AI는 왜 항상 구현하기 어려운가?

AI 구현은 왜 항상 어려운가요? 인공지능이 왜 자주 비판을 받는가? 어떤 사람들은 이것이 SF 영화, 공상 과학 소설, 비디오 게임, 뉴스 미디어 등에 의해 발생한다고 말합니다. 이러한 견해에는 어느 정도 합리적인 요소가 있지만 모든 사람이 무시하는 더 중요한 사실, 즉 무엇을 해야 하는지가 있습니다. "인간-기계 환경"이 되어야 한다. 시스템 융합 지능"은 "인공 지능(또는 심지어 일부 알고리즘)"으로 오해되는 경우가 많다.

생명과 기계 모두 인지의 전달자로 사용될 수 있지만 인지의 본질은 다릅니다. 하나는 삶에 대한 인식이고, 다른 하나는 특정 사물에 대한 특정인의 인식인 기계에 대한 인식이다. 인간-기계 지능은 방향과 위험에 중점을 두는 반면, 인체공학은 프로세스와 효율성에 중점을 둡니다. 컴퓨팅 - 컴퓨팅 메커니즘의 구축은 인간-기계 하이브리드 지능의 획기적인 발전의 열쇠입니다. 군집지능의 핵심은 3개 이상의 몸체에 대한 조화논리의 구축에 있는데, 3체 논리의 구축은 형식적인 계산논리의 범위를 넘어섰고, 형식적인 계산논리 체계의 확립이 필요하다.

복잡하든 단순하든, 자동화된 제품이든 지능형 시스템이든, 현실적이고 모두가 받아들일 수 있는 것은 무엇이든 잘 생각해보면 안전 측면에서 더 좋습니다. , 효율성 및 편안함. 이러한 장점을 갖기 위해서는 적어도 단순한 AI + 특정 분야 또는 특정 분야 + 지능형 알고리즘이 아닌 대부분의 인간, 기계 및 환경 시스템이 상대적으로 조화를 이룹니다. 얼마 전 “지능의 본질은 데이터 알고리즘 컴퓨팅 능력과 지식이 아닌 것 같다”는 글을 썼는데, 이를 생성하는 메커니즘이 살아있는 지능의 원천임을 강조했다. 재능"은 여전히 ​​"영혼"이 없는 "로봇"일 수 있습니다. 그 이유는 여전히 무미건조한 "알고리즘"에 의해 발생합니다. 멜론도 없고, 뇌는 있지만 마음은 없고, 형태는 있지만 의도는 없고, 눈알이 없다... 가능성의 원 안에서만 회전할 수 있을 뿐, 불가능한 세계를 탐색하려고 할 수는 없다. 비록 탐색이 있더라도 가족 유사 범위 내에서만 멀리 떨어져 있으면서도 뛰어다닐 수 있다. 가족이 아닌 실제 유사점에 대해서는 전혀 모릅니다. 인간-컴퓨터 환경 시스템 상호 작용 외에 두 번째 측면은 심층적인 상황 인식의 이해와 소화입니다. 예를 들어 많은 상황에서 우리는 시간과 공간 사이의 등록과 수정만 알고 상황 간의 조정을 이해하지 못합니다. , 잠재력, 감각 및 지식. 정확성과 교정은 조정되지 않은 거리의 왜곡 솔루션만 알지만, 빈도와 변수만 아는 협업 거리의 모호한 확장을 잊어버리고, 비정상성, 변화하는 가능성, 변화하는 감각을 생각하지 않습니다. 지식과 유연성의 변화; 데이터 체인과 정보 체인만 알며, 사실 체인과 가치 체인, 심지어 상태 체인, 잠재적 체인, 감지 체인 및 지식 체인의 얽힌 중첩으로 형성된 인간-기계 환경 시스템 체인을 고려하지 않습니다. ; 균질하고 균일하며 순차적인 상황 인식의 단일 변조만 알고 있으며, 먼저 감지하고 나중에 아는 빠른 이동성뿐만 아니라 이질적이고 불균일하며 무작위적인 상황 인식의 더 중요한 다중 레벨 배열을 무시합니다. 상황, 잠재력, 감각 및 지식 사이의 자기 상관뿐만 아니라 먼저 감지한 후 아는 정확한 유연성 상호 연관 변환 확률은 인간 모델의 모델만 알 수 있지만 기계 모델은 알 수 없습니다. 검증 구조이며 실제 전투에서 얻은 성능에는 신경 쓰지 않습니다. 이유 3: 어떤 일이 발생하면 우리는 의식적으로나 무의식적으로 그것을 방금 일어난 일과 연관시키거나 때때로 주변에 깊은 인상을 남기고, (단순한 지도가 아닌) 나만의 개인화된 '인과관계' 상황 지도를 구축하게 됩니다. 실제로 관련 있는 것을 객관적인 사실 연결이라고 하고, 그럴듯한 것을 가능성 연결이라고 하며, 관련 없는 것을 주관적 의도 연결이라고 합니다. 삶에서 자주 발생하는 이러한 연결은 모두 지능적 인지의 구성 요소 중 하나인 객관적인 사실 상관 관계입니다. 프로그래밍할 수 있는 부분을 흔히 AI라고 부르는데, 가능성 상관관계와 주관적 의도성 상관관계는 필터링되는데, 이 두 가지는 개인화 지능의 유연성에 중요한 구성 요소이다. 간단히 말해서, 우리는 복잡한 인간-기계 환경 시스템의 문제를 단순화하기 위해 AI 알고리즘을 사용하고 싶습니다. 우리는 상황 인식만 알고 바람, 말, 소 사이의 웜홀 연결을 이해하지 못합니다. AI의 원인일 수도 있습니다. 항상 벗어나기가 어렵습니다!

DARPA의 드론 대 유인 드론 테스트 - '개 싸움' 테스트가 막 끝났습니다. 테스트 후 리뷰를 보면 AI의 승리의 열쇠는 강력한 공격성과 사격 정확도에 있지만 가장 큰 문제는 다음과 같습니다. 는 판단에 오류가 있습니다. 미군 테스터들에 따르면, 테스트 중인 AI 시스템은 기본적인 전투기 기동에서 실수를 자주 저지르곤 했으며, AI는 인간 적 항공기가 갈 것이라고 생각한 방향으로 항공기를 휘저어주었지만, 그런 일이 반복됐다. 조종사의 생각을 잘못 판단한 것으로 입증되었습니다. 인간 조종사는 상대의 의도를 판단할 때 종종 실수를 한다. 게다가 AI 시스템에는 창의적인 전술을 이해하는 능력이 부족하다. 그러나 '뛰어난 조준 능력'과 상대 항공기 추적 능력 덕분에 AI는 여전히 인간 조종사에 비해 전반적인 우위를 유지할 수 있었고, 결국 컴퓨터 시스템이 전체 대결에서 우위를 점하게 됐다.

간단히 말하면, 드론 AI는 '상태'의 정확성과 '감정'의 속도에서는 장점이 있지만, '잠재성' 판단과 '지식' 예측에는 아직 장점이 없습니다. 미래의 유인 항공기 조종사는 가짜 동작(Jordan, Kobe, James 등)과 규칙 위반(Sun Tzu, Zhuge Liang 및 Su Yu 등)에 더 열심히 노력하는 것이 좋습니다! 규칙이 없으면 모든 알고리즘과 (수학적) 모델은 경계, 조건 및 제약 조건을 잃게 되며 모든 계산은 더 이상 정확하고 신뢰할 수 없게 됩니다. 확률 공식이 계산에서 운세로 변경되면 기계의 장점이 그만큼 좋지 않을 수 있습니다. 인간의 것? !

인간은 단순히 이득과 손실을 계산하는 것이 아니라 큰 옳고 그름을 논의하는 등 가치 기반 결정을 내립니다. 기계는 옳고 그름이 아닌 이득과 손실의 덧셈과 뺄셈을 논의하여 사실을 기반으로 결정합니다. 상태와 잠재성, 감각과 지식의 관계는 모두 양적, 질적 관계이다. 그 중 '잠재력'은 일정 기간 내 최대의 가능성이다. "잠재성"에 있는 모든 것은 "상태"에 있어서 먼저이고, "지식"에 있는 모든 것은 "느낌"에 있어서 우선입니다. 단 하나의 불꽃이 초원의 불을 일으킬 수 있다고 말할 수 있습니다. 목표가 명확하다면, 컨트롤 유닛과 장비로 구성된 대규모 시스템이 있는 게임에서 상대는 장비를 운영하는 사람이나 시스템을 설계하고 컨트롤하는 사람이 아닌 해당 시스템이어야 하거나 그럴 수도 있다. 이 점에 있어서 우리에게는 큰 약점이 있습니다. 핵심은 개발 환경에서 장기, 중기, 단기 목표의 역동적인 변화로 인해 불분명하거나 모호한 목표가 발생할 수 있다는 것입니다.

오늘날의 인공 지능은 매우 빠르지만 선로가 필요한 고속 열차와 같습니다. 실제 지능은 목적지에 도달할 수 있는 한 특정 선로나 경로가 필요하지 않은 비행기와 같습니다. 상황인식의 오류는 자세, 상황, 지각, 지식의 오류로 구분되며, 사실/가치의 오류로도 나눌 수 있다. 무기에 인공 지능을 적용하는 것은 주로 기계 대 기계 작업 및 무기의 실시간 재조준에 반영됩니다. 일반적인 "서비스 제공자"에 대한 영향의 우선 순위는 전술적 수준에서 수행되며 군사 능력에 따라 달라집니다. 지능형 기계가 전장 전반의 데이터를 소화하고 분석할지 여부입니다. 사실, 미래 유·무인 대결의 초점과 어려움은 인간-기계 기능 분배에 있어 사실적이고 가치 있는 데이터, 정보, 지식, 책임, 의도, 감정의 혼합/통합적 서열화가 될 것이다!

위 내용은 AI는 왜 항상 구현하기 어려운가?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!