人工智能的利弊分析有什么
人工智能的利弊分析有什么
人工智能的出現對我們來說是好還是壞呢，凡事都有兩面性，人工智能也一樣。下面是學習啦小編為你整理的人工智能的利弊分析，供大家閱覽!
人工智能的利與弊
霍金、馬斯克等科技大佬都公開發聲，擔心人工智能會失去控制，上演科幻小說中人機大戰的情節，其他人則害怕認知工作的自動化會將會導致大面積的失業。兩個世紀以后的今天，曾經的“機器問題”卷土重來，我們需要找出可行的解決方案。
人工智能崛起引發擔憂，我們到底該如何應對?
據報道，對于機器人的崛起，專家們曾發出警告，“機器取代人類勞動力可能致使人口冗余”，他們擔心“這種超能技術的發展已經超越了人類的駕馭能力，”如今，一些人表示擔憂，若人工智能繼續進化，我們會失去賴以為生的工作、喪失存在感，甚至會被“終結者”們趕盡殺絕。但事實上，這些恐懼與兩個世紀以前人們對機械化和蒸汽機發展的討論如出一轍，那時，人們針對機器威脅展開一場名為“機器問題”的討論。而現在，一場關于人工智能利弊的辯論正在悄然興起。
誕生初期，人工智能技術(AI)也經歷過大起大落，但在過去幾年的發展黃金期，AI技術突飛猛進，這都得益于“深度學習”技術開啟的新篇章。深度學習旨在模擬人腦結構建立大規模(或者“深度”)神經網絡，在充沛的數據支持下，神經網絡可以通過訓練來處理各種各樣的事情。
其實所謂深度學習技術已經默默為我們服務多年了，谷歌(微博)搜索、Facebook的自動圖片標記功能、蘋果的siri語音助手、亞馬遜推送的購物清單，甚至特斯拉的自動駕駛汽車都是深度學習的產物。但是這種快速的發展也引發了人們對于安全和失業問題的擔憂。霍金、馬斯克等科技大佬都公開發聲，擔心人工智能會失去控制，上演科幻小說中人機大戰的情節，其他人則害怕認知工作的自動化會將會導致大面積的失業。兩個世紀以后的今天，曾經的“機器問題”卷土重來，我們需要找出可行的解決方案。
“機器問題”和解決方案
啟示人們最為擔憂的是人工智能技術會破開牢籠，變得邪惡而不可控。早在工業革命浪潮席卷全球時，人機矛盾已經出現，現在的矛盾不過是披上了人工智能的新外衣，人類的焦慮依舊，《科學怪人》及此后類似的文學作品都是這種擔憂的映射。然而，盡管人工智能技術已成為一門顯學，但是它們只能完成特定的任務。想在智商上戰勝人類，AI還差得遠呢。此外，AI是否真能超越人類還未可知。
失業恐懼由來已久。“科技性失業”的恐慌在20世紀60年代(公司開始安裝計算機和使用機器人)和80年代(個人電腦開始上市)都曾彌漫開來，似乎大規模的自動化辦公馬上就要到來，讓人類下崗。
但事實上，每一次恐慌之后，科技進步為社會創造的就業崗位遠多于它殺死的過時職位，我們需要更多人從事全新的工作。舉例來說，ATM機替代了一些銀行柜員，為銀行設立分行節約了成本，讓雇員進入了機器不能做的銷售和客服領域。同樣地，電子商務的出現增加了零售商的生存空間。而在辦公中引進電腦則不是為了取代員工的位置，員工習得新技能后，會成為電腦的輔助。盡管此前曾有報道稱，未來10年或20年間，美國47%的崗位將面臨自動化，但是我們的研究顯示，這一數值恐怕連10%都不到。
盡管短期內一些工作消失的弊端會被全新職位出現的長期影響完全抵消且帶來更大的好處，但是19世紀工業革命的經驗表明，轉變的過程極其痛苦。從停滯不前的生活水平上反映出經濟的增長需要幾百年，而從顯著的收入變化上來看只需幾十年。人口從鄉村大量涌入城市工廠，在當時的歐洲引發動蕩。各國政府花費了整整一百年的時間構建新的教育和福利體系適應這種轉變。
這一次的轉變似乎更為迅速，當前科技傳播的速度可比200多年前快多了。得益于技術的輔助，高技術工作者的薪資會更高，因此收入不平等的現象正在不斷加深。這給用人公司和政府帶來了兩大挑戰：如何幫助工作者學習掌握新技能;如何讓后代做好準備，在滿世界都是人工智能的社會求得工作機會。
聰明的回應
技術的發展使得崗位的需求產生變化，工作者必須適應這種轉變。這意味著要調整教育和訓練模式，使其足夠靈活，從而快速、高效地教授全新的技能。終生學習和在職培訓的重要性更加凸顯，在線學習和電子游戲式的仿真模擬會更加普遍。而人工智能可以幫助制定個性化計算機學習計劃，依照工作者技能差距提供新技術培訓機會。
此外，社會交往技能也會變得更加重要。由于工作崗位的更迭變快，技術革新的腳步也逐漸加快，人類的工作年限越來越長，社交技能成了社會的基石。它能在人工智能主導的社會保持人類的優勢，幫助人類完成基于情感和人際往來的工作，這是機器無法擁有的優越性。
對人工智能和自動化的擔憂也催生了人們對“安全網”的渴望，有了它普通人就能免受勞動力市場動亂影響。一些人認為應該革新福利系統，讓每個人都享有保障生存的“基本收入”。但是在沒有充足證據表明技術革命會導致勞動力需求銳減的形勢下，這種做法并不可取。反之，各國應該學習丹麥的“靈活安全系統”制度，讓企業裁員更加容易，但是在被裁員的職工接受再培訓和再求職期間提供保障。這種制度下，福利、養老金、醫保等應該跟隨個體本身，而不是與職員身份掛鉤。
盡管技術快速進步，工業時代的教育和福利系統并沒有完全實現現代化，相關制度也不夠靈活。革新勢在必行，決策者必須行動起來，否則當前福利系統會面臨更大的壓力。19世紀40年代，約翰·穆勒寫道，“沒有什么比立法者對這類人的照顧更為正當了”，他們的生活被技術的發展所累。在蒸汽時代，這是真理，在人工智能的時代，同樣也是。
人工智能的定義詳解
人工智能的定義可以分為兩部分，即“ 人工”和“ 智能”。“人工”比較好理解，爭議性也不大。有時我們會要考慮什么是人力所能及制造的，或者人自身的智能程度有沒有高到可以創造人工智能的地步，等等。但總的來說，“人工系統”就是通常意義下的人工系統。
關于什么是“智能”，就問題多多了。這涉及到其它諸如 意識(CONSCIOUSNESS)、 自我(SELF)、 思維(MIND)(包括無意識的思維(UNCONSCIOUS_MIND))等等問題。人唯一了解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構成人的智能的必要 元素也了解有限，所以就很難定義什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及對人的智能本身的研究。其它關于動物或其它人造系統的智能也普遍被認為是人工智能相關的研究 課題。
人工智能在 計算機領域內，得到了愈加廣泛的重視。并在機器人，經濟政治決策，控制系統，仿真系統中得到應用。
著名的美國 斯坦福大學人工智能研究中心尼爾遜教授對 人工智能下了這樣一個定義：“人工智能是關于知識的學科――怎樣表示知識以及怎樣獲得知識并使用知識的科學。”而另一個 美國麻省理工學院的 溫斯頓教授認為：“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。”這些說法反映了人工智能學科的基本思想和基本內容。即人工智能是研究人類智能活動的規律，構造具有一定智能的人工系統，研究如何讓計算機去完成以往需要人的 智力才能勝任的工作，也就是研究如何應用計算機的軟 硬件來模擬人類某些智能行為的基本理論、方法和技術。
人工智能是 計算機學科的一個分支，二十世紀七十年代以來被稱為世界三大尖端技術之一( 空間技術、 能源技術、 人工智能)。也被認為是二十一世紀三大尖端技術( 基因工程、 納米科學、 人工智能)之一。這是因為近三十年來它獲得了迅速的發展，在很多學科領域都獲得了廣泛應用，并取得了豐碩的成果，人工智能已逐步成為一個獨立的分支，無論在理論和實踐上都已自成一個系統。
人工智能是研究使計算機來模擬人的某些思維過程和智能行為(如學習、推理、思考、規劃等)的學科，主要包括計算機實現智能的原理、制造類似于人腦智能的計算機，使計算機能實現更高層次的應用。人工智能將涉及到計算機科學、心理學、哲學和語言學等學科。可以說幾乎是自然科學和社會科學的所有學科，其范圍已遠遠超出了計算機科學的范疇，人工智能與 思維科學的關系是實踐和理論的關系，人工智能是處于思維科學的技術應用層次，是它的一個應用分支。從思維觀點看，人工智能不僅限于邏輯思維，要考慮形象思維、靈感思維才能促進人工智能的突破性的發展，數學常被認為是多種學科的基礎科學，數學也進入語言、思維領域，人工智能學科也必須借用數學工具，數學不僅在標準邏輯、 模糊數學等范圍發揮作用，數學進入人工智能學科，它們將互相促進而更快地發展。
人工智能的研究價值
例如繁重的科學和工程計算本來是要人腦來承擔的，如今計算機不但能完成這種計算，而且能夠比人腦做得更快、更準確，因此當代人已不再把這種計算看作是“需要人類智能才能完成的復雜任務”，可見復雜工作的定義是隨著時代的發展和技術的進步而變化的，人工智能這門科學的具體目標也自然隨著時代的變化而發展。它一方面不斷獲得新的進展，另一方面又轉向更有意義、更加困難的目標。
通常，“機器學習”的數學基礎是“統計學”、“信息論”和“控制論”。還包括其他非數學學科。這類“機器學習”對“經驗”的依賴性很強。計算機需要不斷從解決一類問題的經驗中獲取知識，學習策略，在遇到類似的問題時，運用經驗知識解決問題并積累新的經驗，就像普通人一樣。我們可以將這樣的學習方式稱之為“連續型學習”。但人類除了會從經驗中學習之外，還會創造，即“跳躍型學習”。這在某些情形下被稱為“靈感”或“頓悟”。一直以來，計算機最難學會的就是“頓悟”。或者再嚴格一些來說，計算機在學習和“實踐”方面難以學會“不依賴于量變的質變”，很難從一種“質”直接到另一種“質”，或者從一個“概念”直接到另一個“概念”。正因為如此，這里的“實踐”并非同人類一樣的實踐。人類的實踐過程同時包括經驗和創造。
這是智能化研究者夢寐以求的東西。
2013年，帝金數據普數中心數據研究員S.C WANG開發了一種新的數據分析方法，該方法導出了研究函數性質的新方法。作者發現，新數據分析方法給計算機學會“創造”提供了一種方法。本質上，這種方法為人的“創造力”的模式化提供了一種相當有效的途徑。這種途徑是數學賦予的，是普通人無法擁有但計算機可以擁有的“能力”。從此，計算機不僅精于算，還會因精于算而精于創造。計算機學家們應該斬釘截鐵地剝奪“精于創造”的計算機過于全面的操作能力，否則計算機真的有一天會“反捕”人類。
當回頭審視新方法的推演過程和數學的時候，作者拓展了對思維和數學的認識。數學簡潔，清晰，可靠性、模式化強。在數學的發展史上，處處閃耀著數學大師們創造力的光輝。這些創造力以各種數學定理或結論的方式呈現出來，而數學定理最大的特點就是：建立在一些基本的概念和公理上，以模式化的語言方式表達出來的包含豐富信息的邏輯結構。應該說，數學是最單純、最直白地反映著(至少一類)創造力模式的學科。
猜你喜歡：