后利用这个广义函数对类似数据做出分类等判断。

 

度学习又是机器学习的一个分支,指用已知数据,“训练“一个

模拟的神经网络,然后利用这个模拟的神经网络对类似数据做出

分类等判断。


二 人工智能/深度学习的局限

目前大火的AlphaGo,人脸识别都以深度学习为主。问题是连人脑机制

都不清楚,模拟出神经网络只能是一种愿望。现在的人工智能深度

学习拜现代数据采集和数据处理的巨大能力所赐有所应用,但和人的

智能有本质上不同。

 

以图像识别来说,拿几张飞机的图片训练一个带摄像头的计算机,这个机器以后就能判断其他图片是否飞机,但是计算机完全不懂飞机是什么东西,它只是把图片分类,

如果告诉计算机飞机就是垃圾,它就把飞机归入垃圾,而人则不会。


以语音识别来说,我们说话,手机“听”后能把语音变成文字,但它只是机械变换,它完全不知道内容含义。机器翻译一直进展甚微,也是因为机器不理解语义语用。


再拿AhphaGo下棋来说,场景是有限的,规则是完整的。意思是只有有限的落子格点,两种棋子,落子提子的规则明确,胜负规则明确。而人在实际生活中面临的经常是各种意外的,比如邂逅一个陌生人,意外交通事故,AI对没有事先预估的事件就不知道怎样处理了。

 

三 深度学习的效果不一定比其他技术或者人做的好

另外,很多功能被误以为是深度学习带来的,其实人脸识别,语音识别,

机器翻译,计算机下棋不一定需要神经网络深度学习,有多种其他技术。


机器学习的结果也不总是可靠的,如人脸识别有一定的误判概率。

而人会根据更多的信息核对一张照片是不是某个人的



 

人工智能几十年来历经几次大冷大热,这一次在人脸识别,语音识别等机器学习的

方向确实比前几次热了,未来可预见的时间内还会有长足的技术进步,但理论上仍看不到突破的希望。

 




【1】计算机科学与工程的主要内容



http://blog.sciencenet.cn/blog-537101-1172815.html

上一篇:樱花与《樱花》谣
下一篇:怎样学好奥数

4 罗汉江 张忆文 魏焱明 baixingyi

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备14006957 )

GMT+8, 2019-11-19 06:19

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部