人工智能对人类的威胁只是程序BUG? | 万物互联创新大会

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

人工智能和大数据是当下最热的两个概念,资本在追逐,创业者也开始蜂拥而入。这两个看似孤立的高技术门槛领域早已被捆绑在一起,人工智能避不开大数据,大数据也少不了人工智能。

在第二届万物互联创新大会上,《浪潮之巅》作者吴军博士和观数科技联合创始人和前阿里巴巴集团副总裁涂子沛分享了他们对这两个概念的看法。

大数据是人工智能的基础,人工智能是大数据的延伸

目前,人工智能企业大多用深度学习类训练神经网络,这对数据有着极高的要求。曾有业内人士表示,没有准确的数据,人工智能算法再精确,也无法给出准确的信息。但它们是否存在谁先谁后的关系呢?

人工智能对人类的威胁只是程序BUG? | 万物互联创新大会

涂子沛认为,互联网时代之后是大数据时代,人工智能其实是大数据时代的一个组成部分。

大数据是智能的基础,大数据是智能的母体,也可以简单的这么说,没有数据就根本不会有智能,所有的智能都是建立在数据的基础之上。换言之,大数据是人工智能的基础,人工智能是大数据的延伸。

当然,大数据所代表的数据自然不是传统意义上的数值,机器搜集的数据将会是图片、视频等信息,未来还会有百分之五十的数据来自传感器。

吴军也表达了类似的观点。他说,“机器获取智能的方式和人不一样,它很大程度上靠数据。关键的是,机器获得智能在哲学层面和人还是有很大差别,人是强调逻辑推理,很严格导出知识。而机器某种程度上来说是一步到位,因为有这个数据一步到位,通过相关性直接找出知识,它对我们的认知是挑战。”

人工智能对人类的威胁只是程序BUG? | 万物互联创新大会

但大数据和人工智能并非常人逻辑下的因果关系,即先有大数据,后有应用层面的人工智能。实际上,人工智能涉及的学科,如自然语言语义处理、信息提取、机器学习等学科也在逐渐应用于大数据领域。一言以蔽之,大数据推动了人工智能的发展,而人工智能也为大数据提供了变现的机会。

而且术业有专攻,在数据分析处理和人工智能应用往往并不是完全融合的状态。根据观数科技发布的信息显示,在大数据领域仅国内就诞生了数万家科技企业,这比人工智能企业高出了几个数量级。在这之中包括技术支撑,数据服务和行业应用三个方面。在行业应用里面,征信、金融已经逐步走向了成熟,而下一个爆发点将是农业和工业。

然而,人工智能显然是高度依赖大数据的,从技术角度而言,人工智能的成熟度远不如大数据,我们还只是处于人工智能的初级阶段。

那人工智能对人类有威胁吗?

很显然,人工智能能给任何领域,如汽车以及医疗等带来极大的便捷,但如果人工智能会撒谎又是什么样一种情况呢?虽然说这已经是一个老生常谈且看似是个无解的题,但谁也无法预测电影《机械姬》中的场景是否会在现实当中发生,至少在这一点上业内人士依然没有形成统一的观点。

涂子沛是大数据的信徒,他坚信,在大数据合理应用的情况下,机器不会和人一样撒谎,甚至比人类更可靠,等到人工智能撒谎的时候,这个世界将会被颠覆。

察言观色正是撒谎的基础,因为机器不会察言观色,它就不会撒谎。察言观色意味着你要去迎合,扭曲事实,机器不会。从这个角度上讲,我觉得未来人工智能世界还更靠谱一些。比人类管这个世界海更靠谱一些,因为机器不撒谎。

然而,作为算法领域的专家,吴军则认为机器撒谎是很容易的,“把视觉植入到机器里面就可以具备察言观色的能力。例如,AlphaGo赢李世石很容易,让它故意输棋不容易,但如果在程序里面设两个BUG,让它输棋就容易了。”不过,吴军描述的这种情况下并非人工智能发起的主动“攻击”。

实际上,李开复也曾对人工智能威胁论给出了自己的看法,他曾表示:虽然这些机器确实很“聪明”,而且又高效、勤奋、低廉,但是他们并不“人性化”,只是冷冰冰的机器和工具。比如说,AlphaGo第一场就战胜了李世石,但是它不会感觉高兴,也不会理解我们对于它的讨论,甚至它说不上这局棋是怎么赢的。因为它的思考虽然周密,但是它不懂“赢了有什么感受?”,也不懂“为什么围棋好玩”,更不懂“人为什么要下棋?”,甚至连“你今天怎么赢的?”都说不上。今天的机器完全无法理解人的情感、喜怒哀乐、七情六欲、信任尊重、价值观等方面 。对于人文艺术、美和爱、幽默感,机器更是丝毫不懂。

也许,人工智能对人类的威胁也就是如吴军所言,仅仅只是个程序BUG而已,唯一的不确定性就是这个BUG是“人为”还是“无心之作”。


本文作者:程弢


本文转自雷锋网禁止二次转载,原文链接

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
6月前
|
人工智能 安全 Android开发
【专栏】在人工智能时代,Android和iOS两大移动操作系统巨头正加速融合与创新
【4月更文挑战第27天】在人工智能时代,Android和iOS两大移动操作系统巨头正加速融合与创新。Android以其开放性占据广阔市场,集成AI功能如语音助手;而iOS以其稳定性和生态优势,如Siri,提供卓越体验。两者在AI技术、应用场景上相互借鉴,拓展至医疗、教育等领域,并逐步打通生态系统。然而,技术竞争、数据隐私和标准不一是挑战,新市场需求、技术创新和产业合作则带来机遇。未来,二者将继续推动AI发展,为社会进步贡献力量。
110 4
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理
探索人工智能与创新的未来
在当今科技飞速发展的时代,人工智能已经成为了推动创新与变革的关键力量。本文将探讨人工智能技术在创新领域的应用,并探索其未来发展的可能性,以期为读者带来新的思考与启发。
40 0
|
3月前
|
人工智能 搜索推荐 测试技术
基于人工智能的代码分析与 Bug 检测实战
在人工智能(AI)尚未普及之时,检测程序错误主要依赖单元测试、代码扫描工具如SonarQube和FindBugs,以及人工集成测试。如今,AI技术显著提升了这一过程的效率,不仅能辅助开发者编写更高质量的代码,还能在单元测试与集成测试阶段提供支持,如通过Copilot+Codex优化单元测试,或利用ChatGPT等工具自动化生成测试脚本。本章将介绍如何运用AI工具识别三种常见错误:代码执行异常、未满足需求及变量命名不当,并通过实例演示Copilot如何高效定位并修正这些问题。
|
4月前
|
人工智能 自然语言处理 IDE
人工智能|利用人工智能自动找bug
在程序员编程的过程中,产生Bug是一件稀松平常的事情,以前在编码的过程中提前找出Bug,需要通过单元测试、CodeReview等各种方式。 当今,人工智能技术的发展给软件开发和测试带来了许多机会。利用人工智能技术,可以开发出自动化的 bug 检测工具,从而提高软件质量和可靠性。
|
4月前
|
机器学习/深度学习 人工智能 监控
人工智能浪潮中的伦理困境:如何平衡创新与责任?
随着人工智能技术的快速发展,其在改善人类生活的同时,也引发了一系列伦理问题。本文将探讨AI技术在医疗、司法和隐私保护等领域的应用所带来的伦理挑战,并讨论如何在促进技术创新的同时确保社会责任的承担。通过分析具体案例,文章旨在提供对于制定AI伦理指导原则的建议,以期达到技术发展与社会价值的和谐共存。
|
5月前
|
人工智能 前端开发 搜索推荐
人工智能(AI)在前端设计中的创新应用
人工智能(AI)在前端设计中的创新应用
138 4
|
5月前
|
机器学习/深度学习 存储 人工智能
人工智能在医疗健康领域的创新应用与挑战
人工智能在医疗健康领域的创新应用与挑战
68 2
|
5月前
|
机器学习/深度学习 人工智能 自然语言处理
|
6月前
|
机器学习/深度学习 人工智能 监控
探索人工智能在图像识别领域的创新应用
【5月更文挑战第25天】随着深度学习技术的飞速发展,人工智能(AI)在图像识别领域取得了重大进展。本文将深入探讨人工智能如何通过先进的算法和模型改进图像识别能力,并分析其在不同行业中的应用前景。我们将重点讨论卷积神经网络(CNN)与循环神经网络(RNN)的结合使用,以及生成对抗网络(GAN)在提高图像质量方面的作用。此外,文中还将提及数据增强、迁移学习等策略对提升模型泛化性能的重要性。
|
6月前
|
机器学习/深度学习 人工智能 算法
探索人工智能在图像识别领域的创新应用
【5月更文挑战第30天】 随着深度学习技术的飞速发展,人工智能(AI)在图像识别领域取得了革命性的进展。本文旨在探讨AI技术如何优化图像识别流程,提高识别精度,并分析其在多个行业中的实际应用。通过对比传统方法和最新的研究成果,我们展示了AI驱动的图像识别系统在处理速度、准确率和自动化水平方面的显著提升。此外,文章还将讨论当前面临的挑战和未来的发展趋势,为读者提供一个关于AI在图像识别领域内应用的全面视角。