机器什么时候会达到人类的智能水平

机器什么时候会达到人类的智能水平

比尔•盖茨说，“我们总是高估未来两年将发生的变化，并低估未来十年将发生的变化。”

人工智能概念的产生

人工智能的宣传和炒作

早期几年，由于对人工智能软件工具和技术的重视，以及根据摩尔定律对硬件进行了相应的改进，人工智能应用程序的功能得到了适度的提高。

多年来，主要的人工智能模式如今已经被称为良好传统人工智能(GOFAI)。这种人工智能的方法试图通过符号推理来模仿人类的思考，这种技术使用符号来操纵类似于人类推理的逻辑模式。人工智能的早期阶段主要是解决一般的技术问题，这些技术源于数学。他们在定理证明和检查中记录了早期的成功，并引起了人们很大的兴趣。因此，人工智能的一些技术创始人进行一些夸大的宣传和预测。例如，在1961年，马文•明斯基写道，“在我们有生之年，机器在智力方面可能超过我们。”此外，1963年创建斯坦福人工智能项目的约翰•麦卡锡表示，其目标是在十年内建立一个完全智能的机器。

连接主义和人工神经网络

然而，连接主义或人工神经网络这种模式已经成为人工智能技术主流，它试图模仿人类大脑中生物神经元的工作方式。实质上，机器接受历史数据的训练(或学习)，然后可以用来预测新的数据和结果。与人工智能的符号不同，它们不会在解决问题时使用明确的人类编程符号，而是通过调整神经元中的数字权重进行自我学习。

随着时间的推移，通过知识发现和数据挖掘，这种技术得到了改进，并成功地应用于商业，尤其是20世纪90年代的零售行业。通过技术的结合可以处理大量数据的硬件改进、统计技术，以及满足逐渐出现的全球互联网和万维网的需求，使其成为可能。随后使用的大部分数据来自内部数据源，例如企业数据库、零售数据等。对这些数据的分析通常会提供对趋势等方面的见解，使组织能够改进决策制定。

面临的挑战

尽管深度学习取得了巨大的成功，但一些专家质疑这种模式是否足以达到人类智能。例如，根据深度学习网络的著名研究员Francois Chollet的说法，“我们不可能仅仅通过扩大当今的深度学习技术来获得通常的智能水平。”

这项技术还面临其他挑战。人工神经网络的一个缺点是，它们在解释和透明决策推理方面严重不足，它们是一种黑盒结构。这在诸如医疗诊断系统之类的应用中尤其成为问题，因为从业者需要了解他们的决策过程。

结论

人工智能社区中的许多人提出了这样一个问题：“机器何时会达到人类一样的智能水平 ?”无论其答案是什么，现在很少有人会质疑人工智能对人们生活的影响，并将在未来影响越来越大， 而人工智能的发展将会越来越成熟。