隨著人工智能（artificial intelligent，AI）技術的不斷發展，各種AI產品已經逐步進入了我們的生活。對于人工智能的未來發展，也是眾說紛紜。那么，人工智能的未來怎么樣呢，大家和小編一起來看看吧。

亦非云

0

0條點評

咨詢產品

免費試用

解決用戶選型困難的好軟件，有各維度的信息

客戶案例

7

合作品牌

3

人工智能的未來

       如果我們把之前所有的AI放在同一臺電腦里，我們會得到什么?我們會得到一個可以用100種語言進行電話對話的人工智能。它會在《危險邊緣》中打敗所有人! 以及在象棋、圍棋、撲克以及許多電子游戲中擊敗任何人。這種人工智能將能夠識別任何物體或臉，甚至比大多數醫生更好地檢測癌癥。它也將是完成和創造性的，發明東西，發現物理定律，并確定新的藥物。人工智能可以像巴赫一樣作曲，像梵高一樣繪畫。它的藝術風格也很有獨創性。

        人工智能將成為現代文藝復興時期的機器——擁有人類無法匹敵的技能集合。在歷史上的某個時刻，一個人有可能精通所有的人類知識。但隨著科學領域的專業化和人類知識的增長，這在幾個世紀以來都是不可能的。

       然而，人工智能可以將所有人類知識儲存在它的大腦中。每一本百科全書，每一本書，每一篇科學文章，甚至互聯網上每一個網頁的內容。有了交叉引用、分析、發現模式和總結書面文本的能力，就像GPT-2所做的那樣，我們建立一個具有對人類集體知識的理解的實體只是一個時間問題。

算法的智能

       2000年，目前就職于DeepMind的馬庫斯•哈特(Marcus Hutter)發現了一種通用人工智能算法，名為AIXI。通用人工智能可以用一個方程來描述。隨后，該算法實現了完美的最優智能。它的工作原理是計算每一個可行的行動過程所產生的每一種可能性，然后選擇最接近目標的行動。

        如果目標是贏得一場象棋比賽，AIXI計算出每一種可能的走法所產生的每一種可能的未來象棋比賽，并選擇其未來可能的走法中獲勝最多、失敗最少的走法。該算法有一個缺點:它是不可計算的——它需要無限的計算資源來求解。Hutter的公式確實提供了一個重要的教訓:智能并不復雜——困難的是在有限的計算能力下獲得智能。用有限的資源實現智能需要找到并采用捷徑——匹配模式和應用啟發式——以取代野蠻計算。

        看來我們現在知道該怎么做了。DeepMind的AlphaZero是一種學習算法。OpenAI的GPT-2是一種用于理解的算法。BAIR的CycleGAN是一種創新算法。有了智能算法，人類水平的人工智能只有一個障礙:原始計算能力。

神經網絡

       AlphaZero, GPT-2, CycleGAN，微軟的語音和物體識別，谷歌的GMNT翻譯，所有這些都是基于人工神經網絡技術，而這些技術本身也受到了大腦的啟發。神經網絡自20世紀60年代起就開始使用，在20世紀80年代是人工智能研究人員感興趣的主要課題。但當神經網絡不能做任何有用的事情時，人工智能領域停滯不前。然而，他們的失敗不是由于錯誤的原理，而是沒有足夠的計算能力。

       在20世紀80年代，試圖用計算機構建有用的人工智能，就像試圖用一個瓶子火箭登上月球一樣困難。這一原則是正確的，但權力并不存在。隨著計算能力的增強，具有更多神經元和更多層次的更大的神經網絡在計算上變得可行。這些網絡被稱為深度神經網絡。

      隨著大數據、云計算以及其他先進技術的發展，人工智能正在朝著更加多遠，更加開放的方向發展。以上是小編為大家整理的，人工智能未來的發展，希望對大家有所幫助。