人工智能深度学习在图像识别和翻译方面取得了进步


我认为 , 人工智能系统愚蠢的最终根源在于它们严格的算法特征 。目前理解的AI基于数字处理系统 , 该数字处理系统从固定的数字输入阵列开始 , 根据固定的算法集 , 以逐步的方式执行二进制数字运算 。
有人可能会反对这种特征 , 指出AI系统可以不断更改自己的“规则” , 可以重新编程 。那是真实的; 但是自重编程必须遵循某种算法 。
这同样适用于系统对各种输入作出反应的过程 。最终 , 每个AI系统都受系统设计中体现的一组规则和过程的约束 , 只要系统保持完整 , 这些规则和过程就不会改变 。
人工智能的伟大先驱之一艾伦·图灵(Alan Turing)成功地为“算法”或“机械过程”的一般概念提供了精确的定义 , 该概念包含了所有可能基于数字硬件实现的AI系统 。图灵证明 , 任何此类系统在数学上均等同于现在称为“图灵机”的抽象实体 。
AT高级版
而且 , 只有一台通用的图灵机可以模拟任何其他图灵机 , 只要它们的设计以适当的编码形式输入即可 。在此基础上 , 可以通过数学方法研究AI系统的理论可能性和局限性(不考虑速度和其他物理方面) 。
该图显示了一个带有正方形的环形磁带 , 其中写入了零或一个 。机器的磁头可以读取 , 擦除或打印零或一 , 并将磁带向右或向左移动一步 。下面的编号矩形包含机器的规则(程序) 。
【人工智能深度学习在图像识别和翻译方面取得了进步】例如 , 规则1表示:如果读取零 , 然后擦除它并打印一个 , 将磁带向右移动一格 , 然后转到规则4;但是如果您阅读一本 , 则将其保持不变 , 将磁带向左移动一格 , 然后再次应用规则1 。机器从规则1开始 , 并在磁带上写入一些零和1序列 。也可以有一条规则告诉机器停止 。
您可以链接到(相当慢的)动画 , 以显示图灵机的工作方式 。
无论AI系统多么复杂 , 无论我们如何通过各种方式将AI系统组合在一起 , 以交互的方式进行并行和自修改的层次结构 , 最终我们都可以归结为图灵机在一套固定的控制下运行 。规则 。

    推荐阅读