據說是世界上第一門探討「強人工智慧」的公開課開課了!

強人工智慧一直是人工智慧領域追求的終極目標,也是各路科幻作品一直以來探討的主要問題。

所謂的強人工智慧,是相對弱人工智慧而言的。弱人工智慧,是指只可以完成特定任務的智能。無論是已經發展相對成熟的語音識別,數字識別,文字識別;還是仍然在發展中的自動翻譯,圖像識別;無論是大紅大紫的AlphaGo,還是萬眾矚目的無人駕駛,其實都是弱人工智慧。他們都只解決一個特定問題。很顯然,這和我們人類擁有的智能極其不同。人類不僅可以在極短的時間內,通過極小的樣本學習,掌握極其複雜的知識(甚至人類自己都不自知);還能夠同時處理多個極度複雜的任務。我們可以一邊安全的過馬路,一邊構思一個文學作品;或者一邊駕駛汽車,一邊盤算到達了目的地以後要如何行動;更不用說一邊欣賞藝術作品,一邊將藝術作品中的情境融合進自己的生活經驗中這種高級的「認知加工」。上述舉的例子,隨便拿出一個,當下的弱人工智慧完成起來都是極度費勁的,更不用提強人工智慧了——可以將這些任務綜合起來,把所謂的「意識」,「感性」,「知識」,「自覺」,「創造」等人類的特徵連接起來,表現出具有一般智慧行為的能力。

如果上述的解釋太晦澀,那麼一言以蔽之,強人工智慧,就是製造一個和人類擁有同樣智慧能力的機器人。

通常我們說的強人工智慧,英文可以叫Strong AI,這個名字很直白,但是它有另外一個名字:Artificial General Intelligence,簡稱AGI,一般中文翻譯成「通用人工智慧」。這個翻譯雖然是對的,但我總覺得有些生硬。這裡的General,其實就是和Specific相對應的。是指這種人工智慧不僅僅是用來完成特定任務的,而是擁有」通用「的智慧,可以處理任何一般性的任務。像人類一樣。

一般認為現代人工智慧起源於1950年代中期,最早的一批研究者不僅相信強人工智慧是可以實現的,而且是在20年內就能實現的。現在看來,那批人圖樣圖森破。事實上,1970年,大部分人工智慧領域的研究者已經意識到了之前自己或者先驅者們的樂觀,強人工智慧的難度超乎大家的想像。不要說強人工智慧了,很多對人類簡單至極的任務,用機器實現似乎都存在著巨大的瓶頸。到了八九十年代,甚至迎來了人工智慧市場崩塌的日子。科學家們承諾的智能根本沒有出現,而且看上去遙遙無期,很多人甚至將人工智慧領域的研究者和騙子划上了等號。大眾不再幻想強人工智慧降臨的日子,雖然科幻小說家們依然孜孜不倦地探討著強人工智慧來臨之時,人類社會可能面臨的諸多問題。而且,不少作品成為了傳世名作。

在最近的幾年,隨著計算機性能的突飛猛進,深度學習方法的出現,以及深度學習在幾個領域上的應用都被證明」有效「,人工智慧領域又被注入了新的活力。社會上普遍又開始關注起了人工智慧。這輪關注,甚至讓很多人工智慧研究者都害怕。畢竟,希望越大,失望越大。大多數人工智慧從業者都坦言:我們離強人工智慧還遠,還很遠很遠。我想,這也是一個行業的成熟標誌:知道自己能力的局限性。50年代人工智慧研究者的豪言壯語,現在看來就像沒接觸過世界的小孩子,揚言要拯救宇宙一樣。我們都是這麼過來的:)

但儘管如此,仍然有很多人不很理解當下人工智慧發展的邊界。於是,MIT推出了一個新的公開課程,被稱為是:世界上第一門探討「強人工智慧」的公開課。當然了,如前所述,我們離強人工智慧還很遠,所以這個課程探討的不是具體技術,而是從各個方面各個角度來說明一個問題:我們離強人工智慧到底還有多遠

現在,課程的第一節已經放出來了,一個約50分鐘的視頻,對課程主要探討的內容進行了一個綜述,展望了一下後續每一節課要探討的具體內容。後續每一節課的內容,都會請來一位業界大咖,從自己的研究領域的角度,講述一下」強人工智慧「這個話題。整體提綱還是很激動人心的,目前來看演講的主題都是比較前沿的領域。而且課程肯定不涉及具體技術,主要是概念性的介紹,但又肯定不會像科技媒體的報道那麼浮誇。聊到科技媒體,在第一節的視頻里,主講人黑了一下現在的媒體:

Google的實習生寫一個loop:

媒體表示,Google的AI創造出了新的AI:

黑得非常形象生動:)

Anyway,最後,我們來看一下課程大綱包含的內容:

Josh Tenenbaum: Computational Cognitive Science

計算神經科學

Ray Kurzweil: How to Create a Mind

如何創建思維

Lisa Feldman Barrett: Emotion Creation

情感創造

Nate Derbinsky: Cognitive Modeling

認知建模

Andrej Karpathy: Deep Learning

深度學習

Stephen Wolfram: Knowledge-Based Programming

基於知識的編程

Richard Moyes: AI Safety and Autonomous Weapon Systems

智能安全且自治的武器系統

Marc Raibert: Robotics

機器人學

Ilya Sutskever: Deep Reinforcement Learning

深度增強學習

Human-Centered Artificial Intelligence

以人為中心的人工智慧

附上課程鏈接:

https://agi.mit.edu/agi.mit.edu

這個時代真好,輕鬆接觸到世界上最前沿的內容。祝大家學習愉快:)


個人原創文章,未經授權,嚴禁轉載,如有違反,必究法律責任。

我的更多文章,歡迎大家關注微信公眾賬號:是不是很酷


推薦閱讀:

未來的航天結構——航天薄膜結構概述
微型科幻小說《太快的未來-完整版》
銀翼殺手2049,近未來的陳舊故事

TAG:人工智慧 | 未來 | 機器學習 |