jsp做网站用到什么技术,网络搜索关键词排名,网站制作公司 信科网络,南昌制作网站软件我们似乎经常看到人工智能的进步被吹捧为机器真正变得智能的一大飞跃。我将在这里挑选其中的一个例子#xff0c;并确切解释为什么这种态度会为人工智能的未来埋下隐患。 这很酷#xff0c;这是一个非常困难且非常具体的问题#xff0c;这个团队花了3 年时间才解决。他们一定…
我们似乎经常看到人工智能的进步被吹捧为机器真正变得智能的一大飞跃。我将在这里挑选其中的一个例子并确切解释为什么这种态度会为人工智能的未来埋下隐患。 这很酷这是一个非常困难且非常具体的问题这个团队花了3 年时间才解决。他们一定深入研究了人们如何玩游戏的大量元素了解需要什么了解哪些策略会影响人们然后将其与可以连贯地传达这些内容的东西联系起来。 这很酷也很具体。 我是一名工程师脑子不太好但简单来说......人们学习了大量关于外交和如何玩游戏的知识将其编码成一些非常智能的模型这些模型解决了游戏的多个方面然后将其与可以构建策略的部分链接在一起然后在其上添加自然语言这有助于实现该策略。 这令人印象深刻而且需要做大量工作。 然后措辞变得模糊 因此对于特定游戏来说我们已经做了一些很酷的事情其中意图和谈判非常重要。 我们先来看一下第一个语句 “CICERO一个可以与人谈判和合作的人工智能代理” 其次是 “这是第一个在流行战略游戏《外交》中达到人类水平表现的人工智能系统。” 作为该领域的领军人物这两句话的含义是CICERO 是一个可以进行谈判和合作的人工智能代理其成就的一个例子就是它在外交方面所做的努力。 这与研究人员所说的不一样他们说他们的意图是创建一个可以玩外交游戏并与外交游戏周围的人们进行谈判和合作的AI。 我想再次明确一点我认为 CICERO 非常酷我迫不及待地想听到更多关于他们做了什么以及我们可以从中学到什么的信息。然而有一件事我没有从公告中得到那就是现在有一个人工智能代理可以与人们就外交游戏以外的任何事情进行谈判。 承诺不足交付过度——在人工智能领域你不需要 如今人工智能有很多非常好的用途。但问题是其中很多用途并不十分诱人而且距离需要某种完全自主的、有感知能力的人工智能机器人还相去甚远。 然而令人遗憾的是上一代人工智能的资金来自对市场的疯狂承诺而这些承诺并未兑现。在赚钱容易的时代这还算不错但我们正在目睹它最终会如何收场。 无人驾驶汽车从炒作到现实 快到 2022 年了无人驾驶汽车已经进入寒冬。还记得 2016 年吗2017 年就会到来。 Tesla FSD Beta v11 即将广泛发布 特斯拉的全自动驾驶 (FSD) Beta 版本 11 于 11 月 11 日 11:11 发布这可能是对我们老手的致敬…… www.notateslaapp.com 其他方面的情况也并没有好转如果我们将 L4 作为自动驾驶的合理水平那么以下是目前提供自动驾驶作为生产支持选项的汽车列表 以上就是全部原因。出现这种情况确实有充分的理由其中很大一部分原因是过度承诺可以做什么因此人们一直追求梦想却无法实现而我们本可以瞄准月球并实现梦想。 福特放弃无人驾驶之路 哪里出了问题福特高管在本周与投资者的电话会议上直言不讳他们认为…… www.wired.com 因此结果是人们放弃了追求他们得到了无法实现的承诺而当无法实现时他们并不太愿意放弃追求其他东西。 不管有多少暗示法学硕士和艺术生成器都不具备 Sentient 性 大型语言模型和图像生成器可能是对正常业务应用最少的最大领域但它们也是不断被认为是有感知的东西。 谷歌解雇一名声称其人工智能技术具有感知能力的工程师 | CNN 商业 谷歌已解雇一名声称未发布的人工智能系统已具备感知能力的工程师该公司证实并称他…… www.cnn.com 不它没有知觉这也不是什么新鲜事。因为人们几乎想相信他们能看到知觉。20 世纪 60 年代人们就用没有鱼条那么聪明的东西做过这件事。 伊丽莎效应20 世纪 60 年代聊天机器人如何让人们相信它是真实的 上周谷歌的一名高级软件工程师被停职因为他确信…… www.iflscience.com 这是人工智能研究人员所知道的事情然而...... “如今的大型语言模型 (LLM) — 从 OpenAI 的 GPT-3 到 Google 的 PaLM 再到 Facebook 的 OPT — 都拥有令人眼花缭乱的语言能力。它们几乎可以就任何话题进行细致入微且深入的交流” 这是福布斯的报道完全是错的。这些法学硕士无法就任何话题进行细致入微的深度交流甚至差得远。他们可以做一些很酷的事情但他们能在自杀求助热线上进行细致入微的交流吗和医生和计算机科学家讨论建筑那么在当前世界杯上做出的 VAR 决定呢不行。但对于他们经过训练和调整的特定任务他们可以做得很好。 炒作需要资金来获得这些边际收益 深度学习很酷有很多很酷的事情可以做但它不是免费的今天我们看到收益越来越少而计算需求却在激增。远远超出了普通企业或大多数大学的能力范围。 机器学习三个时代的计算趋势 - Sevilla 等人来源 左边的刻度呈指数级增长这不是计算需求的轻微上升而是计算需求的大幅上升。如果你想进一步了解这到底有多疯狂请阅读这篇论文本身。 机器学习三个时代的计算趋势 计算、数据和算法的进步是指导现代机器学习进步的三大基本因素…… arxiv.org 这里的挑战在于人们追求越来越大的规模并采取一种生硬的方法认为如果你对足够多的参数进行足够多的学习那么就会有一个临界点即它从特定于上下文转变为普遍适用。没有证据表明这是真的。 就处理器能够实现的性能而言这些型号的倍增要求远远超过了摩尔定律。这意味着该处理器促进了增长同时也为增长提供了资金。如果资金枯竭增长就会崩溃。 过度营销掩盖了真正的价值 所有这些的风险在于当资金枯竭时我们将看到市场崩溃和反弹因为它未能与荒谬的营销声明相匹配。这将是一个遗憾但即使在今天我也看到炒作影响人们实际目标的问题。 例如大多数组织尽管没有可用的计算资源但仍然会踏上深度学习之路因为他们相信这是推动价值的最佳方式只有通过自己的深度学习才能获得“更好”的模型。事实是我认为 CICERO 的例子表明根据问题陈述您可以使用大量不同的选项而深度学习本身不太可能是答案。 还有一种挑战是“无聊”的挑战例如规范性维护、故障模型、调度和技能识别等人们熟知的领域这些领域并没有受到太多的关注。我见过人们考虑是否可以使用 LLM 来创建故障/修复工单然后不得不首先被推向实际解决故障/修复工单的问题。 当用于炒作和营销的资金枯竭时企业就有可能失去对价值的追踪并认为由于人们没有创建越来越大的模型人工智能作为一个行业总体上已经失败了。 DALL-E 为短语“海滩上一把 6 块锤子旁边是一个装满工具的打开的工具箱”生成的图像 新一代大型模型可以做很多很酷的事情它们为人工智能工具箱添加了更多工具。但工具箱里已经有很多
