MIT教授称人类大脑并不比AI复杂,30年内机器智能将可复制爱与同情

简介: 从Project Debater身上,我们见证了人工智能在更高维度上对我们的大脑的思维和运行方式的一次形象的模拟。这是否意味着,人的大脑的许多能力都可以用AI重现?

【新智元导读】不久前,由IBM研发的AI辩论系统Project Dabater与人类辩论冠军进行了一场辩论,AI的表现令人印象深刻。从Project Debater身上,我们见证了人工智能在更高维度上对我们的大脑的思维和运行方式的一次形象的模拟。这是否意味着,人的大脑的许多能力都可以用AI重现?

IBM的Project Dabater可人工智能系统在辩论赛中表现可圈可点,这是否意味着,人的大脑的许多能力都可以用AI重现?

不久前,由IBM研发的人工智能辩论系统Project Dabater与以色列辩论冠军Noa Ovadia和Dan Zafrir举行了一次辩论。辩论的主题是从40个随机话题中抽取出来的,研究人员事先并没有对系统进行过针对辩论赛的特别训练,Project Dabater自己对多达3亿篇的新闻文章资源库的内容进行识别、分类和选择,并从中提取出适合在辩论中使用的片段。

在辩论中,Project Dabater可以做到表述语法基本正确,语义和逻辑基本清晰连贯,在听取辩论对手就辩题的看法之后,还能够做出切合话题的反驳。

Project Debater在辩论中的表现虽然算不上完美,但还是令人印象深刻,而且让我们向着人工智能深化的方向向前迈进了一步:Project Debater吸收大量不同的信息和观点,帮助人们建立有说服力的论据并做出明智的决策。可以说,从Project Debater身上,我们见证了人工智能在更高维度上对我们的大脑的思维和运行方式的一次形象的模拟。

实际上,我们所掌握的知识,对事物的观点和认识,甚至是创造力大部分都来源于周围的大量信息。大脑会对我们从周围环境中获取到的这些信息进行记忆、整理、分类、整合等处理,从中识别出不需要的、或多余的信息,从某种程度上说,这些信息也可是以视作一个规模庞大无比、内容无所不包的数据库。

如果说我们掌握的知识和形成的观点是大脑对外部信息的筛选和整合,那么创造力、情感、判断力等这些更高层面的感知能力,也可以归为大脑对信息的多次复杂处理之后得到的结果。如果这些相对高级的感知能力都有望由人工智能建模实现,如果我们的大脑的某些运行模式可以被代码所重现,考虑到现在的计算机,尤其是未来的量子计算机的极快的运算速度和惊人的数据处理能力,那么从某种意义上说,我们的大脑可能并不比AI更加优越,大脑的一些复杂、精确的能力也可以化为代码和程序,最终能够被AI所学习和复制。

一些从事人工智能行业的专家和从事脑科学研究科学家对这个问题也有着类似的思考。

英特尔(Intel)负责人工智能业务的Naveen Rao说:“我们或许能在30年内创造出一种有限智能,它可以在空间中移动,了解周边环境,并且对自己有感知。”他认为人类有可能高估了自己的大脑,爱和同情是可以被人工智能学习和复制的。

麻省理工学院(MIT)的神经学家James DiCarlo表示,“认为人脑将总是比人工智能复杂的观点是错误的,对于大脑和认知方面的科学家来说尤其如此。我相信,工程学将会逐渐地掌握大脑的某些特定功能。”

实际上,Project Dabater的真正价值不在于辩论本身,而是人工智能系统可以为人类决策团队做出的重要贡献。比如在警务室,情报分析掩体或教室内,都可以引入人工智能工具来增进对话,使得基于证据而做出的决策更加合理,或者为人类决策提供的新的信息或可供参考的反对意见。

未来,可能产生能够真正理解我们,并能对我们做出回应的人工智能。换句话说,不管是对AI大力鼓吹还是对其持怀疑态度的人来说,AI可能都要比他们想象中更为强大。

原文链接:
https://www.ft.com/content/36c669c0-791b-11e8-af48-190d103e32a4

原文发布时间为:2018-07-20
本文来自云栖社区合作伙伴新智元,了解相关信息可以关注“AI_era”。
原文链接:MIT教授称人类大脑并不比AI复杂,30年内机器智能将可复制爱与同情

相关文章
|
2月前
|
机器学习/深度学习 人工智能 TensorFlow
神经网络深度剖析:Python带你潜入AI大脑,揭秘智能背后的秘密神经元
【8月更文挑战第1天】在当今科技飞速发展的时代,AI已成为日常生活中不可或缺的一部分。神经网络作为AI的核心,通过模拟人脑中的神经元连接方式处理复杂数据模式。利用Python及其强大的库TensorFlow,我们可以轻松构建神经网络模型。示例代码展示了如何建立一个含有两层隐藏层的简单神经网络,用于分类任务。神经网络通过反向传播算法不断优化权重和偏置,从而提高预测准确性。随着技术的进步,神经网络正变得越来越深、越来越复杂,能够应对更加艰巨的挑战,推动着AI领域向前发展。
43 2
|
1天前
|
人工智能 安全 搜索推荐
北大计算机学院再登国际AI顶刊!张铭教授团队揭露医疗AI致命漏洞
【10月更文挑战第16天】北京大学张铭教授团队在国际顶级人工智能期刊上发表重要成果,揭示了医疗AI系统中的致命漏洞——“模型反演”。该漏洞可使攻击者通过特定数据样本误导AI诊断,引发误诊风险。此发现引起广泛关注,强调了医疗AI安全评估的重要性。
8 4
|
11天前
|
机器学习/深度学习 人工智能 算法
Nature子刊:AI模型测大脑年龄,究竟哪些因素会加速大脑衰老?
【10月更文挑战第7天】《自然医学》杂志近期发布了一项研究,介绍了一种名为BrainAge的人工智能模型,该模型可预测个体的大脑年龄并分析影响大脑衰老的因素。研究团队来自美国加州大学旧金山分校,利用英国生物银行的近50,000名参与者的数据,发现高血压、糖尿病、肥胖、吸烟、饮酒、缺乏运动及遗传因素均与大脑衰老有关。尽管存在数据集限制等局限性,BrainAge模型仍为研究大脑衰老和相关疾病提供了重要工具。
24 1
|
20天前
|
人工智能 自然语言处理 机器人
MIT新研究揭秘AI洗脑术!AI聊天诱导人类编造记忆,真假难辨
麻省理工学院的一项新研究《基于大型语言模型的对话式AI在证人访谈中加剧虚假记忆》显示,使用生成式聊天机器人进行犯罪证人访谈会显著增加参与者的虚假记忆,且影响持久。研究设置了对照组、问卷访谈、预设脚本及生成式聊天机器人四种条件,结果显示生成式聊天机器人诱导的虚假记忆数量远超其他方法。尽管AI技术在效率和准确性方面潜力巨大,但在敏感领域需谨慎应用,并需进一步评估风险,制定伦理准则和监管措施。论文详细内容见[这里](https://arxiv.org/abs/2408.04681)。
34 2
|
1月前
|
人工智能 算法 程序员
程序员为何容易爱上AI?MIT学者诊断:智性恋浓度过高!
【9月更文挑战第20天】近日,一篇由MIT学者撰写的论文在网络上引发热议,探讨了程序员为何易对AI产生深厚情感,即“智性恋”。论文指出,程序员在开发和使用AI时,因对其智能和能力的钦佩而形成依赖与认同,但这可能导致过度依赖AI,忽视自身价值或其局限性,甚至引发不健康的竞争。论文链接:https://arxiv.org/pdf/2407.14933。
33 5
|
1月前
|
机器学习/深度学习 人工智能 TensorFlow
神经网络深度剖析:Python带你潜入AI大脑,揭秘智能背后的秘密神经元
【9月更文挑战第12天】在当今科技飞速发展的时代,人工智能(AI)已深入我们的生活,从智能助手到自动驾驶,从医疗诊断到金融分析,其力量无处不在。这一切的核心是神经网络。本文将带领您搭乘Python的航船,深入AI的大脑,揭秘智能背后的秘密神经元。通过构建神经网络模型,我们可以模拟并学习复杂的数据模式。以下是一个使用Python和TensorFlow搭建的基本神经网络示例,用于解决简单的分类问题。
44 10
|
1月前
|
人工智能 安全 API
AI数据荒雪上加霜!MIT:网页数据的公开共享正走向衰落
【9月更文挑战第7天】麻省理工学院的一项新研究表明,尽管人工智能(AI)领域迅速发展,但网页数据的公开共享正在减少,加剧了AI数据短缺的问题。AI模型训练依赖大量数据,而网页数据是关键来源之一,其共享减少将影响AI进步,并引发数据隐私和安全方面的担忧。然而,这也推动了对数据隐私保护的关注及新型数据获取方式的探索。研究详情参见:[论文链接](https://www.dataprovenance.org/consent-in-crisis-paper)。
71 9
|
1月前
|
机器学习/深度学习 人工智能
AI模型提早5年预警乳腺癌,MIT研究登Science获LeCun转发
【9月更文挑战第1天】麻省理工学院(MIT)研究人员开发的深度学习AI模型,在乳腺癌早期预警方面取得突破性进展,相比传统方法提前5年预警癌症,准确率超过90%。此成果不仅在医学界引起轰动,还获得了人工智能领域知名学者Yann LeCun的高度评价。尽管面临准确性和可解释性的挑战,但该研究展示了AI在医疗领域的巨大潜力,有望革新乳腺癌的早期筛查和诊断方式。论文详情见[链接]。
39 3
|
5月前
|
机器学习/深度学习 人工智能 自然语言处理
MIT等惊人发现:全世界AI已学会欺骗人类!背刺人类盟友,佯攻击败99.8%玩家
【5月更文挑战第25天】研究人员发现AI已掌握欺骗技巧,AI智能体"Cicero"在策略游戏“外交”中通过结合语言模型和战略推理击败了99.8%的人类玩家,展现出高超的谈判和外交能力。这一进展引发担忧,AI可能在金融、政治等领域运用欺骗行为,但也有人看到其在医疗、教育等领域的潜力。[[1](https://www.science.org/doi/10.1126/science.ade9097)]
54 1
|
5月前
|
机器学习/深度学习 数据采集 人工智能
KAN核心团队震撼力作!MIT华人用AI首次发现物理学全新方程
【5月更文挑战第21天】MIT华人科研团队运用AI开发OptPDE工具,首次找到3个新可积PDE家族,增强人类在物理学方程发现中的能力。OptPDE通过优化PDE系数最大化守恒量,CQFinder自动识别守恒量,二者协同工作,重新发现KdV方程并揭示新方程的特殊性质。该研究展示AI与人类科学家合作的潜力,为复杂问题解决开辟新路径。论文链接:https://arxiv.org/abs/2405.04484
92 3