专家:人工智能开始对现实世界产生重大影响​​

专家:人工智能开始对现实世界产生重大影响

​​人工智能技术与咨询​​ 

本文摘自中国日报网

中国日报网11月8日电 据英国《卫报》报道,曾撰写过一本有关人工智能的权威教科书的美国科学家表示,在将人工智能的进步比作原子弹技术的发展时,专家们被自己在该领域的成就“吓坏了”。

美国加州大学伯克利分校人类兼容人工智能中心(CHAI)的创始人斯图尔特·拉塞尔(Stuart Russell)教授表示,大多数专家认为本世纪就会开发出比人类更聪明的机器,并呼吁制定一些国际条约来规范这一技术的发展。

他对《卫报》表示,人工智能界还没有适应人工智能技术开始在现实世界中产生真正的重大影响的事实。但是,在人工智能历史上,过往大多数时候都不是这样的——专家只是待在实验室里开发产品,试图让这些产品发挥作用,但大多数情况下都失败了。因此,人工智能对现实世界的影响与科学家并没有太大联系,所以科学家必须快速成长、赶上潮流。

人工智能支撑着现代生活的许多方面,包括搜索引擎和银行业务等,而在图像识别和机器翻译领域所取得的进步是近年来的重要发展之一。

拉塞尔在1995年合著了《人工智能技术:一种现代方法》一书。他表示,在紧迫的关键领域仍需要确保人类对有超常智慧的人工智能的控制权。

他指出,人工智能是用一种特定的方法和某种通用方法进行设计的,而在复杂的现实环境中使用这种系统仍然不够谨慎。

例如,要求人工智能尽快治愈癌症可能会有危险。拉塞尔认为,它可能会找到在整个人类中诱发肿瘤的方法,这样它就可以并行进行数百万个实验,把我们所有人都当作实验品。这是因为人工智能在执行我们所设定目标的解决方案;但我们只是忘了作具体说明,忘了告诉人工智能不能把人类当作实验品、不能用全世界的GDP来完成人工智能实验,以及其他的禁忌等。”

他还表示,如今的人工智能技术与《机械姬》等电影中描述的技术仍有很大差距,但未来的机器势必会比人类更聪明。

拉塞尔认,为这一目标最快可以在10年内实现,慢则需要长达几百年的光阴。不过,几乎所有人工智能研究人员都认为这将一展望将在本世纪得以实现。

一个担忧的问题是,机器不需要在所有方面都比人类更聪明,否则会带来严重的风险。拉塞尔表示,这是目前科学家们正在做的事情。如果了解一下社交媒体和那些通过计算给人们推送阅读和观看内容的算法,就会知道它们在很大程度上控制着我们的认知输入。

他表示,结果就是算法操纵着用户,不停地给他们洗脑,这样算法就可以预测用户的行为和喜好,所推送的内容也会获得更多的点赞及收入。

以于人工智能研究人员是否被自己的成就吓到的问题,拉塞尔明确表示,“是的,我认为我们的恐惧正与日俱增”。

这让拉塞尔想起了在物理学领域发生的事情:物理学家知道原子能的存在,他们可以测量出不同原子的质量,还可以计算出在不同类型的原子之间进行转换可以释放多少能量。但是,专家们总是强调这些想法只是理论上的。随后当原子能真正运用到实际生活中时,这些专家还没有准备好。

拉塞尔表示,人工智能在军事领域上的应用,比如造小型杀伤性武器等,十分令人担忧。这些武器是可以量产的,这意味着可以在一辆卡车上安装一百万个小型武器,之后你打开后车厢让它驶离,就足以摧毁整座城市。

拉塞尔认为,人工智能的未来在于开发出一种机器,知道真正的目标是不确定的,就好像人们的偏好也是不确定的一样。这意味着它们在做出任何决定时都必须与人类进行沟通,而不是像管家一样自行决定。但是,这个想法很复杂,尤其是因为不同的人有不同的、或相互冲突的偏好,而这些偏好不是固定的。

拉塞尔呼吁人们采取措施,包括制定研究人员行为准则、立法和条约,以确保使用的人工智能系统的安全,还应该培训研究人员来确保人工智能免遭种族偏见等问题的影响。他表示,欧盟禁止机器模仿人类的相关立法应该在世界范围内实施。

他希望让公众参与到这些选择中来是很重要的,因为公众才是最终受益与否的对象。

另一方面,在人工智能领域取得进步需要一段时间才能实现,但这也不会让人工智能变成科幻小说。

(编译:喻玲萧 编辑:王旭泉)

​​

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/481793.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

普林斯顿陈丹琦:如何让「大模型」变小

来源:智源社区 整理:路啸秋审校:夏梦舟、钟泽轩(陈丹琦团队)导读:“Making large models smaller”这是很多语言模型研究人员的学术追求,针对大模型昂贵的环境和训练成本,陈丹琦在智…

数字化转型知识方法系列之:数字化转型的基本认识与参考架构

数字化转型知识方法系列之:数字化转型的基本认识与参考架构 人工智能技术与咨询 一、数字化转型是什么? 数字化转型是顺应新一轮科技革命和产业变革趋势,不断深化应用云计算、大数据、物联网、人工智能、区块链等新一代信息技术&#xff0…

ASML的EUV光刻机卖不动?

来源:万物智能视界缺芯让台积电、三星等厂商订单大增,而ASML作为光刻机供应商,也跟着收益。今年第一季度ASML的新增订单突破70亿欧元,第二季度的新增订单为85亿欧元。不过全球半导体市场从产能紧张已经转向过剩,部分领…

不用发论文也不教课的12名教授,为这个研究所拿下8次学界最高奖

法国高等科学研究所一角丨图片来源:CC BY-SA 3.0,https://commons.wikimedia.org/w/index.php?curid131812来源:Ars Technica作者:DHANANJAY KHADILKAR翻译:阿金编辑:魏潇本文经授权转载自微信公众号“科研圈”早在今…

基于图嵌入的兵棋联合作战态势实体知识表示学习方法

基于图嵌入的兵棋联合作战态势实体知识表示学习方法 人工智能技术与咨询 来源:《指挥控制与仿真》,作者王保魁等 摘 要:为将基于离散符号的兵棋联合作战态势实体知识表示为机器更加容易学习、处理和应用的形式,根据兵棋联合作战态势实体知识的特点,提…

张钹院士专访:人工智能永远在路上

来源: 瑞莱智慧RealAI新一代人工智能蓬勃兴起,各类应用加速落地,“人工智能”的本质到底是什么?今天,以数据驱动的人工智能在“奔跑”的道路又会遭遇哪些瓶颈问题?什么是第三代人工智能?它能让人…

人工智能支撑马赛克战机理研究

人工智能支撑马赛克战机理研究 人工智能技术与咨询 来源:《航空兵器》,作者付翔等 0 引言 近30年来, 随着信息化军事变革的兴起, 各种新的军事作战概念和作战理论层出不穷[1]。从20世纪90年代前后提出的“信息战”“空地一体战”“数字化部队”等, 到…

强化学习大牛Sergey Levine新作:三个大模型教会机器人认路

来源:机器之心内置大模型的机器人,在不看地图的情况下,学会了按照语言指令到达目的地,这项成果来自强化学习大牛 Sergey Levine 的新作。给定一个目的地,在没有导航轨迹的情况下顺利到达,有多难&#xff1f…

数字化转型知识方法系列之五:数字化转型战略

数字化转型知识方法系列之五:数字化转型战略 人工智能技术与咨询 一、数字化转型是信息时代企业级核心战略 新一轮科技革命和产业变革迅猛发展,企业发展环境日益复杂多变,机遇挑战并存。全球经济从增量发展转向存量竞争,资源…

再发:迄今为止 脑网络结构功能模块元素 最全面复杂清晰 类芯片多图及分解...

来源:CreateAMind从工程的角度来看,大脑皮层是一个六层电路卡,由晶体管和逻辑门组成,其密度是我们最紧凑的微处理器(Apple A8)的五倍。然后它被智能折叠起来以适应更小的空间,同时还减少了相互连…

量子计算机研究进展

量子计算机研究进展 人工智能技术与咨询 来自《南京邮电大学学报(自然科学版)》,作者郭光灿等 摘要:量子计算机是未来量子技术时代最具颠覆性的技术,文中将以量子计算机的诞生、工作原理和在世界范围内的发展现状为主要阐述内容。目前阶段…

意识理论综述:众多竞争的意识理论如何相互关联?(干货)

来源:集智俱乐部 作者:Anil K. Seth & Tim Bayne译者:李路凯、陈斯信编辑:邓一雪导语意识和底层的神经活动之间如何联系起来?试图解释这一问题的意识理论层出不穷。然而,随着实验数据积累,众…

数字化转型知识方法系列之三:以价值效益为导向推进数字化转型的五大重点任务

数字化转型知识方法系列之三:以价值效益为导向推进数字化转型的五大重点任务 人工智能技术与咨询 一、数字化转型应围绕价值效益系统性推进 新一轮科技革命和产业变革迅猛发展,世界正处在一个从工业时代向信息时代加速转型的大变革时代。全球物质经济发…

笛卡尔与人工智能:“我思故我在”作为智能测试标准的可能性

来源:科学经济社会本文载于《科学经济社会》2022年第40卷第3期第38~55页作者简介:张伟特,海德堡大学哲学博士,清华大学新雅书院/哲学系助理教授,博士生导师,仲英青年学者,主要从事西方近代哲学&…

DeepMind 新作:AI 系统实现以人为中心的分配机制设计

来源:集智俱乐部作者:高晋宇编辑:邓一雪导语如何在经济和社会系统中重新分配资源?例如,一群人决定集中资金进行投资,获得回报后该如何分配收益?简单的平均分配看起来不太公平,但按照…

多Agent 深度强化学习综述

多Agent 深度强化学习综述 人工智能技术与咨询 来源:《自动化学报》,作者梁星星等 摘 要 近年来,深度强化学习(Deep reinforcement learning,DRL) 在诸多复杂序贯决策问题中取得巨大突破.由于融合了深度学习强大的表征能力和强化学习有效的策略搜索能…

Science揭露奠基研究最大骗局:被引2300多次,重量级造假论文误导学界16年

来源:新智元谁能想到,一篇被引2300多次的Nature论文,竟涉嫌造假!更严重的是,这篇开创性论文竟误导了全世界阿尔茨海默病研究长达16年。一篇被引2300多次的Nature论文,竟涉嫌造假。影响有多恶劣?…

元学习研究综述

元学习研究综述 人工智能技术与咨询 来源:《电信科学》,作者朱应钊等 摘要 深度学习和强化学习严重受限于小样本数据集,容易发生过拟合,无法实现类似于人类强泛化性的学习能力。元学习为此应运而生,以累积经验的方…

【院士思维】张亚勤:我们正在让自动驾驶变成现实

来源:贝德尔的ICT世界7月19日,IEEE 2022网络、计算机和通信国际研讨会(ISNCC2022)首次落地中国,围绕“Touch the Future数字未来之路”主题,来自中国、美国、英国、意大利、法国、突尼斯、印度、日本、俄罗…

基于Grad-CAM与KL损失的SSD目标检测算法

基于Grad-CAM与KL损失的SSD目标检测算法 人工智能技术与咨询 来源:《电子学报》,作者侯庆山等 摘 要: 鉴于Single Shot Multibox Detector (SSD)算法对中小目标检测时会出现漏检甚至错检的情况,提出一种改进的SSD目标检测算法&…