
40
|
第
2
章
第一个主要原因是,从历史上看,人类在工程方面的成功往往是因为忽略了大自然和进化
中为解决某个问题而得到的类似方案。拿飞机的设计来说,其中利用了对物理学、空气动
力学、热力学等的现代理解,而不是试图模仿鸟类或昆虫的飞行方式。再以计算器为例,
当工程师建造第一台计算器时,并没有分析人脑是如何进行计算的,甚至也没有尝试复制
生物学方法,他们更依赖于在技术硬件上实现的数学算法。在这两种情况下,更重要的方
面是功能或能力本身(飞行、计算),其越有效越好,没有必要模仿大自然。
第二个主要原因是,人工智能的成功案例的数量似乎在不断增加。例如,将神经网络应用
于几年前人工智能似乎并不占优势的领域,已被证明是在许多领域实现
ANI
的有效途径
。
一个希望可以进一步推动人工智能泛化能力的例子是,
AlphaGo
正逐渐转变为
AlphaZero
,
在短时间内掌握了多款棋盘游戏。
第三个主要原因是,可能只有在许多
ANI
(甚至一些
AGI
)被观察到之后
,超级智能才会
出现(“奇点”)。由于人工智能在特定专业和领域的力量毋庸置疑,因此研究人员和企业
等将继续专注于改进人工智能算法和硬件。例如,大型对冲基金将努力通过人工智能方法
和智能体来产生
alpha
收益
(一种与市场基准相比,衡量基金业绩表现的指标),许多基金
拥有致力于此类工作的大型专门团队。跨不同行业的这些全球性努力可能会共同产生超级
智能所需的进步。
人工智能
在通往超级智能的所有可能途径中,人工智能似乎是最有前途的一种。在经
历了多个人工智能寒冬之后,我们迎来了另一个人工智能的春天,尤其以最 ...