人工智能和人类智能究竟有何不同之处呢?在本文中Sabine Hossenfelder 就从十个方面分析了这两者间的不同。
今天我想讲讲人工智能有何智能之处。
当然显而易见的是,人的大脑是有温度且不确定的,而计算机不是。但是更重要的是,人类智能和人工智能之间存在结构性差异。这我将在之后讲到。
在我们开始之前,我要简单的讲讲"人工智能"指的是什么。
如今所谓的"人工智能"其实是通过神经网络实现的。
神经网络是一种计算机算法,用来interwetten与威廉的赔率体系 人脑的特定功能。当中包含虚拟的"神经元" 这些神经元排列在"层"中,并且互相连接。神经元传递信息从而进行计算。就像人脑中的神经元传递信息,并进行计算一样。
在神经网络中,神经元只是代码中的数字,通常它们的值在0到1之间。神经元之间的连接也有与之相关的数字,它们被称为"权重"。这些权重告诉你,来自其中一层的信息对下一层有多大的影响。神经元的值以及连接的权重本质上是网络中的自由参数。
通过训练神经网络,你想找到那些使某个函数最小化的参数值,这称为"损失函数"。这是神经网络要解决的优化问题。
在优化中,神经网络的魔力是通过所谓的反向传播实现的。反向传播是指,如果神经网络给出的结果不是特别好,你可以回溯并改变神经元的权重和连接。神经网络就是这样从错误中"学习"。
说到这里,下面让我们进入人工智能和人类智能之间的关键区别。
01
形式和功能
神经网络是运行在计算机上的软件,人工智能的"神经元"没有物理实体。它们以位数和字符串的形式编码在硬盘或硅芯片上,它们的物理结构和真正的神经元一点也不像。相反,在人脑中形式和功能是同时存在的。
02
大小
人类大脑大约有1000亿个神经元,目前的神经网络通常有几百个左右。
03
连接
在神经网络中,每一层通常与上一层和下一层完全连接。但人脑并没有所谓的层,相反,它依赖于许多预定义的结构。并不是人类大脑的所有区域都是同样连接的,区域是专门用于特定目的的。
04
能量消耗
人脑在能量消耗方面,比现存的任何人工智能都更为节能。人脑大约耗费20瓦能量,这与现在标准笔记本电脑耗费的差不多。但有了这些能量,大脑处理的神经元数量多一百万倍。
05
体系
在神经网络中,这些层是整齐有序的一个接一个地处理。而另一方面,人脑会进行很多并行处理,没有任何特定的顺序。
06
激活状态
在人脑中,神经元要么是激活状态,要么非激活状态。在神经网络中,激活是由连续值模拟的。因此人造神经元可以平稳地从上到下运行,这是人脑做不到的。
07
速度
人类的大脑比任何人工智能系统都要慢得多。一台标准计算机每秒执行大约100亿次操作。另一方面,人的神经元激活频率为每秒最多一千次。
08
学习方式
神经网络通过输出来学习。如果根据损失函数,这个输出是低性能的。然后,网络通过改变神经元的权重和它们之间的连接做出反应。没有人知道人类学习的细节,但肯定不是这样的。
09
结构
神经网络每次都是从零开始的。而人脑呢? 很多结构已经连接到它的连接处,而且利用的模型,这在进化过程中被证明是有用的。
10
精度
人脑的干扰因素更多,而且不如计算机上运行的神经网络精确。这意味着大脑基本上不能运行与神经网络相同的学习机制,它可能使用完全不同的机制。
这些差异的结果是,如今的人工智能需要大量的训练,需要大量精心准备的数据。这与人脑的运行方式是很不一样的。
局限性
神经网络不会建立世界中模型,相反它们会学习对模式进行分类。这种模式识别只需要很小的变化就会失败。
一个著名的例子是,你给图片添加少量影响因素,这些因素小到肉眼无法识别。但人工智能系统可能会被骗,错认为物品A认为是物品B。
目前,神经网络也不善于从它们所学习的情况推广到另一种情况。
它们的成功很大程度上取决于定义正确的"损失函数"。如果你没有谨慎思考损失函数,你最终会优化你不想要的东西。比如本被训练以恒定的高速行驶的自动驾驶汽车,很可能变成只会原地旋转。
但是神经网络擅长于一些内容。比如对图像进行分类,或者推断出没有明显趋势的数据。
结语
也许人工智能的意义就在于不让它与人类智能太相似。
毕竟,我们拥有的最有用的机器,比如汽车或飞机,它们之所以有用正是因为没有模仿人类。相反,我们需要创造专门处理人类不擅长任务的机器。
-
神经网络
+关注
关注
42文章
4771浏览量
100725 -
人工智能
+关注
关注
1791文章
47221浏览量
238307
发布评论请先 登录
相关推荐
评论