联系我们
- 地 址：北京市海淀区北四环西路9号 ,主 营：人脸识别,活体检测,身份证识别,银行卡识别,名片识别,车牌识别，OCR识别等及智能识别技术。
- 电 话：13146317170 廖经理
- 传 真：
- 邮 箱：398017534@qq.com
2018年人工智能AI面临解决的的5大技术难题
2018年人工智能AI面临解决的的5大技术难题
2017年，人工智能在深度学习的辅佐下获得了显著的进步。例如，一个名为Libratus的机器人扑克玩家，连续击败了三位人类玩家，成为扑克界的“阿尔法狗”。在理想中，AI正在改善很多传统的行业，自动驾驶、农业、医疗保健等。
固然AI的展开速度有些让人怀疑，当然AI展开存在泡沫，各类媒体也在炒作AI。但是依然有一些明智的声音：埃隆·马斯克担忧人工智能依然无法做到很多事情。最棘手的有以下几个问题：
了解人类言语
从往常来看，机器在处置文本和言语方面比以往任何时分都要好。例如：Facebook能够向视障人士中止图像描画，谷歌邮箱能够对邮件自动做出简单的答复(基于邮件内容中止回复)。但是，AI系统依然不能真正了解我们的意义和我们真正的想法。波特兰州立大学教授梅兰妮·米切尔(Melanie Mitchell)说：“我们可以把我们学到的概念以不同的方式分别起来，并在新的状况下应用。但，AI并不能做到这一点。”
Mitchell将今天AI的缺陷定义为数学家Gian Carlo-Rota所说的“意义障碍”，一些抢先的AI研讨团队正在试图找出如何攀爬它。
这项工作的一局部是在为机器提供一种常识的根底，以及支撑我们本人思想的物质世界。例如，Facebook研讨人员正试图经过观看视频来教AI来了解理想。另外一些人，正在模拟我们能够用关于世界的学问做什么。米切尔曾经尝试过运用类比和关于世界的概念来解释照片中发作的事情的系统。
让机器人更像人
机器人硬件曾经做的相当不错了，你能够花500美圆置办到高清摄像机手掌大小的无人机，另外搬运箱子和两条腿走路的机器也有所改良。但这并不意味着它能够普遍运用，由于今天的机器人缺乏匹配他们先进的肌肉的大脑。
让机器人做任何事情都需求针对特定的任务中止特定的编程，他能够从中学习操作。但是这个过程相对较慢。一个捷径是让机器人在模仿的世界中锻炼，然后把那些来之不易的学问下载到物理的机器人体内。但是，这种办法遭到了理想差距的干扰，虚拟的机器人在模仿中学到的技艺在转移到物理世界中的机器时并不总是有效。
但，侥幸的是理想差距正在减少。十月份，谷歌模仿的机器人武器学会拾取包括胶带分配器、玩具和梳子在内的各种物体，从实验报告中我们看到了希望的结果。
另外，自动驾驶汽车公司在机动化驾驶竞赛中在虚拟街道上部署虚拟车辆，以减少在理论交通和道路条件下测试所破费的时间和金钱。自主驾驶创业公司Aurora的首席执行官Chris Urmson说，使虚拟测试更适用于真实的车辆是他的团队的重点之一。
防备黑客攻击AI
互联网降生之时，就随同着平安问题。我们也不应该希冀自动驾驶汽车和家用机器人会有所不同。而且事实上可能更糟:由于机器学习软件的复杂性，所以存在多种攻击途径。
今年, 研讨标明, 你能够在机器学习系统内躲藏一个机密触发器, 能够招致系统在看到特定信号时转变为邪恶方式。纽约大学的研讨小组设计了一个正常运作的街道标志辨认系统除非它看到一个黄色的Post-It。在布鲁克林的一个停车标志上贴上一个便利贴, 系统就会报告这是一个限速标志。这种做法可能会给自动驾驶汽车带来问题。
这个要挟被以为是很严重的, 世界上最著名的机器学习会议的研讨人员在本月早些时分召开了为期一天的关于机器诈骗要挟的研讨会。研讨人员讨论了诸如“如何生成让人们看起来很正常但是机器开起来比拟特殊的手写数字”等等这样的问题。研讨人员还讨论了避免这种攻击的可能性, 并担忧人工智能被用来诈骗人类。
组织研讨会的 Tim Hwang 预测,随着机器学习变得更容易部署和更强大, 运用这项技术来支配人是不可防止的。他说，机器学习并不再是博士学位的专属。Tim Hwang指出, 俄罗斯在2016年总统选举期间发起的假情报运动可能是AI加强信息战争的先驱。他说：为什么不在这些活动中看到机器学习范畴的技术?Hwang 预测的一个特别有效的办法是应用机器学习来生成虚假的视频和音频。
AI游戏真正的将来在哪?
AlphaGo在2017年也疾速展开，今年五月,一个更强大的版本击败了中国的围棋冠军。它的发明者DeepMind研讨院, 随后又晋级了一个版本：AlphaGo Zero,这个版本不用研讨人类的棋谱，也能有特殊的下棋技巧，基于此它也学会了下国际象棋和日本象棋。
人类与AI游戏的结果是令人印象深化,但也提示我们人工智能软件的局限性。国际象棋、日本象棋和围棋都很复杂,但是其规则和玩法却比拟简单。它们很好的应用了计算机的才干,能够快速枚举许多将来可能的位置。但是,生活中的大多数状况和问题并不是那么有“构造性”。
这就是为什么 DeepMind 和 Facebook 都在2017年开端研发玩星际争霸( StarCraft)的AI。
但是目前都还没有取得很好的成果。目前,即便是表现最好的AI机器人的游戏程度也无法和普通程度的人类玩家所匹敌。DeepMind研讨员 Oriol Vinyals 通知《连线》杂志,他的软件往常缺乏组织和指挥军队所需的方案和记忆才干,同时对敌方行动中止预测和反响的才干也不够强。这些技艺还能够使AI在理想任务协作方面做得更好, 例如办公室工作或真正的军事行动。假定2018年AI版的“星际争霸”获得严重的停顿，那么将预示着人工智能将产生一些更强大的应用。
让AI区分是非
AI即便在上述范畴没有获得新的停顿，假定现有的AI技术被普遍运用，社会和经济的许多方面也会发作很大的变化。这个时分就会有人担忧人工智能和机器学习构成的不测和成心伤害。
在本月的NIPS机器学习大会上，如何让技术坚持在平安和道德的范围内是一个重要的讨论话题。研讨人员发现，机器学习系统能够从我们非圆满的世界取得数据的锻炼，进而锻炼出来的系统是具有成见性的，如持续性别歧视印象。往常有些人正在研讨可用于审核人工智能系统内部运作的技术，并确保他们在投入金融或医疗保健等行业工作时做出公平的决议。
将来我们应该会看到科技公司提出如何让人工智能具有人性的想法。谷歌、Facebook、微软和阿里曾经开端讨论这个问题，一个名为“人工智能基金伦理与管理”的慈悲项目正在支持麻省理工学院，哈佛大学等研讨人工智能，纽约大学的一个新研讨机构AI Now也有相似的任务。在最近的一份报告中呼吁各国政府不要在刑事司法或社会福利等范畴运用“黑匣子”算法。