热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

人机融合的科幻与现实

来源:《环球》杂志发布时间:2017-04-24随着光机电一体化、生物工程、生化机器人的发展和系统科学的综合进步,计算机自主的逻辑思维将有足够的行为表现,进而真正





来源:《环球》杂志 

发布时间:2017-04-24

    随着光机电一体化、生物工程、生化机器人的发展和系统科学的综合进步,计算机自主的逻辑思维将有足够的行为表现,进而真正脱离人类的完全控制,拥有自主的智能思维。

  几乎可以预见,未来5至10年,甚至更长的一段时间,大数据、脑机接口和神经工程将成为人工智能及相关领域科学家竞相突破的重点对象。也许在不远的未来,人机协同的生化人真的可以像钢铁侠一样自由飞翔,犹如机甲战士般随意念操纵“武器”,改写生命轨迹,穿梭时空,甚至脱离物质属性而存在。

  在一个世界被网络所覆盖,生化人、仿生人、人类共存的时代,一位由奥莱特博士设计创造出来的,有着人类大脑和灵魂的半机器人草薙素子,加入了精英部队“公安九课”,协助政府打击高科技犯罪……正在热映的好莱坞科幻大片《攻壳机动队》在讲述半机器人找寻自己灵魂的故事之外,阐述了未来人与机器间的关系。

  人机融合被视为人工智能的下一个重要拐点,美国科技狂人埃隆·马斯克正着手推动人机融合。3月28日,马斯克宣布,成立一家名为“神经连接”的公司,这家科技企业致力于把人脑与电脑联接起来,提升人脑能力,以确保人类有能力应对人工智能(AI)带来的威胁。

  从前的科幻正在靠近现实,带着对人工智能未来既期待又担忧的复杂心态,人们不禁探问:人类距离实现人机融合究竟还有多远?

  人工智能的威胁

  随着光机电一体化、生物工程、生化机器人的发展和系统科学的综合进步,计算机自主的逻辑思维将有足够的行为表现,进而真正脱离人类的完全控制,拥有自主的智能思维。

  由于人工智能的发展及软硬件的进步,计算机的逻辑分析能力大幅提高,直至计算机的综合逻辑分析提高为逻辑思维,这种逻辑思维可以根据环境条件自主产生新的逻辑,并摆脱人类的框架式控制,而成为一种自主的智能思维。科学家甚至提出预言:21世纪结束前,人类将不再是地球上最富有智慧的物种。

  正是基于对人工智能超越人类的担忧,马斯克正式启动了“神经连接”计划。《华尔街日报》3月27日报道,“神经连接”公司将使用名为“神经织网”的技术,在人类大脑中植入微小电极,与电脑建立联系。这种技术不仅能治疗癫痫、帕金森症等脑功能障碍疾病,还能提高人类大脑能力:把人类思维“下载”到电脑中,或将电脑中的信息通过电极“上传”到人脑,把人类智力与人工智能有效融合,从而提高人类的认知能力和记忆力。

  在3月28日的推特文章中,马斯克表达了对人工智能可能威胁人类的担忧,认为“这种风险太高,以致我们不得不进行相关研究”。马斯克去年在加利福尼亚州一次会议上警告,如果人类创造出“具有超级智慧的人工智能产品”,它在各方面能力远超人类,那么人类在强大的人工智能面前可能会沦为“家猫”。马斯克当时便提出“神经织网”,称这一技术可以提升人类大脑的能力。

  英国牛津大学教授尼克·波斯特罗姆在著作《超级智能》中提出,人工智能会朝超级智能的方向转变。不少学界、产业界人士表现出和马斯克类似的担忧。以英国科学家史蒂芬·霍金及微软创始人比尔·盖茨为代表的一种声音是:“如果若干年后机器发展得足够智能,终将成为人类的心头大患。”

  微软资深副总裁、微软亚太研发集团主席洪小文则认为,AI是人类创造的一种工具、技术,没有人便没有AI,因为AI的想法、算法全部来自人类。人类最核心的竞争力是创新、创造。在古往今来的创造历程中,人类采取的一贯策略是大胆假设、小心求证。而这其中,大胆假设的创造力来自于人类,小心验证的使命交给计算机,并在验证过程中反复修改我们的假设,修改我们的想法,最终就能创造出新的东西。“如果说将来社会真的一定有超级智能(SuperIntelligence),想必是通过人类智能(HI)+人工智能(AI)融合后达到的。”

  经过漫长进化的人类早已在历史经验中习得:敌人越少越好。如果AI显现出神力,不妨联手,将它变为朋友。这种人类智能与人工智能联手的未来,恐怕正是马斯克等科技狂人正在布局的一个个人机融合的现在。

  人机融合三步走

  中国工程院原常务副院长潘云鹤在接受《环球》杂志记者采访时提出,用计算机来模拟人的智能固然重要,而让计算机与人协同,取长补短而成为一种“1+1>2”的增强性智能系统则更为重要。当前,各种穿戴设备、智能驾驶、外骨骼设备、人机协同手术等纷纷出现,而宏观系统的人机协同有更大空间,预示着人机协同增强智能系统前景广阔。

  智能设备嵌入身体,实时读取生理数据,机器比人更了解人自己……这个判断来源于近来炙手可热的畅销书《人类简史》,作者尤瓦尔·赫拉利认为,随着人工智能和生物技术的飞速发展,人机协同融合将在本世纪完全实现,人类未来生活将发生巨大改变。

  早在15年前,英国雷丁大学控制论专家、教授凯文·沃伊克率先在自己的著作《我和生化机器人》中提出并剖析了生化人(Cyborg)这一概念,而生化人在英文中对应短语的字面意思正是有机生命与无生机器的合成体。

  值得一提的是,这位教授为了撰写学术著作,曾在1998年利用外科手术,把一个硅片脉冲转发器植入了自己的左臂,2002年又将一个边长3毫米的方形芯片植入到左腕,使自己的神经系统通过芯片线路与计算机相连,他还在书中说,当那个戴着芯片的他在办公大楼里进进出出时,所有由电脑控制的房间都能辨认出他,自动开灯、开门,电脑还会发出“早安,沃威克教授”的问候,并且在接到新邮件时通知他,并自动下载新邮件,他的助手也能在任何时候找到他。

  事实上,人工智能从诞生之日起,就尝试在各个方面提高、延伸人的能力,人机融合的过程已经开始,并且还在加速前进中。作为人工智能领域的深耕者,第四范式创始人、CEO戴文渊认为,人机协同融合可以分为三个发展阶段,分别是感知融合阶段、行为融合阶段以及思想融合阶段。

  第一阶段:感知融合。

  其实,我们已经走过了一个较为成熟的感知融合阶段。在这个阶段中,传感器作为核心组件出现,应用在不同领域和技术中,例如我们所熟悉的智能家居、视觉识别技术,以及语音识别技术等。借助人工智能,人类的感知能力被成百上千倍地放大与拓展,被赋予了“眼观六路,耳听八方”的本领。与此同时,人工智能在该阶段完成技术积累,奠定下一步发展的技术前提。

  第二阶段:行为融合。

  目前,人工智能领域最受关注的技术,是可以在工业界落地的技术。而这正是行为融合阶段,人机融合的本质——基于对人类“老师”的学习模仿,机器不知疲倦地训练和更新,最终在某种行为能力或工作能力上,实现对人类的补充和超越。例如在金融领域,人工智能就可在精准营销、风险防控、智能投顾等多个场景中,有效缓解人力不足、精力不够的局面。以智能投顾为例,过去因为人力成本高昂,金融机构只能为少数VIP投资者提供个性化理财服务。而现在,机器通过学习客户经理的投顾准则和经验,再经过自身超高维度模型处理,可以为顾客提供更加周到细致的理财建议,赢得顾客的信赖。不少业内专家都认为,在行为融合阶段,中国和美国等发达国家的研发差距在不断缩小,可以说该阶段是中国实现弯道超车的最佳时机。

  第三阶段:思想融合。

  对思想融合阶段的阐述,其实与前文引用的《人类简史》的观点颇为相似。关于这一阶段的探索,无论是国内还是国际,都尚处于起步阶段,没有太多成熟的理论和实践。也许未来,随着机器学习、生物传感器、脑机交互等技术的发展,这一融合过程将加速发生。人工智能程序可以在你出生后的每一天,从每一条短讯到每一秒心跳,都充分研究你,深得你心的人工智能,最终与你实现思想融合,替你作出更有利的选择,小到购物作品牌选择,大到像婚姻这种令人纠结的终身大事。

  人机物三元融合

  科幻作家、科幻迷也勇敢畅想:当人类不再着眼于自身肢体的进化,而是将自己的大脑和四肢全部与计算机和机器进行连接,当知识和外界信息随时通过神经元信号输入人类大脑,并储存起来以备调用,人类便无需用脑学习,就可以拥有一个天才般的电脑。

  理论上,人类的所思所想也可立即以信号输入的形式,被电脑所解析并转化为跨媒体符号,以视频或者图像等形式显现出来;将不同人类的信号相连,无需语言或手势交流便可拥有“读心术”的能力,实现“思想的透明化”。

  城市的管理者依照技术的进展速度与方向提出发展路径:智能化的需求牵引,使AI在城市、医疗、交通、物流、机器人、无人驾驶、手机、游戏、制造、社会、经济等的发展中成为新技术、新目标,很多企业和城市已进行AI布局。

  从过去追求“用计算机模拟人类”,转化为以机器与人结合而成的增强型混合智能;由机器、人、网络结合形成新的群智系统;还有由人、机器、网络和物结合成的智能城市等更复杂的智能系统。

  潘云鹤认为,世界已从以人类与物形成的二元空间结构,演变为人、物、信息网格构成的三元空间结构。人、物、网之间的互动将形成各种新计算,包括感知融合、“人在回路中”(操作员在经过第一次指令输入后,仍有机会进行第二次甚至不间断的指令更正)、增强现实,以及跨媒体计算。

  当AI2.0之火点燃,如何为新的时代续柴加火?接受《环球》杂志记者采访的诸位科学家最终形成了较为一致的答案:第一助力是足够规模且质量较高的数据。

  尽管在过去半个世纪,计算机的运算速度一直呈指数增长,可以做的事情越来越多,可给人的感觉是快却不够聪明,比如不能回答人的提问,不会下棋,不认识人,不能开车,不善于主动做出判断……北京航空航天大学副教授秦曾昌认为,当数据量足够大之后,很多智能问题可以转化为数据处理问题。因为从方法来看,计算机获得智能的方法与擅长逻辑分析推理的人类智能不同,人工智能更多地利用大数据,从数据中学习获得信息和知识。

  苏州思必驰联合创始人、首席科学家俞凯提出,人工智能发展的机遇,一是数据量的增大;第二是云计算的出现。“今天计算机能获得如此高的智能,很大程度上取决于数据。”俞凯说。

  影响更为深远的助力则是认知与脑科学的研究突破。《科技发展新态势与面向2020年的战略选择》一书指出,信息科技根本性突破可能取决于脑科学的进展。一旦脑科学取得大的突破,必将引起信息技术的革命性变革。

  脑科学和神经科技是近20年来我国发展最快的学科之一,也是美国、欧洲相继进行战略布局的重点领域。中科院自动化所脑网络组研究中心蒋田仔团队目前已成功绘制出全新的人类脑图谱,该图谱包括246个精细脑区亚区,以及脑区亚区间的多模态连接模式。该研究中心主任、博导蒋田仔介绍,脑网络组图谱是人类脑图谱发展和神经技术进步的必然趋势,是脑科学、认知科学、认知心理学相关学科发展的支撑,势必会为人工智能领域取得突破奠定基础。

  神经科学和信息学的合作,将深度渗透到人工智能领域,神经网络——计算机模仿人类神经元建立的模型会令机器加速具备诸多技能。几乎可以预见,未来5至10年,甚至更长的一段时间,大数据、脑机接口和神经工程将成为人工智能及相关领域科学家竞相突破的重点对象。

  也许在不远的未来,人机协同的生化人真的可以像钢铁侠一样自由飞翔,犹如机甲战士般随意念操纵“武器”,改写生命轨迹,穿梭时空,甚至脱离物质属性而存在。

1.国产替代摸不着门儿?快来回看兆易创新直播课!

2.开源的RISC-V能否成为中国“缺芯”的解药?

3.树莓派Pico:仅4美元的MCU

4.MCU支持AI功能的多种原因~

5.2020年,我学习到的20条软件工程准则~

6.状态机思路在嵌入式开发中的应用~

免责声明:本文系网络转载,版权归原作者所有。如涉及作品版权问题,请与我们联系,我们将根据您提供的版权证明材料确认版权并支付稿酬或者删除内容。



推荐阅读
  • 生成式对抗网络模型综述摘要生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型,可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。生成式对抗网络 ... [详细]
  • 背景应用安全领域,各类攻击长久以来都危害着互联网上的应用,在web应用安全风险中,各类注入、跨站等攻击仍然占据着较前的位置。WAF(Web应用防火墙)正是为防御和阻断这类攻击而存在 ... [详细]
  • 【论文】ICLR 2020 九篇满分论文!!!
    点击上方,选择星标或置顶,每天给你送干货!阅读大概需要11分钟跟随小博主,每天进步一丢丢来自:深度学习技术前沿 ... [详细]
  • [译]技术公司十年经验的职场生涯回顾
    本文是一位在技术公司工作十年的职场人士对自己职业生涯的总结回顾。她的职业规划与众不同,令人深思又有趣。其中涉及到的内容有机器学习、创新创业以及引用了女性主义者在TED演讲中的部分讲义。文章表达了对职业生涯的愿望和希望,认为人类有能力不断改善自己。 ... [详细]
  • 不同优化算法的比较分析及实验验证
    本文介绍了神经网络优化中常用的优化方法,包括学习率调整和梯度估计修正,并通过实验验证了不同优化算法的效果。实验结果表明,Adam算法在综合考虑学习率调整和梯度估计修正方面表现较好。该研究对于优化神经网络的训练过程具有指导意义。 ... [详细]
  • 浏览器中的异常检测算法及其在深度学习中的应用
    本文介绍了在浏览器中进行异常检测的算法,包括统计学方法和机器学习方法,并探讨了异常检测在深度学习中的应用。异常检测在金融领域的信用卡欺诈、企业安全领域的非法入侵、IT运维中的设备维护时间点预测等方面具有广泛的应用。通过使用TensorFlow.js进行异常检测,可以实现对单变量和多变量异常的检测。统计学方法通过估计数据的分布概率来计算数据点的异常概率,而机器学习方法则通过训练数据来建立异常检测模型。 ... [详细]
  • Learning to Paint with Model-based Deep Reinforcement Learning
    本文介绍了一种基于模型的深度强化学习方法,通过结合神经渲染器,教机器像人类画家一样进行绘画。该方法能够生成笔画的坐标点、半径、透明度、颜色值等,以生成类似于给定目标图像的绘画。文章还讨论了该方法面临的挑战,包括绘制纹理丰富的图像等。通过对比实验的结果,作者证明了基于模型的深度强化学习方法相对于基于模型的DDPG和模型无关的DDPG方法的优势。该研究对于深度强化学习在绘画领域的应用具有重要意义。 ... [详细]
  • 3年半巨亏242亿!商汤高估了深度学习,下错了棋?
    转自:新智元三年半研发开支近70亿,累计亏损242亿。AI这门生意好像越来越不好做了。近日,商汤科技已向港交所递交IPO申请。招股书显示& ... [详细]
  • 人工智能推理能力与假设检验
    最近Google的Deepmind开始研究如何让AI做数学题。这个问题的提出非常有启发,逻辑推理,发现新知识的能力应该是强人工智能出现自我意识之前最需要发展的能力。深度学习目前可以 ... [详细]
  • 建立分类感知器二元模型对样本数据进行分类
    本文介绍了建立分类感知器二元模型对样本数据进行分类的方法。通过建立线性模型,使用最小二乘、Logistic回归等方法进行建模,考虑到可能性的大小等因素。通过极大似然估计求得分类器的参数,使用牛顿-拉菲森迭代方法求解方程组。同时介绍了梯度上升算法和牛顿迭代的收敛速度比较。最后给出了公式法和logistic regression的实现示例。 ... [详细]
  • 数据结构与算法的重要性及基本概念、存储结构和算法分析
    数据结构与算法在编程领域中的重要性不可忽视,无论从事何种岗位,都需要掌握数据结构和算法。本文介绍了数据结构与算法的基本概念、存储结构和算法分析。其中包括线性结构、树结构、图结构、栈、队列、串、查找、排序等内容。此外,还介绍了图论算法、贪婪算法、分治算法、动态规划、随机化算法和回溯算法等高级数据结构和算法。掌握这些知识对于提高编程能力、解决问题具有重要意义。 ... [详细]
  • 本博文基于《Amalgamationofproteinsequence,structureandtextualinformationforimprovingprote ... [详细]
  • 1关于字符串相邻的两个或多个字符串字面值(引号引起来的字符)将会自动连接到一起:str_catpython!str_cat输出:python!把很长 ... [详细]
  • ICRA2019最佳论文  Making Sense of Vision and Touch: SelfSupervised Learning of Multimodal Representatio
    文章目录摘要模型架构模态编码器自监督预测控制器设计策略学习控制器设计实验结论和展望会议:ICRA2019标题:《MakingSenseofVision ... [详细]
  • 移动传感器扫描覆盖摘要:关于传感器网络中的地址覆盖问题,已经做过很多尝试。他们通常归为两类,全覆盖和栅栏覆盖,统称为静态覆盖 ... [详细]
author-avatar
victor
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