英伟达副总裁：除了围棋，人工智能下一个让人惊讶的领域是什么
|
我确实认为童年是人类智力发展非常重要的一个部分，它在人类智力发展中扮演了非常重要的角色，因为它帮助我们建立和校准这些世界的运作模式，然后我们在各种各样的事情中都有所应用，比如前面提到的猎鹰雕像问题。计算机也需要这样的东西吗？有可能。我们得拭目以待。我认为计算机的不同之处在于，它们在传输信息时表现得更出色。所以这可能是它接受一次训练，就可以重复使用的技能——而不像人类，“复制”一个人的过程既耗时又不精确。 Q：不过，这种迁移学习的问题其实并不是真正的“AGI”问题。对吧？我们教会一台电脑识别猫的形象，给它看了很多猫的图片。但如果我们想教会它如何识别一只鸟，就必须重新开始，是这样吗？ Bryan Catanzaro：我认为不是这样的。我认为，大多数时候， 人们想要创建一个新的分类器，他们就会使用现有的分类器进行迁移学习，而这些分类器已经在各种不同的对象类型上进行了训练。其实这并不难做到，而且人们一直都成功地做到这一点。 所以至少在图像识别方面，我认为迁移学习很有效。对于其他类型的域名，可能会更有挑战性。但至少在图像识别方面，我们已经找到了一组更高级的功能，它们能够有效区分各种不同类型的物体，甚至是我们之前从未见过的物体。 我们能教会聊天机器人一些人类的规则么？ Q：我现在正在和你说话，同时我在咬我的手指。你继续听我讲话不会有任何问题，但这在电脑上会出一些问题。我们生活在地球上，做地球上生物所做的事情。但作为一般规则，我们如何把它传授给电脑呢？这与教它看什么、听什么一样吗？ Bryan Catanzaro：我认为这很相似。高精度的语音识别系统基于大量的数据训练，而且似乎确实存在这样一种关系，即模型接受越多的数据训练，则准确度就越高。 我感到非常兴奋，计算机能够持续学习、理解音频，前景越来越好。然而，我想指出的是，“对话和交流”是人类的超级能力所在。人类有很多用于对话和理解交流语言的内置机制。讲话途径和听觉途径一起进化，所以它们能够完美匹配。 我记得我过去做过的一些关于语音识别的实验，识别性能对那些实际上是人类无法听到的压缩失真音频非常敏感。我们可以像这样录制一段录音，然后用一种听起来完全相同的方式压缩它，并且观察到我们模型识别准确率的显著差异。 这有点令人不安，因为我们试图训练模型，使其不受到人类不受影响变量的影响，但实际上很难做到这一点。我们当然还没有达到这个目标。我们一直在努力提高我们对所要解决的问题的理解，这样我们就能避免这些事情，但仍有更多的工作要做。 Q：当我面对聊天机器人或面对放在所有人桌面上的设备时，我不能大声地说话，因为他们会立即开始跟我说话，但我一直想问的问题是“什么东西更大，一个镍还是太阳？”到目前为止，还没有任何东西能够回答这个问题。它不知道太阳如何拼写。“那是谁的儿子？”太阳？镍？这其实是一枚硬币。”所有这些等等。为了让计算机回答这个问题，我们需要做些什么呢？ Bryan Catanzaro：我认为其中的一个原因是，我们通常不会建立聊天系统来回答类似的问题。我认为，如果我们为这样的问题建立一个特殊用途的信息系统，回答这个问题就有可能。IBM沃森在《危险边缘》的表现相当不错，因为它接受的训练就是回答类似的问题。 我认为我们肯定有可以回答类似问题的数据库以及知识基础。问题是，这样的问题真的超出了大多数个人助理的领域，因为老实说，花絮非常有趣，但它们并不像可以设置定时器、查看天气或播放歌曲的机器人那样有用。所以这些都是那些系统所关注的事情。 除了围棋，人工智能还会在什么领域让人惊讶？ Q：人工智能在玩游戏方面做得非常好：深蓝、沃森、AlphaGo类似等等。我想这些都是有固定规则的受限环境，很容易理解谁赢了，什么是重点等等。接下来会发生什么？ Bryan Catanzaro：我现在想到的是自动驾驶汽车。我认为它将改变世界，将人们从驾驶员的座位上解放出来。这将给人们带来巨大的灵活机动性。 （编辑：西安站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
