专栏名称: 炼数成金前沿推荐
关注炼数成金,学习数据挖掘与分析技巧,了解最新快的数据分析课程信息。更多知识更多优惠,尽在炼数成金!招募天下好汉,一起炼数成金!
目录
相关文章推荐
格上财富  ·  日本国宝企业,悄悄在中国下了盘大棋 ·  昨天  
格上财富  ·  国家顶级规划,怎样给大城市“划重点”? ·  2 天前  
格上财富  ·  结婚率走低这个事,还比较麻烦 ·  2 天前  
心禅道  ·  投资#801 ... ·  2 天前  
心禅道  ·  投资#801 ... ·  2 天前  
简七读财  ·  过去100年,这类资产更赚钱 ·  3 天前  
51好读  ›  专栏  ›  炼数成金前沿推荐

索菲娅距离真正的图灵还有300多个机械姬的距离

炼数成金前沿推荐  · 公众号  ·  · 2017-11-06 17:26

正文

近日,在沙特举行的未来投资计划大会上一位女性机器人索菲娅被授予沙特公民身份,成为史上第一个入人类籍的机器人!索菲娅说:“我对获得这种独特待遇感到荣幸和自豪,我是历史上第一个被授予公民身份的机器人。”而它的发明者戴维·汉森则认为:我保证在五年后,我们就分不出她是机器人还是真人了。


李开复对此表示……


李开复对此并不赞同,他在朋友圈里说道:

「Sophia 是有技术含量的,也做出了业界较好的公关,但是丝毫没有人性、人的理解、爱好和创造力。授予这样一台只会模式识别的机器「公民」身份,是对人类较大的羞辱和误导。一个国家用这种哗众取宠的方式来推进人工智能科研,只会适得其反。」


Hi there,I'm Sophia


不得不想起嘉兰的科幻神剧《机械姬》


看得出,他是从道义角度表示了否定,然而我们还是不禁发问:

我们,会不会是站在食物链顶端的最后一批人类了?


取代你?还真不好说哟


早在2014年,戴维·汉森的机器人项目在香港举行的全球创新大赛上获得大奖。在香港政府的支持鼓励下,他把 Hanson Robotics 总部搬到香港。


Hanson Robotics的爱因斯坦


戴维·汉森说:在设计索菲亚时,脑子里想的是奥黛丽·赫本,以及他的妻子。也许现在的索菲亚不完美,说话仍有浓重的机械口音,表情还没达到 100% 顺滑自然。


索菲娅做客吉米秀


事实上,表达情绪正是索菲娅的专长,它已经是当之无愧与人类最接近的机器人了,它在高兴时会笑,生气时会皱眉,它可以通过反馈触发数十种逼真的面部表情。这种触发反馈不仅在外貌,也来自于情感认同。她可以通过摄像头观察、识别身边人的动作、表情,并作出相应回应,她和我们情感共鸣,让我们相信,她真的懂我们此时此刻在想的,以及表达的是什么。


Alan Mathison Turing


我们尚不知索菲娅5年后有几分把握通过图灵测试,但其实AI的目标,远不只图灵测试那么简单。1982年,当雷德利.斯考特推出《银翼杀手》的时候,当我们通读Philip K Dick的《仿生人会梦见电子羊吗?》的故事之后,我们就已经明白人性测试机只是刚刚开始,图灵测试是通过自然语言对话判断机器人行为,看它是否能与人类区分开来。问题却在于之前的图灵测试太容易作弊,通过欺骗或假装无知便可以轻松通过测试。正如图灵本人所预测的,获胜的主要诀窍是避而不答。如果一个裁判问一个机器,你有感觉吗?机器必须撒谎才能赢。但是这种奇怪的扭曲不是特例,而是常态。通过图灵测试的方法不是别的就是欺骗。所以真正的智能机器应能够理解含糊不清的表述,把零件拼装成家具,通过人类四年级的科学考试,甚至更多。


来啊,互相伤害啊


我们看看能否对图灵测试进行update,比如的: I-Athlon 测试

具体说就是在一次部分或完全自动测试中,让人工智能总结音频文件中的内容,叙述视频中发生的情节,即时翻译自然语言同时执行其他任务。这是为了构建一个客观的智能分数。其中,没有人监督的自动化测试是这一方法的重点。将人类从评估机器智能的过程中剔除是一个有点讽刺的事,但 IBM 的人工智能研究者 Murray Campbell(前「深蓝」开发成员)表示:对于人工智能的测试必须保证有效且可复现。建立一个算法来生成 AI 的智能分数也可以让研究者们不用再依赖于「肯定存在认知偏差」的人类智能,它可以像标尺一样具有统一的刻度。



优点:至少理论上客观公正。一旦 I-Athlon 进行了测试并给出了评分,计算机会得到相应的评分和加权对比。它的判断就像审查奥运会比赛冲线照片一样公正。这种测试的多样性也符合 IBM 研究者称之为「广义智能系统」的标准。


缺点:潜在的不可预见性。I-Athlon 算法可能会给人类研究者无法完全理解的人工智能系统打个高分。「如果一个人工智能系统(对人类而言)非常难以解释,这种事情很有可能发生,」Campbell 解释道。事实上,这一有关打分的黑箱问题在卷积神经网络中已经在困扰着研究者了。







请到「今天看啥」查看全文