海量数据的计算是极其消耗能量的一件事,而且海量数据本身也不是人类社会的真正常态。人类的自然智能对应的是“小数据”,人们常常是在信息稀缺的环境下去作出合理选择的,这时人类智能动用的是一种“节俭性算法”。
那为何 AI 迄今未能成为一门科学?答案是,技术发展之缓慢远超我们的想象。回顾 90 年代至今这二十多年来,我们看到的更多是 AI 应用工程上的快速进步,核心技术和核心问题的突破相对有限。一些技术看起来是这几年兴起的,实际上早已存在。
最先提出“人工智能”这个术语的麦卡锡对这门学科的定义是:“人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。”
在实现智能感知、智能决策、智能交互的时候,往往任何一个要素的变化都会导致其他要素的变化。比如算法模型发生变化,设备资源调度就要跟着改变。结果就是,真正落地实施的时候,算法专家、设备专家、资源专家,以及应用开发的合作伙伴都需要在场。这最终导致AI落地的成本太高,无法真正在产业应用中大规模铺开。
6月30日,一套被称为“世界洪水(World Floods)”的人工智能(AI)洪水监测系统,由意大利航空航天企业D-Orbit公司搭载“猎鹰9号”从卡纳维拉尔角发射升空。“世界洪水”系统旨在通过卫星遥感和人工智能技术,提供近实时的地形图并突破技术障碍,加快人类对洪涝灾害事件的反应速度。
所谓的传统科学领域(化学、材料、生物等)才是人工智能更大的主战场,它给我们带来的不仅仅是科学研究的范式的改变。也将是传统行业的转型和升级,鄂维南呼吁大家一起参与到这个伟大的事业中来。
纵观信息科技的发展历史,尽管信息科技发展异常迅猛,但基本上安全可控。而AI发展却缓慢曲折,安全问题层出不穷。二者的差别在于,从信息革命开始,信息的三大理论就已经建立......具体的思路上,“第三代人工智能”利用知识、数据、算法和算力4个要素,建立新的可解释和鲁棒的AI理论及方法。
AI大模型相当于过去一百年前开始普及的“发电厂”,当时的工厂纷纷拆掉自己的蒸汽发电机,引入电网。AI大模型也是如此,它将数据作为“燃料”,转换出智能的能力、驱动各种AI的能力。
清华大学高博麟:在当前通信技术水平条件下,车路协同更适合做区域内宏观层面和战略级的行驶决策,而单车智能自动驾驶更适合做微观层面和战术级的车辆控制。清华大学李教授:智能交通系统是车路云网一体化的新型复杂系统和形态。单车智能自动驾驶是基础,车路协同自动驾驶是技术发展的必然趋势,两者不矛盾。
欧盟委员会通过了《人工智能法》提案,旨在建立关于人工智能技术的统一规则。提案不仅对人工智能技术在诸如汽车自动驾驶、银行贷款、社会信用评分等一系列日常活动中的应用设定了限制,而且还对欧盟内部的执法系统和司法系统使用人工智能的情形提出了相应的问题规制路径。
正如研究人类的心理学家发现,如果没有社会互动,婴儿的大脑就无法充分发育一样,除非人们将合作问题放在研究的中心,否则对社会真正有价值的AI发展将受到阻碍。当人类父母养育孩子时,经常鼓励孩子超越对父母的依赖,变得“自主”。但当人类个体作为更广泛的社会的一部分而展开合作时,通常最有生产力。
我最近很感兴趣的一个项目是制造视觉检测,看着从生产线上下来的智能手机的图片,你能看出图片有没有缺陷呢?或者能看出汽车部件上有没有凹痕呢?