人工智能是不是走错了方向？_ZNDS问答

特码由我开

我不信大脑每天都在大量的傅里叶变换，来处理视觉和声音数据。我不信大脑每天都在大量的模型训练或卷积，来深度学习认识一台东西。小孩子不需要喂很多数据，看两三次就能认识什么是苹果，什么是橘子 (虽然不理解为啥是)。神经元再少的动物，学习任何方向的任务都有主动性，而目前人工智能学习某一方向只是受控。人类大脑也是电信号，但总感觉绝对不只是0和1这种，二进制，是模拟信号吗？我承认目前数学算法这种方向的人工智能，在生活中绝对有使用场景。但要做出一台有主动思想的人工智能，基于目前冯·诺依曼架构的计算机，是否是无法实现？我们是否从根源方向就错了？

我们老师说，弱人工智能，或者说专用人工智能，很大程度上被两方面限制。一是生命科学的发展程度，现阶段对于人脑的工作原理并不完全清楚，二是计算机算力。

观察飞鸟，人制造飞机，但飞机的翅膀不会动，了解人们的思维方式，借鉴研究人工智能，但人工智能不一定要完全模仿人的思维。

1.人工智能不是必然走仿生学的路。
2.人工智能走统计学的路已经走到头了。所谓数量加算力，目前已经看出很大缺陷了。
3.所谓深度学习加知识规则是不是第三代人工智能还很难讲。毕竟还有很多传统的方法没有穷尽。
4.人工智能只是刚刚开始，类似三岁的孩子。刚刚能够推倒板凳。以后的新机会仍可期待。

一群啥也不懂的在乱说。
目前人工智能其实解决了大量实际的问题，只不过国内研究能力较差，先进的概念与模型都是美国提出的，但另一方面，国内资本市场一直在忽悠大家，想拿美国已经成型的技术在国内骗钱，导致大家开始质疑人工智能。
这几年人工智能的崛起不如说是深度学习的崛起，事实上我国没有自个培养的深度学习顶级学者，因为这个方向长期不被看好，近十年才取得大量突破，需要长期潜心理论沉淀，而我国显然很少有面对冷门课题依然默默沉淀自个的科学家。风口来了之后资金大量涌入，茫茫多计算机各个方向的人摇身一变就成了深度学习专家开始圈钱，包括很多你们天天吹捧的人，他们以前的研究与深度学习其实毫无关系，有的甚至之前是搞云计算的。所以造成了我们真实实力差美国很多，资本市场和学术圈的热度却远超美国，自然造成一种人工智能听上去像骗人的感觉
结合题主的意思，实际上深度学习并不是一直在那搞傅立叶变换，卷积运用的确实比较多，目前attention也被广泛运用。实际上很多模型和真的神经网络是没有关系的就比如诸多时序模型与attention模型，最有关系的其实只有最基础的dense layer，cnn也被做了一些解释，建议看一下英文论文会更好理解。深度学习这里面其实有两条线，很一小部分人在研究人的神经网络结构看看能不能提出更好的基础模型，绝大多数人其实都在从数学角度进行大量实验来提升模型能力。第二条路的人其实不关心人的神经网络，除非第一条路的人提出了新的更好的基础结构。当然，这两条路上都没有多少国内的学者，（第一条就根本没有吧？谁知道欢迎补充），海外倒是有不少优秀的华人科研人员
对神经网络的质疑其实在美国从六十年代就开始了，八九十年代达到高峰，我们目前崇拜的三巨头等人都是从大量质疑中走过来的。不过近十几年的巨大成功已经证明了他们潜心钻研一生的东西是有价值的。
这些年相关领域的科研人员们一直在探索并取得了很多进步，人类的神经网络结构，我认为更多的是参考与启发作用，机器并非要与人类相同才能取得成功。也希望国内出现更多的如三巨头般的优秀学者可以潜心从根本上推动这个方向并为大家科普，而不是一群资本骗子或者科研投机者天天胡说导致大家质疑这个领域。过于急功近利只会导致与美国的差距进一步拉大，骗子们即在伤害大家的感情，也剥夺了那些本属于优秀年轻学者的资源

确实如题主所说，目前主流的人工智能技术的水平基本上都是从海量数据中获取规则。而人类甚至是很多动物都只需要对少量数据进行分析就够了。因此，目前人工智能技术的水平是非常低的。据我所知，最先进的大概是阿尔法狗吧，可以用左右手互搏的方式自我学习。
1980年代，曾出现过人工智能的第一次热潮。美国人试图通过建立规则库、决策树等手段，实现军队自动指挥快速反应，从而获得冷战的主动权。但由于人工智能决策的失误太多，这个企图被搁置起来。此后，人工智能研究转向决策支援方向，ERP、搜索引擎这些都是人工智能的后续研究成果。
2010年代后期，随着互联网的普及，为智能学习准备了海量数据，人工智能重新回到大众的视野。这一次依靠了很多在搜索引擎上比较成熟的技术（如，神经网络）和传感器技术，比三十年前有了很大进步。作为吃瓜群众，我们所能看到的都是一些应用层面上的成果。人工智能的基础研究几十年来一直在悄悄地进行，只不过还没用出现什么重大的突破而已。
我觉得跟我们关系最为密切的大概是智慧城市这一块的研究了。想想看如果自动驾驶技术可以综合一台城市的路况，为每辆汽车规划路线，拥堵现象将会得到根本性的解决。这种优化技术已经相当成熟，只是受到人们的习惯和社会意识的制约（您愿意为了让道路通畅自个绕远吗？），还无法普及而已。在这个方向上，中国人集体主义的意识较强，或许具备很大的优势。
我关注的另一台方向是脑机结合，也就是给人脑装上传感器，让计算机感知脑电波，再通过电极给刺激人脑的某些部位，给人脑反馈。这是一种增强人脑反应的方法，据说2018前后，美军曾用这样的方法成功地把一名普通人变成了兰博那样生猛的战士（时间只有不到20分钟）。
人工智能可分为提高群体智慧、增强个体反应两大块。我觉得群体智慧这一块，人工智能的优势和发展空间比较明显，毕竟电脑和网络处理数据的速度要比人快得多。个体反应这一块比较玄幻，几十年了也没见到多少拿的出手的成果，而且还涉及到道德伦理等让人生畏的问题。
至于，题主所担心的人是数字的或是模拟的、冯诺依曼架构能否匹配人脑的问题我倒不以为然。人就是23对染色体的排列组合，这本身就是数字的。心理学研究表明人记忆的过程跟电脑有些类似：先把信息暂存在大脑前庭区（缓存，大约15秒），反复刺激后，暂存的信息将被写入大脑（内存），之后再经过神经元突触的链接建立起提取的通道（索引）。因此，物理或生理上并不存在题主所担心的问题。
最后是数学算法能否代替人类智慧的问题了，这个问题就太深奥了，得请哲学家来回答。

方向没错，本来人工智能的意思就是人工的智能，而不是像人的智能，只不过目前的电脑的速度更快了，可以处理更复杂的问题了，可以替代人脑处理更复杂的问题了。以实用主义作为方向就对了，如果想目前就模拟人脑，那方向反而就错了，因为目前电脑的速度虽然更快了，但离模拟人脑所需的算力，还差的很远。

目前的人工智能，只能称做自适应控制系统。是由最小二乘算法演化而来的、基于张量模型的、线性学习空间，其实类似于微分几何空间上的一台流形运动。实际上或是由数理逻辑的“线性结构”，去拟合自然的本质非线性事物。傅立叶函数系可以解构或拟合绝大多数函数，但就是解构不了“人类智能空间”、“智能函数”。
人类大脑信号既不是模拟信号，也不是数字信号，它是量子信号；人脑既不是电子线路，也没有任何一丁点电子功能器件；如果人脑是电子线路、跑的是电子线路信号，那么，大概只要一丁点电流（nA级别），就可把人脑子烧漏。人脑逻辑不是数理逻辑，是量子多值逻辑；人脑神经网络空间不是张量的，是拓扑空间；人脑神经细胞的链接，由目前探测证实，是稀疏的、动态的、“一簇一簇”或叫一台拓扑子集一台拓扑子集地动态链接！人脑子里的“积分运算”，那是在拓扑域上的！你的什么深度卷积算法，就是上世纪三、四十年代，前辈们一早就确立的东西，没换汤，也没换药，只是目前的计算力大增、集成度大增，神经元规模跟上大脑细胞规模而已！怎可能突破线性不可分的限制呢

1.相比前两几个阶段，当前人工智能在所谓的感知层，也就是语音，图像，翻译（通常认为认知层的nlp领域）等方面取得了突破，有了大量的实际应用。
2.上面所说的突破有多大程度上归功于算法（也就是狭义上的技术)，是值得商榷的。从另一台角度来说，其实更应该归功于大量数据的获取成本显著降低。
3.“神经”网络这个名词以及其它一些所谓的仿生类的名词，更多的是一台噱头，实际上和人脑运行机制没有太多本质关系。你可以换一台更朴素且纯粹一点的名字，叫链接主义。
4.主流的深度学习方向，本质上可以理解为特征的暴力组合，或者穷举，从学术角度来说，可能没有太多新意在里面，更多的是工程实践方面的深化，而这就像挖一台单一的矿一样，资源是比较快枯竭的。
5.像其它新兴的方向一样，当前国内和国外的应该是有不少学术和商业上的“骗子”，这导致大部分社会投入的的资金和资源实际上没有作用在基础的也是最难的，但同时也是最有意义的技术和学术上。这些从人工智能领域大量的水货论文，以及不少披着AI皮，实际只是靠搬运和包装别人已有成果，然后号称高科技的公司，可以推断出来。
综合以上，当这一阶段人工智能技术短期内可能没有办法突破了，更多的意义可能是创造了gdp或者说一些就业机会。

偏离了对人类改善和服务！就是错误。

		自动登录	找回密码
密码			立即注册

人工智能是不是走错了方向？

相关问题更多>

最新回答