瓶頸到突破 人工智能技術(shù)發(fā)展面臨哪些難關(guān)!
2024/4/15 14:18:07點(diǎn)擊:
不可否認的是近幾年我國的科技5G,人工智能,大數據等新興技術(shù)正在飛速的進(jìn)步和創(chuàng )新,賦能各產(chǎn)業(yè)突破傳統瓶頸,給予了智能化的變革。
2020年是非常特殊的一年,特殊到難以忘懷,年初新冠疫情的爆發(fā),直接給全球帶來(lái)了無(wú)可估量的損失,科技抗疫過(guò)程中人工智能在其中發(fā)揮著(zhù)不可替代的作用,不可置否,人工智能在這場(chǎng)戰疫中助力科技抗疫功勞不小,但目前我國人工智能水平僅僅處于發(fā)展階段,能做到的事情并不多,那么從瓶頸到突破,人工智能技術(shù)發(fā)展想要進(jìn)一步突破面臨哪些難關(guān)呢?
數據極限
人工智能離不開(kāi)機器學(xué)習算法,這些算法或模型必須耗用大量的數據用來(lái)識別模式后進(jìn)而得到結論。而這些模型使用標記數據加以練習,標記數據則需要人工智能在實(shí)際過(guò)程中會(huì )遇到無(wú)數的不同場(chǎng)景。例如,醫療領(lǐng)域醫生必須標記出每一張X光片哪些是否存在腫瘤,哪些是什么類(lèi)型的腫瘤,只有標記出成千上萬(wàn)張,甚至更多的X光片讓人工智能學(xué)習,人工智能才能正確的識別出來(lái),而收集和標記,再到人工智能學(xué)習和審查的這段過(guò)程,對于我們是很耗費精力和時(shí)間。
也有一些特殊情況是我們缺乏足夠的數據來(lái)支撐構建模型,例如無(wú)人駕駛汽車(chē),當我們在大雨傾盆的環(huán)境開(kāi)車(chē)的時(shí)候,我們視覺(jué)受影響導致?lián)躏L(fēng)玻璃外的環(huán)境很難看的清楚,更不用說(shuō)道路標線(xiàn)了,那人工智能能夠安全的應付這種情況?訓練人員需要記錄數十萬(wàn)英里,才會(huì )偶爾遇到所有這些棘手的使用場(chǎng)景,以了解算法如何做出反應并相應地進(jìn)行調整。
黑盒子效應
任何軟件程序的基礎都離不開(kāi)邏輯,我們可以通過(guò)輸入代碼,查看它們是如何觸發(fā),但對人工智能卻沒(méi)有那么透明,基于神經(jīng)網(wǎng)絡(luò )構建的人工智能,最終結果可能無(wú)法解釋?zhuān)覀兎Q(chēng)這為黑盒子效應,我們知道它可以工作,但無(wú)法告知它是如何進(jìn)行運算的,可以想象如何我們無(wú)法解釋這種龐大的深度學(xué)習網(wǎng)絡(luò )過(guò)程是如何判定出來(lái)的,我們將面臨著(zhù)無(wú)法預估的后果。
因此, 克服黑盒子效應最好的辦法莫過(guò)于將算法分解了,簡(jiǎn)而言之,是人類(lèi)解釋人工智能的行為,在這方面我們仍還需要做更多的工作,才能使人工智能邁過(guò)這個(gè)巨大的障礙。
遙不可及通用系統
未來(lái),人工智能進(jìn)化到一定地步將接管世界,任何顧慮這方面的人可以放心,這些不是人工智能太智能,而是人類(lèi)想象力豐富,只存在科幻電影,即便人工智能在智能方面足夠出色,但也別指望它在更高水平的意識下起到作用。在國外有Steve Wozniak稱(chēng)之為咖啡測試。意思是機器人可以進(jìn)入到任意的家庭里沖泡一杯咖啡嗎?要知道,這包括找到咖啡研磨器、找到杯子、識別咖啡機、添水并點(diǎn)擊正確的按鈕。
無(wú)論是人工智能和機器學(xué)習,還是其他技術(shù)都是需要不斷發(fā)展的過(guò)程,有難點(diǎn)有瓶頸并非壞事 ,我們只需要在不斷發(fā)展和創(chuàng )新過(guò)程中突破。
2020年是非常特殊的一年,特殊到難以忘懷,年初新冠疫情的爆發(fā),直接給全球帶來(lái)了無(wú)可估量的損失,科技抗疫過(guò)程中人工智能在其中發(fā)揮著(zhù)不可替代的作用,不可置否,人工智能在這場(chǎng)戰疫中助力科技抗疫功勞不小,但目前我國人工智能水平僅僅處于發(fā)展階段,能做到的事情并不多,那么從瓶頸到突破,人工智能技術(shù)發(fā)展想要進(jìn)一步突破面臨哪些難關(guān)呢?
數據極限
人工智能離不開(kāi)機器學(xué)習算法,這些算法或模型必須耗用大量的數據用來(lái)識別模式后進(jìn)而得到結論。而這些模型使用標記數據加以練習,標記數據則需要人工智能在實(shí)際過(guò)程中會(huì )遇到無(wú)數的不同場(chǎng)景。例如,醫療領(lǐng)域醫生必須標記出每一張X光片哪些是否存在腫瘤,哪些是什么類(lèi)型的腫瘤,只有標記出成千上萬(wàn)張,甚至更多的X光片讓人工智能學(xué)習,人工智能才能正確的識別出來(lái),而收集和標記,再到人工智能學(xué)習和審查的這段過(guò)程,對于我們是很耗費精力和時(shí)間。
也有一些特殊情況是我們缺乏足夠的數據來(lái)支撐構建模型,例如無(wú)人駕駛汽車(chē),當我們在大雨傾盆的環(huán)境開(kāi)車(chē)的時(shí)候,我們視覺(jué)受影響導致?lián)躏L(fēng)玻璃外的環(huán)境很難看的清楚,更不用說(shuō)道路標線(xiàn)了,那人工智能能夠安全的應付這種情況?訓練人員需要記錄數十萬(wàn)英里,才會(huì )偶爾遇到所有這些棘手的使用場(chǎng)景,以了解算法如何做出反應并相應地進(jìn)行調整。
黑盒子效應
任何軟件程序的基礎都離不開(kāi)邏輯,我們可以通過(guò)輸入代碼,查看它們是如何觸發(fā),但對人工智能卻沒(méi)有那么透明,基于神經(jīng)網(wǎng)絡(luò )構建的人工智能,最終結果可能無(wú)法解釋?zhuān)覀兎Q(chēng)這為黑盒子效應,我們知道它可以工作,但無(wú)法告知它是如何進(jìn)行運算的,可以想象如何我們無(wú)法解釋這種龐大的深度學(xué)習網(wǎng)絡(luò )過(guò)程是如何判定出來(lái)的,我們將面臨著(zhù)無(wú)法預估的后果。
因此, 克服黑盒子效應最好的辦法莫過(guò)于將算法分解了,簡(jiǎn)而言之,是人類(lèi)解釋人工智能的行為,在這方面我們仍還需要做更多的工作,才能使人工智能邁過(guò)這個(gè)巨大的障礙。
遙不可及通用系統
未來(lái),人工智能進(jìn)化到一定地步將接管世界,任何顧慮這方面的人可以放心,這些不是人工智能太智能,而是人類(lèi)想象力豐富,只存在科幻電影,即便人工智能在智能方面足夠出色,但也別指望它在更高水平的意識下起到作用。在國外有Steve Wozniak稱(chēng)之為咖啡測試。意思是機器人可以進(jìn)入到任意的家庭里沖泡一杯咖啡嗎?要知道,這包括找到咖啡研磨器、找到杯子、識別咖啡機、添水并點(diǎn)擊正確的按鈕。
無(wú)論是人工智能和機器學(xué)習,還是其他技術(shù)都是需要不斷發(fā)展的過(guò)程,有難點(diǎn)有瓶頸并非壞事 ,我們只需要在不斷發(fā)展和創(chuàng )新過(guò)程中突破。
- 上一篇:規范倍加信人 臉 識 別技術(shù)的安全和隱私政策下月將出臺了? 2024/4/15
- 下一篇:5G與人工智能的融合 賦能各產(chǎn)業(yè)創(chuàng )新 延伸更多可能 2024/4/15