（文章來源：教育新聞網(wǎng)）
人工智能(AI)近期復興和普及的不利因素之一是，我們看到許多供應商，專業(yè)服務公司和最終用戶都在AI潮流中躍躍欲試，將其技術(shù)，產(chǎn)品，服務產(chǎn)品和項目標記為AI產(chǎn)品，項目或產(chǎn)品(不一定如此)。另一方面，在什么絕對是AI和什么絕對不是AI之間沒有很好的界線。這是因為對人工智能沒有一個公認的標準定義。確實，沒有關(guān)于智力的標準定義。
也許最好從我們試圖通過AI實現(xiàn)的總體目標開始，而不是定義AI是或不是。自從1950年代AI誕生以來，智能系統(tǒng)的目標就是模仿人類認知能力的目標。這意味著能夠感知和理解周圍環(huán)境，從培訓和自身經(jīng)驗中學習，基于推理和思維過程做出決策以及在模糊和不精確的情況下發(fā)展“直覺”的能力;基本上是我們所生活的世界。從劃界的角度來看，將面向人工智能的運動劃分為AI計劃很容易。畢竟，AGI系統(tǒng)正在嘗試創(chuàng)建具有人類所有認知能力的系統(tǒng)，然后再具有某些認知能力。
另一方面，僅僅自動化事物并不能使它們變得智能。訓練計算機來理解貓的圖像和馬的圖像甚至不同種類的狗之間的差異可能需要花費時間和精力，但這并不意味著系統(tǒng)可以了解它所看的東西，從自己的經(jīng)驗中學習，并根據(jù)這種理解做出決策。同樣，語音助手可以在您問“什么更重：一噸胡蘿卜或一噸豌豆?”時處理您的語音，但這并不意味著該助手理解您的實際意思或含義。你的話。那么，我們真的可以說這些系統(tǒng)是智能的嗎?
在麻省理工學院教授路易斯·佩雷斯·布雷瓦(Luis Perez-Breva)的近期采訪中，他認為雖然這些各種復雜的培訓和數(shù)據(jù)密集型學習系統(tǒng)絕對是機器學習(ML)功能，但這并不能使它們具備AI功能。他認為，實際上，目前在市場和媒體上被品牌化為AI的大多數(shù)根本不是AI，而只是ML的不同版本，在該版本中，系統(tǒng)被訓練使用不同的方法來執(zhí)行特定的狹窄任務到ML，其中深度學習是當前最受歡迎的方法。
他認為，如果您想讓計算機識別圖像，只需提供足夠的數(shù)據(jù)，并借助數(shù)學，統(tǒng)計數(shù)據(jù)和神經(jīng)網(wǎng)絡的神奇力量，它們會隨著時間的推移或多或少地影響著不同的連接，那么您將獲得想要的結(jié)果期望。但是，您真正要做的是利用對圖像的理解可以創(chuàng)建一個大數(shù)據(jù)集，然后可以將其與輸入進行數(shù)學匹配以驗證人類的理解。
? ? ?
下載文檔
