Toby Walsh是澳大利亚新南威尔士大学(CSIRO)的教授,Data61 (CSIRO)研究小组组长,人工智能方面的专家。Walsh教授在悉尼首席信息官峰会上发表主题演讲时说道:CIO(首席信息官)们其实不需要担心人工智能会对未来造成威胁,我们距离生产出与人类大脑高度匹配的机器人还有很远的路程。
Walsh教授认为,我们目前造出的机器人虽然执行任务的水平超过人类,但它们只会按照我们的要求去执行任务,只能算是一个无意识的文字工具。我们如果想要生产出与人类能力完全一致的机器人或许还需要很久,可能是50年,也可能是100年,甚至是永远。
尽管如此,Walsh教授还是很高兴人工智能威胁论的话题能够成为CIO们关注的焦点,并且出现在战略商业计划中。
Walsh教授说到:“人工智能是当前人们最喜欢的科目之一,同样也是我小时候最喜欢的科目。我们读过很多的科幻小说,梦想着一个满是智能化电脑和机器人的未来,这样的未来似乎已经快要到来。”
我们或许想要问这样一个问题:人工智能能够在今天取得这样突飞猛进的发展,到底是基于怎样的因素?Walsh教授将答案总结于四个指数趋势。
第一个指数趋势是摩尔定律,由于物理量子限制等技术问题导致摩尔定律失效。英特尔宣布,今后晶体管数量再也不会每两年翻倍一次。
Walsh教授表示,尽管如此,我也并不担心这个领域的发展会受到限制。在过去的20年,芯片研发人员一直处于很懒散的状态。他们只是缩小了806数据结构,在芯片的设计上并没有太大的创新。但是我们看到了DPU(分散处理单元)的价值,我们在硬件中看到了更多有趣的东西,比如机器学习。这将会使我们在相同的晶体管数量下进行更多的计算。虽然摩尔定律在技术上已经消亡,但仍存在很大的创新空间,并将为计算机的发展赋予更大的动力。
第二个指数是不断升级的数据量。在企业家心里,运营和客户数据永远排在第一位。Walsh教授表示,如今的数据量比过去翻了几番,这对于人工智能来说是一个大契机。我们现在做的很多事情,尤其是机器学习,都属于数据培训。
Walsh教授补充到,目前人工智能的一个不足点是机器学习的速度过于缓慢。机器学习虽然是模仿人类的思维去学习,但是与人类不同的是机器学习是从例子中模拟学习。最先进的机器学习仍然需要从几十万甚至是几百万的例子中学习。但唯一的好处是海量的数据得以收集,我们可以从大量的数据中迅速得到想要的信息。
第三个指数趋势是算法方面的突破进展。Walsh教授表示,在过去的几年里,随着深度学习的发展,算法的性能呈指数级增长。
第四个指数趋势是流入该领域的资金数量。Walsh教授表示,通过这种方式,您可以衡量该领域的风险投资数量,可以预估AI领域的参与人数以及创业公司的数量,并且这些数量每两年就会翻一倍。
“将这四个趋势放在一起,就是人工智能取得重大进展的秘诀。”但Walsh教授强调,尽管人工智能前景可观,但想要生产出达到人类执行能力的机器人,未来还需面临很多棘手挑战。
考虑到技术的局限性,Walsh教授认为,今天的人工智能可以完成一些实时性强的重复性高的任务,例如瞬间识别人脸功能。
说到这里,那么我们一般都会让机器人帮助我们做哪些工作呢?一般分为这四类:肮脏的(dirty)、无趣的(dull)、困难的(difficult)、危险的(dangerous),我们称之为4D。从这种意义上讲,机器人也确实是一个有意思的存在。
如今随着科技的发展,人们对科技的要求越来越高,实际应用需要涉及更复杂的自动化和人工智能,聊天机器人就是人工智能实际应用的一个很好的例子。
文章最后,笔者用Walsh教授的一句话作为结尾:“在我们担心人工智能可能带来威胁之前,我们真正需要处理的是地球更紧迫的问题,比如气候变化!”
来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/31542119/viewspace-2212932/,如需转载,请注明出处,否则将追究法律责任。
转载于:http://blog.itpub.net/31542119/viewspace-2212932/