今天的人工智能有多强大

#教育 07:52 88

众译鸣谢

原文字幕: 原文字幕由译学馆搜集制作完成

译文字幕: 有三点水的每森堡于2018.06.02制作完成

审核过程: 7

字幕详情

“所以我一旦将你的订阅源添加到我们网站
每篇发表在
Vox.com网上的文章
都会自动上传 然后我们的工作就像是为它自动创造视频”
“天哪 太疯狂了
我们提供的每篇文章”
“每篇文章” 这是Wibbitz
它是自动化制作新闻视频的公司之一
你可以理解为机器人要抢我的饭碗了
“所以对于这篇文章
我们的算法会智能地总结出
一个三十秒到一分钟的短视频
然后根据文章的关键词
就能将它和相关媒体相匹配”
当想到它可能会遇到的各种困难的时候
你就会对它现在的表现感到十分惊讶
“开始异常艰难
遇到重名现象会让人工智能感到困惑
比如土耳其(Turkey)这个城市和火鸡(turkey)这个动物”
他们的产品建立在机器学习算法之上
随时间变得越来越精确
成果就是在同等情况下
通过人工智能几秒钟制造出来的视频
和一个人用几个小时制造出来的视频 没有很大差异
Wibbitz是目前快速发展的所谓"人工智能”产品行业的一部分
在公司的财报会议上提到人工智能的公司数量
在过去三年里
突飞猛涨
但事实上
“人工智能”这个术语定义并不明确
“实际情况是
最初各种东西都被叫做‘人工智能’
在过去它是专家系统
这种控制飞机起飞降落的系统
被称为人工智能
一旦它行之有效 成为惯例
所有人便将它视为理所当然
接着人们便不再称它为‘人工智能’”
如今当人们讨论“人工智能”
主要讨论的是机器学习
这是至少可追溯到上个世纪五十年代的计算机科学的一个分支
如今流行的方法
与数十年前发明的算法并无本质区别
那么为何如今吸引了众人的关注以及投资呢?
我采访了Manuela Veloso
卡耐基梅隆大学机器学习学院的院长
“你必须明白
近几年有一件非常重要的事
那就是数据
我们人类成为数据收集专家 健身数据
GPS 图片等等
环顾周围有多少信用卡消费
周围就有多少数据
只要电脑有能够处理大数据的能力
某些机器学习算法就能像如今这样
在大数据背景下蓬勃发展
如果电脑是大炮 网络是火药
那么人工智能就是烟花
且这仅仅是序幕
Pedro Domingos在其著作中
提供了一种简单地去理解
有监督的机器学习方法
他说“每一种算法都有输入和输出
数据被输入电脑
经由算法处理
最后得出结果
然而机器学习的路径则相反
输入进去的是数据及想要的结果
训练出来的是能将输入转换为想要的结果的算法”
算法为找到数据间的统计关系而被训练
从而使其在处理新实例时
也能做出较为精准的预测
这意味着我们对电脑
能做什么以及不能做什么
不再有简单的规则
“十年以前 我可以自信地说
为了明白计算机化如何工作
你必须理解每一个步骤
然后你编程每一个步骤 并命令愚蠢的电脑工作
这仅仅是机械地按照你设定的步骤一步步完成
但如今 我们的机器 我不应该说我们
我没有创造它们
人们已经研究出能从数据中学习的机器
很难说哪些种类的工作会被
自动化取代 或者被自动化轻而易举地取代
而哪些工作会增加新的岗位”
就这一问题麦肯锡全球研究所展开了一项研究
调研了八百种不同的工作
所需要完成的任务
并将这些任务分成了七大类
有三类会随着如今不断发展的科技
而极有可能会自动化 而另外四类则不会
“像人事工作这样
包含了创造
决策或判断
以及像需要共情 人际交流
和情感支撑的
护理工作
都较难实现自动化”
该研究得出的结论是
虽然大部分工作的部分内容能够被自动化
但不足百分之五的工作会完全自动化
“所以 职业变化这个问题
可能比职业消失这一问题
影响更大
诚然 有部分工作会消失
或者至少会减少”
这主要是因为大多数工作
都需要执行多任务
而如今人工智能却只能完成某项任务
不要误解
人工智能在这项任务上十分出色
深度神经网络在观看了
带有标题的BBC新闻五千小时后
其读唇语能力比专家更突出
学习了肿瘤影像的机器学习算法
相较于病理学家
能更准确地预测肺癌存活率
实际上错误是
去认为这些专项功能的应用
能逐渐积累成为更趋向于人类大脑的智能
或者认为它能像人类一般学习 但事实却并非如此
当人工智能得出正确的结论后
人们很容易认为它们理解所观测到的内容
只有当它犯错时
我们才会窥测到
它的理解过程与我们的有天壤之别
这种模式性识别被误认为是理解
这便是为什么研究人员很容易使得
一个学习算法错误地标记图片
就这一点 众多机器学习
是非常表面且不稳定的
它基于瞬间可观测的特征
这些特征对与当下进程
可能也有可能不重要
去年 导演奥斯卡•夏普制作了一部微电影
该剧本是由
科幻电影剧本训练出的神经网络撰写的
“撰写原则完全是同时完成的”
“关于你的一切都是真实的”
“你甚至完全不会发现
还有别的内容”
“我不知道” “我不关心” 太棒了
完全不符合逻辑
因为神经网络没有一个五岁小孩所拥有的
关于世界如何运行
事情因何发生 或者什么是故事
以及为何如此的抽象理解
我们经数百万年进化出这些东西
“人工智能可以做到很多事
相较于以前要多得多 但是我想说的是
人类太神奇了 看 我们人类是很丰富的”
人工智能运用日益精进
过去机器人的声音是这样的
如今已经是这样的了
这意味着Wibbitz将能给视频提供较为真实的语音
算法也开始分析视频的结构
IBM设计了一个系统为电影预告片选取场景
所以除了简单地生成一般性视频 Wibbitz可能能生成特制视频
但还没有明确路径
通向更接近人类的人工智能 这包含常识
好奇心 抽象推理
“我认为人工智能
与它学习内容同等优秀
所以人们不能真的期待人工智能
可以如少数人期待的那样施展魔法”
机器学习算法可以翻译三十七种语言
但它并不知道
椅子的作用
它们与人类不同
这便是它成为有力工具的重要原因
Wibbitz不会做出这个视频
但人工智能可以帮我做得更好
以下内容有剧透 , 请注意打开姿势

精彩推荐

  • 改造枪支使拉斯维加斯枪击事件如此严重

    02:23 157

  • 由弗吉尼亚事件想到的

    04:30 98

  • 为什么说特朗普夫人抄袭了奥巴马夫人

    01:18 224

  • 埃隆·马斯克说人类其实生活在模拟程序中

    03:39 304

  • 奔牛节后会发生什么

    02:55 125

  • 月亮影子下的故事

    05:19 41

  • 人类向大自然学习发明创造

    06:49 146

  • 澳洲留学-如何在人才市场中占得一席之地

    04:26 23

更多视频, 请移步译学馆APP欣赏 GET APP