网站首页    方法理论    人工智能与人类智能
  • 在字节做乙方

    字节跳动在切入企业级业务时,不可避免地碰到了过往经验无法复制的苦恼。企业级业务是个苦活。与消费互联网坐在办公室里,靠算法和产品就把钱挣了不同,企业级业务要跑行业、下工厂,是十足的乙方,还不挣钱。字节能不能做成to B业务?不少人认为,还需要时间

    4 ¥ 0.00
  • 定向广告与互联网

    随着广告技术的发展,到2024年,全球数字广告市场预计将增长到5250亿美元。行为广告的商业模式催生了一个由广告技术公司组成的生态系统,在复制传统媒体以广告为基础的商业模式时,互联网公司将一个关键的规则弃置不顾:商业运作和编辑决策之间的分离

    3 ¥ 0.00
  • 李小加的”滴灌通”

    聚焦在餐饮、零售、服务、文化。首先是大消费行业,波动性小、抗周期性风险能力最强,是老百姓生活离不开的行业。投资从根本上是极端分散化的,风险的关联是非常小,投资回报的质量就会非常高。这些行业都有非常稳健的现金流,而且是每天都会出现的现金流。

    3 ¥ 0.00
  • 印度才是挑战

    工业地理中心每过20-30年就发生一次转移,这是普遍的规律。拜登政府的供应链转移计划对中国的冲击大。中国的供应链体系虽然庞大,但是仍处于价值链的中低端,具有很强的复制性和可替代性,外迁的西方企业在科技人才丰富的印度等地,较容易培育出新的供应链。

    6 ¥ 0.00
  • 越南经济背后的战略

    2021年,越南对成为美国的第九大贸易伙伴,“越南无法依靠国内市场引领经济增长,因此必须比中国更开放,这在当下并没有选择,但也必须承担其风险。”关键在于,在之后的全球供应链竞争中,越南是否还能“继续在大国竞争中游刃有余,而不是被拖入其中”。

    6 ¥ 0.00
  • 十大先进组织结构

    先进的组织结构可以让企业释放出更大的创造性。欧洲创新学者约斯特·米纳阐述了如今最先进的10种组织结构。在他看来,人单合一模式中的链群正是最先进的组织结构之一。它将海尔变成了一个生态圈,将员工从自然人升华为自主人,使人人都拥有成为企业家的可能

    21 ¥ 0.00
  • 全球重大衍生品交易事件

    国际衍生品交易引发的惊天商战多次发生,对中国企业出海敲响警钟。1995年,未经授权的期货交易产生巨额亏损,巴林银行最终倒闭;2004年中航油新加坡卖出原油看涨期权,最终油价攀升导致爆仓亏损;2005年国储局交易员在LME建立大量铜空头仓位,铜价大涨造成巨大损失等

    14 ¥ 0.00
  • 谁击败了当年晋商?

    长途贸易让晋商积累了资本,产生了“山西票号”。由于不投资战争,不是近代的银行资本和金融资本。不能投资于军事自卫、战争经营借款和赔款之外,丧失了当时的所有“大宗业务”。随着通商开埠,山西逐渐丧失了国际贸易中继站的地利,被西方金融垄断资本击溃。

    12 ¥ 0.00
  • 鸡的迁徙

    八千年前家鸡在亚洲东南部地区由红色原鸡驯化成功,随后跟随人类迁徙的步伐几乎走遍地球上有人类居住的每个角落,成为世界各地常见的动物。在人类发展历史长河中扮演着越来越重要的角色。也可以说,鸡的迁徙历史从一个侧面见证了数千年来人类的历史变迁。

    21 ¥ 0.00
  • 糖的进化史

    中国正逐渐成为糖的消费大国,同时糖的摄入过多与“肥胖、龋齿、2型糖尿病”等发病率增长呈现正相关。历史长河中,糖所带来的能量一直被人类所需。进入现代社会,大脑对于甜味的渴求从不减退。这也是在“减糖、控糖”成为时代背景下,“代糖”大行其道

    9 ¥ 0.00
  • 基建与日本经济

    日本也曾经是一个基建狂魔,早期的基建投资应该是非常有效的。尤其当日本经济泡沫破灭的时候,通过拉动基建等逆周期政策,让经济回稳。尽管当年所创设的“东亚增长模式”受到诸多质疑,但迄今仍保持全球第三大经济体的地位,是二战之后成功转型的极少数范例

    9 ¥ 0.00
  • 氢能源之困

    氢能源能量密度远高于锂电池、加氢过程只需3-5分钟续航500km,循环寿命4000次以上,排放的只有净水,没有污染。实际上,氢能源对其他燃料的依赖性太强。煤炭制备1公斤氢排放约10公斤二氧化碳。天然气每制取1公斤需耗电约11度,电解水制氢一公斤则要耗电约48度

    6 ¥ 0.00
  • 软件拖垮日本制造

    日本人把软件当硬件一样生产,追求质量、稳定性和零缺陷。软件开发和硬件制造有不同的底层逻辑。硬件强调质量,而软件更强调快速迭代。并但随着技术的进步,产品生命周期正迅速缩短,软硬件开发逐渐趋于同步。尽管硬件质量可靠,软件性能稳定,但更新速度太慢

    6 ¥ 0.00
  • 日本资产负债表衰退启示

    “资产负债表衰退”理论认为上世纪九十年代日本资产泡沫破裂后,企业的目标从利润优先转为偿债优先,进而引发经济增长持续低迷。在此背景下,货币政策因缺失融资主体而传导失灵。近年来我国宽货币到宽信用的效率大打折扣,与日本当年情形类似

    9 ¥ 0.00
  • 1990年前后,日本判若两国

    日本企业和个人不再追求利润最大化,而是追求负债最小化。无论货币刺激力度有多大,企业根本没有扩大再生产的需求,贷款意愿严重不足。这就解释了货币政策为啥毫无作用。辜朝明测算, 1989年后的资产价格暴跌造成的缺口,让企业和家庭进行了至少15年的净债务偿还

    7 ¥ 0.00
  • 中国工业1952年

    1952年我国连电风扇,手表也不会造,化纤产品也不会造,到1957年中国的化纤产量才200吨化纤,手表产量400只,你没看错,是400。1952年,量产汽车为零、制造了2000吨塑料,2000吨毛线,5600吨丝,2000吨农药,100吨化学药品、内燃机4万马力,铁路机车20台,铁路客车6辆。

    7 ¥ 0.00
  • 韩国电影崛起奇迹

    韩国电影好看只是因为它敢拍是一个误解。韩国电影的首要任务是服务于国内市场,否则缺乏国内观众消费,资本也会跑路。韩国电影并非没有缺点,韩国式的好莱坞电影工业模式确立之后,作品逐渐模式化。但韩国电影视能影响全球市场,实在不能不让人承认是一大奇迹

    6 ¥ 0.00
  • 越南电影法案

    主要参考学习韩国和印度尼西亚,吸收了20多个发达国家的电影法案,越南电影法修订对电影产业颁布了诸多改革措施:完善其分级制度,并向国外投资者开放电影制作、发行、放映产业链;设置专项资金、财政拨款、向外国电影“征税”以及吸纳捐款,扶持本土电影发展

    4 ¥ 0.00
  • 区块链,受误解的发明

    在商业史上,从来没有像分布式账本技术和区块链这样被大肆宣传和误解的发明。为简单起见,我将使用包罗万象的术语“加密”或“加密技术”。但我的意思是让“加密”成为可能的非凡的、反复无常的底层技术……我们可以肯定的是,它将在多个领域产生深远的影响。

    27 ¥ 0.00
  • 6G时代全息通信方式

    结合 6G 技术、全息通信愿景与未来通信技术发展趋势,以扩展活动空间与延伸体能智能为基线,进行扩展与挖掘可获得包括数字孪生、高质量全息、沉浸 XR、新型智慧城市、智能工厂、网联机器人、自治系统等相关场景与业务形态,体现“人-机-物-境”的完美协作。

    9 ¥ 0.00

【源自:品途商业评论《一文读懂:人工智能与人类智能有何区别?》2018.08】

 

我们不是机器,机器也不是人类,未来将是人工智能和人类智能共同构建的!

 

随着人工智能变得越来越聪明,关于AI将消灭人类的说法也不断涌现出来。事实上,很多大人物都在呼吁人们提起警惕。到现在,似乎AI支持者谷歌首席工程师雷·库兹韦尔对未来的乐观态度似乎已经不敌比尔·盖茨、伊隆·马斯克和史蒂芬·霍金提出的担忧。

诚然,我们确实有理由表示担忧,但未来并不一定会是一个黑暗的未来,因为我们可以有利用AI的更好方式,关键是认识到人类与机器智能之间的互补关系。说到底,人工智能与人类智能有着天壤之别,所以以后可以停止对二者的比较了。

如今,人们很容易相信人工智能已经变得像人类智慧一样聪明了——如果不是更聪明的话。比如,前一段时间,谷歌发布了DuplexAI,能够帮助用户完成外呼预定美发沙龙和餐馆等操作。由于它的声音几乎与人类一模一样,所以在整个过程中可以瞒过其对话伙伴,使之认为自己是人类。

此外,谷歌子公司DeepMind开发了一款人工智能,在最复杂的棋盘游戏中击败了世界冠军。而最近,人工智能又被证明它可以像训练有素的医生一样准确诊断眼疾……还有很多的事件可以表明,在不久的将来,机器人有可能会让人类身处失业的状态。

随着技术的发展与突破,人工智能在以我们肉眼可见的速度解锁新领域、新任务、新技能,而这些领域之前被认为是人类智能的专属。但这是否意味着人工智能比人类智能更聪明呢?在小智君(ID:Aiobservation)看来,将人工智能与人类只能进行对比,这本来就是一个错误的想法,因为二者是完全不同的东西,即使有时候它们的功能会重叠。

 

人工智能擅长处理数据不善于抽象思考

 

首先,即使是最复杂的人工智能技术,其核心也与其他计算机软件没有什么不同:以超快速率运行数据。AI及其分支,如机器学习和深度学习,只要研究员能将其转换为正确的数据集,就可以解决任何问题。

举个例子,图像识别。如果给出深度神经网络、深度学习算法的基础结构以及足够多的标记图像,人工智能就可以用非常复杂的方式进行数据对比,并找到定义每种类型对象的相关性和模式,进而实现用该信息标记之前从未见过的图像中的对象。当然,语音识别的过程也是如此:如果有足够多的人的声音的数字样本,神经网络可以找到人的声音中的共同模式并确定某段录音是否属于那个人。

最近上线公测的阿里AI鉴黄语音反垃圾服务便是基于此理论,除识别色情图片、色情视频和色情文字外,涉黄语音也能通过AI鉴别了。为了让AI智能机器具备识别多国语言和多地方言的能力,事先需要有一个训练学习的过程,对此阿里安全部产品专家念夏表示,“可以把它想象成一个小孩,需要不断喂养、训练、学习,它才具备这样的能力。”比如学习广东话,除了从第三方公司购买训练素材外,还使用阿里系统内的视频平台上的粤语电视剧,来训练机器人学习。

实际上,我们所了解到的关于AI的应用,无论是进行人脸识别还是诊断癌症的计算机视觉算法,亦或是能够驱逐恶意网络流量的人工智能网络安全工具,甚至是玩电脑游戏的复杂AI项目,都有这样一个同样的规则。只不过,技术不断在改变和进步。

正如有句老话说的是“人无完人”,所以AI也有自己的缺点,而它欠缺的就是抽象思考、常识的运用以及知识迁移。说回开头提到的谷歌DuplexAI,它可能非常擅长预订餐厅或美发沙龙,但这是两项非常狭窄且非常具体的任务。甚至这个人工智能还可以使用人类的语腔语调完成一次模仿人类对话的自然行为,但一旦谈话偏离了轨道,Duplex就会很难以连贯的方式作答。在这种情况下,它要么终止对话,要么在人类的帮助下才能以有意义的方式继续对话。

迄今为止,已经有很多实例可以证明,一旦AI模型出现在其擅长领域之外的事件中或者接收到与他们训练过的数据不同的内容,他们就会以一种不合逻辑的方式失败。范围越广,人工智能需要掌握的数据越多,就会出现一些边缘案例,这些场景还没有被训练数据所覆盖,最终会导致人工智能的失败。一个例子便是自动驾驶汽车,尽管已经行驶了数千万公里,但它仍在努力实现完全自主,远远超过人类成为专家驾驶员的需要。

 

人类不善于处理数据擅长做抽象决策

 

从数据部分开始。与计算机相反,人类在存储和处理信息方面非常糟糕。比如,想要记住一首歌的歌词,必须多次循环听才能记住它;但对于计算机来说,记住一首歌就像在应用程序中按“保存”或将文件复制到其硬盘中一样简单。同样,对于人类来说,不记忆也是很困难的。即使尽自己所能,一些不是很好的记忆还是会存在自己的脑海里。而对于计算机来说,忘记一些东西就像删除文件一样简单。

说实话,在处理数据方面,人类远不如人工智能。在上文提到的所有示例中,人类或许能够执行与计算机相同的任务,只不过在人类识别和标记图像所花费的时间内,AI算法可以完成对一百万个图像的分类。毫不夸张的说,计算机的绝对处理速度使它们能够在涉及数学计算和数据处理的任何任务中超过人类。

然而需要注意的是,人类可以基于本能、常识在信息稀缺的情况下,做出抽象决定。比如,人类孩子在很小的时候就学会归纳整理物品。但对于AI算法,执行相同任务需要数年的训练。科技评论家尼古拉斯·卡尔(NicholasCarr)在被问及智能机器与人类的区别时曾表示,“计算机没有疯狂地带,它们不能矛盾,也无法设计去处理模稜两可的情形,它们也没有直觉。”

举个例子,当人们第一次接触视频游戏时,他们可以快速地将日常生活中的知识转移到游戏环境里,像远离坑,壁架,火和尖尖的东西(或跳过它们)。他们知道必须要躲避子弹、避免被车辆撞到才能生存。但对于AI来说,每个视频游戏都是一个新的未知的世界,它必须从头学习。人类可以发明新事物,包括已经引领人工智能时代的所有技术,而AI只能获取数据,进行比较,提出新的组合和演示,并根据之前的序列预测趋势。

人类可以感受、想象、梦想,可以无私或贪婪,可以爱恨交加,可以撒谎,甚至有时候会混淆事实。所有这些情绪都可以以理性或非理性的方式改变他们的决定。人是一种由肉体制成的不完美的有缺陷的生物,每一个人都以自己的方式独特生存;而人工智能,从核心上讲,是由数十一个无生命的电路运行的微小的电流。

 

人工智能与人类智能截然不同请停止比较

 

总的来说,所有这些都不意味着人工智能优于人类智能,反之亦然。因为本质上,二者就是完全不同的东西。AI擅长重复性任务,这些任务具有明确定义的边界,可以用数据表示,而且对于需要完成基于不完整信息,凭直觉做出决策的任务来说,往往表现的很糟糕。相比之下,人类智能适用于需要常识和抽象决策的环境,而对于需要进行大量实时计算和数据处理的任务则表现不佳。

从不同的角度看,我们应该将AI视为增强智能。人工智能与人类智能相辅相成,弥补了彼此的不足。因此,他们可以一起完成任何自己无法单独完成的任务。比如,AI善于利用大量的网络流量找出异常情况,但在决定哪些是需要调查的真正威胁时会犯错误。而另一方面,人工分析师不善于监控通过公司网络传输的千兆字节数据,但他们擅长将异常与不同事件联系起来,并确定哪些是真正的威胁。所以,AI和人工分析师可以填补彼此的空白。

诚然,现在人工智能可以做越来越多的事情,它们的逻辑也变得更为复杂,所以它们有能力去应对更复杂的情况,以及处理更多的变量参数。但是人工智能和人类各自的强项都体现在不同的领域,这意味着我们需要探索的是共生关系,而不是竞争关系。

很多人都持有一种观点,即机器会取代人类的工作机会。在小智君(Aiobservation)看来,其中不乏夸张的宣传,事实证明,人工智能的扩张创造了更多的就业机会而不是摧毁。但是,正如过去每项技术突破所做的那样,在许多任务中,它确实可以消除对人类的需求。但这可能是因为那些工作从来都不是针对人类的。现在我们在这些工作上花费了大量宝贵的人力资源和劳动力,或许就是因为我们尚未开发出能使其自动化的技术。

随着人工智能变得善于执行更多的任务,作为人类,我们将有更多的时间把我们的智慧用于具有创造性、社交性、艺术性、体育、文学、诗歌以及其他有价值的应用中。到那个时候,我们就使用我们的增强智能工具来增加这些工作的创造力了。

最后,我们不是机器,机器也不是人类,未来将是人工智能和人类智能共同构建的!

 

延伸阅读——

人工智能、深度学习与人类智能之间的区别和联系

 

 

【源自:一分钟看懂科技文献《人工智能、深度学习与人类智能之间的区别和联系》2018.03】

 

人工智能的浪潮正在席卷全球,人工智能(ArtificialIntelligence)、深度学习(DeepLearning)、人类智能(HumanIntelligence)这些高频词汇经常出现。那么,什么是人工智能?什么是深度学习?什么又是人类智能呢?

https://t11.baidu.com/it/u=3512913877,316560046&fm=173&app=25&f=JPEG?w=640&h=480&s=FEC7A944C6C254FD3BB2751A0300809A

人工智能

 

(1)人工智能:1956年几位计算机科学家相聚在达特茅斯会议提出“人工智能”的概念。得益于数据量的上涨,人工智能的研究领域也在不断扩大,包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。

(2)深度学习:用以实现人工智能的一种机器学习方法。深度学习本来并不是一种独立的学习方法,其本身也会用到有监督和无监督的学习方法来训练深度神经网络。但由于近几年该领域发展迅猛,一些特有的学习手段相继被提出(如残差网络),因此越来越多的人将其单独看作一种学习的方法。

https://t11.baidu.com/it/u=1930683343,3820008473&fm=173&app=25&f=JPEG?w=640&h=404&s=0EAA7A231BBDD9EB5E7511CE0100E0A0

深度学习网络

 

(3)人类智能:人类智能就是人类认识世界和改造世界的才智和本领。人类之所以能成为万物之灵,是因为人类具有能够高度发展的智能。它包括“智”和“能”两种成分。“智”主要是指人对事物的认识能力;“能”主要是指人的行动能力,它包括各种拔能和正确的习惯等等。人类的“智”和“能”是结合在一起而不可分离的。

https://t11.baidu.com/it/u=1896575899,3544822184&fm=173&app=25&f=JPEG?w=527&h=342&s=714067A6CC107FCE9AA5CA6E03007053

复杂的人类大脑神经纤维

 

在解释完上述三个概念之后,他们之间又有什么联系呢?

1965年,美国著名计算机科学家西蒙(H.A.Simon)曾预言:“在20年内,机器将有能力做人类所能做的一切。”几十年过去了,人工智能作为21世纪智力革命的核心领域,汇聚了一大批杰出的计算机科学家、心理学家、神经科学家、语言学家和哲学家开展了深入的研究,取得了举世瞩目的成就,却没能达到先驱者当年预期的目标。

今天,最先进的人工智能可以完成人类无法完成的复杂计算、做人类不能做的精密工作,但却仍然无法像人类那样敏捷和流畅地思考。

近20年来,人工智能学家们试图用神经网络建模来模拟大脑,用生物进化机制来提升机器的智能。他们将自治体的方法论与神经网络的模型结合起来,形成了当代人工智能研究中最令人兴奋的、最具开拓性的研究成果-深度学习。有了深度学习的技术支持,人工智能在机器翻译、问答游戏、阅读理解、图像识别等领域有了革命性的发展。

因此从这个解释上来看,人工智能实际上是一种模拟人类智能的存在,而深度学习是人工智能实现人类智能的一种手段。

那么,深度学习就真的能够实现人类智能吗?

就研究现状看,深度学习模型还存在着一些亟待解决的问题。例如,无法应对小数据的环境、无法进行迁移学习、无法进行常识性推理以及无法将所有的技术整合在一起以适应多个领域的工作等等。而导致这些研究困境的不仅仅是技术问题,而是更为深层次的问题:将人类的学习和智能仅看作是大脑神经网络的功能。这似乎注定了深度学习模型仅仅是一个更大、更花哨但从本质上说仍然是脆弱的、不可理解的“专门系统”。因此,深度学习模型尽管模拟了大脑的神经结构,却仍与人类学习之间有着本质区别。人类的学习过程与我们的身体、语言以及周围的现实世界不可分离。很多时候,人类的学习能力不是来自于明确的数据结构,而是来自一些更为现实的东西:如身体意向性以及身体熟练地应对当下情境的能力等等。

从数据结构的角度说,人类生活的日常世界很难被符号化。即便是深度学习模型对人类的大脑结构进行了抽象,被抽象也只能是其数学成分。纯数学无法对人类的生活世界进行充分描述。从神经网络的角度说,人类生命的整体性远远大于大脑,我们的大脑、身体与世界之间紧密相连。单就大脑而言,神经元有10^12个,不同的连接方式有6×10^13种。可以说,我们现在对大脑工作方式的了解还很有限。从人工建模的角度说,人类智能和学习能力的形成是几百万年的进化的结晶。正如当前最著名的人工智能学家之一的D.Hassabis所说:“若想突破人工智能应用的天花板,我们必须要对人类自己的智能有更为深入的了解”。通过人工神经网络来模拟大脑的深度学习模型,任重而道远。

2021-11-11
本质上二者就是完全不同。AI擅长重复性任务,这些任务可以用数据表示,而对于需要完成基于不完整信息,凭直觉做出决策的任务来说,往往表现很糟糕。人类智能适用于需要常识和抽象决策的环境,而对于需要进行大量实时计算和数据处理的任务则表现不佳。

人工智能与人类智能

人工智能与人类智能