热门标签 | HotTags
当前位置:  开发笔记 > 开放平台 > 正文

《李开复:人工智能十讲》

一什么是人工智能二人工智能已经进入我们的生活三AI和我们是敌是友AI的不同层次四三次人工智能浪潮五什么是深度学习六A

  • 一什么是人工智能
  • 二人工智能已经进入我们的生活
  • 三AI和我们是敌是友AI的不同层次
  • 四三次人工智能浪潮
  • 五什么是深度学习
  • 六AI热潮来临人类会失业吗
  • 七哪些工作是AI取代不了的
  • 八AI时代该怎么学
  • 九AI时代该学什么
  • 十AI时代人类该如何存在
  • 个人小结
  • 参考

一、什么是人工智能
  1. AI就是让人觉得不可思议的计算机程序。太主观,不可取。
  2. AI和人的大脑思考方式是一样的。机器学习/深度学习有点启发于大脑构造,但99%无关,是更适合计算机的方法来实现的学习方式,有别于人类大脑。人类对大脑的理解还处于比较初级的阶段。
  3. 与人类行为相似的计算机。实用主义思想,人类智慧的一种表象,有一定参考价值。
  4. 会学习的计算机程序。确实离不开学习,但或许能有更广泛的定义。
  5. 根据环境的认知,做出合理的行动,并且最大化一个被定义的目标的函数。目前最均衡的定义,偏重时政。

AI是一种工具,不具备自我意识、自我判断。其目标是人类定义的。

无所不在:今日头条推送,百度搜索排序,百度广告投放,美图秀秀图像处理,滴滴车辆调度,自动驾驶,电商推荐,仓储调度分发等等。

二、人工智能已经进入我们的生活

微软小冰,人脸识别,
搜索引擎:语音识别,自然语言理解,知识图谱,个性化推荐,网页排序
自动翻译
家庭机器人:家务,家教

未来十年,将在任何任务导向的客观领域超越人类,取代人类百分之五十的工作。
将进入一个富足的丰产时代,作为工具带来巨大的价值,帮助我们消除贫穷与饥饿,人们有更多的时间去做喜欢的事;也将进入一个焦虑的迷惘时代,取代人们一半的工作,导致失业,失去从工作中获得自我实现成就感,变得犹豫迷茫,甚至沉迷于游戏等诱惑中。

三、AI和我们是敌是友,AI的不同层次

弱人工智能,强人工智能,超级人工智能。
目前只有弱人工智能靠谱、可行,另两种是纯揣测。

弱人工智能是专注一个领域,针对人定位的优化函数来学习和进步,根据大量的数据和对环境的认知来判断该做什么行动,不断根据大数据学习来增强自己。

弱人工智能前提:单一领域、大量数据、精确客观的标注、由人启动和停止

强人工智能指可以胜任人类所有工作的人工智能,宽泛、没有量化指标。
无法处理:不确定因素、知识表述(common sense)、规划、学习(举一反三)、用自然语言交流沟通、整合以上能力实现既定目标

人类特有的:情商、口才、感染力、信任、爱恨情仇

超级人工智能各方面比人更强大,目前基本属于天方夜谭。

对人工智能的研究和使用,需要受到监管和限制:人工智能安全性,确保未来自动化比较强的人工智能一定要符合人类价值观,由人类控制,非破坏性

四、三次人工智能浪潮

60年代开始大部分在学术阶段,公关市场宣传,提出需要解决的问题

图灵测试的意义

第一次,基于专家系统,欠缺鲁棒性,无法穷举问答

第二次,基于机器学习,基于大数据在一个领域做大量数据的理解和自动标注,然后从中学习到足够的参数能够对于新见到的数据做出分类、判断和预测。机器慢,数据量少,算法不够优,训练出的模型不够精确。

第三次,基于深度学习,机器学习进入产业应用,解决实际问题,产生价值

五、什么是深度学习

深度学习绝不是人工智能唯一的解决方案,但是当今或者未来很长一段时间将引领人工智能的发展的核心技术

计算性能提高,计算数据累积是深度学习重出江湖的契机

深度学习就是把大量的数据丢进一个复杂的数据处理网络(深度神经网络),检查经过这个网络处理的结果是否符合要求,符合就保留,不符合就调整,直到满足要求为止。

上千万的数据量才能学习到比较通用化模型

六、AI热潮来临人类会失业吗

将深度学习和其他人工智能工具工程化的推进各个领域,收集大量单一领域数据,比人做得更好。

五秒准则:如果人能在5秒内对该工作需要的思考和决策做出相对应的决定,则非常有可能被取代;反之,如果需要缜密的思考、周全的推理、复杂的决策或者感性因素,具体判断不是5秒能完成,就难被取代。

翻译、新闻报道、助理、销售、保安、客服、交易员、会计、司机和部分家政工作在未来十年90%被取代,全人类50%的工作被取代。

如何取代:完全取代、部分取代、协同工作

蓝领工作反而需要更多的技术,因为其往往需要软硬件结合,而硬件的升级会比软件的升级来得慢。所以最先被取代的有可能是简单的重复性的白领工作。

医生工作涉及到伦理、法律、责任等,人工智能可以作为优秀的工具作为辅助,提供基于大数据的更客观的分析和推荐。

自然语言理解方向的机器翻译取代翻译员

自动驾驶带来的无限想象。

智慧金融。

判断人工智能技术能在哪个行业引起革命性变革,除了看这个行业自动化智能化的内在需求之外,主要看这个行业是否有数据积累,是否有数据流传,是否有数据存储和更新,是否能达到深度学习算法对深度学习的要求。

七、哪些工作是AI取代不了的

人类历史上的协作分工基本都遵循一个类似金字塔形社会结构模型,最底层是简单重复性劳动,其上是白领或中产阶级,再上是思想领袖、高级学者、艺术家等,顶端是管理者决策者
人工智能将取代金字塔底层50%以上简单重复性工作,是否导致金字塔结构不稳定涉及三个问题:
1. 原来从事底层工作的人涌向上层,金字塔是否能够保持稳定
2. 金字塔结构中分工协作的人原本有一个从初级到高级的上升通道,如果底层工作都被机器完成,缺少向上发展的锻炼机会,如何提升自己的职业轨迹
3. 失去工作的人如何从简单工作转换为复杂的脑力劳动

如何面对
1. 知己知彼,了解AI能做什么,加强AI不能做的方面(有创意20%,有人际交流、沟通、社交80%)
2. 人工智能创造的财富通过税金等形式反馈回社会,解决其带来的失业等问题

哪些工作容易被取代:
3-5年,特别重复性的工作,流水线工人、建筑工人、行政、柜员、交易员、出纳、电话销售、客服

5-10年,运输、物流、会计、助理、普通记者、风控师分析师理财师、翻译、保安

10-15,司机、送货员、修理工人、普通工程师、部分医生

哪些工作难被取代:
艺术家、作家、导演、演员,历史学家、人类学家、社会学家,顶尖管理者、跨领域有战略性思考的决策者,顶级的科学家、创造者、跨领域的专家学者

八、AI时代该怎么学

个性化,创意性,与人交流,解决实际问题的教育方式
1. 主动挑战极限,全面接受挑战,提高自我,努力工作,10000小时理论
2. 在实践中学习,面对实际的综合性复杂性问题充分结合基础知识,与时俱进
3. 启发式教育,培养创造力和实际解决问题的能力。
4. 充分利用互动性的在线教育,个性化,增加有趣性,因材施教
5. 主动向机器学习,在机器擅长的领域向机器学习
6. 人人协作和人机协作
7. 追随兴趣,发挥潜力

九、AI时代该学什么

人工智能,人文领域,人与人之间沟通交流,情商,获取信任
重复性、标准化的工作所不能涵盖的领域,包括创造性,情感交流,审美,艺术,综合理解,讲故事,体验等人类智能所独特的能力

十、AI时代人类该如何存在

先进技术的出现把人从旧的产业格局和繁复的劳动中解放出来,鞭策人类做出各种变革。
基于生物特征的进化由于科技的进步已经失效(过去优胜劣汰中的“劣”由于先进技术也会得以保存),未来将是基于人类自身特点(感情、思考、自我意识)的进化。

工作并不是人之所以为人的原因,作为人的独特之处在于爱和被爱的能力

善于利用人类的特征,善于借助机器的能力,是未来的必备特质
在AI时代里,只会在某个狭窄领域里从事简单工作的人无论如何都无法与AI的效率和成本相比,必然被机器取代。唯有找到自己独特之处,拥抱人类的独特价值,成为在情感、性格、素养上都更加全面的人才能保持个人的存在价值。

个人小结

这档音频节目属于科普性质,带人走近AI。
普通公众或许对人工智能有认知偏差,认为人工智能就是本文中提及的超级人工智能。我认同李开复博士的观点,在可预见的未来,人工智能只是作为人类的一种辅助工具,正如蒸汽机、电力、互联网一样,诚然会给人类社会带来重大变革,但距离具有自我意识、威胁人类存亡还无从谈起,是弱人工智能。

所以当下我们要做的是拥抱人工智能、利用人工智能,提高我们的工作效率和生活品质。
同时,为了不被AI所取代,还要不断反思,将自己从简单繁复的工作中抽离出来,进入创造性、重视人际交流的工作领域。

对于个人:
1. 学习AI工具,思考其在行业中的应用
2. 重视自身能力提升,保持竞争力,关注跨领域思考学习
3. 加强人际沟通和表达能力
4. 多阅读,更要多思考总结
5. 热爱生活

最后附创新工场在AI领域的投资布局:
这里写图片描述

参考

蜻蜓FM《李开复:人工智能十讲》
如何评价李开复新书《人工智能》?


推荐阅读
  • 强人工智能时代,区块链的角色与前景
    随着强人工智能的崛起,区块链技术在新的技术生态中扮演着怎样的角色?本文探讨了区块链与强人工智能之间的互补关系及其在未来技术发展中的重要性。 ... [详细]
  • 2017年人工智能领域的十大里程碑事件回顾
    随着2018年的临近,我们一同回顾过去一年中人工智能领域的重要进展。这一年,无论是政策层面的支持,还是技术上的突破,都显示了人工智能发展的迅猛势头。以下是精选的2017年人工智能领域最具影响力的事件。 ... [详细]
  • 本文探讨了亚马逊Go如何通过技术创新推动零售业的发展,以及面临的市场和隐私挑战。同时,介绍了亚马逊最新的‘刷手支付’技术及其潜在影响。 ... [详细]
  • 《计算机视觉:算法与应用》第二版初稿上线,全面更新迎接未来
    经典计算机视觉教材《计算机视觉:算法与应用》迎来了其第二版,现已开放初稿下载。本书由Facebook研究科学家Richard Szeliski撰写,自2010年首版以来,一直是该领域的标准参考书。 ... [详细]
  • 吴恩达推出TensorFlow实践课程,Python基础即可入门,四个月掌握核心技能
    量子位报道,deeplearning.ai最新发布了TensorFlow实践课程,适合希望使用TensorFlow开发AI应用的学习者。该课程涵盖机器学习模型构建、图像识别、自然语言处理及时间序列预测等多个方面。 ... [详细]
  • 京东AI创新之路:周伯文解析京东AI战略的独特之处
    2018年4月15日,京东在北京举办了人工智能创新峰会,会上首次公开了京东AI的整体布局和发展方向。此次峰会不仅展示了京东在AI领域的最新成果,还标志着京东AI团队的首次集体亮相。本文将深入探讨京东AI的发展策略及其与BAT等公司的不同之处。 ... [详细]
  • 计算机视觉初学者指南:如何顺利入门
    本文旨在为计算机视觉领域的初学者提供一套全面的入门指南,涵盖基础知识、技术工具、学习资源等方面,帮助读者快速掌握计算机视觉的核心概念和技术。 ... [详细]
  • 智慧城市建设现状及未来趋势
    随着新基建政策的推进及‘十四五’规划的实施,我国正步入以5G、人工智能等先进技术引领的智慧经济新时代。规划强调加速数字化转型,促进数字政府建设,新基建政策亦倡导城市基础设施的全面数字化。本文探讨了智慧城市的发展背景、全球及国内进展、市场规模、架构设计,以及百度、阿里、腾讯、华为等领军企业在该领域的布局策略。 ... [详细]
  • 大数据时代的机器学习:人工特征工程与线性模型的局限
    本文探讨了在大数据背景下,人工特征工程与线性模型的应用及其局限性。随着数据量的激增和技术的进步,传统的特征工程方法面临挑战,文章提出了未来发展的可能方向。 ... [详细]
  • 本文详细记录了作者从7月份的提前批到9、10月份正式批的秋招经历,包括各公司的面试流程、技术问题及HR面的常见问题。通过这次秋招,作者深刻体会到了技术积累和面试准备的重要性。 ... [详细]
  • 本文详细介绍了 TensorFlow 的入门实践,特别是使用 MNIST 数据集进行数字识别的项目。文章首先解析了项目文件结构,并解释了各部分的作用,随后逐步讲解了如何通过 TensorFlow 实现基本的神经网络模型。 ... [详细]
  • 利用Dlib进行高效的人脸特征提取与识别
    本文介绍了Dlib库,一个集成了多种机器学习算法的C++工具包,特别适用于需要处理复杂任务的应用场景。Dlib不仅支持机器人技术、嵌入式系统开发、移动应用及高性能计算环境,还提供了强大的人脸检测与特征提取功能。 ... [详细]
  • 深入浅出:Hadoop架构详解
    Hadoop作为大数据处理的核心技术,包含了一系列组件如HDFS(分布式文件系统)、YARN(资源管理框架)和MapReduce(并行计算模型)。本文将通过实例解析Hadoop的工作原理及其优势。 ... [详细]
  • 深度学习与神经网络课程总结
    本文档总结了神经网络和深度学习课程中的关键概念和理论,包括机器学习的基本要素、算法类型以及数据特征表示等。 ... [详细]
  • 探索CNN的可视化技术
    神经网络的可视化在理论学习与实践应用中扮演着至关重要的角色。本文深入探讨了三种有效的CNN(卷积神经网络)可视化方法,旨在帮助读者更好地理解和优化模型。 ... [详细]
author-avatar
渊博的蓝天大海_210
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有