对人工智能的应用、发展及其影响的思考

简介: 剑桥大学人工智能研究中心对人工智能提供的新功能和面临的风险进行了分析和探讨,同时纠正了一些人对人工智能的质疑和成见。

剑桥大学人工智能研究中心对人工智能提供的新功能和面临的风险进行了分析和探讨,同时纠正了一些人对人工智能的质疑和成见。

该研究中心汇集了不同领域的专家,旨在研究和预测随着人工智能领域快速发展带来的可能性和挑战,并为人工智能提供一个更加可衡量和有用的视角。参与制定新提案的剑桥大学人类生存风险研究中心(CSER)的SeánÓh Éigeartaigh博士指出:“人工智能在我们研究中心的议程中占据重要地位,其部分原因是因为人工智能技术近年来取得了重大的进展。这表明其研究已经产生了巨大的影响,并且进展非常迅速。另一方面,由于人工智能存在很多需要处理的问题,只是关注灾难和风险限制了我们在该领域的研究范围。”

该研究中心的构想是召集来自相关学科的人工智能专家,不仅考虑长期风险、机遇和挑战,还研究人工智能的长期、短期和中期影响。

1.jpg



人工智能的不同方法

尽管人工智能经常成为行业媒体的头条新闻,或者成为一些科幻电影的主题,但剑桥大学人类生存风险研究中心(CSER)的研究工作提供了不同的角度和观点。

尽管有关人工智能的风险让人们感到不寒而栗,但当前的影响相对有限。ÓhÉigeartaigh博士为此解释说:“坦白地说,人们看到的人工智能系统的不利影响是有限的,因为它们大多是执行某些任务(例如交通导航、下棋或运行搜索引擎)的良好实践。目前,我们或许可以解决人工智能认知能力的问题。”

这种审慎方法使该中心不仅意识到人工智能技术可能带来的严重问题,而且还要提供利用这种新技术的机会。

ÓhØigeartaigh博士说,“在这个世界上,只有生物才能进行学习、适应、思考,并做更多事情。但是,为智能只能发生在生物学中这个观点进行辩护证明了这样一个论点:在某一时刻,我们将掌握足够的资源重新创造它。”

虽然ÓhÉigeartaigh博士的主要研究领域是计算生物学,但他已经进行了多年的跨学科项目的研究。通过这种方式,他采用了多学科的思维方式,从各种不同的角度来处理人工智能的问题。

ÓhÉigartaigh博士指出,“解决这些重大问题的答案不仅仅是在计算机科学或计算生物学领域,还要思考这些长期的和广泛的问题,需要采用政治、经济、法律、社会学甚至哲学领域的专业知识。”


人工智能的应用

事实上,对人工智能不同视角的需求不仅是产生原始想法和观点的一部分,而且是对人工智能如何采用不同专业知识解决问题的部分答案。

ÓhÉigartaigh博士说,“科学家面临的大多数挑战是,必须分析来自各种来源的大量数据,并理解相互联系的极其复杂的系统。即使对于合作研究的多个团队来说,这也是一件非常困难的事情。

我们目前正在开发的系统能够处理大数据。例如,帮助分析数以百万计的基因组以找到癌症的起源,分析气候变化的许多方面,或者试图使太阳能、能源网或智能家居更高效。如果我们发现如何将人工智能应用于所面临的问题,就可以解决这些问题。我们也将为人类的进步做出贡献。”

ÓhÉigeartaigh博士表示,加速技术变革的社会、政治和文化等方面也属于科学问题。他以自动驾驶汽车在未来导致出租车或长途汽车司机失业这种短期问题为例,人工智能取代人力,促使这些人寻求其他力所能及的工作,这正是不同领域应该为这些问题进行讨论的原因。

Óhéigeartaigh博士指出,尽管有一些风险需要解决(例如人工智能将很快使多功能无人机的发展成为现实),但人工智能并不等同于人类智能。

与目前在许多技术中使用比较受限的人工智能不同,许多对通用人工智能的失败预测在在过去早已出现。Óhéigeartaigh博士说:“有些人可能会争辩说,目前对人工智能的开发热情是错误的。而我们还将看到在人工智能领域有着更多令人兴奋的投资。虽然这种情况在本世纪发生的可能性只有50%,但应该有人在思考和研究这个问题。”

这也表明了另一个重要的观点:即使人工智能技术整体失败,在这一领域取得的技术进步仍然非常重要,而人工智能技术的这些发展和进步对社会、文化、政治的影响需要进行考虑、讨论和思考。


不同类型的智能

关于人工智能的论述和讨论所涉及的另一个问题是,人们以一种以人类为中心的方式来处理这个问题,然而还需要考虑到世界上存在着不同类型的智能。

ÓhÉigeartaigh博士建议采用一种将人类与地球都置于中心的方法,从人类智能到食肉动物的智能,而不应局限于以人类为中心的智能。

ÓhÉigeartaigh博士表示,他们在初始阶段定义的第一个项目是“智能类型”,已经开始就这个项目召开会议。参会专家其中包括英国帝国理工学院神经学教授Murray Shanahan,他是研究黑猩猩智能、数学逻辑和机器学习方面的专家。所有参会的专家都致力于为不同类型的智能找到相对较新的想法。


人工智能如何发展

Óhéigeartaigh博士表示,另一个问题是这种人工智能将如何发展。进化生物学是通过反复试验而发展起来的,某些错误率较高的生物的发展速度要快于其他较低的错误耐受性生物体。他说,“在设计算法和人工智能时,专家可以选择想要的方式。我们还提供人工智能学习课程,我们称之为进化算法,可以在一定程度上使用试错法。我们之所以希望对发生的变化持开放态度,也有我们不希望发生变化的原因,因为我们最终可能得不到任何重要的东西,或者可能会产生意想不到的后果。”

在这一点上,许多不同的进化因素起作用。科学领域的革命带来了更多的人才以及为人工智能领域分配更多资源,从而以爆炸性的速度促进了人工智能领域的发展。他说:“这方面的一个例子是,深度学习在早期取得的巨大成功。这使更多的资源得到了利用,许多成功的组织都使用了这种方法。”


人工智能的未来发展

同样,可以说人工智能在概念上有所突破,但是无法预测实现这些突破将花费多长时间或将在多大程度上促进该领域的发展。ÓhÉigeartaigh博士评论说:“我们无法预测的事情会带来极大的不确定性,因此可以确定的是,将在2070年实现通用人工智能是荒谬的。但是迟早会有革命性的突破,在这种情况下,需要鼓励人们对具有社会影响力的事物进行原创性和创造性的思考。”

他表示,剑桥大学人类生存风险研究中心(CSER)还将作为一个交流中心,积极与学术界和工业界人士沟通和交流,并举办研讨会和行业会议。

他说,“我们旨在创建一个社区,致力于鼓励未来的意见领袖和研究领袖从长远方面解决影响我们所有人的问题。我相信,越来越多的年轻人将成为该领域未来的行业和政治领袖,并将会发挥重要作用。”
机器智能技术结尾二维码.png

文章来源:https://ai.51cto.com/art/202009/625306.htm
文章转自51CTO,本文一切观点和《机器智能技术》圈子无关

目录
相关文章
|
8月前
|
消息中间件 人工智能 安全
云原生进化论:加速构建 AI 应用
本文将和大家分享过去一年在支持企业构建 AI 应用过程的一些实践和思考。
2119 80
|
9月前
|
人工智能 安全 中间件
阿里云 AI 中间件重磅发布,打通 AI 应用落地“最后一公里”
9 月 26 日,2025 云栖大会 AI 中间件:AI 时代的中间件技术演进与创新实践论坛上,阿里云智能集团资深技术专家林清山发表主题演讲《未来已来:下一代 AI 中间件重磅发布,解锁 AI 应用架构新范式》,重磅发布阿里云 AI 中间件,提供面向分布式多 Agent 架构的基座,包括:AgentScope-Java(兼容 Spring AI Alibaba 生态),AI MQ(基于Apache RocketMQ 的 AI 能力升级),AI 网关 Higress,AI 注册与配置中心 Nacos,以及覆盖模型与算力的 AI 可观测体系。
1661 89
|
8月前
|
人工智能 运维 Kubernetes
Serverless 应用引擎 SAE:为传统应用托底,为 AI 创新加速
在容器技术持续演进与 AI 全面爆发的当下,企业既要稳健托管传统业务,又要高效落地 AI 创新,如何在复杂的基础设施与频繁的版本变化中保持敏捷、稳定与低成本,成了所有技术团队的共同挑战。阿里云 Serverless 应用引擎(SAE)正是为应对这一时代挑战而生的破局者,SAE 以“免运维、强稳定、极致降本”为核心,通过一站式的应用级托管能力,同时支撑传统应用与 AI 应用,让企业把更多精力投入到业务创新。
822 30
|
8月前
|
设计模式 人工智能 自然语言处理
3个月圈粉百万,这个AI应用在海外火了
不知道大家还记不记得,我之前推荐过一个叫 Agnes 的 AI 应用,也是当时在 WAIC 了解到的。
838 2
|
8月前
|
存储 人工智能 NoSQL
AI大模型应用实践 八:如何通过RAG数据库实现大模型的私有化定制与优化
RAG技术通过融合外部知识库与大模型,实现知识动态更新与私有化定制,解决大模型知识固化、幻觉及数据安全难题。本文详解RAG原理、数据库选型(向量库、图库、知识图谱、混合架构)及应用场景,助力企业高效构建安全、可解释的智能系统。
|
8月前
|
人工智能 算法 Java
Java与AI驱动区块链:构建智能合约与去中心化AI应用
区块链技术和人工智能的融合正在开创去中心化智能应用的新纪元。本文深入探讨如何使用Java构建AI驱动的区块链应用,涵盖智能合约开发、去中心化AI模型训练与推理、数据隐私保护以及通证经济激励等核心主题。我们将完整展示从区块链基础集成、智能合约编写、AI模型上链到去中心化应用(DApp)开发的全流程,为构建下一代可信、透明的智能去中心化系统提供完整技术方案。
515 3
|
8月前
|
消息中间件 人工智能 安全
构建企业级 AI 应用:为什么我们需要 AI 中间件?
阿里云发布AI中间件,涵盖AgentScope-Java、AI MQ、Higress、Nacos及可观测体系,全面开源核心技术,助力企业构建分布式多Agent架构,推动AI原生应用规模化落地。
834 0
构建企业级 AI 应用:为什么我们需要 AI 中间件?
|
9月前
|
存储 人工智能 Serverless
函数计算进化之路:AI 应用运行时的状态剖析
AI应用正从“请求-响应”迈向“对话式智能体”,推动Serverless架构向“会话原生”演进。阿里云函数计算引领云上 AI 应用 Serverless 运行时技术创新,实现性能、隔离与成本平衡,开启Serverless AI新范式。
872 12
|
8月前
|
人工智能 安全 Serverless
再看 AI 网关:助力 AI 应用创新的关键基础设施
AI 网关作为云产品推出已有半年的时间,这半年的时间里,AI 网关从内核到外在都进行了大量的进化,本文将从 AI 网关的诞生、AI 网关的产品能力、AI 网关的开放生态,以及新推出的 Serverless 版,对其进行一个全面的介绍,期望对正在进行 AI 应用落地的朋友,在 AI 基础设施选型方面提供一些参考。
1448 101
|
8月前
|
人工智能 缓存 运维
【智造】AI应用实战:6个agent搞定复杂指令和工具膨胀
本文介绍联调造数场景下的AI应用演进:从单Agent模式到多Agent协同的架构升级。针对复杂指令执行不准、响应慢等问题,通过意图识别、工具引擎、推理执行等多Agent分工协作,结合工程化手段提升准确性与效率,并分享了关键设计思路与实践心得。
1293 20
【智造】AI应用实战:6个agent搞定复杂指令和工具膨胀

热门文章

最新文章