人工智能和玩具之间隔着多少个Nao机器人?

简介:
   

  SYNC大会的开场表演是科技感十足的音乐下,三个Nao机器人带来的舞蹈。如果想在网上对智能机器人有更多了解,搜索结果也基本上会是各种风格的扭来扭去。在开始深度地解读人工智能之前,我们先严肃的讨论两个貌似戏谑的问题。为什么要让机器人跳舞?笔者认为是为了展示机械控制的精准和稳定。那为什么总是要让机器人跳舞呢?(呵呵)两个字—— 噱头。

关注人工智能的人会深谙这潭水的深度。如果一个领域太过玄妙的话,人们就很难将目光聚焦在现象背后的本质,在这方面,Nao机器人做得很好。

人工智能和玩具之间隔着多少个Nao机器人?

Nao机器人

人工智能现在看上去到底美不美

当Page在TED大会上淡定地告诉大家,Google最近在人工智能上取得的突破时,笔者完全理解那些后知后觉的人们同样淡定的回应。因为Page只是讲解了DeepMind开发出的一款程序,是如何通过自主学习,掌握几个古老游戏的技巧。视觉效果带来的冲击感严重不足。当然,观众失望并不是针对Google,而是Page对人类现阶段科技水平的阐述,还远没有达到人们期待中的高度。

试想如果一个Nao机器人站在Page面前,展示自己如何能通过“学习”,能够准确的表露自己的情绪时,Page会不会惭愧自己的无知。笔者认为不至于,要知道通过算法造出拥有喜怒哀乐,生死有终的“生命体”,在电子宠物时代就已经实现了。

人工智能和玩具之间隔着多少个Nao机器人?

佩奇在TED上阐述人工智能的现状

学习作为智能的关键词,在笔者看来,Nao机器人实际上有偷换概念的嫌疑。哪怕做出毫无底线的让步,在认可其具有学习属性的前提下,Nao机器人不得不承认的是,宣传中如同婴儿的学习能力永远不会令其变成一个正常的成年人。因为真正的学习不存在点到为止,也绝不会只是个无聊的死循环。换句话说,Nao机器人连学习的门槛都还没摸着。

抛开对智能的盲目定义,现有的机器人远比我们想象中的强大——那些精准的机械手,勇敢的拆弹机器人,以及悲壮的太空机器人。你可以感性的给它们贴任何美好的标签,如果没有它们的存在,很难想象现在会是一个怎样的世界。

思考的动机绝不是去占领机器人的道德制高点,抨击那些无辜的华而不实的机器人。我们应该意识到,这只是表达在机械控制与人工智能之间,不可估量的思维成本差距造成的结果。

人工智能和玩具之间隔着多少个Nao机器人?

   太空机器人

开发者若自以为是的一条道走到黑,则很难寻根那条人与机器合理的相处之道。因为闭门造车与闷声发大财之间的区别,仅仅是后者更善于聆听来自每个角落的回声而已。

Nao机器人与智能的悖论

无需深究机器人是如何从玩具改头换面以人工智能的姿态来到这个世界,无非是科学家的恶趣味和技术宅的造物情结使然。但这与人类在百万年前创造第一个工具有本质上的区别。前者是想从人变成上帝,后者却只是想从动物变成人而已。

那什么才是人工智能?这其实只是一个需要标准线的问题。不纠结那些加了修饰语的“轻智能”“微智能”“超级智能”等等,智能有一个统一的标准线就是“人”

 统计人做每个动作需要协调的肌肉群,每个思考需要的脑细胞,甚至最低级的反射需要的神经元数量。人类有足够的资本去鉴定万物的智能与否。大数据时代的到来如今已甚嚣尘上,理论上人们可以用复杂的算法和数据实现每一个拟人化的智能。至于实现什么,则纯粹是基于人们需要什么。因此以Nao为代表的机器人伴随着开发者们不被笔者所知的初衷入世了。

人工智能和玩具之间隔着多少个Nao机器人?

但不得不思考的是,这样的需求真的智能么,或者说单纯基于外界需求而诞生的机器人,它们的使命中有自我的概念么?如果说人们目的很狭隘的造出来一样东西,而真正的追求却是把它变成另一种方式的存在,这样的行为逻辑显然是不能成立的。

进化的底线在哪里

你可以肆意幻想一个机器人以新物种而存在的世界,看过电影《猩球崛起》的朋友或许会深有感触。用生命的长度来丈量,这是一个对人类来说,暂时还很遥远的假设。但遥远并不意味着可以无视,要知道霍金同志还在认真计算着地球爆炸的时间呢。

除去哲学和伦理的考虑,新物种的存在必然会对旧世界的秩序产生颠覆式的影响。在《失控》一书中有那么一段值得玩味的故事:已然统治了地球的机器人在做一个前沿科技的研究,遇到瓶颈的时候,“研究员”给“主管”提议用人类做试探性的工作。理由是人类的想象力有时候会产生出其不意的效果。多么辛辣的讽刺。唯心主义者阴阳怪气的推崇着因果循环。但笔者作为一个彻底的唯物主义者,对未来的看法是,无论怎样的结果都只是一群人做出的一个主观选择而已。生存还是毁灭?这是个问题。

人工智能和玩具之间隔着多少个Nao机器人?

电影《终结者》海报

这群人也许只是一小撮,影响判断的因素也可能千奇百怪,不过选择却始终唯一。我们有理由对未来保持乐观,那股对智能的不懈追求就彰显了盲目的自信。同时我们也有理由表示悲观,地球上每20分钟消失的一个物种为什么就不能是人类呢?笔者清醒的知道这之间存在一个主客关系的鸿沟。但俗话说得如此洒脱,我不入地狱,谁入地狱!

结束语

在文章的最后,用《失控》中作者引述老子的一段话,与所有在人工智能领域探索和保持思考的人共勉。“智能控制体现为无控制或自由,因此它是不折不扣的智能控制;愚蠢的控制体现为外来的辖制,因此它是不折不扣的愚蠢控制。智能控制施加的是无形的影响,愚蠢的控制以炫耀武力造势”。

  本文作者: 六爷

本文转自雷锋网禁止二次转载, 原文链接
目录
相关文章
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
PeterCat:一键创建开源项目 AI 问答机器人,自动抓取 GitHub 仓库信息、文档和 issue 等构建知识库
PeterCat 是一款开源的智能答疑机器人,能够自动抓取 GitHub 上的文档和 issue 构建知识库,提供对话式答疑服务,帮助开发者和社区维护者高效解决技术问题。
71 7
PeterCat:一键创建开源项目 AI 问答机器人,自动抓取 GitHub 仓库信息、文档和 issue 等构建知识库
|
2月前
|
人工智能 自然语言处理 算法
具身智能高校实训解决方案 ----从AI大模型+机器人到通用具身智能
在具身智能的发展历程中,AI 大模型的出现成为了关键的推动力量。高校作为培养未来科技人才的摇篮,需要紧跟这一前沿趋势,开展具身智能实训课程。通过将 AI 大模型与具备 3D 视觉的机器人相结合,为学生搭建一个实践平台。
212 64
|
17天前
|
机器学习/深度学习 人工智能 算法
人工智能与机器人的结合:智能化世界的未来
人工智能与机器人的结合:智能化世界的未来
120 32
|
17天前
|
人工智能 安全 机器人
OpenAI重拾规则系统,用AI版机器人定律守护大模型安全
在人工智能领域,大语言模型(LLM)展现出强大的语言理解和生成能力,但也带来了安全性和可靠性挑战。OpenAI研究人员提出“规则基于奖励(RBR)”方法,通过明确规则引导LLM行为,确保其符合人类价值观和道德准则。实验显示,RBR方法在安全性与有用性之间取得了良好平衡,F1分数达97.1。然而,规则制定和维护复杂,且难以完全捕捉语言的多样性。论文:https://arxiv.org/pdf/2411.01111。
59 13
|
2月前
|
人工智能 机器人 Shell
AI语音机器人安装方法 AI机器人安装代码
AI语音机器人安装方法 AI机器人安装代码
40 2
|
3月前
|
机器学习/深度学习 人工智能 自动驾驶
2024.10|AI/大模型在机器人/自动驾驶/智能驾舱领域的最新应用和深度洞察
本文介绍了AI和大模型在机器人、自动驾驶和智能座舱领域的最新应用和技术进展。涵盖多模态大语言模型在机器人控制中的应用、移动机器人(AMRs)的规模化部署、协作机器人的智能与安全性提升、AR/VR技术在机器人培训中的应用、数字孪生技术的优化作用、Rust语言在机器人编程中的崛起,以及大模型在自动驾驶中的核心地位、端到端自动驾驶解决方案、全球自动驾驶的前沿进展、智能座舱的核心技术演变和未来发展趋势。
249 2
|
2月前
|
存储 人工智能 搜索推荐
AI智能语音机器人的基本业务流程
简介: 先画个图,了解下AI语音机器人的基本业务流程。上图是一个AI语音机器人的业务流程,简单来说就是首先要配置话术,就是告诉机器人在遇到问题该怎么回答,这个不同公司不同行业的差别比较大,所以一般每个客户都会配置其个性化的话术。话术配置完成后,需要给账号配置线路,目的就是能够顺利的把电话打出去。线路配完后,就是建立任务了,说白了就是导入电话号码,因为资源有限,不可能导入一批立即打完,所以需要以任务的形式分配给机器人,然后机器人逐个完成。值得一提的是,如果有多条线路,创建任务时建议提供线路选择功能,很多公司的业务不止一个城市,而大家又是比较习惯接听自己所在城市的电话,所以这个选择主
|
3月前
|
机器学习/深度学习 传感器 人工智能
马斯克的AI机器人可以拯救一个陷入困境的教育系统吗?
马斯克的AI机器人可以拯救一个陷入困境的教育系统吗?
|
3月前
|
人工智能 搜索推荐 机器人
挑战未来职场:亲手打造你的AI面试官——基于Agents的模拟面试机器人究竟有多智能?
【10月更文挑战第7天】基于Agent技术,本项目构建了一个AI模拟面试机器人,旨在帮助求职者提升面试表现。通过Python、LangChain和Hugging Face的transformers库,实现了自动提问、即时反馈等功能,提供灵活、个性化的模拟面试体验。相比传统方法,AI模拟面试机器人不受时间和地点限制,能够实时提供反馈,帮助求职者更好地准备面试。
125 2
|
8月前
|
机器学习/深度学习 人工智能 安全
机器人+AI+MD模拟,加速材料发现和设计,发现全天然塑料替代品
【5月更文挑战第16天】研究人员结合机器人自动化、AI和MD模拟,加速发现全天然塑料替代品,以解决塑料污染问题。通过机器人制备286种纳米复合材料,使用SVM和ANN模型预测其性能,实现高效设计。模型成功推荐了具有特定性能的生物降解替代品,但面临样品制备自动化、天然成分质量控制、成本和生命周期分析等挑战。论文链接:[Nature article](https://www.nature.com/articles/s41565-024-01635-z)
114 3
下一篇
开通oss服务