对人工智能的应用、发展及其影响的思考

简介: 剑桥大学人工智能研究中心对人工智能提供的新功能和面临的风险进行了分析和探讨,同时纠正了一些人对人工智能的质疑和成见。

剑桥大学人工智能研究中心对人工智能提供的新功能和面临的风险进行了分析和探讨,同时纠正了一些人对人工智能的质疑和成见。

该研究中心汇集了不同领域的专家,旨在研究和预测随着人工智能领域快速发展带来的可能性和挑战,并为人工智能提供一个更加可衡量和有用的视角。参与制定新提案的剑桥大学人类生存风险研究中心(CSER)的SeánÓh Éigeartaigh博士指出:“人工智能在我们研究中心的议程中占据重要地位,其部分原因是因为人工智能技术近年来取得了重大的进展。这表明其研究已经产生了巨大的影响,并且进展非常迅速。另一方面,由于人工智能存在很多需要处理的问题,只是关注灾难和风险限制了我们在该领域的研究范围。”

该研究中心的构想是召集来自相关学科的人工智能专家,不仅考虑长期风险、机遇和挑战,还研究人工智能的长期、短期和中期影响。

1.jpg



人工智能的不同方法

尽管人工智能经常成为行业媒体的头条新闻,或者成为一些科幻电影的主题,但剑桥大学人类生存风险研究中心(CSER)的研究工作提供了不同的角度和观点。

尽管有关人工智能的风险让人们感到不寒而栗,但当前的影响相对有限。ÓhÉigeartaigh博士为此解释说:“坦白地说,人们看到的人工智能系统的不利影响是有限的,因为它们大多是执行某些任务(例如交通导航、下棋或运行搜索引擎)的良好实践。目前,我们或许可以解决人工智能认知能力的问题。”

这种审慎方法使该中心不仅意识到人工智能技术可能带来的严重问题,而且还要提供利用这种新技术的机会。

ÓhØigeartaigh博士说,“在这个世界上,只有生物才能进行学习、适应、思考,并做更多事情。但是,为智能只能发生在生物学中这个观点进行辩护证明了这样一个论点:在某一时刻,我们将掌握足够的资源重新创造它。”

虽然ÓhÉigeartaigh博士的主要研究领域是计算生物学,但他已经进行了多年的跨学科项目的研究。通过这种方式,他采用了多学科的思维方式,从各种不同的角度来处理人工智能的问题。

ÓhÉigartaigh博士指出,“解决这些重大问题的答案不仅仅是在计算机科学或计算生物学领域,还要思考这些长期的和广泛的问题,需要采用政治、经济、法律、社会学甚至哲学领域的专业知识。”


人工智能的应用

事实上,对人工智能不同视角的需求不仅是产生原始想法和观点的一部分,而且是对人工智能如何采用不同专业知识解决问题的部分答案。

ÓhÉigartaigh博士说,“科学家面临的大多数挑战是,必须分析来自各种来源的大量数据,并理解相互联系的极其复杂的系统。即使对于合作研究的多个团队来说,这也是一件非常困难的事情。

我们目前正在开发的系统能够处理大数据。例如,帮助分析数以百万计的基因组以找到癌症的起源,分析气候变化的许多方面,或者试图使太阳能、能源网或智能家居更高效。如果我们发现如何将人工智能应用于所面临的问题,就可以解决这些问题。我们也将为人类的进步做出贡献。”

ÓhÉigeartaigh博士表示,加速技术变革的社会、政治和文化等方面也属于科学问题。他以自动驾驶汽车在未来导致出租车或长途汽车司机失业这种短期问题为例,人工智能取代人力,促使这些人寻求其他力所能及的工作,这正是不同领域应该为这些问题进行讨论的原因。

Óhéigeartaigh博士指出,尽管有一些风险需要解决(例如人工智能将很快使多功能无人机的发展成为现实),但人工智能并不等同于人类智能。

与目前在许多技术中使用比较受限的人工智能不同,许多对通用人工智能的失败预测在在过去早已出现。Óhéigeartaigh博士说:“有些人可能会争辩说,目前对人工智能的开发热情是错误的。而我们还将看到在人工智能领域有着更多令人兴奋的投资。虽然这种情况在本世纪发生的可能性只有50%,但应该有人在思考和研究这个问题。”

这也表明了另一个重要的观点:即使人工智能技术整体失败,在这一领域取得的技术进步仍然非常重要,而人工智能技术的这些发展和进步对社会、文化、政治的影响需要进行考虑、讨论和思考。


不同类型的智能

关于人工智能的论述和讨论所涉及的另一个问题是,人们以一种以人类为中心的方式来处理这个问题,然而还需要考虑到世界上存在着不同类型的智能。

ÓhÉigeartaigh博士建议采用一种将人类与地球都置于中心的方法,从人类智能到食肉动物的智能,而不应局限于以人类为中心的智能。

ÓhÉigeartaigh博士表示,他们在初始阶段定义的第一个项目是“智能类型”,已经开始就这个项目召开会议。参会专家其中包括英国帝国理工学院神经学教授Murray Shanahan,他是研究黑猩猩智能、数学逻辑和机器学习方面的专家。所有参会的专家都致力于为不同类型的智能找到相对较新的想法。


人工智能如何发展

Óhéigeartaigh博士表示,另一个问题是这种人工智能将如何发展。进化生物学是通过反复试验而发展起来的,某些错误率较高的生物的发展速度要快于其他较低的错误耐受性生物体。他说,“在设计算法和人工智能时,专家可以选择想要的方式。我们还提供人工智能学习课程,我们称之为进化算法,可以在一定程度上使用试错法。我们之所以希望对发生的变化持开放态度,也有我们不希望发生变化的原因,因为我们最终可能得不到任何重要的东西,或者可能会产生意想不到的后果。”

在这一点上,许多不同的进化因素起作用。科学领域的革命带来了更多的人才以及为人工智能领域分配更多资源,从而以爆炸性的速度促进了人工智能领域的发展。他说:“这方面的一个例子是,深度学习在早期取得的巨大成功。这使更多的资源得到了利用,许多成功的组织都使用了这种方法。”


人工智能的未来发展

同样,可以说人工智能在概念上有所突破,但是无法预测实现这些突破将花费多长时间或将在多大程度上促进该领域的发展。ÓhÉigeartaigh博士评论说:“我们无法预测的事情会带来极大的不确定性,因此可以确定的是,将在2070年实现通用人工智能是荒谬的。但是迟早会有革命性的突破,在这种情况下,需要鼓励人们对具有社会影响力的事物进行原创性和创造性的思考。”

他表示,剑桥大学人类生存风险研究中心(CSER)还将作为一个交流中心,积极与学术界和工业界人士沟通和交流,并举办研讨会和行业会议。

他说,“我们旨在创建一个社区,致力于鼓励未来的意见领袖和研究领袖从长远方面解决影响我们所有人的问题。我相信,越来越多的年轻人将成为该领域未来的行业和政治领袖,并将会发挥重要作用。”
机器智能技术结尾二维码.png

文章来源:https://ai.51cto.com/art/202009/625306.htm
文章转自51CTO,本文一切观点和《机器智能技术》圈子无关

目录
相关文章
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能在医疗诊断中的应用与前景####
本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状、面临的挑战及未来发展趋势。通过分析AI如何辅助医生进行疾病诊断,提高诊断效率和准确性,以及其在个性化医疗中的潜力,文章揭示了AI技术对医疗行业变革的推动作用。同时,也指出了数据隐私、算法偏见等伦理问题,并展望了AI与人类医生协同工作的前景。 ####
17 0
|
1天前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建
|
1天前
|
机器学习/深度学习 人工智能 自然语言处理
转载:【AI系统】AI的领域、场景与行业应用
本文概述了AI的历史、现状及发展趋势,探讨了AI在计算机视觉、自然语言处理、语音识别等领域的应用,以及在金融、医疗、教育、互联网等行业中的实践案例。随着技术进步,AI模型正从单一走向多样化,从小规模到大规模分布式训练,企业级AI系统设计面临更多挑战,同时也带来了新的研究与工程实践机遇。文中强调了AI基础设施的重要性,并鼓励读者深入了解AI系统的设计原则与研究方法,共同推动AI技术的发展。
转载:【AI系统】AI的领域、场景与行业应用
|
6天前
|
机器学习/深度学习 人工智能 JSON
【实战干货】AI大模型工程应用于车联网场景的实战总结
本文介绍了图像生成技术在AIGC领域的发展历程、关键技术和当前趋势,以及这些技术如何应用于新能源汽车行业的车联网服务中。
|
2天前
|
人工智能 Kubernetes 安全
赋能加速AI应用交付,F5 BIG-IP Next for Kubernetes方案解读
赋能加速AI应用交付,F5 BIG-IP Next for Kubernetes方案解读
30 13
|
3天前
|
机器学习/深度学习 人工智能 算法
探索人工智能在医疗诊断中的应用
本文深入探讨了人工智能(AI)技术在医疗诊断领域的革新性应用,通过分析AI如何助力提高诊断准确性、效率以及个性化治疗方案的制定,揭示了AI技术为现代医学带来的巨大潜力和挑战。文章还展望了AI在未来医疗中的发展趋势,强调了跨学科合作的重要性。 ###
28 9
|
2天前
|
机器学习/深度学习 人工智能 边缘计算
24/7全时守护:AI视频监控技术的深度实现与应用分享
本文深入解析了AI视频监控系统在车间安全领域的技术实现与应用,涵盖多源数据接入、边缘计算、深度学习驱动的智能分析及高效预警机制,通过具体案例展示了系统的实时性、高精度和易部署特性,为工业安全管理提供了新路径。
|
7天前
|
机器学习/深度学习 人工智能 TensorFlow
探索AI技术在医疗健康领域的应用
随着人工智能技术的不断发展,其在医疗健康领域的应用也日益广泛。本文将介绍AI技术在医疗健康领域的应用,包括医学影像分析、智能诊断和治疗建议、药物研发等方面。通过代码示例,我们将展示如何使用Python和TensorFlow构建一个简单的神经网络模型来进行医学影像分析。
34 13
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术在自然语言处理中的应用
随着人工智能技术的不断发展,自然语言处理(NLP)已经成为了一个重要的应用领域。本文将介绍一些常见的NLP任务和算法,并通过代码示例来展示如何实现这些任务。我们将讨论文本分类、情感分析、命名实体识别等常见任务,并使用Python和相关库来实现这些任务。最后,我们将探讨NLP在未来的发展趋势和挑战。
|
6天前
|
机器学习/深度学习 数据采集 人工智能
深度探索:人工智能在医疗影像诊断中的应用与挑战####
本文旨在深入剖析人工智能(AI)技术在医疗影像诊断领域的最新进展、核心优势、面临的挑战及未来发展趋势。通过综合分析当前AI算法在提高诊断准确性、效率及可解释性方面的贡献,结合具体案例,揭示其在临床实践中的实际价值与潜在局限。文章还展望了AI如何与其他先进技术融合,以推动医疗影像学迈向更高层次的智能化时代。 ####