AI大牛Jerry Kaplan:AGI?没有技术和工程基础

简介:
本文来自AI新媒体量子位(QbitAI)

a63c9be2fa7f3e554e59d77280c868a50631388e

 全球顶尖AI专家Jerry Kaplan(右)与创新工场合伙人方益民

当Jerry Kaplan被问到AGI(通用人工智能),你猜他会作何回答?

“每每此时,我总觉得自己作为一个无神论者去到了狂热信仰者扎堆的宗教现场。”

Kaplan不认为会有AGI。

他解释称,目前所畅谈的AGI,更多来自科幻,而非工程和技术基础的进步。

更进一步,对于AI、机器学习,以及机器智能,Kaplan也分享了自己的观点:反对AI威胁论,但也对AI将要带来的变革理性乐观。

在创新工场第三期兄弟会硅谷行现场,全球顶尖AI专家、斯坦福大学人工智能及伦理学教授Jerry Kaplan,在与创新工场合伙人方益民对话中,谈到了他对当前AI现状的看法。

AGI?不存在的

Kaplan不相信AGI会到来,至少现在技术基础来看,无法实现。

甚至“智能”的定义也需要重估,因为“智能”与形容人“美丽”一样主观、难以定量。

Kaplan反对给机器测IQ——没任何意义。

他举例说,动物能记住几百个食物储藏的地点,但人类却记不住几百个帐号密码——我们不能因此说动物比人类更聪明。

Kaplan赞同未来人类与机器产生的协作,特别是在数据量巨大的计算问题,可以在认知上为人类提供更好的协作。

忘掉“AI”

这位全球顶尖AI专家,还建议技术创业者忘掉“AI”,即不要再把AI当做名词概念去讲了,核心关注的不应该是使用的底层技术,而是所要解决的问题和市场需求本身。

Kaplan说,再过5年,就会有更多的智能机器出现,用户关注的只会是你解决的了什么痛点,而不是“智能”或“AI”概念。

教授再次打了个比方:用AI去解释你的产品,就好像在跟人们说,“我用了电动马达,而不是烧油马达”,听起来并不cool。

所以不要看底层技术,也不要拿着锤子到处找钉子,而是应该关注痛点,关注市场需求。

Kaplan不认为,AI作为热词会流行很长时间。

三大AI问题

不过,Kaplan也谈到了AI正在造成的一些潜在问题,即便这些问题本身并非AI才会引起,但Kaplan希望引起更多关注。

首先是AI带来的劳动力颠覆,即就业替代问题,这也是目前AI造成的恐慌之一。

但Kaplan认为,如果放到历史长河中去看,人类工作职位转换一直在发生,甚至单以美国为例,过去50年中就有50%的工种被机器替代,然后在新经济中得到了转换。比如当年办公室文员、银行柜台员工,现在可能是Uber司机,可能是服务业一员。

第二大AI问题是收入不平衡。Kaplan认为AI会进一步造成收入差距的扩大,如何去平衡财富再分配中的社会安定,不能等闲视之。

最后的问题在于隐私。AI会让更多数据发挥作用,其中或许就与隐私相关,但目前对于隐私的态度,各国情况不同,用户认知也差异不小。

然而不可逆的趋势是,随着AI进一步向前突破,隐私数据的问题也将凸显。

OMT:被比尔盖茨阻击的平板电脑

有意思的是,Jerry Kaplan也分享了一些创业“教训”,特别是与巨头竞争时的挑战。

1987年Jerry Kaplan创办了名为Go的平板电脑公司,并推出了产品,但由于面临微软的巨大竞争,而且遭遇比尔盖茨的亲自阻击,最后Jerry Kaplan的公司以失败告终。

6682897a1f2f830589fd1aa755955b80032bcc3c

 Jerry Kaplan展示1987年推出的平板电脑

Jerry Kaplan还在现场拿出了1987年的产品。难以想象这样的产品来自30年前,也难以相信,这样的产品失败背后,还有这样的原因。

本文作者:李根
原文发布时间: 2018-01-11
相关文章
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术深度解析:从基础到应用的全面介绍
人工智能(AI)技术的迅猛发展,正在深刻改变着我们的生活和工作方式。从自然语言处理(NLP)到机器学习,从神经网络到大型语言模型(LLM),AI技术的每一次进步都带来了前所未有的机遇和挑战。本文将从背景、历史、业务场景、Python代码示例、流程图以及如何上手等多个方面,对AI技术中的关键组件进行深度解析,为读者呈现一个全面而深入的AI技术世界。
54 10
|
3天前
|
人工智能 安全 算法
深度剖析 打造大模型时代的可信AI:技术创新与安全治理并重
2024年12月11日,由中国计算机学会计算机视觉专委会主办的“打造大模型时代的可信AI”论坛在上海举行。论坛汇聚了来自多家知名学术机构和企业的顶尖专家,围绕AI的技术风险与治理挑战,探讨如何在大模型时代确保AI的安全性和可信度,推动技术创新与安全治理并行。论坛重点关注计算机视觉领域的最新进展,提出了多项技术手段和治理框架,为AI的健康发展提供了有力支持。
26 8
深度剖析 打造大模型时代的可信AI:技术创新与安全治理并重
|
3天前
|
机器学习/深度学习 人工智能 运维
阿里云技术公开课直播预告:基于阿里云 Elasticsearch 构建 AI 搜索和可观测 Chatbot
阿里云技术公开课预告:Elastic和阿里云搜索技术专家将深入解读阿里云Elasticsearch Enterprise版的AI功能及其在实际应用。
阿里云技术公开课直播预告:基于阿里云 Elasticsearch 构建 AI 搜索和可观测 Chatbot
|
11天前
|
机器学习/深度学习 人工智能 物联网
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
12月05日,由中国软件行业校园招聘与实习公共服务平台携手阿里魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·电子科技大学站圆满结营。
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
|
3天前
|
机器学习/深度学习 传感器 人工智能
AI视频监控系统在养老院中的技术实现
AI视频监控系统在养老院的应用,结合了计算机视觉、深度学习和传感器融合技术,实现了对老人体征、摔倒和异常行为的实时监控与分析。系统通过高清摄像头和算法模型,能够准确识别老人的动作和健康状况,并及时向护理人员发出警报,提高护理质量和安全性。
28 14
|
4天前
|
传感器 机器学习/深度学习 人工智能
AI视频监控卫士技术介绍:智能化河道管理解决方案
AI视频监控卫士系统,通过高清摄像头、智能传感器和深度学习技术,实现河道、水库、城市水务及生态保护区的全天候、全覆盖智能监控。系统能够自动识别非法行为、水质变化和异常情况,并实时生成警报,提升管理效率和精准度。
32 13
|
2天前
|
存储 人工智能 运维
AI-Native的路要怎么走?一群技术“老炮儿”指明了方向
上世纪70年代,沃兹尼亚克、乔布斯等人成立Homebrew Computer Club,推动个人电脑普及。如今,创原会承袭这一精神,由CNCF执行董事Priyanka Sharma等构建,聚焦云原生和AI技术,汇聚各行业技术骨干,探索前沿科技。2024年创原会年度峰会达成“全面拥抱AI-Native”共识,解决算力与存储瓶颈,推动AI原生应用开发,助力千行万业智能化转型,成为行业创新风向标。
|
6天前
|
人工智能 自然语言处理 数据挖掘
从行业痛点到AI前沿:揭秘AGI时代企业培训的终极之选
近几年接触到的各类培训合作方越来越多,从国际咨询巨头、互联网科技培训平台,到本土独角兽型的专业培训公司;从专攻新技术与创新场景的培训团队,到深谙传统行业痛点的咨询顾问。作为一名在央企、国企、上市公司人力资源培训条线深耕多年的HR负责人,深知在这片竞争激烈的培训服务蓝海中,寻找高质、高效的合作伙伴并不简单,因为企业培训的逻辑正在悄然改变。
|
3天前
|
人工智能 计算机视觉
幻觉不一定有害,新框架用AI的幻觉优化图像分割技术
在图像分割领域,传统方法依赖大量手动标注数据,效率低下且难以适应复杂场景。为解决这一问题,研究人员提出了“任务通用可提示分割”方法,利用多模态大型语言模型(MLLM)生成实例特定提示。然而,MLLM常出现幻觉,影响分割精度。为此,研究团队开发了“Prompt-Mask Cycle”(ProMaC)框架,通过迭代生成和验证提示及掩码,有效利用幻觉信息,提高了分割精度和效率。实验结果表明,ProMaC在多个基准数据集上表现出色,为图像分割技术的发展提供了新思路。
15 6
|
9天前
|
机器学习/深度学习 人工智能 监控
AI视频监控技术的核心优势与实践
AI视频监控技术结合了计算机视觉、深度学习和大数据分析,能够实时分析监控画面,识别异常行为和场景变化。其核心在于从“被动记录”转型为“主动识别”,提升监控效率并减少安全隐患。主要应用场景包括泳池管理、健身器械区域、人员密度预警和异常事件检测。系统架构支持多种摄像头设备,采用边缘计算和Docker部署,具备实时性、高准确率和扩展性等优势。未来将优化复杂场景适应性和实时计算负载,进一步提高系统性能。
下一篇
DataWorks