CAAI名誉理事长李德毅院士谈机器的生命观

f0bec3c676ba4b6e3987b89a6026af13.jpeg

来源:图灵人工智能

2022年9月28日上午,为促进人工智能产、学、研、经、用的发展,助力余杭区人民政府建设杭州市人工智能创新发展区,由中国人工智能学会主办的会士系列讲坛—第一期通过线上的形式在余杭区未来科技城成功举办。本次活动各平台累计观看量10W+。

9a6c09ea7dcadbfd4f2098c990279e8d.jpeg

本次讲坛由来自清华大学的徐枫副教授担任主持人,李德毅院士作为报告嘉宾,报告题目为《机器的生命观——从薛定谔、图灵和维纳谈开去》,原定主题报告题目为《薛定谔+图灵+维纳=?》。

bede3870457fd252a4dda9818dd90177.jpeg

李德毅

CAAI名誉理事长

中国工程院院士

欧亚科学院院士

个人简介:

军事科学院系统工程研究院研究员,中国人工智能学会名誉理事长,中国指挥控制学会名誉理事长。中国改革开放以来第一位人工智能相关专业博士学位获得者,指挥自动化和人工智能领域专家。长期致力于信息化和智能化工作,不确定性人工智能领域的主要开拓者,中国无人驾驶的积极引领者,人工智能产学研发展的重要推动者,也是吴文俊人工智能最高成就奖获得者。

9月28日正值首个“杭州人才日”,同时也是学会会士系列讲坛的第一期举办日。讲坛伊始,徐枫副教授对本次学会会士系列讲坛进行了讲坛背景和活动嘉宾的介绍。此外,希望学会会士系列讲坛能够成为人工智能领域“产-学-研”合作交流的优质平台。

afbce0eef6646489e17b77a9034c6aef.jpeg

李德毅院士从五个部分对机器的生命观进行阐述。

一、读五篇经典论文新体会。李德毅院士向大家介绍了控制论之父-维纳、量子力学之父-薛定谔和人工智能之父-图灵三位学者为人类留下的五篇经典之作,并分享再读它们后产生的新体会。

二、从薛定谔谈开去,为什么机器可被视为生命,如何应对熵增?李德毅院士以埃尔温.薛定谔在《生命是什么》书籍中探讨生命的意义时曾写到的一段话“生命是很多种能够决定个体未来发展完整模式的密码本,人活着就是在对抗熵增规律,生命以负熵为生”展开探讨,并详细说明若机器可被视为生命,我们该如何应对熵增。

三、从图灵谈开去,从机器认知看图灵机的贡献与局限。李德毅院士从机器的认知角度来分析图灵机的贡献和局限,并作出总结。随着人工智能向各式各样动力机器的渗透,越来越多的机器能听会说,有问有答,人类社会更多的生产和服务岗位终将由虚拟数字人和实体机器群替代。

四、从维纳谈开去,通过交互认知实现机器行为的控制与实现。李德毅院士阐述在教学机器人在线学习时如何去实现和控制的问题,并强调深度学习想要取得更大进展,一定需要让深度学习在递归中完成。

五、薛定谔 + 图灵 + 维纳 = 认知物理学。李德毅院士谈到,随着有感知、有认知、有行为、可交互、会学习、自成长的机器大量被复制生产和升级,大量的虚拟数字人和实体机器人的产生,机器教人和人教机器会同时存在,人机共生、交互认知的时代一定会到来。比如:机器教人学习,机器人教儿童下棋、学画、机器标杆驾驶员教青年人开车……

在精彩的主题报告后,观众们反响热烈,积极提问。徐枫副教授针对部分优质问题邀请了李德毅院士为观众们进行解答。

91ce39498ecb8d7e6a4b753485460efc.jpeg

Q1

意识和情绪来自于脑干并且有较长的进化时间,意识是否仅仅来自于脑干,而跟其它脑部结构无关。此外,意识、情感和智能的关系如何?

A1

我认为意识、愿望、情感、性格比我们人类的高级智能要早了好几万甚至上亿年。动物具有意识,很多动物具有自我保护的意识,我们人类是从哺乳动物而来的,尤其是情感,跟哺乳有着密切的联系。但并不是说意识一定要跟智能分开,意识可以很大程度上激发我们的情感,让我们的情感外显,同时意识也可以帮助智能,比如一个人喝醉酒在半夜的时候话语会较少。我们现在不提意识,因为主要关注了它的工具性。而在未来意识会不会成为独立的人工生命,目前还无法判断,但有这个可能性,特别是基因编辑要加强管理,目前从事人工智能领域的人们对此不必有过多忧虑。情感我们可以外显上去做虚拟数字,如果没有情感,会显得不自然,就像演员演戏时是真笑还是假笑,我们无法判断,这只是演员的工作需要。所以我们要外显情感,而意识先不要掺和进来,可以将其作为一种工具。

Q2

机器有机器的智能,人有人的智慧,其中智能和智慧这两个词有什么界限、区别和联系?

A2

智能是1/5,智慧是5/5。意识、愿望、情感、性格和智能五大块都具备时就可以统称为智慧。我们人工智能只研究智能,我主张叫智慧城市,因为人是一座城市的主体,不能称为智能城市,它主要是为人服务的。机器叫做智能机器,而不能称为智慧机器,因为它没有意识。1/5到5/5是一条漫长的道路。而专注智能研究,补偿人类的短板,恰恰是人类智慧的重要体现。与其创造更加聪明的人,人类不如选择优育优生。

Q3

人的左脑负责记忆,右脑负责推理和逻辑思维,那么在认知科学中的脑科学分析技术是否可以应用到人工智能的研究中?

A3

脑科学研究在全球许多国家经历了5-20年的研究历程,有了很大的进步。左右脑的分工,例如语言、情感的工作半区,这些说法到最后被我们打为伪科学。人脑为什么不同区域工作内容不同,当我们做机器智能时,可以把人脑皮层的可塑性作为重要参考。人类进化主要有三个因素,首先是手的进化,让手去发明创造工具,人手的多维度特别丰富,就如结构复杂的钟表也完全可以依靠人类的双手去制作。第二个因素是语言的进化,人类有了语言文字之后,就成为了思维的载体。第三个因素是大脑皮层的进化,大脑皮层初始状态并完美,小孩刚生下是不会行走、不能说话的,依靠的后天的学习,而有些高等生物,生下来就能跑能飞。而能够二次学习是我们人类被赋予的巨大优势,我认为应从不同维度上去了解人脑的整体功能,而不是在微观上,从细胞甚至更小的维度去了解,那属于生命科学的研究角度。

Q4

新一代人工智能是否任然以数据驱动为主?

A4

肯定不是!我们定义的智能是学习的能力、解决问题的能力,学习是解决问题的基础,解决问题是学习的目的。所以强调有指导的学习、半指导的学习和自主学习,而不是简单的感知学习。由感知进一步过渡到认知,我们人类的感知能力与其它生物相比处于相对劣势低位,我们的视力不如老鹰,听力不如小猫小狗,奔跑速度不够快等等,而我们的优势在学习能力上。总而言之,数据驱动只是人工智能发展的一部分。

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)大脑研究计划,构建互联网(城市)大脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

42a956447161a835396923da80d94ef7.jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/481564.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

论文学习16-Going out on a limb: without Dependency Trees(联合实体关系抽取2017)

文章目录abstract1. Introduction2. 相关工作3. Model3.1 Multi-layer Bi-directional Recurrent Network3.2实体检测3.3 attention model3.4 关系检测3.5双向编码4.训练5.实验5.2 evaluation metrics5.3 基线和以前的模型5.4 超参数6.结果Katiyar, A. and C. Cardie (2017). G…

困局中的英伟达:进一步是鲜花,退一步是悬崖

来源: AI前线整理:王强、冬梅看看最近几个月的股价,英伟达的投资者肯定不怎么开心:但如果把时间拉长到 5 年,我们看到的故事似乎又不一样了:2020 年底显然是是一个转折点。很多游戏玩家还清楚地记得&#x…

论文学习17-Global Normalization of Convolutional Neural Networks(联合实体关系抽取CNN+CRF)2017

文章目录abstract1.Introduction2.相关工作3.Model全局归一化层(使用线性链CRF)4.实验和分析4.3实验结果总结Adel, H. and H. Schtze “Global Normalization of Convolutional Neural Networks for Joint Entity and Relation Classification.”abstract CNNCRF&g…

特斯拉AI日点不燃仿人机器人的市场热情

来源:科技智谷编辑:Light"仿人机器人的巨大市场蓝海能否兑现,核心还要看产品量产和成本控制。近期,沉寂已久的仿人机器人市场终于迎来了它的“春晚”——特斯拉AI日。根据外媒报道,在9月30日(北京时间…

LSTM(序列标注,自实现)

文章目录1.LSTM1.1 单独计算单层LSTM-cell单层LSTMBPTT2.序列标注使用pytorch实现序列标注自实现lstmimport torchimport torch.nn as nndef prepare_sequence(seq, to_ix):idxs [to_ix[w] for w in seq]return torch.tensor(idxs, dtypetorch.long)training_data [("Th…

Science最新:Jeff Gore团队揭示复杂生态系统中涌现的相变

来源:集智俱乐部作者:胡脊梁编辑:邓一雪导语生态学致力于理解自然生态系统中的多样化的物种和复杂的动力学行为,然而科学家长期缺乏描述和预测生物多样性和生态动力学的统一框架。MIT物理系的胡脊梁和Jeff Gore等科学家结合理论和…

强化学习发现矩阵乘法算法,DeepMind再登Nature封面推出AlphaTensor

来源:机器之心 微信公众号DeepMind 的 Alpha 系列 AI 智能体家族又多了一个成员——AlphaTensor,这次是用来发现算法。数千年来,算法一直在帮助数学家们进行基本运算。早在很久之前,古埃及人就发明了一种不需要乘法表就能将两个数…

论文学习18-Relation extraction and the influence of automatic named-entity recognition(联合实体关系抽取模型,2007)

文章目录abstract1.introduction3.问题形式化4.系统架构5. 命名实体识别6.关系抽取(核方法)6.1global context kernel6.2 local context kernel6.3 shallow linguistic kernel7实验Giuliano, C., et al. “Relation extraction and the influence of aut…

Nature:进化新方式?线粒体DNA会插入我们的基因组

来源:生物通科学家们惊讶地发现,每4000个新生儿中就有一个会将线粒体中的一些遗传密码插入到我们的DNA中,这为人类的进化方式提供了新见解。剑桥大学和伦敦玛丽女王大学的研究人员表明,线粒体DNA也会出现在一些癌症DNA中&#xff…

论文学习19-Structured prediction models for RNN based sequence labeling in clinical text(LSTM_CRF,2016)

文章目录abstract1. Introduction2.相关工作3.方法3.1 Bi-LSTM (baseline)3.2BiLSTMCRF3.3 BiLSTM_CRF with pairwise modeling3.4 Approximate Skip-chain CRF5.实验Jagannatha, A. and H. Yu “Structured prediction models for RNN based sequence labeling in clinical te…

「深度学习表情动作单元识别」 最新2022研究综述

来源:专知基于深度学习的表情动作单元识别是计算机视觉与情感计算领域的热点课题.每个动作单元描述了一种人脸局部表情动作,其组合可定量地表示任意表情.当前动作单元识别主要面临标签稀缺、特征难捕捉和标签不均衡3个挑战因素. 基于此,本文将…

为什么物理诺奖颁给量子信息科学?——量子信息的过去、现在和未来

导语10月4日,2022年诺贝尔物理学奖授予 Alain Aspect, John F. Clauser 和 Anton Zeilinger,表彰他们“用纠缠光子实验,验证了量子力学违反贝尔不等式,开创了量子信息科学”。他们的研究为基于量子信息的新技术奠定了基础&#xf…

论文学习20-End-to-end Sequence Labeling via Bi-directional LSTM-CNNs-CRF(序列标注,2016ACL

文章目录abstract1.introduction2.Architecture2.1 CNN for Character-level Representation2.2 BiLSTM2.2.1 LSTM单元2.2.2BiLSTM2.3CRF2.4BiLSTM-CNNs-CRF3.训练Ma, X. and E. Hovy “End-to-end Sequence Labeling via Bi-directional LSTM-CNNs-CRF.”abstract 最先进的序列…

可溶解光开关利用光控制神经元

ISTOCK来源:IEEE电气电子工程师大约20年前,出现了一种称为光遗传学的策略,用激光控制大脑活动。它利用病毒将基因插入细胞,使其对光敏感。光遗传学给研究人员提供了一种精确的方法来刺激或抑制大脑回路,并阐明它们在大…

生成式AI无敌了: 大神微调Stable Diffusion,打造神奇宝贝新世界

来源:大数据文摘授权转载自AI科技评论作者:李梅、施方圆编辑:陈彩娴作为一个强大、公开且足够简单的模型,最近大火的 Stable Diffusion 在文本生成图像之外,给了大家无限的创作可能性。最近,来自 Lambda La…

论文学习21-Globally Normalized Transition-Based Neural Networks(2016,标签偏差问题

文章目录abstract1.introduction2.Model2.1 Transition System2.2 全局和局部归一化3.训练3.2标签偏差问题abstract 介绍了一种基于全局规范化转换的神经网络模型,该模型实现了最先进的词性标注、依存分析和句子压缩结果。我们的模型是一个简单的前馈神经网络&#…

推翻单一干细胞理论:哺乳动物大脑中发现了第二种干细胞

来源:生物通在成年哺乳动物的大脑中,神经干细胞保证了新的神经细胞,即神经元的不断形成。这个过程被称为成年神经发生,帮助鼠维持它们的嗅觉。一个研究小组最近在鼠大脑中发现了第二种干细胞群,它主要参与成年鼠嗅球中…

论文阅读课1-Attention Guided Graph Convolutional Networks for Relation Extraction(关系抽取,图卷积,ACL2019,n元)

文章目录abstract1.introduction1.1 dense connectionGCN1.2 效果突出1.3 contribution2.Attention Guided GCNs2.1 GCNs2.2 Attention Guided Layer2.3 Densely Connected Layer2.4 线性层2.5 AGGCN for RE3.实验3.1 数据集3.2 设置3.3 n-ary3.4 句子级4.ablation Study4.相关…

Nat. Rev. Genet. | 通过可解释人工智能从深度学习中获得遗传学见解

编译 | 沈祥振审稿 | 夏忻焱今天为大家介绍的是来自Maxwell W. Libbrecht,Wyeth W. Wasserman和Sara Mostafavi的一篇关于人工智能对于基因组学的可解释性的研究的综述。基于深度学习的人工智能(AI)模型现在代表了基因组学研究中进行功能预测…

复杂系统的逆向工程——通过时间序列重构复杂网络和动力学

导语蛋白质相互作用网络、生态群落、全球气候系统……很多复杂系统都可以抽象为一个相互作用的网络和其上的动力学。传统的研究主要关注在如何构建网络动力学模型,从而产生和实验观测数据具有相似统计特征的结果。所谓的复杂系统逆向工程,就是反其道而行…