分享二次转发v2.1
appId:wxd7e8e0b69307cd03,noncestr=1b1a6fe40c3b4c018e146c573938e43f,time=1601059088,shareUrl=,signature=
isshowflow:1,,
写给大家的AI极简史:从图灵测试到智能物联
目录
 
夜间
A+
A-
详情 加入书架
博兰尼悖论

 

查看原图

 

 

博兰尼悖论

 

衡量决策的影响并将其纳入未来决策是人工智能系统本质的一部分。人工智能系统是基于反馈做出决定的。如果特斯拉在上述的决策下发生了事故,它会将事故作为反馈传送回中央计算机,那么所有其他特斯拉将(希望如此)在类似的情况下更谨慎地驾驶。相似的,如果用于批准贷款的AI软件发现很多贷款人有违约的情况,它就会提高申请者的贷款标准;如果一个水果收割机收到其采摘的苹果有很多没熟的反馈,那么在下一次作业时,它将会调整苹果表面红绿色的比例,以做出更好的采摘决定。人工智能和传统IT系统的本质区别在于人工智能能够独立改进自己的算法并对结果进行评级。自动校正是内置在AI系统中的。

自20世纪40年代第一台大型计算机问世以来,计算机编程意味着人类需要耗费大量精力将理论模型输入机器之中。而该模型包含机器可以应用的特定规则。如果人类向机器投喂特定任务或问题的数据,那么它通常能比人类更快、更精确、更可靠地解决这些问题。这令人印象深刻。但本质上,经典编程就是将现有知识从程序员的头脑中转移到一台机器上。但是这种技术方法有一个自然的限制:人类的大部分知识是隐性的。

比如,人类可以识别出面孔,但不知道自己是如何做到的。进化赋

予了人类这种能力,但是我们没有很好的理论来解释为什么我们能够瞬间识别安吉拉·默克尔(Angela Merkel)或乔治·克鲁尼(George Clooney),即使在光线很差或是人脸被遮住了一半的情况下,我们也能识别。比如要精确地向孩子描述滑雪和游泳的最佳方法几乎是不可能的。还有一个有关隐性知识的著名例子是:什么是色情?美国最高法院大法官波特·斯图尔特(Potter Stewart)想为其找到一个在法律上无懈可击的定义,却始终没有成功,只找到一个令人失望的答案:“我看到它就知道是不是色情了。”这个问题有一个名字:博兰尼悖论。它描述了一个以前软件程序员无法逾越的极限:没有理论,没有规则,我们就不能把知识和能力传授给机器。

人工智能则克服了博兰尼悖论——人类只创造机器学习的框架。人工智能各流派在此概念下发展出来的方法和途径不计其数。但是他们中的大多数,其中包括最重要、最成功的那些流派,遵循的基本原则都是只给计算机目标,而不是理论和规则。计算机通过许多例子和反馈,学习如何在训练阶段达到人类设定的这些目标。

在这个背景下,人们经常讨论的一个问题是反馈回路中的机器学习在实际上是否是智能的。许多人工智能研究

者并不是特别喜欢“人工智能”的概念,而更喜欢用“机器学习”这个词。

-  内容来自咪咕阅读  -
目录