越来越聪明的人工智能 取代人类是否指日可待

作者: 二十四 2020-01-03 14:55:43

 在随着人工智能的发展,机器变得智能了许多。只要把电脑程序设定好,很多重复性的工作被机器人代替,相信不少人都不禁在想“我们还需要做什么?”而且现在的机器都非常的聪明,还可以了解人类的喜好习惯,生成人类所需要的服务。

像现在市面上的AI智能摄像机、AI智能电视机等就是这一类产物。有了他们我们可以很快的搜索出我们想要的节目,拍出自己想要的图像。生活变得简单,但是人类所习得的技能渐渐减少。当这样的情景越演越愈演愈烈的时候,我相信不少都会不禁怀疑自己存在的意义究竟是什么。

好莱坞很多科幻电影都曾幻想过这个情节,未来的人工智能技术高度发展,机器人已经能够自行运作有了独立思考,未来人类的几乎所有工作都会被人工智能所取代。其实现在已经有越来越多的机器人参与到人类的工作生活当中,而即便是手上小小的手机也通过算法运算实现了部分人工智能的特性,可以智能的完成拍照等优化。

人工智能会取代人类?

这是一个反复被提起的话题,而最近一场由云栖社区举办的讨论中,四位来自阿里云的专家就人工智能进行了一场讨论。对于这个话题,他们有三点结论:1.技术超越人类其实早就存在;2.机器的局限性:只能做逻辑思考的能力,没有感性思维,谈超越、取代还为时尚早;3.人和人工智能的关系:是人手、眼、耳等五官的延伸,其终极作用是服务于我们。

所以综合来看,人与人工智能是扬长补短的关系,人工智能强在复杂数据的整合、总结能力,而人强在直观的感觉。初敏说,它是我们手、脚、眼的延伸,而不是对立。未来其实只是一个分工的不同,通过机器,让我们的生活变得非常便利和简单。

该怎样正确对待人工智能

当然,上述的展望是理想状态下的情况。更多的人会像第一段提到的那样,非常恐惧人工智能时代的到来,害怕自己会有一天被取代。但是人工智能时代究竟会是一个怎样的时代,是正面影响大于负面影响,还是截然不同?这很大一部分取决于人工智能技术如何被人类利用,目前的人工智能显然还远远达不到影响人类正常生活。

从另一方面看,所有的技术都可以被用来做坏事,有很多技术在诞生之初都是为了造福人类,其中广泛被认知的炸药,它原本仅是诺贝尔发明后用以开矿、铺路等基础建设方面,很快就作为大杀伤性武器使用,但我们日常基建中依然需要炸药。发明本身并不存在对错,要看使用的用途而已,人工智能也是如此。

要想把科技成果应用到正确的方向上去,就要为这项技术使用方向定一个规则、标准,即立定法律法规,著名的科幻作家阿西莫夫就曾提出机器人三大原则,用以规范机器人、人工稚嫩高的行为。

我们不应该一味的恐惧人工智能,曾经的人类对于科技的发展确实非常迷茫,常常是科技进步凶猛而来的时候,反应不过来,任其发展。但已经经历了蒸汽时代、电器时代的人类,对于科技的力量有了自己的预期。我们可以通过模拟,预测未来会如何变化,从而制定相应相应的法律法规。

任何的科技进步、科学技术其实都是一把双刃剑。只要人类在其到来的时候,守住了各自的道德底线,建起了法律的围墙,相信未来仍然可期。

人工智能 技术 机器人
上一篇:2020年即将爆发的九大人工智能营销趋势 下一篇:2020年人工智能将如何发展?机器学习领域顶尖人物预测有这些趋势
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