思考通用人工智能的新方法
2022年1月14日整理发布:但是我们需要承担这样的任务吗?在目前的形式下,人工神经网络存在严重的弱点,包括它们需要大量的训练示例以及它们对环境变化的敏感性。他们没有生物大脑的能力来概括许多任务和看不见的场景的技能。但是,尽管存在缺陷,人工神经网络已被证明在特定任务中非常有效,其中训练数据有足够数量,并且代表了模型在现实世界中将遇到的分布。在某些应用中,神经网络的速度和准确性甚至超过了人类。
那么,我们是想要培养机器人大脑,还是应该坚持走捷径,让我们能够在超人类水平上执行特定任务的狭窄人工智能系统?
Hiesinger 认为,狭义的人工智能应用将继续蓬勃发展,并成为我们日常生活中不可或缺的一部分。“对于狭隘的人工智能来说,成功的故事是绝对显而易见的,如果那样的话,天空就是极限,”他说。
然而,通用人工智能要复杂一些。“我不知道我们为什么要在计算机上复制人类。但这可能有点像问我们为什么要飞往月球(这不是一个非常有趣的地方,真的),”Hiesinger 说。
但在人工智能社区继续追逐复制人脑的梦想的同时,它需要调整对通用人工智能的看法。
“对于‘将军’的真正含义没有达成一致意见。表现得像人吗?蝴蝶智力(全是基因编码的!)怎么样?” Hiesinger 说,并指出每一种生命形式,就其自身而言,都具有适合其自身生存的通用智能。
“这就是我看到问题的地方:‘人类水平的智能’实际上有点荒谬。“人类智慧”很明确:那是我们的。人类有一种非常人性化的智能,”他说。
并且这种类型的智能无法以一项或多项任务的表现水平来衡量,例如下棋或对图像进行分类。相反,人类可以操作、决定、操作和解决问题的广泛领域使他们以自己独特的方式变得聪明。Hiesinger 认为,一旦你开始测量和比较任务中的智力水平,你就会失去它的人性方面。
“在我看来,通用人工智能不是当前狭隘方法达到人类‘水平’的更高‘水平’的问题。真的没有这样的事情。如果你想让它真正成为人类,那么这不是让当前面向关卡的特定任务的人工智能更快更好,而是关于将信息类型输入网络,使人类大脑成为人类,”他说。“据我所知,目前只有一种已知的解决方案和途径——我们所知道的生物学途径,没有捷径。”