争议 | AI对人类的生存有威胁吗?

在过去的几年里,人工智能已经成为科学家们的一大争议。有些人认为人工智能可以使人类受益,而有些人则担心它会摧毁人类并成为“不朽的独裁者”。

为什么AI可以成为'不朽的独裁者'

人工智能不一定是邪恶的。如果人工智能有一个目标,而人类正好碰巧阻碍了它,它势必会摧毁人类,但无需恐慌,就像大象与蚂蚁的关系,大象在行走的过程中无可避免的会摧毁一些蚁穴,这并不意味着我们有任何针对蚂蚁的事情。

未来AI将会成为'不朽的独裁者'。

1.自治武器

自主武器就像一个杀手机器人,就像电影“终结者 - 审判日”一样。杀手机器人可以自己控制武力值而不受人为干扰。一个杀手机器人就是一个大脑模型,它可以像人类一样做出最合适的选择,可能比人类更好。这就是为什么许多领先的人工智能研究人员抵制韩国科学技术院的原因,因为它正在与军工企业“韩华Systems”开发用于军事用途的“杀手机器人”。

“如果一个杀手机器人在路上,那就太晚了”。-伊隆马斯克

2.数据的魔力

人工智能突破的主要原因不是令人生畏的算法,而是以前从未存在过的数据。我们今天的世界正在数据池中游泳。事实上,早在2012年,IBM就估计平均每天都会有人在互联网上留下大约500MB的数字数据。

如果我们计划备份人类生产的一天数据,我们将其打印在A4尺寸的纸张上[双面],字体大小为12,并将其从地球表面堆叠起来,它将往返太阳四次以上。大量数据(大数据)是人工智能学习的源泉,而AI的体验取决于数据量。

3.操纵人类

近20亿人平均每天至少都会花费一小时以上的时间与人工智能打交道。相信我,你的电子产品背后的AI比你母亲更了解你。他们了解你的行为,喜欢,不喜欢,然后相应地操纵你。我们来看一些深度挖掘的数据。

  • 马蜂窝数据造假

自媒体“小声比比”联合国内90后数据公司指控中国旅游业独角兽新星马蜂窝数据造假。“小声比比”在公众号上声讨马蜂窝爬取其他网站的用户点评数据,且没有严格监控游记中的营销水军。此份报告在两天内刷爆网络圈,而后石沉大海,悄声无息的退场了。像是一场互联网市场与资本催产的荒诞剧。

  • Facebook-Cambridge Analytica数据丑闻

Facebook数据丑闻 涉及2014年Cambridge Analytica开始收集的多达8700万Facebook用户的个人可分类信息。这些数据用于分析Facebook用户的行为和反应,影响他们的投票意见。这是代表雇用他们的政客完成的。

这就是AI,它运行facebook新闻源,保证用户参与讨论,但它不关心新闻的真实度。

没人知道,人工智能如何运作?

首先,没有任何任何一家科技公司敢拍着胸脯说:我们了解人工智能的一切。

许多科技领头人都表达了他们对人工智能的关注。

伊隆马斯克 - “凭借人工智能,我们正在召唤恶魔”。

斯蒂芬霍金斯 - “我担心AI可能完全取代人类”。

以下三个不同的例子证明了这一点: 

  • Tay ai:

2016年3月23日,微软公司通过Twitter发布了名为Tay的人工智能聊天机器人,与Twitter用户互动。但Tay AI在发射16小时后被他们的创造者关闭,因为它原来是一个“种族主义者”。它开始发布基于其互动的正面和令人反感的推文。Tay的几条推文是:

  • AI创建自己的语言:

去年Facebook发现他们的人工智能创造了人类无法理解的独特语言。他们发现聊天机器人偏离了脚本并开始用一种没有人工输入的新语言进行通信。

  • AI机器人使用神经元识别面部

开发人员编写了这个AI机器人来学习如何走路。但是这个机器人开发了一个神经元来识别其创造者的面孔。

这些只是显示为什么人工智能可以成为不朽的独裁者的明显原因,因为人工智能的世界仍在不断发展,因此我们不知道许多隐藏的内在潜力。

“不朽的独裁者”到底有多远?

超级智能水平的人工智能将是我们最有力量的科学发明,这个“不朽的独裁者“到底离我们有多远?以下是不同的研究: 

  • 在研究人员进行的一项研究中,牛津大学人类未来研究所的“Katja Grace”表明,人工智能在45年内有50%的机会超过人类智力。该研究基于对全球约1634个人工智能研究中心的调查。

  • 接受调查的亚洲人工智能研究人员认为,这将花费很长时间,而且将在未来30年内发生。

  • 北美研究人员认为,人工智能至少可以在74年内取代人类智能。

  • “我认为数字超级智能将在我的一生中发生”。 - 伊隆马斯克。

哪家公司在引领竞争?

人工智能公司可以分为不同的类别。

1.狭义的AI公司

今天的人工智能被恰当地称为狭窄的AI或弱AI。这些AI旨在执行狭窄的任务,例如面部识别,互联网搜索,驾驶汽车等。

2.一般AI公司

AI研究人员的主要目标是创建通用AI或强大的AI。狭窄的人工智能在某些特定的任务上可以胜过人类,比如下棋,而普通人工智能几乎可以在任何任务中胜过人类。

在狭窄的人工智能领域已经取得了很多进展,但很多人都担心这是人工智能。许多科技巨头,如谷歌,Alphabet,亚马逊,Facebook,IBM和微软都参与了这场比赛。但我认为只有一家公司是第一家制造数字超级智能的公司,那就是谷歌。这是为什么?

  • 购买所有初创公司

谷歌几乎购买了与人工智能和机器人相关的所有创业公司。自2012年以来,它已经收购了11家AI创业公司,并在6个月内购买了8家不同的机器人公司。

  • Google DeepMind

Google DeepMind专注于制作数字超级智能,这是一种比地球上所有人类智能化的智能手机。Google Brain的研究人员宣布创建AutoML,这是一种能够生成自己的AI的人工智能(AI)。此外,他们决定向AutoML展示其迄今为止面临的最大挑战。结果是人工智能建立了另一个儿童人工智能,其表现优于所有人造对手。

  • 有大量的数据

Google不会提供有关他们在服务器场中存储多少数据的数字。在一些方法的帮助下,据估计谷歌拥有大约10-15艾字节的数据。exabyte等于100万TB,这个数字可能更容易联系起来。

  • 最大的计算平台

谷歌拥有一个拥有1000万台服务器的计算平台,现在他们正致力于一个能够提供1亿台服务器计算平台的人工智能。事实上,事实是,谷歌甚至不知道它正在变成什么。

应该规范人工智能的发展

我能想到的最不可怕的未来是我们至少使AI民主化的未来,因为如果一个公司或一小群人设法开发神似的数字超级智能,他们就可以接管世界。

事实上,在2015年7月,一千名专家签署了一份请愿书,警告人工智能的危险,并要求对其进行监管。请愿书中大名鼎鼎的人物是苹果公司联合创始人斯蒂芬霍金,史蒂夫沃兹尼克,伊隆马斯克,语言学家诺姆乔姆斯基以及谷歌人工智能首席执行官德米斯哈萨比斯。

至少,当有一个邪恶的独裁者时,人类将会死去。但是对于AI来说,没有死亡,他们将永远活着。我们将有一个不朽的独裁者。Escape'没有机会。 - 伊隆马斯克

贪心科技
贪心科技

贪心科技是国内首家AI和大数据课程为主的自适应学习平台。我们追求最精炼的AI教育内容和个人量身定制的课堂。我们鼓励大家拥有“贪心精神”:对知识不断的渴望,对现状不满希望进步的愿望。贪心科技,满足贪心的你。

产业Deepmind聊天机器人
相关数据
亚马逊机构

亚马逊(英语:Amazon.com Inc.,NASDAQ:AMZN)是一家总部位于美国西雅图的跨国电子商务企业,业务起始于线上书店,不久之后商品走向多元化。目前是全球最大的互联网线上零售商之一,也是美国《财富》杂志2016年评选的全球最大500家公司的排行榜中的第44名。

https://www.amazon.com/
相关技术
DeepMind机构

DeepMind是一家英国的人工智能公司。公司创建于2010年,最初名称是DeepMind科技(DeepMind Technologies Limited),在2014年被谷歌收购。在2010年由杰米斯·哈萨比斯,谢恩·列格和穆斯塔法·苏莱曼成立创业公司。继AlphaGo之后,Google DeepMind首席执行官杰米斯·哈萨比斯表示将研究用人工智能与人类玩其他游戏,例如即时战略游戏《星际争霸II》(StarCraft II)。深度AI如果能直接使用在其他各种不同领域,除了未来能玩不同的游戏外,例如自动驾驶、投资顾问、音乐评论、甚至司法判决等等目前需要人脑才能处理的工作,基本上也可以直接使用相同的神经网上去学而习得与人类相同的思考力。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

聊天机器人技术

聊天机器人是经由对话或文字进行交谈的计算机程序。能够模拟人类对话,通过图灵测试。 聊天机器人可用于实用的目的,如客户服务或资讯获取。有些聊天机器人会搭载自然语言处理系统,但大多简单的系统只会撷取输入的关键字,再从数据库中找寻最合适的应答句。

神经元技术

(人工)神经元是一个类比于生物神经元的数学计算模型,是神经网络的基本组成单元。 对于生物神经网络,每个神经元与其他神经元相连,当它“兴奋”时会向相连的神经元发送化学物质,从而改变这些神经元的电位;神经元的“兴奋”由其电位决定,当它的电位超过一个“阈值”(threshold)便会被激活,亦即“兴奋”。 目前最常见的神经元模型是基于1943年 Warren McCulloch 和 Walter Pitts提出的“M-P 神经元模型”。 在这个模型中,神经元通过带权重的连接接处理来自n个其他神经元的输入信号,其总输入值将与神经元的阈值进行比较,最后通过“激活函数”(activation function)产生神经元的输出。

堆叠技术

堆叠泛化是一种用于最小化一个或多个泛化器的泛化误差率的方法。它通过推导泛化器相对于所提供的学习集的偏差来发挥其作用。这个推导的过程包括:在第二层中将第一层的原始泛化器对部分学习集的猜测进行泛化,以及尝试对学习集的剩余部分进行猜测,并且输出正确的结果。当与多个泛化器一起使用时,堆叠泛化可以被看作是一个交叉验证的复杂版本,利用比交叉验证更为复杂的策略来组合各个泛化器。当与单个泛化器一起使用时,堆叠泛化是一种用于估计(然后纠正)泛化器的错误的方法,该泛化器已经在特定学习集上进行了训练并被询问了特定问题。

推荐文章
暂无评论
暂无评论~