Toby Walsh教授:四个指数趋势解释人工智能威胁论!

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揭晓主题演讲时说道:CIO(首席信息官)们实在不需要忧郁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另有很远的旅程。

Walsh教授以为,我们现在造出的机械人虽然执行义务的水平跨越人类,但它们只会根据我们的要求去执行义务,只能算是一个无意识的文字工具。我们若是想要生产出与人类能力完全一致的机械人或许还需要良久,可能是50年,也可能是100年,甚至是永远。

只管如此,Walsh教授照样很喜悦人工智能威胁论的话题能够成为CIO们关注的焦点,而且出现在战略商业设计中。

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。我们读过许多的科幻小说,梦想着一个满是智能化电脑和机械人的未来,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生长,到底是基于怎样的因素?Walsh教授将谜底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手艺问题导致摩尔定律失效。英特尔宣布,往后晶体管数目再也不会每两年翻倍一次。

Walsh教授示意,只管如此,我也并不忧郁这个领域的生长会受到限制。在已往的20年,芯片研发职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。然则我们看到了DPU(涣散处置单元)的价值,我们在硬件中看到了更多有趣的器械,好比机械学习。这将会使我们在相同的晶体管数目下举行更多的盘算。虽然摩尔定律在手艺上已经消亡,但仍存在很大的创新空间,并将为盘算机的生长赋予更大的动力。

第二个指数是不停升级的数据量。在企业家心里,运营和客户数据永远排在第一位。Walsh教授示意,现在的数据量比已往翻了几番,这对于人工智能来说是一个大契机。我们现在做的许多事情,尤其是机械学习,都属于数据培训。

Walsh教授补充到,现在人工智能的一个不足点是机械学习的速率过于缓慢。机械学习虽然是模拟人类的头脑去学习,然则与人类差别的是机械学习是从例子中模拟学习。最先进的机械学习仍然需要从几十万甚至是几百万的例子中学习。但唯一的利益是海量的数据得以网络,我们可以从大量的数据中迅速获得想要的信息。

第三个指数趋势是算法方面的突破希望。Walsh教授示意,在已往的几年里,随着深度学习的生长,算法的性能呈指数级增进。

第四个指数趋势是流入该领域的资金数目。Walsh教授示意,通过这种方式,您可以权衡该领域的风险投资数目,可以预估AI领域的介入人数以及创业公司的数目,而且这些数目每两年就会翻一倍。

“将这四个趋势放在一起,就是人工智能取得重大希望的窍门。”但Walsh教授强调,只管人工智能远景可观,但想要生产出到达人类执行能力的机械人,未来还需面临许多棘手挑战。

考虑到手艺的局限性,Walsh教授以为,今天的人工智能可以完成一些实时性强的重复性高的义务,例如瞬间识别人脸功效。

说到这里,那么我们一样平常都市让机械人辅助我们做哪些事情呢?一样平常分为这四类:肮脏的(dirty)、无趣的(dull)、难题的(difficult)、危险的(dangerous),我们称之为4D。从这种意义上讲,机械人也确实是一个有意思的存在。

现在随着科技的生长,人们对科技的要求越来越高,现实应用需要涉及更庞大的自动化和人工智能,谈天机械人就是人工智能现实应用的一个很好的例子。

文章最后,笔者用Walsh教授的一句话作为末端:“在我们忧郁人工智能可能带来威胁之前,我们真正需要处置的是地球更紧迫的问题,好比气候变化!”

留下评论