Rumah >Peranti teknologi >AI >Apakah pendapat anda tentang kecerdasan buatan selepas 2021?

Apakah pendapat anda tentang kecerdasan buatan selepas 2021?

WBOY
WBOYke hadapan
2023-04-09 12:11:08959semak imbas

Di bawah bimbingan Persatuan Sains dan Teknologi China, Akademi Sains China, Akademi Kejuruteraan China, Kerajaan Rakyat Wilayah Zhejiang, Kerajaan Rakyat Perbandaran Hangzhou dan Jawatankuasa Pakar Pembangunan Kecerdasan Buatan Wilayah Zhejiang, ia dihoskan oleh Persatuan Kecerdasan Buatan China dan Kerajaan Rakyat Daerah Yuhang, Bandar Hangzhou, Zhejiang Persidangan Teknologi Kecerdasan Buatan Global 2020 yang dihoskan oleh Jawatankuasa Pengurusan Bandar Sains dan Teknologi Masa Depan Hangzhou telah berjaya diadakan di Hangzhou, "modal digital". Dalam sesi laporan utama persidangan yang diadakan pada 25hb, Dai Qionghai, Pengerusi Persatuan Kecerdasan Buatan China, Kaunselor Majlis Negeri, Ahli Akademik Akademi Kejuruteraan China, dan Dekan Pusat Pengajian Maklumat di Universiti Tsinghua, memberi kami ucapan indah bertajuk "Some Thoughts on Artificial Intelligence."

Apakah pendapat anda tentang kecerdasan buatan selepas 2021?

Dai Qionghai, Pengerusi Persatuan Kecerdasan Buatan Cina, Kaunselor Majlis Negeri, Ahli Akademik Akademi Kejuruteraan China, Dekan Pusat Pengajian Maklumat , Universiti Tsinghua

Saya ingin bercakap dengan anda Mari bercakap tentang beberapa pendapat saya tentang kecerdasan buatan, termasuk beberapa isu yang patut dibincangkan. Dari masyarakat primitif beribu-ribu tahun yang lalu, orang bergantung pada alat batu untuk bekerja, alat yang digunakan oleh orang telah dinaik taraf kepada enjin wap yang muncul dalam Revolusi Perindustrian, yang meningkatkan lagi produktiviti; revolusi telah mempertingkatkan pengeluaran manusia dengan ketara. Kecekapan dalam zaman maklumat hari ini, kelahiran komputer elektronik telah meluaskan kuasa otak kita dan meluaskan ufuk dan pemikiran kita. Marx berkata, "Perbezaan antara pelbagai era ekonomi bukan terletak pada apa yang dihasilkan, tetapi pada bagaimana ia dihasilkan dan cara buruh yang digunakan untuk pengeluaran. Cara buruh boleh menunjukkan ciri-ciri penentu era pengeluaran sosial dengan lebih baik."

Dalam era maklumat, satu siri ciptaan dan ciptaan yang mewakili seperti Internet, komputer elektronik, rangkaian komunikasi, teknologi angkasa lepas, biokejuruteraan dan teknologi tenaga atom, khususnya, kelahiran Internet dan elektronik komputer telah meluaskan skop manusia dan hubungan mereka antara satu sama lain Batasan interaksi antara manusia.

Kini era kecerdasan buatan telah tiba, dengan kemunculan rangkaian saraf dalam dan banyak wira industri yang mewakili, seperti Elon Musk, serta teknologi dan teknologi baharu seperti sistem tanpa pemandu, nanoteknologi, pengkomputeran kuantum, dan Internet of Things Produk baharu, kerja dan kehidupan orang ramai telah mengalami perubahan yang menggemparkan.

Persimpangan antara disiplin ialah simbol tipikal era kecerdasan buatan Contohnya, penglihatan kognitif dan ekspresi kognitif yang disebut oleh Ahli Akademik Pan Yunhe adalah penyelidikan antara disiplin yang tipikal. Teknologi kecerdasan buatan merangkumi semua aspek, seperti penglihatan komputer, pemahaman bahasa semula jadi, robotik dan penaakulan logik, dan telah memainkan peranan besar dalam perubatan, elektronik, kewangan dan industri lain. Seterusnya, saya akan menganalisis secara ringkas beberapa isu dalam era kecerdasan buatan daripada tiga peringkat: yang pertama ialah kuasa pengkomputeran;

Pertama sekali, ia adalah kuasa pengkomputeran. Pada tahun 1956, perceptron Rosenblatt hanya mengandungi 512 unit pengkomputeran dan boleh melakukan pengelasan data. Walau bagaimanapun, pembangunan kecerdasan buatan telah diganggu oleh kuasa pengkomputeran sehingga Gordon Moore mencadangkan bilangan transistor yang disepadukan pada cip litar bersepadu berganda setiap 18 bulan, yang menunjukkan hala tuju untuk pembangunan teknologi cip dalam dekad berikutnya. Pada tahun 1999, NVIDIA mengeluarkan GPU untuk pemprosesan data selari, membolehkan kecerdasan buatan berkembang menjadi bidang yang lebih luas. Pada tahun 2012, Alex menggunakan AlexNet untuk pecutan GPU, merintis aplikasi rangkaian dalam. Seterusnya ialah Google AlphaGo yang terkenal, yang mempunyai 5,000 GPU Selepas 40 hari latihan, ia boleh mengalahkan semua pemain yang tidak dapat dikalahkan di dunia Ini menunjukkan bahawa pengkomputeran selari dan cip khas memainkan peranan penting dalam mempromosikan kecerdasan buatan.

Mari kita lihat perkembangan teknologi sedia ada. Video penstriman menyumbang 58% daripada trafik hiliran Internet global Jumlah terminal Internet domestik telah melebihi 2 bilion pada Ogos 2019. Data ini memerlukan sokongan kuasa pengkomputeran yang besar. Pada masa kini, penjagaan perubatan pintar, pembuatan pintar dan pemanduan tanpa pemandu sedang mengejar produk yang lebih kecil, lebih pantas dan lebih pintar. Oleh itu, perkembangan pesat kecerdasan buatan memerlukan lebih banyak kuasa pengkomputeran daripada aspek lain, menjadi sokongan penting untuk kecerdasan buatan.

Tetapi kadar peningkatan kuasa pengkomputeran tidak lagi mengikut Hukum Moore. Dari kemunculan komputer pertama hingga dekad berikutnya, kuasa pengkomputeran cip pada asasnya mematuhi Undang-undang Moore. Tetapi seiring dengan berlalunya masa, pertumbuhan ketumpatan transistor pada cip tidak lagi mengikut Hukum Moore Dalam erti kata lain, kadar pertumbuhan kuasa pengkomputeran cip tidak lagi dapat memenuhi keperluan pembangunan teknologi kecerdasan buatan. Akibatnya, gergasi teknologi antarabangsa telah mula mengerahkan usaha mereka Sebagai contoh, TPU Google dan Horizon dan Cambrian China akan mereka bentuk cip khas untuk rangkaian saraf untuk meningkatkan kuasa pengkomputeran. Walau bagaimanapun, cip ini adalah khusus dan tidak dapat memenuhi keperluan pembangunan kecerdasan buatan am.

Saya pernah berkata, pemikiran logik, amalan kejuruteraan. Apakah keperluan fizikal? Seperti mekanik kuantum dan pengkomputeran kuantum. Seperti yang kita sedia maklum, Intel dan Google telah mendapati bahawa kelajuan pengkomputeran kuantum jauh lebih tinggi daripada komputer semasa apabila memproses tugasan tertentu. Memandangkan bilangan qubit berkesan terus meningkat, mereka berharap (terutamanya Google) untuk menjadi pemain dominan dalam pengkomputeran kuantum. Tetapi realitinya adalah bahawa selepas analisis oleh ahli fizik, banyak masalah masih belum diselesaikan, seperti bagaimana untuk mengekalkan koheren qubit yang mencukupi untuk masa yang lama, yang merupakan isu penting dan pada masa yang sama, membuat cukup ultra-; peranti kuantum berketepatan tinggi dalam masa ini pengiraan logik juga merupakan masalah yang sukar. Oleh itu, adalah mustahil untuk menggunakan sepenuhnya pengkomputeran kuantum untuk meningkatkan kuasa pengkomputeran pada masa hadapan. Oleh itu, orang ramai mencadangkan seni bina yang mengintegrasikan storan dan pengkomputeran, dengan harapan dapat menembusi batasan dinding storan dan meningkatkan kuasa pengkomputerannya. Inilah sebabnya saya katakan bahawa era kecerdasan buatan telah memasuki era silang Di samping meminta kuasa pengkomputeran daripada fizik, kita juga memerlukan kuasa pengkomputeran daripada sains otak Sebagai contoh, projek seperti otak berharap untuk meningkatkan kuasa pengkomputeran mensimulasikan mekanisme dalam sains otak bukan itu sahaja, Kita juga memerlukan kuasa pengkomputeran dari sempadan fizikal dan pengkomputeran fotoelektrik, kita juga memerlukan kuasa pengkomputeran daripada integrasi penyimpanan dan pengiraan, fotoelektrik +.

Berikut akan memperkenalkan kuasa pengkomputeran yang diperlukan untuk pengiraan fotoelektrik. Profesor Universiti Princeton telah melakukan analisis teori tentang seni bina pengiraan rangkaian saraf Secara teorinya, ia boleh meningkatkan kuasa pengkomputeran dengan tiga urutan magnitud dan mengurangkan penggunaan kuasa sebanyak enam pesanan magnitud. Penggunaan kuasa kini juga merupakan isu penting untuk dipertimbangkan apabila meningkatkan kuasa pengkomputeran. Pengkomputeran optoelektronik boleh membawa manfaat besar kepada aspek ini, meningkatkan kuasa pengkomputeran sebanyak tiga urutan magnitud dan mengurangkan penggunaan kuasa sebanyak enam pesanan magnitud. Kerja penyelidikan di kawasan ini telah pun bermula. Pengkomputeran optoelektronik bukanlah perkara baru Seperti kecerdasan buatan, ia juga dilahirkan pada tahun 1950-an. Semikonduktor komputer dan cip berasaskan silikon untuk pengkomputeran sahaja telah memenuhi permintaan, jadi penyelidik telah secara beransur-ansur mengurangkan penyelidikan dalam bidang ini. Terutama pada tahun 1990, Bell Labs menggunakan potassium arsenide untuk membuat suis optik untuk mengawal komputer prototaip Memandangkan permintaan untuk kuasa pengkomputeran adalah kecil pada masa itu, cip boleh menyelesaikan masalah. Kini, dengan keperluan melampau kecerdasan buatan untuk cip, dari 2017 hingga 2019, banyak institusi telah membuat sumbangan penting kepada penyelidikan pengkomputeran optoelektronik, seperti masa perambatan difraksi terkawal tiga dimensi dan pengiraan kelajuan cahaya selari sepenuhnya. Melalui penyelidikan, teks boleh dikenali dengan cepat Oleh kerana cahaya tidak memerlukan elektrik, pengiraan optik jenis ini boleh disebarkan dalam medan cahaya dimensi tinggi yang boleh dikawal tanpa menggunakan elektrik, dengan itu mencapai pengkomputeran selari berkelajuan tinggi. Oleh itu, membina seni bina pengkomputeran optoelektronik telah menjadi hala tuju penyelidikan yang penting dalam menyelesaikan kuasa pengkomputeran.

Sebagai pendekatan pengkomputeran baharu, perubahan paling penting yang dibawanya ialah: pertama, perubahan paradigma kedua, peningkatan kuasa pengkomputeran, pengurangan penggunaan kuasa; Kerana banyak kelebihannya, banyak institusi penyelidikan dalam dan luar negara telah menjalankan penyelidikan berkaitan. Pada masa ini terdapat tiga sumbangan yang dibuat di peringkat antarabangsa Seni bina rangkaian saraf gangguan yang dibuat oleh MIT sangat baik Universiti Münster dan Cambridge menggunakan bahan foto untuk mencipta seni bina nadi Universiti Tsinghua menggunakan seni bina rangkaian saraf difraksi. Setiap tiga pilihan berbeza mempunyai kelebihan dan kekurangan. Oleh itu, beberapa pencapaian boleh dibuat dalam keseimbangan kuasa pengkomputeran masa hadapan. Anda boleh bayangkan bahawa kuasa pengkomputeran pengkomputeran fotoelektrik boleh memberikan tiga urutan magnitud 5G pintar ultra-kecil kami, robot pembaikan mikro, terutamanya pemanduan autonomi yang sedang kami selidiki, pemanduan pintar fotoelektrik akan menggalakkan pembangunan aspek ini. . Oleh itu, pengkomputeran optoelektronik menjadikan sistem tanpa pemandu lebih pantas, lebih kecil dan lebih pintar. Pada masa ini, hala tuju ini juga telah menimbulkan minat yang meluas daripada komuniti akademik dan industri antarabangsa Banyak institusi telah menjalankan penyelidikan dalam bidang ini, dan saya berharap semua orang akan memberi perhatian kepada hala tuju ini.

Apakah ciri terpenting cip pintar optoelektronik? Ia adalah pengecilan pusat pengkomputeran mereka yang besar. Pusat pengkomputeran semasa kita menggunakan banyak tenaga elektrik Jika kita menggunakan pengkomputeran fotoelektrik, kita boleh menjimatkan banyak elektrik. Kedua, persepsi dan pengecaman sasaran peringkat nanodetik. Penderiaan dan pengecaman sasaran tahap nanodetik sangat pantas Pada masa kini, apabila menggunakan kamera untuk menangkap, ia perlu ditukar kepada elektrik dan kemudian dikira. Bayangkan jika ia dikira dengan memasukkan terus cahaya ke dalam kamera, maka kelajuannya akan menjadi sangat pantas. Oleh itu, cip pintar optoelektronik memainkan peranan sokongan yang penting dalam Internet industri, penglihatan komputer, analisis data besar dan komunikasi optik dalam infrastruktur baharu. Ini adalah perbincangan dan idea tentang kuasa pengkomputeran, dan semua orang dialu-alukan untuk mengkritik.

Yang kedua ialah algoritma. Kerana perkara yang paling penting tentang kecerdasan buatan ialah algoritma, penyelidik secara amnya mengkaji algoritma. Jadi dari mana datangnya algoritma ini? Kecerdasan buatan sedia ada hanya melaksanakan fungsi persepsi visual primer yang mudah. Seperti yang disebut oleh Academician Pan sebentar tadi, terdapat banyak tugas di tanah tanpa manusia yang perlu diselesaikan. Dalam proses pemprosesan maklumat persepsi visual primer dan kecerdasan kognitif lanjutan, prestasinya jauh lebih rendah daripada otak manusia, yang mempunyai pembelajaran fizikal dan keupayaan abstraksi data. Sesetengah sarjana percaya bahawa terdapat krisis besar dalam pembelajaran mendalam Algoritma BP mempunyai batasan yang besar dan perlu dibalikkan dan dimulakan semula. Dari gambar di sebelah kanan, kita dapat melihat bahawa masalah yang sukar adalah mudah untuk diselesaikan, manakala masalah yang mudah selalunya sukar untuk diselesaikan. Demo Hinton menunjukkan bahawa rangkaian dalam sedang dalam krisis, jadi adalah perlu untuk belajar daripada perwakilan data berbilang mod, peraturan transformasi dan pembelajaran serta kaedah maklum balas sistem saraf Pengkomputeran kognitif akan menggalakkan transformasi kecerdasan buatan. Apakah isu paling penting yang semua orang telah bincangkan tentang kecerdasan buatan? Bagaimana untuk menjadi cekap sekarang? Sekarang rangkaian dalam tidak boleh ditafsirkan, jadi bagaimana untuk menjadikannya boleh ditafsirkan? Jika anda tidak teguh sekarang, bagaimana anda boleh menjadi teguh?

Generasi baharu kecerdasan kognitif kini merupakan titik integrasi antarabangsa yang paling penting dalam algoritma. Seperti yang kita sedia maklum, prototaip algoritma BP pada tahun 1969 datang daripada kawalan dan dijana serta dikumpul daripada teori kawalan optimum. Sehingga tahun 1989, rangkaian neural convolutional dilahirkan. Kognitif dan pakar saraf memperkenalkan algoritma BP ke dalam pelbagai rangkaian saraf buat kali pertama dan membina model pengkomputeran kognitif. Dan kemudian kepada model pengiraan 2015. Dapat dilihat bahawa algoritma BP adalah yang paling banyak digunakan dalam pembelajaran mendalam, tetapi ia masih mempunyai banyak masalah.

Berdasarkan rangkaian neural konvolusi yang diilhamkan oleh penyelidikan yang dimulakan pada tahun 1958, pemenang Hadiah Nobel 1981 mendapati bahawa penglihatan manusia adalah berlapis, dengan lapisan visual peringkat tinggi, dan juga mendapati bahawa sistem visual adalah ciri konvolusi. Jadi pada tahun 1980, sarjana Jepun menyebut konsep sel yang mudah dan kompleks dan mencadangkan mekanisme kognitif baru. David Marr percaya bahawa penyelidikan pengiraan mengenai perwakilan manusia dan pemprosesan maklumat visual telah membuat kesimpulan penting tentang hubungan antara kesan visual dan persepsi. Pada tahun 2007, Tomaso Poggio mencadangkan model H-MAX. Sumbangan Alex pada tahun 2012 membawa kepada zaman kegemilangan kecerdasan buatan, yang telah digunakan secara meluas. Ini juga merupakan asal usul sejarah algoritma kami. Melalui analisis sejarah, masa depan boleh diramalkan.

Apakah yang anda boleh lihat daripada kandungan yang dipaparkan? Ia adalah mengenai analisis saraf oleh saintis otak Melalui analisis saraf, pengkomputeran seperti otak diilhamkan. Bahagian di atas adalah analisis keseluruhan aspek neurologi, dan bahagian berikut adalah tentang harapan untuk merealisasikan idea seperti otak, daripada sains otak kepada sama ada kecerdasan buatan boleh digunakan untuk menjalankan penyelidikan seperti otak. Penyelidikan oleh beberapa institusi telah membuat penemuan baru-baru ini, salah satunya ialah Profesor Shi Luping yang dilaporkan pada tahun 2019 yang dilaporkan oleh Wu Huaqiang pada tahun 2020 yang telah memainkan peranan utama dalam menyelidik cip bersepadu storan. Oleh itu, penyelidikan China dalam bidang ini harus berada pada peringkat selari di peringkat antarabangsa. Keputusan otak yang ditunjukkan di atas adalah berdasarkan penyelidikan kami yang meluas tentang status pengaktifan neuron, termasuk persepsi visual kucing dan ganglia otak.

Mengenai pengiraan teori kecerdasan buatan, kami telah membuat surat menyurat dan perbandingan, iaitu cara menggunakan mesin otak untuk memberi inspirasi kepada teori-teori baru kecerdasan buatan sebenarnya adalah cara penting untuk pembangunan generasi baru kecerdasan buatan. Apakah yang dimaksudkan apabila kita membandingkan dan membandingkannya? Ramai pakar kecerdasan buatan telah menggunakan beberapa mekanisme daripada sains otak untuk bertindak balas terhadap bagaimana kecerdasan buatan harus bergerak ke hadapan. Bagaimanakah algoritma ini harus diselesaikan? Bagaimana untuk menyelesaikannya secara khusus?

Sel otak dewasa mempunyai 86 hingga 100 bilion neuron, dan apabila isyarat elektrik kita bertindak, penggunaan kuasa keseluruhan adalah sangat rendah, antara 10 dan 23 watt. Jika anda bekerja keras untuk menyiapkan sesuatu, penggunaan kuasa maksimum anda adalah dalam lingkungan 25 watt; jika anda terpinga-pinga, penggunaan kuasa minimum hanya kira-kira 10 watt. Jadi penggunaan kuasa adalah sangat kecil, tetapi penggunaan kuasa komputer kecerdasan buatan adalah sangat besar.

Tadi Datuk Bandar Liu bercakap dengan saya tentang membina pusat pengkomputeran yang besar di Hangzhou, dan penggunaan kuasa pada masa ini sepatutnya lebih tinggi. Jadi bagaimana ia boleh disediakan? Membincangkan isu ini dari perspektif sains kognitif, kami menarik jambatan sedemikian. Seperti yang ditunjukkan dalam rajah, pengkomputeran kognitif adalah jambatan antara sains otak dan kecerdasan buatan. kenapa? Mari kita kembali dan bertanya, apakah yang dilakukan oleh sains kognitif? Sains kognitif ialah pemerhatian litar pelbagai mod, yang melibatkan pemerhatian perkara dalam sains otak.

Yang kedua ialah model kognitif pelbagai peringkat, termasuk penglihatan, pendengaran, bahasa dan sentuhan seperti yang dikatakan oleh Academician Pan Ini adalah model kognitif pelbagai peringkat dan maklumat sains otak sains. Kami percaya bahawa dari sains otak kepada kecerdasan buatan melalui penyelidikan sains kognitif, ini adalah untuk mengambil jalan lain, dipanggil dari sains otak kepada kecerdasan buatan Ini adalah apa yang kita panggil jalan harapan masa depan, dan ia juga merupakan satu cara untuk mengkaji buatan baru algoritma kecerdasan jalan.

Seterusnya mari kita kembali dan lihat beberapa sumbangan antarabangsa klasik. Sebelah kiri menunjukkan keseluruhan sumbangan sains otak Apakah sumbangan utama di sini? Bagaimana manusia berfikir. Terdapat Anugerah Turing di sebelah kanan Kesimpulan yang paling penting ialah, apakah sumbangannya? Bagaimana mesin berfikir? Perlu ada jambatan di tengah untuk menjalinkan hubungan dan menghubungkannya. Jadi kami berharap sains kognitif adalah jambatan.

Pada 2016, Amerika Syarikat melancarkan projek Apollo bernilai AS$100 juta, yang merekodkan dan mengukur aktiviti dan sambungan 100,000 neuron. Bahagian atas rajah paling kanan di sini ialah model neuron pengiraan, dan bahagian bawah ialah model pembelajaran mesin pengiraan. Bolehkah kedua-dua model ini dibina ke dalam analisis menggunakan data otak? Ini adalah pengimejan. Dengan mengkaji paradigma pengkomputeran otak dan membina model dan kaedah pengkomputeran kognitif baharu, membina jambatan daripada pemikiran manusia kepada pemikiran mesin ialah cara penting untuk memberi inspirasi kepada teori dan algoritma kecerdasan buatan baharu. Ini adalah pelan yang dibina oleh Universiti Tsinghua, tetapi pelan ini tidak semestinya matang dan hanya untuk rujukan anda.

Gambar di sebelah kanan bawah menunjukkan litar memori mekanisme biologi Kami mempunyai persekitaran luaran, korteks serebrum dan hippocampus. Gambar di sebelah kiri bawah menunjukkan prinsip keseimbangan fizikal, jadi kami berharap untuk membina algoritma rangkaian BMP, model rangkaian yang menggabungkan sains otak, matematik dan fizik. Di atas ialah rangka kerja umum untuk model rangkaian baharu yang kami bina.

Kami masih menjalankan penyelidikan lanjut tentang isu algoritma dan berharap dapat menyediakan penyelesaian untuk pakar. Jadi bolehkah algoritma kecerdasan buatan beralih daripada didorong pengetahuan kepada sains otak, tetapi apakah bahagian yang didorong oleh data? Ia adalah pangkalan data yang besar dengan pemandangan yang besar dan pelbagai objek. Sama ada Troika boleh didorong secara kognitif ialah algoritma dan seni bina rangka kerja baharu yang telah kami bina. Ini adalah pemikiran pada tahap algoritma, dan saya harap semua orang akan mengkritik dan membetulkan saya.

Ketiga, bagaimana orang dan AI bergaul antara satu sama lain. Seperti yang kita semua tahu, AI memperkasakan manusia, bukannya menjadi manusia, mahupun menggantikan manusia. Turing berkata 50 tahun yang lalu bahawa pembangunan kecerdasan buatan bukanlah untuk mengubah manusia menjadi mesin, atau mengubah mesin menjadi manusia, tetapi untuk "menyelidiki dan membangunkan teori, kaedah dan teknologi untuk mensimulasikan, melanjutkan dan mengembangkan keupayaan kecerdasan manusia." dan sistem gunaan untuk menyelesaikan sains teknikal masalah yang kompleks dan berkhidmat kepada manusia”. Oleh itu, untuk pembangunan harmoni kecerdasan buatan dan manusia, kita perlu mempertimbangkan isu keselamatan kerjasama, privasi dan keadilan antara kecerdasan buatan dan manusia.

Akhirnya mencapai matlamat untuk menjadi berorientasikan rakyat dan berkhidmat kepada orang ramai. Pada masa ini kami mempunyai projek yang bertanggungjawab oleh guru Sun Fuchun dan Wu Fei. Apa yang kita sedang buat? Penyelidikan tentang pendidikan keselamatan kecerdasan buatan masa depan dan kerjasamanya dengan manusia Selepas penyelidikan selesai, kami akan membincangkan topik komuniti dengan masa depan bersama untuk manusia dengan Persatuan Kepintaran Buatan Amerika dan Persatuan Kepintaran Buatan Eropah.

Empat isu mengutamakan manusia dan berkhidmat kepada manusia adalah isu paling penting yang perlu kita terokai dan tidak boleh dielakkan ialah etika, privasi, kerjasama dan keselamatan. Bagaimanakah orang ramai bekerjasama antara satu sama lain? Manusia dan mesin AI mesti berinteraksi, dan manusia dan alam semula jadi juga mesti berinteraksi. Apakah maksud interaksi melampau? Dalam adegan berbahaya, kami berharap dapat berinteraksi dengan AI, AI dengan adegan, dan manusia dengan AI, iaitu, perkara yang tidak dapat kami lihat, lihat dengan jelas, dengar dan sentuh Kami panggil interaksi melampau ini. Interaksi AI membolehkan pengalaman pengguna yang mengganggu, meningkatkan kognisi manusia dan keupayaan untuk mengubah dunia. Ini adalah ciri interaksi yang melampau.

Apakah perkara yang paling penting dalam interaksi? Bentuk luaran AI ialah antara muka khusus AI Kini terdapat banyak kereta, robot pelbagai guna, robot humanoid, termasuk Microsoft Xiaoice, dsb., serta robot pembedahan, robot udara dan antara muka universal untuk AI seperti mudah alih. telefon dan komputer, termasuk milik kami Kini kami melihat sauh maya dan perkhidmatan pelanggan automatik, jadi perkara yang ingin kami bincangkan seterusnya ialah cara kami berinteraksi dengan AI, seperti melalui antara muka seperti realiti maya. Seperti yang ditunjukkan dalam rajah, teknologi realiti maya/tambahan dan interaksi semula jadi ialah satu cara untuk mendapatkan dan berinteraksi dengan maklumat pada masa hadapan Ia boleh mengembangkan keupayaan manusia, mengubah bentuk produk dan model perkhidmatan, dan menggalakkan kognisi, kecerdasan, budaya dan seni. perubahan dan menggalakkan pembangunan masyarakat integrasi manusia-AI-bahan masa hadapan. Inilah yang kita panggil ciri.

Kami kini menjalankan semua mesyuarat dalam talian, dan banyak organisasi sedang membangunkan mesyuarat luar talian maya dalam talian, seperti yang ditunjukkan dalam "Kingsman". Ini bersamaan dengan persekitaran yang melampau. Mesyuarat dalam talian kami sama seperti mesyuarat luar talian. Saya fikir sistem sedemikian mungkin tersedia pada penghujung tahun 2020. Jadi, inilah yang kami panggil interaksi AI yang mendalam. Kami telah menyiasat bahawa kursus tahun ini di sekolah rendah, menengah dan universiti pada dasarnya adalah dalam talian. Dengan membandingkan kualiti kelas, kualiti pengajaran beberapa sekolah di Beijing telah menurun. Kami hanya menggunakan borang ini, tetapi borang ini tidak membawa hasil pengajaran yang lebih baik.

Walaupun begitu, jika kita ingin mengubah kesan pengajaran ini pada masa hadapan, saya fikir ia akan membawa pengalaman pengguna yang lebih baik. Banyak universiti dan syarikat telah melakukan jenis penyelidikan yang berkaitan, seperti pemodelan tiga dimensi bagi 108 kamera Microsoft, pemodelan tiga dimensi yang dilakukan oleh Facebook dan yang dibina oleh Google dan Universiti Tsinghua. Universiti Tsinghua juga kini menggunakan kamera dalam bentuk model dalam Selepas membina model seseorang, ia boleh diletakkan di mana-mana, supaya ia boleh dilaksanakan secara maya di luar talian.

Seperti yang anda lihat, pengajaran pintar holografik boleh dicapai dengan cara ini. Contohnya, pengesyoran yang bijak dan tepat, akses di mana-mana dalam talian, pengajaran holografik orang sebenar dan perisian kursus interaktif yang mengasyikkan. Menurut penyelidikan dan pembangunan AI tahun ini, cermin mata AR paling ringan boleh mencapai 50 gram Sebelum ini, cermin mata AR adalah sangat berat, jadi mereka tidak boleh dibangunkan. Tetapi saya fikir cermin mata juga akan menjadi trend penting pada masa hadapan dan kawasan penting dalam dunia luar talian maya. Pada masa hadapan, realiti campuran yang didorong oleh AI akan memperkasakan pengajaran, pengeluaran, reka bentuk dan komunikasi, termasuk reka bentuk perindustrian Ini adalah alat penting untuk interaksi AI pada masa hadapan dan cara penting untuk interaksi antara manusia dan AI.

Masa depan sudah ada di sini Saya masih ingat bahawa Academician Li memberi laporan 5 tahun lalu, mengatakan bahawa masa depan sudah ada, yang bermakna kita harus cemas, pada masa hadapan, antara muka otak-komputer , integrasi manusia-mesin, dan manusia-mesin "simbiosis dan kewujudan abadi" akan Termasuk konsep penyimpanan kesedaran, sama ada ia boleh wujud pada robot selama-lamanya atau disimpan di satu tempat. Jadi ini semua berlaku pada masa hadapan antara muka otak-komputer berkembang sangat cepat sekarang, dan kita sering bercakap tentang penyakit otak, seperti penyakit Alzheimer dan epilepsi. Sekiranya ciri patologi seperti itu dijumpai, kami mempunyai dua kaedah penjanaan semula. Jika anda mengetahui jenis neuron, anda boleh menggunakan kaedah pembaikan biologi ini untuk membaiki neuron lain untuk membaiki neuron ini; terdapat juga cara untuk menggunakan bahan metamaterial kami untuk menggantikan tahap aktiviti neuron ini. Jika anda boleh melakukannya dengan baik, otak anda akan dapat mengekalkan tahap kejelasan yang tinggi, dan adalah perkara biasa untuk kehidupan manusia dilanjutkan selama 50 tahun.

Kecerdasan memacu masa depan Kita mempunyai "otak" yang lebih bijak, "tangan" yang lebih tangkas, "mata" yang lebih cerah dan "telinga" yang lebih sensitif. Cip optoelektronik pintar, dipacu pengetahuan, dipacu data, dipacu kognitif, ini adalah masa depan yang besar didorong oleh kecerdasan. Dari sini dapat dilihat kecerdasan buatan secara beransur-ansur mencapai tahap manusia. Bermula dari jadual 2016 dan perancangan sehingga 2066, semua tugas manusia telah diganti dan AI mesin boleh menyelesaikannya. Sudah tentu, ini adalah visi kami Visi ini adalah ramalan dan mengandungi perbincangan asas tertentu.

Kita bercakap tentang kecerdasan kognitif. Apakah kecerdasan kognitif? Terdapat ujian Turing sebelum ini Algoritma yang anda bangunkan perlu diuji. Jadi kita mulakan dengan ujian Turing, yang terutamanya menguji sama ada mesin boleh menunjukkan kecerdasan yang setara atau tidak boleh dibezakan daripada manusia. Ia adalah permainan tiruan, jadi saya juga akan bercakap tentang ujian di bahagian terakhir.

Ujian Turing sentiasa berkembang. Dapat dilihat bahawa ujian Turing telah dicadangkan pada tahun 1950, dan komputer pemprosesan bahasa semula jadi awal juga menantikan ujian pada tahun 1986. Sehingga 2014, program "Eugene Goostman" Academician Guo "lulus" ujian Turing buat kali pertama. Pada tahun 2015, kecerdasan buatan akhirnya dapat belajar seperti manusia dan lulus ujian Turing. Tetapi bagaimana dengan ujian ini? Adakah terdapat sebarang bidang untuk penambahbaikan? Pakar berikut pakar dalam ujian Turing, yang menguji keupayaan mesin untuk menaakul dengan akal, menguji keupayaan penaakulan abstrak rangkaian saraf, dan menguji keupayaan kecerdasan buatan am (AGI), seperti penjagaan kesihatan di rumah (ECW) Ini semua Ia adalah model baharu untuk ujian kecerdasan buatan, dan ia muncul tanpa henti. Oleh itu, ujian Turing juga merupakan hala tuju penting dalam pembangunan kecerdasan buatan kita.

Apakah ujian kognitif dalam Ujian Turing? Kita perlu mempertimbangkan perkara ini, dan saya harap semua orang di sini boleh mempertimbangkannya. Ujian kognitif dan pengenalpastian fungsi, pembuatan keputusan kognitif dan penaakulan logik juga merupakan isu penting yang perlu dipelajari oleh semua orang pada masa ini.

Mari kita kembali kepada dipacu pengetahuan, sains otak, dan dipacu data serta dipacu kognitif. Jadi bolehkah generasi baru algoritma kecerdasan buatan dibangunkan? Apa maksud keluar? Bolehkah terdapat ujian kognitif? Inilah yang kami panggil topik sasaran yang penting, dan ia juga merupakan sebahagian daripada pemikiran kami tentang pembangunan kecerdasan buatan.

Kecerdasan buatan sebenarnya berkembang dengan sangat pesat dalam proses sejarah perubahan industri. Era maklumat akan datang dengan ekonomi digital semasa, iaitu era kecerdasan buatan. Di sini anda boleh melihat banyak syarikat kecerdasan buatan biasa di Amerika Syarikat, dan sudah tentu syarikat China, termasuk ByteDance, Horizon, dll., serta beberapa syarikat Eropah, jadi kecerdasan buatan telah menjadi teras penggerak untuk pembangunan ekonomi global. Kecerdasan buatan juga merupakan infrastruktur baharu dan telah menjadi strategi negara yang sangat penting. Kecerdasan Buatan 2.0 yang dianjurkan oleh Academician Pan dalam beberapa tahun kebelakangan ini telah mendapat perhatian besar daripada negara. Pada tahun 2020, kadar pertumbuhan pasaran kecerdasan buatan negara saya jauh melebihi kadar pertumbuhan pasaran global. Ini adalah hasil daripada keseluruhan penyiasatan kami, yang telah digunakan dalam bidang seperti keselamatan pintar, penjagaan perubatan, kewangan dan pendidikan, seperti bandar perubatan pintar kami di Daerah Yuhang. Infrastruktur baharu adalah tugas yang sangat penting, dan apa yang dikatakan oleh Gabenor Gao dan Datuk Bandar Liu tercermin di dalamnya.

Artikel yang diterbitkan dalam Nature pada 2019 memfokuskan pada pembangunan terkemuka China dalam bidang kecerdasan buatan. Lebih daripada sedozen guru dan pelajar di makmal kami menyiasat 44 kes dasar berkaitan kecerdasan buatan yang diisytiharkan di Wilayah Zhejiang dalam tempoh 10 tahun yang lalu. Lihat Hangzhou di Zhejiang, dan lihat Yuhang di Hangzhou. Oleh itu, Hangzhou mempunyai imaginasi tanpa had dan ruang tanpa had untuk membina AI Kami juga berterima kasih kepada Hangzhou Future City atas sokongannya terhadap Persidangan Teknologi Kepintaran Buatan Global kami.

Akhirnya, untuk meringkaskan, saya sebenarnya berkongsi tiga topik dengan anda hari ini. Topik pertama ialah kewujudan bersama, kecekapan kerja yang lebih tinggi, kualiti hidup dan keselamatan, dan interaksi dalam persekitaran yang melampau Apakah persekitaran yang melampau? Sebagai contoh, apabila mengadakan mesyuarat di tapak, kami berjauhan secara geografi, tetapi saya harap kami dapat berkomunikasi secara bersemuka Ini adalah had yang kedua, yang lebih dekat dengan teori dan kaedah pengkomputeran kognitif yang asal . Inilah yang kami panggil Topik yang ketiga ialah kuasa pengkomputeran, paradigma pengkomputeran baharu dan seni bina cip dengan peningkatan prestasi tertib, yang merupakan yang paling penting. Saya berharap dapat membangunkan tiga aspek kecerdasan buatan ini pada masa hadapan, termasuk ujian kognitif berbilang dimensi, berbilang sudut dan mendalam.

Atas ialah kandungan terperinci Apakah pendapat anda tentang kecerdasan buatan selepas 2021?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan:
Artikel ini dikembalikan pada:51cto.com. Jika ada pelanggaran, sila hubungi admin@php.cn Padam