将AGI带入现实世界,会发生怎样翻天覆地的变化?

2019-08-21来源: eefocus关键字:AGI  人工智能  谷歌  AI  人工通用智能

如果你正浏览互联网上关于人工智能(AI)的新闻,你会发现这些AI已经可以做到许多人类才能做的事情,而且要好得多。如今的AI可以比人类医生更好地检测癌症,构建比人类开发者更好的AI算法,并在国际象棋和围棋等游戏中击败人类世界冠军。像这样的例子可能会我们相信,也许没有什么是AI不能比人类做得更好的事情。AI在不同领域的进步和不断提高的能力,让全球科技界人士以及普通公众喜忧参半。

 

虽然许多人认为,人工通用智能(AGI)的崛起可以通过提高我们的生活水平和文明地位极大地造福人类,但它们也可能会导致人类毁灭。尽管关于AGI或超级人工智能的发展是有益还是有害的争论仍在继续,但关于这些先进形式的AI何时会出现的问题,也还没有定论,这些都是值得辩论的重要问题。然而,在这些担忧成真之前,我们有必要首先知道何为AGI?如何才能将其引入现实?如何确保AGI的力量将造福于世界?AGI会成为人类生存的威胁,还是生存的希望?

 


以下为文章正文:

首先,我们需要知道究竟什么是AGI?简单地说,AGI就是能够执行人类才能完成的任何任务的机器能力,且比人类完成得更好。AGI拥有先进的计算能力和人类水平的智能,这种系统能够主动学习、解决问题、适应和自我改进,它们甚至能够执行超出它们设计目标的任务。更重要的是,AGI的进化速度是以指数级进行的,因此它们会比人类创造者的进步快得多。AGI的引入可以迅速带来超级人工智能(ASI)。

 

模仿整个人类大脑架构创建

AGI采用了所谓的全脑架构方式创建,这是一种基于工程学的研究方法,通过了解人类整个大脑的架构来创建AI。基本上,这种构建AGI的方法是人工神经网络和机器学习模块的集成,同时使用大脑的布局结构作为参考。用这种方式构建具有和人类相似行为和价值观的AI将会更容易。即使在不久的将来,超级智能超过人类智能,与设计成像人一样思考的AI通信将相对容易,这将非常有用,因为机器和人类需要继续交互。

 

AGI是通过学习产生的许多组合式、相互关联的特征的功能,因此我们不能手动将这些特征分解为单独的部分。虽然基于大脑架构,但AGI被设计成多功能部件的集合体,这些部件仍然可以分解和使用。大脑的功能部分在某种程度上已经存在于人工神经网络中。因此,我们可以基于这些技术构建AGI。

 


在人类身上,大脑皮层包含约140亿个神经元,但其中约半数可以通过深度学习部分解释。从这里开始,我们需要更接近于模拟大脑不同结构的功能,即使没有整个大脑的架构,我们也需要能够将几个结构组装起来,以再现某些行为功能。最终,我们将找到扩展这一发展过程的路径,覆盖大脑的其他功能,并最终将其整合为类似整个人类大脑的架构。

 

尽管目前许多应用都突出了AI执行单项任务的能力比人类更高,但它们还不是真正的AGI。也就是说,这些AI只擅长执行单项任务,而没有能力做其他任何事情。因此,虽然某个AI应用程序在执行单项任务时,可能像100个训练有素的人类那样高效,但在执行任何其他任务时,它可能会输给五岁的孩子。例如,计算机视觉系统虽然擅长于理解视觉信息,但不能将这种能力应用于其他任务。相反,人类虽然有时不太擅长执行某些任务,但比当今任何现有的AI应用程序都可以执行更广泛的任务。

 

此外,AI必须在需要使用大量训练数据执行预期功能方面的培训,但人类可以用明显较少的经验进行学习。同时,人类以及获得AGI支持的机器代理可以更好地概括总结,将从一种经验中学到的东西应用到其他类似的情况中。这种AGI不仅会用相对较少的训练数据进行学习,而且还会将从一个领域获得的知识应用到另一个领域。这种能力将使AI系统的学习过程类似于人类,不仅能极大地减少训练时间,同时还能使机器获得更多更强的能力。

 

如何开发AGI?

谷歌DeepMind联合创始人德米斯·哈萨比斯(Demis Hassabis)认为,开发AGI的秘密藏在自然界。哈萨比斯及其同事认为,AI研究人员从事“仔细检查人脑内部工作原理”至关重要。他说:“研究动物认知及其神经实现也起着至关重要的作用,因为这可以提供一个窗口,让我们了解更高水平的通用智能的各个重要方面。”

 


他们认为这样做将有助于激发机器学习的新方法和神经网络的新架构,神经网络是使机器学习成为可能的数学模型。哈阿比斯表示,大多数AI系统都缺少“人类智能的关键成分”,包括婴儿如何构建世界的心理模型,以指导对下一步可能发生的事情的预测,并允许他们进行计划。目前AI模型中还缺少“人类仅从少数几个例子中学习”的能力,以及将在一个实例中学到的知识应用到许多类似情况的能力,例如新司机学习如何驾驶,而不仅仅是掌控他们正在练习的汽车。

 

与此同时,Facebook的首席AI科学家雅恩·勒坤(Yann LeCun)由于在卷积神经网络方面取得的成就,他在机器学习研究中发挥了先锋作用。他认为通向AGI的道路在于开发能够建立世界模型的系统,这些模型可以用来预测未来的结果。他表示,实现这个目标的绝佳途径可能是使用生成性对抗网络(GAN)。

 


在GAN中,两个神经网络进行战斗,“生成器”网络试图创建令人信服的“假”数据,而“鉴别器”网络试图区分假数据和真实数据。随着每个训练周期,生成器在产生假数据方面变得更好,而鉴别器则可获得更敏锐的眼睛来识别那些伪造品。通过在训练过程中使两个网络相互竞争,两者都可以获得更好的性能。GAN已经被用来执行许多引人注目的任务,例如将视频场景从白天转到晚上,或者从冬天转到夏天。

 

到目前为止,研究人员已经确定了三个必须解决的关键要素,这样才能将AGI带入现实世界:

 

更多大数据

AI开发最常见的方法涉及名为深度学习的技术,它需要吞噬大量数据,在模拟神经元网络(模仿人脑)中处理数据,然后使用发现来编写自己的洞见。

 

例如,在2017年,谷歌向其AI提供了数千张猫的图片,其深度学习系统不仅用来学习如何识别猫,还用来区分不同品种的猫。不久之后,他们推出了Google Lens,用户可以拍下任何东西的照片,谷歌不仅会告诉你它是什么,还会提供更多有用的上下文内容来描述它。但若没有目前在其图像搜索引擎中的数十亿图片训练,Google Lens不太可能出现。然而,这种大数据和深度学习的组合仍然不足以带来AGI。

 

更好的算法

在过去十年里,谷歌子公司、AI领域的领先者DeepMind通过将深度学习与强化学习的优势相结合而引起了轰动,强化学习是一种免费的机器学习方法,旨在教AI如何在新的环境中采取行动,以实现既定目标。

 

多亏了这种混合策略,DeepMind的AI应用AlphaGo不仅通过下载规则和研究人类高手的策略来自学围棋,而且在与自己进行了数百万次的对阵之后,它甚至能够使用游戏中前所未见的动作和策略击败最好的围棋玩家。同样,DeepMind的Atari软件实验包括给AI安装摄像头,让它看到典型的游戏屏幕,对它进行编程,使其能够输入游戏指令(比如操纵杆按钮),并给它设定单一的目标来增加得分。结果,几天之内,它就自学了如何玩,以及如何掌握数十款经典的街机游戏。

 

但是,尽管这些早期的成功令人振奋,但仍有些关键的挑战需要解决。首先,研究人员正致力于教授AI名为“组块”的技巧,人类和动物的大脑非常擅长这种技巧。简单地说,当你决定出去买杂货时,你可以想象你的最终目标(买个鳄梨)和关于你将如何去做的粗略计划(离开房子-前往杂货店-买鳄梨-回家)。

 

但你不会去计算这个过程中的每次呼吸,走的每步路,遇到的可能意外事件。相反,你的头脑中有个概念(块),它提醒你要去哪里,并调整你的旅行以适应出现的任何情况。这种能力是人类大脑相对于AI来说仍然具有的关键优势之一,它能在不事先知道每个细节的情况下,设定目标并随时调整。这项技能将使AGI能够更有效地学习,而不需要上面提到的大数据。

 

另一个挑战是AGI不仅要读书,还需要理解它背后的意义或背景。从长远来看,这里的目标是让AI阅读报纸文章,并能够准确地回答一系列关于它所读内容的问题,有点儿像写读后感。这种能力将把AI从处理数字的简单计算器转变为可以处理具体含义的实体。

 

总体而言,能够模仿人脑的自我学习算法的进一步发展将在最终创建AGI中发挥关键作用,但除了这项工作,AI社区还需要更好的硬件。

 

更好的硬件

使用上面解释的当前方法,AGI只有在我们认真提高可用于运行它的计算能力后才能成为可能。

 

如果我们考虑人脑的思考能力并将其转换为计算术语,那么对人类平均智力能力的粗略估计是1exaflop,即每秒进行100亿亿次浮点运算。相比之下,到2018年底,世界上最强大的超级计算机之一,日本的AI

[1] [2] [3]

关键字:AGI  人工智能  谷歌  AI  人工通用智能

编辑:什么鱼 引用地址:http://news.eeworld.com.cn/qrs/ic471967.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:苹果Siri负责人比尔·斯塔西尔跳槽微软
下一篇:新技术大军来袭,怎样才能成为新兴产业“王者”?

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

Imagination推出用于设计验证和确认的颠覆性IMG Edge服务平台

Imagination Technologies宣布:公司正在不断扩展业务,推出用于设计和验证的定制化咨询、代管和部署服务,该服务称为IMG Edge。 通过使用Imagination的数据中心、工具、方法学、虚拟平台和硬件加速器,再结合定制化的、覆盖广泛的领域专业知识,客户将节省上千万美元和数月的项目时间。IMG Edge由平台、咨询和方法三个主要领域的元素组成。它包括最先进的设计、验证和确认解决方案,以咨询和Imagination的端到端设计和验证专业知识为后盾,这些专业知识涉及从最低级硬件组件到复杂消费设备的所有内容。 IMG Edge是完全个性化的,以满足客户及其关键市场(如汽车、消费、工业、移动和安全
发表于 2019-09-06
Imagination推出用于设计验证和确认的颠覆性IMG Edge服务平台

人工智能需避免的9大陷阱:人类智慧才是核心所在

最近几个月,人工智能发展迅猛。微软宣布将与研究实验室OpenAI合作,投资10亿美元打造“通用人工智能”(AGI)。OpenAI 首席执行官 Sam Altman表示:“强人工智能的研发将是人类历史上最重要的技术进步。” 众所周知,计算机在一些具体任务的处理上远超人类,但它们并不具有人类智慧、常识以及批判性思维,在不明确的条件下它们往往很难执行任务,作出判断或选择。因此,开发出类似于人脑的计算机将会是巨大的进步,然而微软在这方面的尝试似乎也并不让人满意。 2016年,微软发布了聊天机器人Tay (Thinking About You)。Tay通过模仿千禧一代的语言,化身为一位千禧年代的女性。微软曾夸口
发表于 2019-09-03

英特尔出货首批10纳米Agilex™ FPGA

英特尔宣布开始向参与早期使用计划的客户出货第一批英特尔® Agilex™ FPGA,包括科罗拉多工程公司、Mantaro Networks、微软和Silicom。上述客户将使用Agilex FPGA为网络、5G和加速数据分析开发先进的解决方案。英特尔高级副总裁兼网络与自定义逻辑事业部总经理Dan McNamara表示:“英特尔Agilex FPGA系列产品源自英特尔广泛的创新和技术领导力,包括架构、封装、制程技术、开发工具以及利用eASIC技术降低功耗的快速路径。这些无与伦比的资产使得更高水平的异构计算、系统集成和处理器连接得以实现。利用即将到来的Compute Express Link(CXL)技术,英特尔Agilex FPGA
发表于 2019-08-30
英特尔出货首批10纳米Agilex™ FPGA

英特尔AGILEX FPGA如何与CXL相互相容

自从英特尔几年前以167亿美元的价格收购Altera以来,FPGA产品组合的推出基本上是英特尔时代之前的产物。然而长时间未有强有力的产品推出,致使Altera原有市场被赛灵思等主要竞争对手所蚕食。不过这几年的时间,英特尔也并没有闲着,而是在花时间和精力进行与Altera的内部技术整合。 2019.4.2号这一天,英特尔宣布了其首款完全由其独立设计的FPGA,基于其内部10nm工艺,使用全新Agilex命名。这一系列新产品将于今年晚些时候推出样片,并在一个单一的平台上提供模拟、数字、内存、定制IO和eASIC变体的混合。 在新的Intel Agilex FPGA设备中包含的许多创新,包括了一个
发表于 2019-08-28
英特尔AGILEX FPGA如何与CXL相互相容

​时昕:Imagination三大市场布局,支持中国本土企业合作共赢

“提到Imagination,大家想到的可能只是智能手机GPU,但其实我们的产品涵盖移动手机、汽车电子和IoT三大市场,其中汽车电子GPU占全球近一半的市场份额。”Imagination中国区战略市场与生态高级总监时昕日前在SiFive北京研讨会现场说道。据了解,目前基于Imagination的IP授权出货量已达110亿颗,而2012年公司宣布的出货量为10亿颗,在短短七年内Imagination产品实现了指数级增长。Imagination中国区战略市场与生态高级总监时昕从GPU到人工智能再到物联网时昕介绍到,作为全球首款GPU IP供应商,Imagination已经有了30多年的积累。而除了GPU之外,公司在人工智能热潮开始之前
发表于 2019-08-15
​时昕:Imagination三大市场布局,支持中国本土企业合作共赢

Mentor执行副总裁谈人工智能时代下EDA行业的大变革

日前,Mentor IC EDA执行副总裁 Joseph Sawicki造访中国,参加一年一度的Mentor Forum 2019北京设计技术论坛。距离Sawicki首次来中国已经有20年了,在这二十年间,Sawicki看到了中国集成电路设计产业取得的长足进步,并表示如今无论是对于中国还是全球半导体行业来说,人工智能及机器学习领域都是一个巨大的机会。“麦肯锡咨询认为,人工智能正在为半导体产业开启数十年来的最佳商机。”Sawicki说道,“数十年的商机对于半导体产业来说至关重要,过去无论是PC还是移动手机市场,持续的机会并没有那么长久。并且在移动端时代,只为半导体行业提供了20%的产值,而到了人工智能领域,半导体公司将从技术堆栈
发表于 2019-09-13
Mentor执行副总裁谈人工智能时代下EDA行业的大变革

小广播

何立民专栏

单片机及嵌入式宝典

北京航空航天大学教授,20余年来致力于单片机与嵌入式系统推广工作。

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2019 EEWORLD.com.cn, Inc. All rights reserved