用户

 找回密码
 立即注册

搜索


主题

帖子

0

积分

新手上路

Rank: 1

积分
0
2021-11-23 21:10:41 tinayu001 新手上路 楼主 026
1956年夏天,一小群数学家和计算机科学家聚集在达特茅斯学院,开始了设计智能机器的宏伟计划。他们探索了认知能力的许多方面,包括推理、创造力、语言、决策和学习。他们的问题和立场将决定人工智能这一新兴领域的发展方向。在他们看来,最终目标是创造一台在智力上与人类相当的机器。
几十年过去了,随着人工智能成为一个稳定发展的领域,人们对它的期望也降低了。人工智能在逻辑、推理和游戏方面取得了巨大的成功,但它顽固地拒绝在其他领域取得进展。到了20世纪80年代,研究人员开始了解这种成功和失败的模式。出乎意料的是,我们认为是人类智力巅峰的任务(如微积分或国际象棋)实际上比我们认为几乎不费吹灰之力就能完成的任务(如识别猫、理解简单句子或捡鸡蛋)更容易被计算机执行。因此,虽然人工智能在某些领域远远超过了人类的能力,但也有一些领域不如两岁的孩子。这种未能取得全面进展的情况导致许多人工智能研究人员放弃了实现完全通用智能的早期目标,重新定义了他们的领域,并开发了专门的技术来解决特定的问题。他们在一个不成熟的领域放弃了新的热情所追求的远大目标。
cloud5.jpeg
但情况正在逆转。自从人工智能诞生以来,研究人员就试图构建一个无需清晰编程就能学习新事物的系统。机器学习最早的手段之一就是构建类似人脑结构的人工神经网络。在过去的十年里,这种方法终于得到了改进。而设计和训练上的技术提升,加上更丰富的数据集和更强的计算能力,让我们能够训练出比以前更大、学习能力更深的网络。
这种深度学习使网络能够学习微妙的概念和差异。现在他们不仅可以识别一只猫,而且在区分不同品种的猫方面也优于人类。他们能比我们更好地识别面孔,他们也能区分同卵双胞胎。我们已经能够在感知和分类之外的领域使用这些能力。深度学习系统可以在不同语言之间进行翻译,其熟练程度接近人类翻译。它们可以生成人类和动物的逼真图像。他们可以用一个人的声音说话,只要听他几分钟。此外,他们可以学习精细和连续的控制方法,例如学习驾驶汽车或使用机械臂组装乐高零件。

使用道具 举报 回复
发新帖

您需要登录后才可以回帖 登录 | 立即注册