在所有关于杀手机器人的高调宣传下,2017年在人工智能方面取得了一些显著的进步。例如,今年初名为Libratus(冷扑大师)的人工智能系统可能会使顶尖 *** 选手陷入尴尬的境地;更有名气点的AlphaGo,数次让围棋冠军折戟。而在现实世界中,机器学习正在用于改善农业,扩大医疗保健的覆盖面。
但是你最近和Siri或者Alexa谈过了吗?那么你会知道,尽管炒作、信心百倍的亿万富翁,可还有很多事情,人工智能仍然不能做或无法理解。人工智能还面临着五大棘手问题,明年专家们得绞尽脑汁了。
理解语言
机器在使用文本和语言方面比以往任何时候都更好。Facebook可以读出对视障人士的图像描述。谷歌更是做了一个高级的工作,在回复电子邮件时给出简短建议。然而,软件仍然不能真正理解我们话语中的意思,以及我们分享给它们的想法。波特兰州立大学教授梅兰妮·米切尔(MelanieMitchell)表示:“我们能够把我们学到的概念以不同的方式结合起来,并在新的情况下应用。”“而AI和机器学习系统却做不到。”
米切尔将今天的软件描述为数学家GianCarlo-Rota所说的“意义障碍”。一些领先的AI研究团队正试图找出如何去解决的方法。
这项工作有的旨在为机器提供一种常识基础,以及支撑我们自己思维的物质世界。例如,Facebook研究人员正试图通过观看视频来教软件来理解现实。还有的模拟我们用与世界相关的知识可以来做什么。谷歌一直试图创造出能学习隐喻的软件。米切尔已经尝试过使用类比和关于世界的概念来系统解释照片中发生的事情。
阻碍机器人革命的“现实鸿沟”
机器人硬件已经相当不错了。你只需花500美元就可以买到手掌大小的无人机,还配有高清摄像头。搬运箱子和两条腿走路的机器也有所改进。为什么我们没有被机械助手包围住呢?因为今天的机器人缺乏匹配它们先进肌肉的大脑。
让机器人做任何事情都需要针对特定??的任务进行特定的编程。它们可以学习 *** 作,如抓取物体的重复试验(和试错)。但是这个过程相对较慢。一个有希望的捷径是让机器人在虚拟、模拟的世界中训练,然后把那些来之不易的知识下载到物理机器人体内。然而,这种方法受到了“现实鸿沟”的困扰。现实鸿沟这个短语描述了机器人在模拟过程中学到的技能在转移到物理世界中时并不总是有效。
不过,“现实鸿沟”正在缩小。10月份,谷歌对虚拟和现实机器人进行实验,用手臂学会拾取包括胶带座、玩具和梳子在内的各种物体,得到了有希望的结果。
进一步的发展也给自动驾驶汽车工作者带来曙光。无人驾驶竞赛中的公司们在虚拟街道上部署虚拟车辆,以减少在实际交通和道路条件下测试所花费的时间和金钱。无人驾驶创业公司Aurora首席执行官ChrisUrmson说,让虚拟测试更适用于真实车辆是他团队的优先考虑项之一。之前领导谷歌母公司Alphabet自主汽车项目的Urmson说:“明年以后我们可以很好地利用它来加快学习。”
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)