人工智能最受欢迎的10大TED演讲

作者: 佚名 2019-04-10 09:14:26

在这一系列的演讲中,让我们从“全局”的角度聆听关于人工智能(AI)和机器学习的有趣讨论和会议,你将会听到关于该领域内未来的发展、意义、优势和对全世界范围内影响的不同立场。演讲主题涵盖广泛:从AI的政治和技术责任,到AI对未来就业市场的影响,甚至它在艺术领域中的作用。

人工智能

1. 当电脑比我们聪明时,将会发生什么?

观看地址:

https://www.ted.com/talks/nick_bostrom_what_happens_when_our_computers_get_smarter_than_we_are?spm=5176.100239.blogcont354961.9.379d55b8adOavt

演讲者:尼克·博斯特罗姆(Nick Bostrom)

本世纪内,AI发展越来越迅速,也变的越来越聪明——研究表明,计算机AI可以和人类一样“聪明”。在思维机器的驱使下,哲学家兼AI技术专家尼克·博斯特罗姆要求我们认真思考我们正在建设的世界。我们的智能机器能够帮助我们保存人性和价值观,还是有属于它们自己的价值?

2. 我们可以建造AI,而不会失去对它的控制吗?

观看地址:

https://www.ted.com/talks/sam_harris_can_we_build_ai_without_losing_control_over_it?spm=5176.100239.blogcont354961.10.379d55b8adOavt

演讲者:萨姆·哈里斯(Sam Harris)

害怕超级智能AI吗?神经学家兼哲学家萨姆·哈里斯说,你应该感到恐慌,而不仅仅在一些理论上感到恐慌。我们将要建造超人类机器,但是还没办法应对和这有关的问题:创造一些对待人类就人类像对待蚂蚁一样的东西。

3. 面对机器人,我们将要失去的工作以及不会失去的工作

观看地址:

https://www.ted.com/talks/anthony_goldbloom_the_jobs_we_ll_lose_to_machines_and_the_ones_we_won_t?spm=5176.100239.blogcont354961.11.379d55b8adOavt

演讲者:安东尼·戈德布卢姆(Anthony Goldbloom)

机器学习并不仅仅是为了解决像信用风险评估和邮件分类等简单的任务,如今,它可以运用到更为复杂的应用中,比如:文章评级和疾病诊断等。随着这些进步出现了一个让人感到不安的问题:机器人在不久的未来会做你的工作吗?

4. 我们在建立一个反乌托邦,仅仅是为了让人们点击广告

观看地址:

https://www.ted.com/talks/zeynep_tufekci_we_re_building_a_dystopia_just_to_make_people_click_on_ads?spm=5176.100239.blogcont354961.12.379d55b8adOavt

演讲者:泽奈普·图费克奇( ZeynepTufekci)

在这个令人大开眼界的演讲中,她详细介绍了像Facebook,Google和Amazon这样的公司是如何用同样的算法让你点击广告,这些算法同样被用来组织你对政治和社会信息内容的访问。并且智能机器甚至不是真正的威胁。我们需要了解的是,这个强大的力量可能如何利用AI来控制我们?我们又能怎样应对。

5. 未来没有工作我们如何赚钱?

观看地址:

https://www.ted.com/talks/martin_ford_how_we_ll_earn_money_in_a_future_without_jobs?spm=5176.100239.blogcont354961.13.379d55b8adOavt

演讲者:马丁·福特(Martin Ford)

6. 电脑如何学习创新?

观看地址:

https://www.ted.com/talks/blaise_aguera_y_arcas_how_computers_are_learning_to_be_creative?spm=5176.100239.blogcont354961.14.379d55b8adOavt

演讲者:Blaise AgüerayArcas

Google***科学家Blaise使用深度神经网络进行机器感知和分布式学习。他在演讲中展示了被训练识别图像的神经网络是如何反向运行并生成网络。

7. AI如何提高我们的记忆力、工作和社交生活?

观看地址:

https://www.ted.com/talks/tom_gruber_how_ai_can_enhance_our_memory_work_and_social_lives?spm=5176.100239.blogcont354961.15.379d55b8adOavt

演讲者:汤姆·格鲁伯(Tom Gruber)

他分享了自己对AI未来愿景,AI帮助我们在感知、创造力和认知能力方面实现超人表现:从增强设计技能,到帮助我们记住读过的所有内容,以及我们所见过的每个人的名字。

8. AI如何带来第二次工业革命?

观看地址:

https://www.ted.com/talks/kevin_kelly_how_ai_can_bring_on_a_second_industrial_revolution?spm=5176.100239.blogcont354961.16.379d55b8adOavt

演讲者:凯文·凯利(Kevin Kelly)

凯文·凯利提到,未来20年里,机器人将会越来越聪明,这将会对我们做的几乎每一件事产生深远的影响,我们需要了解的AI三个发展趋势,以接受及引导其发展。

9. 不要害怕超级智能AI

观看地址:

https://www.ted.com/talks/grady_booch_don_t_fear_superintelligence?spm=5176.100239.blogcont354961.17.379d55b8adOavt

演讲者:Grady Booch

科学家兼哲学家Grady Booch称,新科技催生了新的焦虑,但是我们没有必要害怕一个全能但没感情的AI。通过解释如何教而不是编程,分享人类的价值观,来消除我们对超级计算机最坏的恐惧感。他并不担心那些不太可能存在的威胁,他呼吁我们思考AI如何提高人类的生活质量。

10. 创建一个更安全的AI的准则

观看地址:

https://www.ted.com/talks/stuart_russell_how_ai_might_make_us_better_people?spm=5176.100239.blogcont354961.18.379d55b8adOavt

演讲者:斯图尔·特罗素(Stuart Russell)

我们怎样利用超级智能AI的力量,同时也要防止机器人接管人类所造成的灾难?随着我们与创造无所不知的机器越来越近,AI先驱斯图尔·特罗素正在研究一些与众不同的机器人:具有不确定性的机器人。听听他对未来的愿景:与人类兼容的AI可以使用常识、利他主义和其它人类价值观解决问题。

人工智能 AI 机器学习
上一篇:Python机器学习工具&库,分门别类排列好,再也不怕找不到工具了 下一篇:绝非杞人忧天!人工智能即将取代人类劳工
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

MIT提出Liquid机器学习系统,可像液体一样适应动态变化

麻省理工学院(MIT)的研究者开发出了一种新型的神经网络,其不仅能在训练阶段学习,而且还能持续不断地适应。

机器之心 ·  2021-02-21 15:47:47
规划智慧城市时,别忘了无障碍通行

要想成为一个智慧城市甚至一个智慧世界,虽然可能需要时间和有针对性的规划,但我们必须以人为本。

蒙光伟 ·  2021-02-21 10:26:41
2021关于人工智能的五大趋势

数字化变革,比过去10年更多,这主要是由于远程工作的规模,以及企业迅速部署了必要的技术,尤其是与网络安全相关的技术。那,2021关于人工智能的五大趋势会是如何的呢?

Lichu ·  2021-02-21 10:21:01
使数据中心更智能:人工智能如何发挥作用?

随着数据成为维持几乎所有业务运营以获取洞察力和业务成果的先决条件,数据中心正处于这种数字化转型的关键。

Cassie ·  2021-02-21 10:14:59
IBM拟出售Watson Health后,AI医疗还能不能碰

医疗服务仍然是一块商业上尚未被完全发掘的市场,看病难/看病贵、医疗资源紧缺、医疗资源不平均等痛点问题长期存在,对应的市场空间理应是巨大的。而Watson Health作为IBM曾寄予厚望的业务方向,为何要在此时萌生退意?它的故事给业界带来哪些启发?眼下的AI医疗市场,究竟是一副什么样的局面呢?

物联传媒 ·  2021-02-21 08:41:16
抛弃归一化,深度学习模型准确率却达到了前所未有的水平

我们知道,在传递给机器学习模型的数据中,我们需要对数据进行归一化(normalization)处理。

机器之心 ·  2021-02-20 21:09:12
华人博士生首次尝试用两个Transformer构建一个GAN

最近,CV 研究者对 transformer 产生了极大的兴趣并取得了不少突破。这表明,transformer 有可能成为计算机视觉任务(如分类、检测和分割)的强大通用模型。

Yifan Jiang ·  2021-02-20 21:04:53
无监督训练用堆叠自编码器是否落伍?ML博士对比了8个自编码器

柏林工业大学深度学习方向博士生 Tilman Krokotsch 在多项任务中对比了 8 种自编码器的性能。

Tilman Krokotsch ·  2021-02-20 20:57:16
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载