搜尋
首頁科技週邊人工智慧16位頂尖學者激辯AGI!馬庫斯、LSTM之父、麥克阿瑟天才獎得主齊聚

中斷一年後,由Montreal.AI和紐約大學名譽教授Gary Marcus組織的年度人工智慧辯論於上週五晚上回歸,與2020年一樣再次以線上會議形式召開。

今年的辯論——AI辯論3:AGI 辯論——重點關注通用人工智慧的概念,即能夠整合無數接近人類水平的推理能力的機器。

16位頂尖學者激辯AGI!馬庫斯、LSTM之父、麥克阿瑟天才獎得主齊聚

影片連結:https://www.youtube.com/watch?v=JGiLz_Jx9uI&t=7s

#這次討論共三個半小時,圍繞著與人工智慧相關的五個主題: 認知與神經科學、常識、架構、倫理與道德以及政策和貢獻

除了眾多電腦科學領域的大牛外,還有計算神經科學家Konrad Kording等16位專家參與其中。

本文簡單總結了其中5位大佬的觀點,有興趣的讀者可以透過上面的連結觀看完整影片。

主持人:馬庫斯

作為著名的批評家,馬庫斯引用了自己在《紐約客》上的文章《「深度學習」是人工智慧發展的一場革命嗎? 》,再次對AI的發展潑了盆冷水。

馬庫斯表示,與李飛飛團隊成功發布ImageNet後人們對人工智慧長達十年的熱情浪潮相反,製造無所不能的機器的「願望」並沒有實現。

16位頂尖學者激辯AGI!馬庫斯、LSTM之父、麥克阿瑟天才獎得主齊聚

DeepMind神經科學家Dileep George

來自GoogleDeepMind的神經科學家Dileep George曾經提出過一個名為「先天性」的概念。

簡單來說,就是某些「內建」在人類思想中的想法。

那麼對人工智慧來說,我們應該更關注先天性嗎?

對此,George表示,任何一種從初始狀態到某種穩定狀態的成長和發展都涉及三個因素。

一是初始狀態下的內部結構,二是輸入的數據,三是通用的自然法則。

「事實證明,先天結構在我們發現的每個領域都發揮著非凡的作用。」

對於那些被認為是學習的典型例子,例如習得語言,一旦你開始拆解,你會發現數據幾乎不會對其產生影響。

自從人類出現以來,語言就沒有改變過,任何文化中的任何孩子都能掌握語言就證明了這一點。

George認為,語言將成為人工智慧的核心,從而讓我們有機會搞清楚,到底是什麼讓人類成為一個如此獨特的物種。

華盛頓大學教授Yejin Choi

華盛頓大學電腦科學教授Yejin Choi預測道,AI在未來幾年內的表現,將會越來越驚人。

但是,由於我們並不知道網路的深度,它們將繼續在對抗性和角落案例上犯錯。

16位頂尖學者激辯AGI!馬庫斯、LSTM之父、麥克阿瑟天才獎得主齊聚

「對機器來說語言和智力的暗物質,可能就是常識。」

##當然,這裡所說的暗物質,是對人類來說容易但對機器來說很難的東西。

LSTM之父Jürgen Schmidhuber

馬庫斯表示,我們現在可以從大型語言模型中獲得大量的知識,但實際上這種範式需要被轉換。因為語言模型實際上被「剝奪」了多種類型的輸入。

瑞士人工智慧實驗室IDSIA主任、LSTM之父Jürgen Schmidhuber回應稱,「我們今天討論的大部分內容,至少在原則上,已經在很多年前通過『通用神經網路’得到解決。” 這樣的系統「還不如人類」。

16位頂尖學者激辯AGI!馬庫斯、LSTM之父、麥克阿瑟天才獎得主齊聚

Schmidhuber表示,隨著運算能力每隔幾年變得更便宜,「舊理論」又回來了。 「我們可以用這些舊演算法做很多當時我們做不到的事情。」

接著,IBM研究員Francesca Rossi向Schmidhuber提出了一個問題:「我們怎麼會看到仍然沒有我們想要的功能的系統?你怎麼看?那些定義的技術仍然沒有進入當前的系統?」

對此,Schmidhuber認為,目前主要是計算成本問題:

循環網路可以運行任意演算法,其中最美妙的方面之一是它還可以學習學習演算法。最大的問題是它可以學習哪些演算法?我們可能需要更好的演算法。改進學習演算法的選項。

第一個此類系統出現在1992年。我在1992年寫了第一篇論文。那時候我們對此幾乎無能為力。今天我們可以擁有數百萬和數十億個權重。

最近與我的學生進行的合作表明,這些舊概念在這裡和​​那裡進行了一些改進,突然間效果非常好,你可以學習比反向傳播更好的新學習演算法。

英屬哥倫比亞大學副教授Jeff Clune

英屬哥倫比亞大學電腦科學副教授Jeff Clune討論的主題是「AI生成演算法:通往AGI的最快路徑」。

Clune表示,今天人工智慧走的是一條「人工道路」,這也就意味著各種學習規則和目標函數等等都需要靠人來手動完成。

對此他認為,在未來的實踐中,人工設計的方法終究是要讓位給自動產生的。

16位頂尖學者激辯AGI!馬庫斯、LSTM之父、麥克阿瑟天才獎得主齊聚

隨後,Clune又提出了推動AI發展的「三大支柱」:元學習架構、元學習演算法,以及自動產生有效的學習環境和數據。

在此,Clune建議增加一個「第四支柱」,即「利用人類資料」。例如,在Minecraft環境中運行的模型,就可以透過學習人類玩遊戲的影片來獲得「巨大的提升」。

最後,Clune預測,我們有30%的可能性在2030年實現AGI,而且還不需要新的範式。

值得注意的是,此處AGI被定義為「能夠完成50%以上的有經濟價值的人類工作」。

總結一下

在討論的最後,馬庫斯讓所有參與者在30秒內回答一個問題:「如果你能給學生一條建議,例如,現在我們最需要研究哪個人工智慧的問題,或者如何為人工智慧日益成為主流和中心的世界做好準備,建議是什麼?」

##Choi表示:「我們必須處理AI與人類價值觀保持一致的問題,尤其是要強調多元化;我認為這是我們面臨的真正關鍵挑戰之一,更廣泛地應對諸如魯棒性、泛化和可解釋性等挑戰。」

George從研究方向角度給予建議:「先確定好想從事規模化研究還是基礎研究,因為它們有不同的軌跡。」

Clune:「AGI即將到來。所以,對於開發AI的研究人員,我鼓勵你們從事基於工程、演算法、元學習、端到端學習等技術,因為這些最有可能被吸收進入我們正在創建的AGI。對於非AI研究人員來說,最重要的可能是治理問題。例如,開發AGI時的規則是什麼?規則由誰來決定?我們又該如何讓全世界的研究人員都遵循這套規則?」

馬庫斯在晚會結束時回憶起他在上一場辯論中的發言:「培養人工智慧需要一村子的人。」

「我認為現在更是如此,」他說。 「AI以前是個孩子,現在有點像一個鬧騰的少年,還沒有完全具備成熟的判斷力。」

他總結說:「這一刻既令人興奮又危險。 ”

以上是16位頂尖學者激辯AGI!馬庫斯、LSTM之父、麥克阿瑟天才獎得主齊聚的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述
本文轉載於:51CTO.COM。如有侵權,請聯絡admin@php.cn刪除
讓我們跳舞:結構化運動以微調我們的人類神經網讓我們跳舞:結構化運動以微調我們的人類神經網Apr 27, 2025 am 11:09 AM

科學家已經廣泛研究了人類和更簡單的神經網絡(如秀麗隱桿線蟲中的神經網絡),以了解其功能。 但是,出現了一個關鍵問題:我們如何使自己的神經網絡與新穎的AI一起有效地工作

新的Google洩漏揭示了雙子AI的訂閱更改新的Google洩漏揭示了雙子AI的訂閱更改Apr 27, 2025 am 11:08 AM

Google的雙子座高級:新的訂閱層即將到來 目前,訪問Gemini Advanced需要$ 19.99/月Google One AI高級計劃。 但是,Android Authority報告暗示了即將發生的變化。 最新的Google P中的代碼

數據分析加速度如何求解AI的隱藏瓶頸數據分析加速度如何求解AI的隱藏瓶頸Apr 27, 2025 am 11:07 AM

儘管圍繞高級AI功能炒作,但企業AI部署中潛伏的巨大挑戰:數據處理瓶頸。首席執行官慶祝AI的進步時,工程師努力應對緩慢的查詢時間,管道超載,一個

Markitdown MCP可以將任何文檔轉換為Markdowns!Markitdown MCP可以將任何文檔轉換為Markdowns!Apr 27, 2025 am 09:47 AM

處理文檔不再只是在您的AI項目中打開文件,而是將混亂變成清晰度。諸如PDF,PowerPoints和Word之類的文檔以各種形狀和大小淹沒了我們的工作流程。檢索結構化

如何使用Google ADK進行建築代理? - 分析Vidhya如何使用Google ADK進行建築代理? - 分析VidhyaApr 27, 2025 am 09:42 AM

利用Google的代理開發套件(ADK)的力量創建具有現實世界功能的智能代理!該教程通過使用ADK來構建對話代理,並支持Gemini和GPT等各種語言模型。 w

在LLM上使用SLM進行有效解決問題-Analytics Vidhya在LLM上使用SLM進行有效解決問題-Analytics VidhyaApr 27, 2025 am 09:27 AM

摘要: 小型語言模型 (SLM) 專為效率而設計。在資源匱乏、實時性和隱私敏感的環境中,它們比大型語言模型 (LLM) 更勝一籌。 最適合專注型任務,尤其是在領域特異性、控制性和可解釋性比通用知識或創造力更重要的情況下。 SLM 並非 LLMs 的替代品,但在精度、速度和成本效益至關重要時,它們是理想之選。 技術幫助我們用更少的資源取得更多成就。它一直是推動者,而非驅動者。從蒸汽機時代到互聯網泡沫時期,技術的威力在於它幫助我們解決問題的程度。人工智能 (AI) 以及最近的生成式 AI 也不例

如何將Google Gemini模型用於計算機視覺任務? - 分析Vidhya如何將Google Gemini模型用於計算機視覺任務? - 分析VidhyaApr 27, 2025 am 09:26 AM

利用Google雙子座的力量用於計算機視覺:綜合指南 領先的AI聊天機器人Google Gemini擴展了其功能,超越了對話,以涵蓋強大的計算機視覺功能。 本指南詳細說明瞭如何利用

Gemini 2.0 Flash vs O4-Mini:Google可以比OpenAI更好嗎?Gemini 2.0 Flash vs O4-Mini:Google可以比OpenAI更好嗎?Apr 27, 2025 am 09:20 AM

2025年的AI景觀正在充滿活力,而Google的Gemini 2.0 Flash和Openai的O4-Mini的到來。 這些尖端的車型分開了幾週,具有可比的高級功能和令人印象深刻的基準分數。這個深入的比較

See all articles

熱AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover

AI Clothes Remover

用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool

Undress AI Tool

免費脫衣圖片

Clothoff.io

Clothoff.io

AI脫衣器

Video Face Swap

Video Face Swap

使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱工具

Atom編輯器mac版下載

Atom編輯器mac版下載

最受歡迎的的開源編輯器

Dreamweaver CS6

Dreamweaver CS6

視覺化網頁開發工具

EditPlus 中文破解版

EditPlus 中文破解版

體積小,語法高亮,不支援程式碼提示功能

Dreamweaver Mac版

Dreamweaver Mac版

視覺化網頁開發工具

SublimeText3 英文版

SublimeText3 英文版

推薦:為Win版本,支援程式碼提示!