谷歌超速人工智能学习效率几乎与人类相当

本篇文章1220字，读完约3分钟

根据未来科学网络，最近几个月，深度机器学习技术已经引起了不可思议的骚动。各种各样的功能使他们能够玩视频游戏，识别人脸等。更重要的是，他们可以自主学习。这增加了人们对他们将来可能完全接管世界的恐惧。然而，这些系统的学习效率不到人类的1/10。现在，谷歌开发了一种快速的人工智能，其学习效率几乎可以和人类相比。

加速人工智能是由谷歌的英国子公司深度思维开发的。他们说，与以前的人工智能模式相比，这个系统不仅可以吸收新知识，还可以以更快的速度应用新经验。很快，它的学习效率就会赶上人类的水平。所谓的深度学习是指使用多层神经网络来定位数据的趋势或模式。如果一层神经网络确定了某个模式，相关信息将被传输到下一层网络。这一过程将持续到收集到所有信息。

这个人工智能系统可以根据不同的变量以不同的方式学习，例如神经网络不同层之间的连接强度。一个层面的重大变化可能会极大地改变信息在其他层面的传播或学习方式。深层神经网络有许多层，所以当有变化时，学习过程可能需要相当长的时间。

然而，谷歌深度思维研究所的亚历山大·普里斯特勒和他的同事似乎已经找到了解决这个问题的方法，他们称之为“神经整合控制”。

布里奇特·泽尔的团队说:“神经机能控制证明，在广泛的环境中，学习速度会大大提高。至关重要的是，只要我们的技术经验丰富，我们就能快速捕获非常成功的战略，而不是等待优化许多步骤。”他们的方法模拟了人类和动物大脑的学习过程，复制了前额叶皮层发生的事情，然后在海马体中进行备份。

现在，人工智能技术似乎每天都在进步。从利他的机器人律师到对奇点的预测，人工智能技术吸引了相当多的关注。然而，我们还没有看到“真正的人工智能”。没有机器人人工智能能与人脑智能相媲美。因此，尽管自动化和人工智能每天都会导致人们失业，但“真正的人工智能”不会很快出现。然而，深度思维的技术可能是通向未来的垫脚石。

真正的人工智能，或称超级智能，应该具备人类所有的认知能力，包括自我意识、情感、意识和其他独特的人类认知特征。现在人工智能只能专注于一个领域，并在一个领域超越人类。例如，AlphaGo可以在围棋中击败世界冠军，但它只能玩围棋。

此外，尽管科学家们已经建立了一个使用人工智能技术来模拟人脑理解、分析信息和构建概念的过程的神经网络，但科学家们并不理解神经网络的原理以及为什么用这种方式解释事物。

从科学的角度来看，神经网络只是一堆数学和方程，以数字的形式呈现。然而，我们知道仅仅用这些来模仿人类的智力和大脑是不够的。

微软联合创始人保罗·艾伦曾经说过:“要让人类达到这种奇异状态，仅仅使用现有的软件是不够的。我们还需要开发更加智能和强大的软件。这种高级软件的开发需要非常深入地了解人类的自我知识，而我们对这个领域只知道一点点。”

这意味着实现真正人工智能的先决条件还没有得到满足:我们不能真正理解人类的智力和意识，也就是说，我们不知道什么是智力，也不知道什么是意识。

职责:胡彦明