清華張撥:人工智慧還處於「低等動物」的認知水平 機器學習的本質...

2021-01-09 TechWeb

【TechWeb】清華人工智慧研究院院長、中國科學院院士張撥在2019中國人工智慧大會上談到:人工智慧僅僅處於「低等動物認知」水平,其與人類的認知方式有極大差異,人工智慧更應注重基礎學科研究。

張撥教授認為,人工智慧和人的認知方式有很大差異,並以一項圖像識別領域的研究為例:當向數據中加入非常微小的噪聲時,人工智慧的輸出結果則會完全不同。所以人工智慧的發展應該更加注重基礎研究,不僅要「仿照人」,還要有一套「機器專屬的認知體系」。

張院士認為:以深度學習為基礎的人工智慧,還處於「低等動物」的認知水平,能夠識別物體、到不能理解,遠未到人類認知水平。

另外,目前的人工智慧系統非常容易受到攻擊,例如人為地供給數據:黑客可以針對訓練數據進行篡改。這樣一來,機器學習的本質變得非常脆弱、易受攻擊。

目前,人工智慧已上升至國家戰略層面,張院士呼籲研究者更注重智能系統的「本質」,從而抓住如今人工智慧發展的歷史性階段。

相關焦點

  • 清華2020人工智慧報告第一期!五大維度揭秘機器學習技術「附下載...
    並在 1956 年正式提出了「機器學習」這一概念。本期的智能內參,我們推薦清華人工智慧研究院的研究報告《人工智慧之機器學習》,從機器學習的發展史、技術特點、人才概況、行業應用和未來趨勢五大維度剖析機器學習技術。本期內參來源:清華人工智慧研究院原標題:《人工智慧之機器學習 》作者:未註明一、什麼是機器學習?
  • 神經、認知、計算三學科深度交叉 建開源開放平臺探索人工智慧...
    目前,儘管人工智慧在語音、圖像識別等特定領域、特定類別下,水平已經比肩甚至超過人類,但對日常生活中的事情進行推理,AI卻是一籌莫展。例如,電影《教父》裡有這麼一個場景:一個黑手黨對糕餅店老闆說:「這個店太漂亮了,但是如果有一把火把這個店燒了,那就太可惜了。」顯然,這句話背後的意思,不是勸老闆準備好消防設備,而是恐嚇老闆趕緊交保護費。這個結論對人而言是顯而易見的,但對於AI則很難理解。
  • 清華教授劉雲浩又寫萬字回復,這92個人工智慧問答可收藏!
    A:在應用軟體特別是面向消費者的應用軟體方面,我國是處在世界一流水平的,有些移動應用(如TikTok)已經處於世界領先水平。但是在工業軟體(如電子設計自動化EDA軟體)和基礎軟體(如類似Windows的作業系統)方面,我國與世界一流水平還有較大的差距。在這些領域,國際合作是十分重要的,因為不是每一項技術我們都能在短時間內掌握。
  • 人工智慧、機器學習及認知計算初學者指南
    在上世紀 80 年代之前,AI 研究一直都分為強人工智慧和弱人工智慧兩個領域。不過,大約在 1980 年前後,機器學習開始成為 AI 研究的主導領域,其目的在於讓計算機具備學習並構建模型,進而執行預測等特定領域內活動的能力。圖 1.
  • 傳播中的離身與具身:人工智慧新聞主播的認知交互
    作為認知科學與人工智慧在新聞播報領域的實踐應用之一,人工智慧新聞主播本質上難以脫離也基本遵循著離身認知、「計算主義」這一認知進路。人工智慧新聞主播嘗試離開真人主播的身體,試圖通過不斷更迭的計算機技術及算法程序來構建形象、模擬行為、複製功能等。
  • 機器學習、深度學習,然後軟體裡面的流程是機器學習之前要做好的
    今年3月8日到今年5月1日這兩年,在江蘇樂博一座人工智慧示範工廠中。我曾帶領的團隊把他們從tmt公司挖來的一個博士團隊挖去一個成熟標準化工廠裡做mes系統項目。這麼一個典型的頂級tmt公司人才及技術人才布局,看來目前還只是「戰略布局」階段,未來人工智慧和智能製造是大家拼硬實力的時代。
  • 機器學習與人工智慧之六:人工神經網絡
    這期繼續講人工智慧相關的知識!觀眾老爺請拿出喜歡的零食和飲料,放鬆心情隨小編一起走進智能化資訊時代!觀眾老爺是否還記得第一期的問題:我們人類是如何學習的?我們如何理解知識的?同樣信息在我們大腦中如何處理的?我們的文字和語言有什麼規律?我們看到的物體如何判斷的?我們對事物的關係如何理解的?我們的世界是什麼樣子的?為什麼可以用模型去擬合呢?
  • 人工智慧入門必須攻克三道門檻:數學基礎、英語水平與編程技術
    廣義的說,人工智慧包含諸多不同方法,其主旨是讓程序像一個智能體一樣解決問題。機器學習是實現人工智慧的一種方法,它不完全依靠預先設計,而是從數據中進行總結,達到模擬記憶、推理的作用。
  • 清華教授劉雲浩又寫萬字回復,這92個人工智慧問答可收藏
    A:目前人工智慧的水平還不太高,比較容易判斷,比如上網時用到的驗證碼就是一種手段,但如果今後人工智慧真的達到了接近人的智力水平,想僅僅通過外部觀察判斷,恐怕就很困難了。(圖靈測試本身的要求就是讓人無法分辨是人還是機器)。
  • 人工智慧的意義,機器學習的三種類型
    其實在今天,人工智慧已經在創造收益了,但主要集中在軟體領域。然而當到了2030年,在軟體行業之外,人工智慧也將創造巨大收益,尤其是在零售、旅遊、交通、汽車、材料、製造等行業。   人工智慧、機器學習、深度學習這些熱詞近來被頻繁使用。讓人工智慧融於世界的現實期望固然很贊,但了解和揭秘人工智慧同樣意義重大。
  • 人工智慧、機器學習、神經網絡和深度學習之間是什麼樣的關係?
    第一次和第二次浪潮都消失在歷史的長河裡,他們在那個年代都遇到了自己的問題,比如第一次是因為在完美的完成了一些人工智慧項目後,遇到更複雜的需求時卻被發現當時的人工智慧技術,並沒有能力將其解決,導致了世界主力研究的國家中斷了人工智慧的研究經費。第一次發展因為缺錢而中止了,本質上還是技術遇到了瓶頸。
  • 機器學習中的忒修斯之船:那些「愚弄」專家的著名悖論
    用AI重建人類認知需處理許多數據無法解釋的現象,而悖論則一直被視為違背邏輯和數據規則的異常情況。對於機器學習模型來說,通過悖論進行推理是一個難以置信的挑戰。當AI試圖重建人類認知時,機器學習模型在訓練數據中遇到自相矛盾的模式,並且返回似乎矛盾的結論是很常見的。數據科學家在訓練新模型時應該意識到這些場景。
  • 清華唐傑教授:認知圖譜是人工智慧的下一個瑰寶
    現在我們更是處於一個計算機的變革時代,我們應該用更多的計算機思維來做計算機的思考,而不是人的思考。 現在人們需要思考的是:如何以計算機的方式做認知?唐教授談到,可以結合兩種方法去實現。
  • 都別嗶嗶人工智慧毀滅論了,李彥宏說AI永遠不可能達到人腦水平
    「網際網路是開胃菜,真正的主菜是人工智慧,人工智慧堪比工業革命 。」「人和物的對話變成一種自然語言的對話,這是未來幾十年可能代表人工智慧發展的最大方向。」2017中國IT領袖峰會今天在深圳舉行,今年的主題是「邁進智能新時代」。在上午的高端對話環節,百度董事長兼CEO李彥宏和騰訊董事會主席兼CEO馬化騰、神州數碼董事局主席郭為、微軟全球執行副總裁沈向洋就人工智慧的主題展開了熱烈的探討。
  • 百度人工智慧的技術處於什麼水平
    打開APP 百度人工智慧的技術處於什麼水平 發表於 2019-06-19 16:46:13 作為國內最先布局人工智慧的科技巨頭,依託國內不斷加強的計算力,百度無論在AI核心技術、戰略、商業化等層面均已走在全球前沿。其在智能雲、智能語音交互、自動駕駛等新AI業務領域的探索和成績,也在為中國乃至全球的人工智慧規模化落地提供經驗和鮮活的案例。 從百度最新季度的財報中可以看出,百度AI戰略不斷夯實,商業化落地勢頭不減,AI生態空前繁榮。
  • 知識圖譜如何打破人工智慧的認知天花板?
    來源 | AI前線 作者 | 劉暉 知識圖譜作為人工智慧的重要研究領域,其核心理念可追溯到第一次人工智慧浪潮。但直至進入人工智慧下半場,當具備能理解、會思考、可解釋等特徵的認知智能成為突破自身天花板的關鍵,知識圖譜才得以蓬勃發展。
  • 解剖人工智慧以更好地理解人類大腦
    同樣,在計算機科學領域,多種形式的人工智慧正在出現——不同的網絡經過訓練,各自擅長於不同的任務。正如今天將在認知神經科學學會(CNS)第25屆年會上介紹的那樣,認知神經科學家越來越多地使用這些新興的人工網絡,以增進他們對最難以捉摸的智能系統之一——人類大腦——的理解。麻省理工學院的奧德·奧利瓦說:「認知神經科學家和計算機科學家試圖回答的基本問題是相似的。」
  • 人工智慧視域下機器學習的教育應用與創新探索
    隨著教育大數據的崛起,如何對大量數據進行分析以支持精準預測,是人工智慧時代面對的一個新課題。機器學習作為人工智慧的一個重要分支,能夠滿足教育大數據分析預測的需求。為此,基於「為何分析、分析什麼、以何分析、何以應用」一系列問題,通過對機器學習的作用對象、作用過程、具體方法和利益相關者等方面的分析,探討了機器學習和智慧教育的適切性。
  • 積極的"異化":人工智慧時代的"人的本質力量"
    這不僅從根本上為唯實論正名,也解釋了是什麼造就了人類,因為一個叫「FOXP2」的突變基因,在20萬年前的進化中,對人類語言能力的提升起了關鍵作用,為區別於動物的人的交往形式與本質的形成奠定了生物學基礎。這也從另一個側面論證了備受挑戰的達爾文生物進化論。基因學、大數據和人工智慧為新的唯實論和自然人的整體質和有序質存在提供了科學論證。
  • 清華、北大教授同臺激辯:腦科學是否真的能啟發AI?
    腦科學是一個重要的研究方向,但不是做人工智慧的前提,它與人工智慧應該是一個相輔相成的過程。 目前,認知神經科學取得極大進步,已經有了整體發展路徑,對現在AI的端對端學習與強化學習有諸多啟發。那麼認知科學的進展對下一代AI是否有幫助?腦科學是否真的能啟發人工智慧?以及它和各個方向應該如何密切結合?