人工智能的利弊分析有什么
人工智能的利弊分析有什么
人工智能的出現(xiàn)對我們來說是好還是壞呢，凡事都有兩面性，人工智能也一樣。下面是學習啦小編為你整理的人工智能的利弊分析，供大家閱覽!
人工智能的利與弊
霍金、馬斯克等科技大佬都公開發(fā)聲，擔心人工智能會失去控制，上演科幻小說中人機大戰(zhàn)的情節(jié)，其他人則害怕認知工作的自動化會將會導(dǎo)致大面積的失業(yè)。兩個世紀以后的今天，曾經(jīng)的“機器問題”卷土重來，我們需要找出可行的解決方案。
人工智能崛起引發(fā)擔憂，我們到底該如何應(yīng)對?
據(jù)報道，對于機器人的崛起，專家們曾發(fā)出警告，“機器取代人類勞動力可能致使人口冗余”，他們擔心“這種超能技術(shù)的發(fā)展已經(jīng)超越了人類的駕馭能力，”如今，一些人表示擔憂，若人工智能繼續(xù)進化，我們會失去賴以為生的工作、喪失存在感，甚至會被“終結(jié)者”們趕盡殺絕。但事實上，這些恐懼與兩個世紀以前人們對機械化和蒸汽機發(fā)展的討論如出一轍，那時，人們針對機器威脅展開一場名為“機器問題”的討論。而現(xiàn)在，一場關(guān)于人工智能利弊的辯論正在悄然興起。
誕生初期，人工智能技術(shù)(AI)也經(jīng)歷過大起大落，但在過去幾年的發(fā)展黃金期，AI技術(shù)突飛猛進，這都得益于“深度學習”技術(shù)開啟的新篇章。深度學習旨在模擬人腦結(jié)構(gòu)建立大規(guī)模(或者“深度”)神經(jīng)網(wǎng)絡(luò)，在充沛的數(shù)據(jù)支持下，神經(jīng)網(wǎng)絡(luò)可以通過訓(xùn)練來處理各種各樣的事情。
其實所謂深度學習技術(shù)已經(jīng)默默為我們服務(wù)多年了，谷歌(微博)搜索、Facebook的自動圖片標記功能、蘋果的siri語音助手、亞馬遜推送的購物清單，甚至特斯拉的自動駕駛汽車都是深度學習的產(chǎn)物。但是這種快速的發(fā)展也引發(fā)了人們對于安全和失業(yè)問題的擔憂?；艚稹ⅠR斯克等科技大佬都公開發(fā)聲，擔心人工智能會失去控制，上演科幻小說中人機大戰(zhàn)的情節(jié)，其他人則害怕認知工作的自動化會將會導(dǎo)致大面積的失業(yè)。兩個世紀以后的今天，曾經(jīng)的“機器問題”卷土重來，我們需要找出可行的解決方案。
“機器問題”和解決方案
啟示人們最為擔憂的是人工智能技術(shù)會破開牢籠，變得邪惡而不可控。早在工業(yè)革命浪潮席卷全球時，人機矛盾已經(jīng)出現(xiàn)，現(xiàn)在的矛盾不過是披上了人工智能的新外衣，人類的焦慮依舊，《科學怪人》及此后類似的文學作品都是這種擔憂的映射。然而，盡管人工智能技術(shù)已成為一門顯學，但是它們只能完成特定的任務(wù)。想在智商上戰(zhàn)勝人類，AI還差得遠呢。此外，AI是否真能超越人類還未可知。
失業(yè)恐懼由來已久。“科技性失業(yè)”的恐慌在20世紀60年代(公司開始安裝計算機和使用機器人)和80年代(個人電腦開始上市)都曾彌漫開來，似乎大規(guī)模的自動化辦公馬上就要到來，讓人類下崗。
但事實上，每一次恐慌之后，科技進步為社會創(chuàng)造的就業(yè)崗位遠多于它殺死的過時職位，我們需要更多人從事全新的工作。舉例來說，ATM機替代了一些銀行柜員，為銀行設(shè)立分行節(jié)約了成本，讓雇員進入了機器不能做的銷售和客服領(lǐng)域。同樣地，電子商務(wù)的出現(xiàn)增加了零售商的生存空間。而在辦公中引進電腦則不是為了取代員工的位置，員工習得新技能后，會成為電腦的輔助。盡管此前曾有報道稱，未來10年或20年間，美國47%的崗位將面臨自動化，但是我們的研究顯示，這一數(shù)值恐怕連10%都不到。
盡管短期內(nèi)一些工作消失的弊端會被全新職位出現(xiàn)的長期影響完全抵消且?guī)砀蟮暮锰?，但?9世紀工業(yè)革命的經(jīng)驗表明，轉(zhuǎn)變的過程極其痛苦。從停滯不前的生活水平上反映出經(jīng)濟的增長需要幾百年，而從顯著的收入變化上來看只需幾十年。人口從鄉(xiāng)村大量涌入城市工廠，在當時的歐洲引發(fā)動蕩。各國政府花費了整整一百年的時間構(gòu)建新的教育和福利體系適應(yīng)這種轉(zhuǎn)變。
這一次的轉(zhuǎn)變似乎更為迅速，當前科技傳播的速度可比200多年前快多了。得益于技術(shù)的輔助，高技術(shù)工作者的薪資會更高，因此收入不平等的現(xiàn)象正在不斷加深。這給用人公司和政府帶來了兩大挑戰(zhàn)：如何幫助工作者學習掌握新技能;如何讓后代做好準備，在滿世界都是人工智能的社會求得工作機會。
聰明的回應(yīng)
技術(shù)的發(fā)展使得崗位的需求產(chǎn)生變化，工作者必須適應(yīng)這種轉(zhuǎn)變。這意味著要調(diào)整教育和訓(xùn)練模式，使其足夠靈活，從而快速、高效地教授全新的技能。終生學習和在職培訓(xùn)的重要性更加凸顯，在線學習和電子游戲式的仿真模擬會更加普遍。而人工智能可以幫助制定個性化計算機學習計劃，依照工作者技能差距提供新技術(shù)培訓(xùn)機會。
此外，社會交往技能也會變得更加重要。由于工作崗位的更迭變快，技術(shù)革新的腳步也逐漸加快，人類的工作年限越來越長，社交技能成了社會的基石。它能在人工智能主導(dǎo)的社會保持人類的優(yōu)勢，幫助人類完成基于情感和人際往來的工作，這是機器無法擁有的優(yōu)越性。
對人工智能和自動化的擔憂也催生了人們對“安全網(wǎng)”的渴望，有了它普通人就能免受勞動力市場動亂影響。一些人認為應(yīng)該革新福利系統(tǒng)，讓每個人都享有保障生存的“基本收入”。但是在沒有充足證據(jù)表明技術(shù)革命會導(dǎo)致勞動力需求銳減的形勢下，這種做法并不可取。反之，各國應(yīng)該學習丹麥的“靈活安全系統(tǒng)”制度，讓企業(yè)裁員更加容易，但是在被裁員的職工接受再培訓(xùn)和再求職期間提供保障。這種制度下，福利、養(yǎng)老金、醫(yī)保等應(yīng)該跟隨個體本身，而不是與職員身份掛鉤。
盡管技術(shù)快速進步，工業(yè)時代的教育和福利系統(tǒng)并沒有完全實現(xiàn)現(xiàn)代化，相關(guān)制度也不夠靈活。革新勢在必行，決策者必須行動起來，否則當前福利系統(tǒng)會面臨更大的壓力。19世紀40年代，約翰·穆勒寫道，“沒有什么比立法者對這類人的照顧更為正當了”，他們的生活被技術(shù)的發(fā)展所累。在蒸汽時代，這是真理，在人工智能的時代，同樣也是。
人工智能的定義詳解
人工智能的定義可以分為兩部分，即“ 人工”和“ 智能”。“人工”比較好理解，爭議性也不大。有時我們會要考慮什么是人力所能及制造的，或者人自身的智能程度有沒有高到可以創(chuàng)造人工智能的地步，等等。但總的來說，“人工系統(tǒng)”就是通常意義下的人工系統(tǒng)。
關(guān)于什么是“智能”，就問題多多了。這涉及到其它諸如 意識(CONSCIOUSNESS)、 自我(SELF)、 思維(MIND)(包括無意識的思維(UNCONSCIOUS_MIND))等等問題。人唯一了解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構(gòu)成人的智能的必要 元素也了解有限，所以就很難定義什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及對人的智能本身的研究。其它關(guān)于動物或其它人造系統(tǒng)的智能也普遍被認為是人工智能相關(guān)的研究 課題。
人工智能在 計算機領(lǐng)域內(nèi)，得到了愈加廣泛的重視。并在機器人，經(jīng)濟政治決策，控制系統(tǒng)，仿真系統(tǒng)中得到應(yīng)用。
著名的美國 斯坦福大學人工智能研究中心尼爾遜教授對 人工智能下了這樣一個定義：“人工智能是關(guān)于知識的學科――怎樣表示知識以及怎樣獲得知識并使用知識的科學。”而另一個 美國麻省理工學院的 溫斯頓教授認為：“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。”這些說法反映了人工智能學科的基本思想和基本內(nèi)容。即人工智能是研究人類智能活動的規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)，研究如何讓計算機去完成以往需要人的 智力才能勝任的工作，也就是研究如何應(yīng)用計算機的軟 硬件來模擬人類某些智能行為的基本理論、方法和技術(shù)。
人工智能是 計算機學科的一個分支，二十世紀七十年代以來被稱為世界三大尖端技術(shù)之一( 空間技術(shù)、 能源技術(shù)、 人工智能)。也被認為是二十一世紀三大尖端技術(shù)( 基因工程、 納米科學、 人工智能)之一。這是因為近三十年來它獲得了迅速的發(fā)展，在很多學科領(lǐng)域都獲得了廣泛應(yīng)用，并取得了豐碩的成果，人工智能已逐步成為一個獨立的分支，無論在理論和實踐上都已自成一個系統(tǒng)。
人工智能是研究使計算機來模擬人的某些思維過程和智能行為(如學習、推理、思考、規(guī)劃等)的學科，主要包括計算機實現(xiàn)智能的原理、制造類似于人腦智能的計算機，使計算機能實現(xiàn)更高層次的應(yīng)用。人工智能將涉及到計算機科學、心理學、哲學和語言學等學科?？梢哉f幾乎是自然科學和社會科學的所有學科，其范圍已遠遠超出了計算機科學的范疇，人工智能與 思維科學的關(guān)系是實踐和理論的關(guān)系，人工智能是處于思維科學的技術(shù)應(yīng)用層次，是它的一個應(yīng)用分支。從思維觀點看，人工智能不僅限于邏輯思維，要考慮形象思維、靈感思維才能促進人工智能的突破性的發(fā)展，數(shù)學常被認為是多種學科的基礎(chǔ)科學，數(shù)學也進入語言、思維領(lǐng)域，人工智能學科也必須借用數(shù)學工具，數(shù)學不僅在標準邏輯、 模糊數(shù)學等范圍發(fā)揮作用，數(shù)學進入人工智能學科，它們將互相促進而更快地發(fā)展。
人工智能的研究價值
例如繁重的科學和工程計算本來是要人腦來承擔的，如今計算機不但能完成這種計算，而且能夠比人腦做得更快、更準確，因此當代人已不再把這種計算看作是“需要人類智能才能完成的復(fù)雜任務(wù)”，可見復(fù)雜工作的定義是隨著時代的發(fā)展和技術(shù)的進步而變化的，人工智能這門科學的具體目標也自然隨著時代的變化而發(fā)展。它一方面不斷獲得新的進展，另一方面又轉(zhuǎn)向更有意義、更加困難的目標。
通常，“機器學習”的數(shù)學基礎(chǔ)是“統(tǒng)計學”、“信息論”和“控制論”。還包括其他非數(shù)學學科。這類“機器學習”對“經(jīng)驗”的依賴性很強。計算機需要不斷從解決一類問題的經(jīng)驗中獲取知識，學習策略，在遇到類似的問題時，運用經(jīng)驗知識解決問題并積累新的經(jīng)驗，就像普通人一樣。我們可以將這樣的學習方式稱之為“連續(xù)型學習”。但人類除了會從經(jīng)驗中學習之外，還會創(chuàng)造，即“跳躍型學習”。這在某些情形下被稱為“靈感”或“頓悟”。一直以來，計算機最難學會的就是“頓悟”。或者再嚴格一些來說，計算機在學習和“實踐”方面難以學會“不依賴于量變的質(zhì)變”，很難從一種“質(zhì)”直接到另一種“質(zhì)”，或者從一個“概念”直接到另一個“概念”。正因為如此，這里的“實踐”并非同人類一樣的實踐。人類的實踐過程同時包括經(jīng)驗和創(chuàng)造。
這是智能化研究者夢寐以求的東西。
2013年，帝金數(shù)據(jù)普數(shù)中心數(shù)據(jù)研究員S.C WANG開發(fā)了一種新的數(shù)據(jù)分析方法，該方法導(dǎo)出了研究函數(shù)性質(zhì)的新方法。作者發(fā)現(xiàn)，新數(shù)據(jù)分析方法給計算機學會“創(chuàng)造”提供了一種方法。本質(zhì)上，這種方法為人的“創(chuàng)造力”的模式化提供了一種相當有效的途徑。這種途徑是數(shù)學賦予的，是普通人無法擁有但計算機可以擁有的“能力”。從此，計算機不僅精于算，還會因精于算而精于創(chuàng)造。計算機學家們應(yīng)該斬釘截鐵地剝奪“精于創(chuàng)造”的計算機過于全面的操作能力，否則計算機真的有一天會“反捕”人類。
當回頭審視新方法的推演過程和數(shù)學的時候，作者拓展了對思維和數(shù)學的認識。數(shù)學簡潔，清晰，可靠性、模式化強。在數(shù)學的發(fā)展史上，處處閃耀著數(shù)學大師們創(chuàng)造力的光輝。這些創(chuàng)造力以各種數(shù)學定理或結(jié)論的方式呈現(xiàn)出來，而數(shù)學定理最大的特點就是：建立在一些基本的概念和公理上，以模式化的語言方式表達出來的包含豐富信息的邏輯結(jié)構(gòu)。應(yīng)該說，數(shù)學是最單純、最直白地反映著(至少一類)創(chuàng)造力模式的學科。
猜你喜歡：