почему меня не волнует искусственный интеллект
Кто-то услышал, что я хочу заняться бизнесом, и предложил мне какие-то «мерцающие» методы. Они говорят, что, поскольку вы являетесь экспертом в языках программирования, а искусственный интеллект (ИИ) сейчас очень популярен, вы действительно можете построить «автоматическую систему программирования», утверждая, что она может автоматически генерировать программы, заменять работу программистов и сэкономьте много времени.Человеческие затраты, так что вы можете воспользоваться «лихорадкой ИИ», чтобы привлечь инвестиции.
Кто-то даже дал мне имя «Глубокий кодер» (DeepCoder = Deep Learning + Coder). Слоган: «С DeepCoder вам не нужен Top Coder!» Некоторые люди указывали мне на последние исследования в этом направлении, которые поразительны, например, Microsoft.Robust Fill...
Я благодарю этих людей за их заботу, но на самом деле мне все равно, и я не питаю оптимизма в отношении искусственного интеллекта. Теперь кратко поделюсь своим мнением.
машинное сердце
Многие люди любят выступать за искусственный интеллект,Автоматическая машина, роботы и прочие технологии, но если приглядеться, то обнаружится, что эти люди не только не понимают, что такое человеческий интеллект, и не понимают ограничений искусственного интеллекта, но и сердца этих «сумасшедших ИИ» серьезно механизирована. Они более или менее утратили свою человечность, как будто забыли, что они личность, что больше всего нужно людям, и их ценность. Эти люди как Чаплинвеликий диктатор』 отметил в заключительной речи: «Машиноподобный человек, машиноподобное сердце».
Всякий раз, когда упоминается ИИ, эти люди должны быть амбициозными и заявлять, что «заменяют человеческий труд» и «сокращают трудозатраты». Не говоря уже о том, достижимы ли эти цели, они с самого начала полностью противоречили моим ценностям. Великая компания должна создавать реальную и новую ценность для общества, а не пытаться «сэкономить» затраты на рабочую силу и сделать людей безработными! Страшно подумать об этом, я создал компанию, самый большой вклад которой состоит в том, чтобы сделать тысячи людей безработными, сэкономить «затраты на оплату труда» для ненасытных людей, увеличить разрыв между богатыми и бедными и сконцентрировать власть в руках очень малое количество людей.В конце концов, это приведет к нищете народа, ведущему к запустению и даже краху общества...
Я не могу представить себе жизнь в мире, где это не имело бы смысла, даже если бы это сделало меня самым богатым человеком в мире. В мире слишком много вещей, которые нельзя купить за деньги. Если я иду по улице, то не вижу счастливых улыбок людей, неторопливого шага, не сердечных приветствий, любви и чувства юмора, не нежной и романтической любви, а вместо этого вижу бомжей, которые везде болят, сверлят дырки в Запах мочи, который они оставляли, входя, они боялись быть ограбленными, куда бы они ни пошли, потому что люди действительно не могли выжить, и не было другого способа выжить, кроме как воровать и грабить...
Если искусственный интеллект добьется успеха, это может стать конечным результатом. К счастью, есть достаточно доказательств того, что ИИ никогда не добьется успеха.
моя мечта об искусственном интеллекте
Многие люди могут не знать, что раньше я тоже был «фанатиком ИИ». Раньше я тоже был без ума от искусственного интеллекта как от своего «великого идеала». Я также открывал рот и закрывал рот, чтобы говорить о «людях», как будто машины могут быть наравне с людьми или даже выше их. Когда Deep Blue Computer победил Каспарова, я однажды вздохнул: «Ах, с нами, людьми, покончено!» Я также когда-то думал, что с двумя законами (коу) сокровища (хао) «логики» и «обучения» Машины однажды превзойдут человеческий интеллект. Но я так и не понял, как конкретно это реализовать, и не понял, что значит это реализовать.
История начинается более десяти лет назад, когда искусственный интеллект переживал зиму. В библиотеке Университета Цинхуа я наткнулся на запыленную книгу"Paradigms of Artificial Intelligence Programming(PAIP) Питера Норвига. Как археолог, я начал обдумывать и реализовывать различные классические алгоритмы ИИ один за другим. Алгоритм PAIP фокусируется на логике и рассуждениях, потому что в то время многие исследователи ИИ считали, что человеческий интеллект в конечном счете является логическим мышлением.
Они наивно думали, что с помощью логики предикатов и логики первого порядка они могут выразить «потому что так не только, но и все», и машины могут обладать разумом. Поэтому они разработали различные алгоритмы, основанные на логике, экспертные системы и даже язык программирования на основе логики Prolog, который они назвали «языком программирования пятого поколения». В конце концов, они столкнулись с непреодолимыми препятствиями, многочисленные ИИ-компании не смогли достичь своих хвастливых целей, различные «нейронные» машины не смогли решить практических задач, огромные государственные и частные инвестиции сошли на нет, искусственный интеллект вступил в зиму.
Той зимой я встретил PAIP. Это не привело меня к искусственному интеллекту, но я подсел на Лисп и языки программирования. Также благодаря этой книге я впервые реализовал такие алгоритмы, как A*, легко и методично. Впервые я понял, что такое «модульность» программы, и, руководствуясь примерами кода, начал использовать в своих программах небольшие «служебные функции» вместо того, чтобы беспокоиться о «накладных расходах на вызовы функций». Книги PAIP и SICP в конечном итоге привели меня к более «фундаментальным» языкам программирования, а не к искусственному интеллекту.
После PAIP я на какое-то время стал одержим машинным обучением, потому что мне сказали, что машинное обучение — это новая глава искусственного интеллекта. Однако постепенно я понял, что так называемый искусственный интеллект и машинное обучение имеют мало общего с настоящим человеческим интеллектом. По сравнению с практическими задачами классические алгоритмы PAIP либо совсем наивны, либо слишком сложны для решения практических задач. Самая важная проблема заключается в том, что я не понимаю, какое отношение алгоритмы в PAIP имеют к «интеллекту». Название «машинное обучение» в основном является притворством. Многие люди видели, что машинное обучение — это просто «функция соответствия» в статистике со сбивающим с толку названием.
Исследователи искусственного интеллекта любят использовать такие термины, как «нейрон», чтобы напугать вас, говоря вам, что их алгоритмы вдохновлены тем, как нейроны работают в человеческом мозгу. Примечание, "вдохновленный" - очень двусмысленное слово, и результат, вдохновленный одной вещью, не может иметь ничего общего с этой вещью. Например, я также могу сказать, что дизайн языка инь вдохновлен девятью иньскими писаниями :P
Сколько из многих исследователей ИИ в мире действительно изучали человеческий мозг, препарировали его, проводили над ним эксперименты или читали результаты исследований в области науки о мозге? В конце концов вы обнаружите, что почти никто из исследователей ИИ на самом деле не проводил исследований человеческого мозга или когнитивной науки. Известный когнитивист Дуглас Хофштадтер давно указывал в интервью, что этих так называемых «специалистов по ИИ» совершенно не интересует, как работает человеческий мозг и сознание (разум).Для достижения «Искусственного общего интеллекта» (ИИО) Вот почему ИИ до сегодняшнего дня оставался тщетной мечтой.
Системы распознавания и понимание языка
На протяжении всей истории того, что может делать машинное обучение, есть распознавание символов (OCR), распознавание речи, распознавание лиц и тому подобное, которые я в совокупности называю «системами распознавания». Конечно, система распознавания очень ценна, OCR очень полезен, я часто использую метод голосового ввода на своем мобильном телефоне, распознавание лиц, очевидно, имеет большое значение для органов общественной безопасности. Однако многие люди хвастаются, что мы можем использовать тот же метод (машинное обучение, глубокое обучение), чтобы достичь «разума человеческого уровня» и заменить всю человеческую работу.Это миф.
Системы распознавания далеки от «человеческого интеллекта», который действительно понимает язык. Грубо говоря, эти системы распознавания, то есть то, что могут функции статистической подгонки. Например, OCR и распознавание речи — это входные пиксели или звук, а выходной текст слова. Многие люди не видят разницы между «распознаванием текста» и «пониманием языка». OCR и системы распознавания речи, хотя они и могут полагаться на статистические методы для «распознавания» того, какие слова вы говорите, на самом деле не могут «понимать» то, что вы говорите.
Разговор на небольшую тему, кто не понимает, может пропустить этот абзац. Разница между «распознаванием» и «пониманием» подобна разнице между «синтаксисом» и «семантикой» в языках программирования. Текст языка программирования должен сначала пройти через лексер и синтаксический анализатор, прежде чем его можно будет отправить на сервер.устный переводчик(интерпретатор), только интерпретатор может реализовать семантику программы. По аналогии, система распознавания речи естественного языка на самом деле эквивалентна только лексеру языка программирования. Как я указывал в предыдущих статьях, лексический анализ и анализ синтаксиса — это только «0-й шаг» на долгом пути развития языка.
В большинстве систем ИИ даже нет синтаксического анализатора, поэтому субъект, глагол, объект и структура предложения не анализируются четко, не говоря уже о понимании смысла. Эксперты IBM по распознаванию речиFrederick JelinekОднажды пошутили: «Каждый раз, когда я увольняю лингвиста, скорость распознавания повышается.» Причина в том, что распознавание речи эквивалентно только лексеру, а лингвисты изучают парсер и интерпретатор. Конечно, то, что вы делаете, настолько элементарно, что лингвисты не могут вам помочь, но это не значит, что лингвисты бесполезны.
Многие специалисты по распознаванию речи считают, что синтаксический анализатор бесполезен, потому что люди, похоже, понимают смысл предложения, даже не разобрав его. Однако они не понимают, что людям на самом деле приходится бессознательно разбирать некоторые предложения, чтобы понять их значение.
Возьмем очень простой пример. Если я скажу Siri: «Я хочу посмотреть фотографии кошек», она даст мне следующий ответ: «Я не могу найти в Интернете ничего о «некоторых кошках»».
Что это показывает? Многие люди могли его найти, что показывает, что Siri не может понять предложение, поэтому она отправляется в Интернет для поиска некоторых ключевых слов. Но это также показывает более глубокую проблему, то есть в Siri нет парсера, даже хорошей системы сегментации слов, поэтому он даже не знает, по каким ключевым словам искать.
Почему Siri выходит в интернет, чтобы найти информацию о «некоторых кошках», а не о «кошках»? Если вы ищете «коты» и «фотографии», он хоть что-то находит. Это потому, что у Siri на самом деле нет синтаксического анализатора, в нем вообще нет синтаксического дерева. Он просто использует некоторые обычные методы НЛП (например, n-граммы) для разбиения предложений на «Я… хочу… посмотреть… некоторые… фотографии кошек…» вместо синтаксического дерева, соответствующего « Я... хочу... посмотреть... немного... фото кота".
Синтаксическое дерево этого предложения, судя по способу синтаксического анализатора естественного языка, который я делал раньше, вероятно, выглядит так.
Специфика слишком техническая, и я не буду объяснять ее здесь. Однако интересующиеся могут обнаружить, что согласно грамматическому дереву это предложение можно упростить как: «Я хочу посмотреть фотографии». хочу...", что является так называемым объектом. Пункт. Сколько фотографий? Немного. Какие фотографии вы смотрите? Тема — фотография кота.
- я хочу увидеть фотографии
- я хочу увидеть несколько фотографий
- я хочу увидеть фотографии кошек
- я хочу увидеть фотографии кошек
Разве это не интересно?
В Siri нет такого синтаксического дерева, и его n-грамма даже не отделяет «некоторых» от «кошки», поэтому она ищет «некоторых кошек» вместо «котов». В нем даже опущено важное слово «фото». Итак, Siri правильно «распознала речь» и поняла, что я сказал. Но так как нет парсера, нет синтаксического дерева, он не может правильно понять, о чем я говорю, он даже не знает, о чем я говорю.
Насколько сложно сделать парсер для естественного языка? Многие, возможно, не пробовали. Я сделал это. Когда я был в Индиане, я прошел курс НЛП и с несколькими одноклассниками внедрил анализатор английской грамматики, чтобы набрать кредиты. Он анализирует форму синтаксического дерева, как указано выше.
Вы можете не подумать, насколько это сложно, вам нужно не только глубоко разбираться в теории парсеров языков программирования (LL, LR, GLR...), но и полагаться на большое количество примеров и данных для разгадки различных неясностей на человеческих языках. Мой партнер специализируется на NLP, и он очень скользко говорит о Haskell, системах типов, теории категорий, парсинге GLR и т. д. Однако даже в этом случае наш английский парсер может обрабатывать только самые простые предложения, он полон ошибок и, в конце концов, сходит с рук :P
После грамматического анализа можно получить «синтаксическое дерево», а затем передать его в центр понимания языка в человеческом мозгу (по аналогии с «интерпретатором» языка программирования). Интерпретатор «выполняет» предложение, находит соответствующее «значение» для соответствующего имени и выполняет вычисления, чтобы получить значение предложения. Что касается того, как человеческий мозг приписывает «значения» словам в предложении и как комбинировать эти значения для формирования «мышления», никто, кажется, не очень хорошо это понимает.
По крайней мере, для этого требуется большой практический опыт, который человек накапливает с рождения. У машин вообще нет такого опыта, и мы не знаем, как его получить. Мы даже не знаем, как эти переживания устроены в человеческом мозгу и как они организованы. Следовательно, машине так же трудно понять предложение, как и подняться в небо.
Вот почему Хофштадтер сказал: «Чтобы машина понимала, что говорят люди, у нее должны быть ноги, она должна уметь ходить, она должна уметь видеть мир, она должна приобретать необходимый ей опыт. иметь возможность жить с людьми и переживать их жизни и истории... ..." В конце концов, вы обнаружили, что сделать такую машину гораздо сложнее, чем вырастить ребенка. Это не то, что нужно делать, когда вы сыты .
Системы машинного диалога и человеческое обслуживание клиентов
«Технология искусственного интеллекта», которую в последнее время наиболее громко называют крупные компании, — это Siri, Cortana, Google Assistant, Amazon Echo и другие инструменты с функциями распознавания голоса, именуемые «персональными помощниками». Насколько эти вещи можно назвать "умными", думаю, кто ими пользовался, должен понять. Каждый раз, когда я пробую Siri, я поражаюсь, насколько глупо это может заставить вас в спешке разбить свой телефон. Другие несколько таких же были не намного лучше.
Многие люди были обмануты Microsoft Xiaobing, но на первый взгляд этот парень действительно может понять, что вы говорите! Однако, пообщавшись некоторое время, вы обнаружите, что Xiaoice — это просто «интернет-поисковик предложений». Он просто случайным образом ищет существующие предложения в Интернете по ключевым словам в вашем предложении. Большинство этих предложений взяты с сайтов вопросов и ответов, таких как Baidu Knows и Zhihu.
Очень простой эксперимент состоит в том, чтобы повторно отправить одно и то же слово в Сяобин, например «Ван Инь», чтобы увидеть, какой контент он возвращает, а затем выполнить поиск этого контента в Google или Baidu, и вы найдете настоящий источник предложения. Люди любят обманывать себя.Когда вы видите несколько предложений с ответом «отлично», вы думаете, что они умны, но на самом деле это случайно найденное предложение, и оно не является правильным, поэтому вы чувствуете себя «отлично». Например, если вы спросите Сяобин: «Кто такая Ван Инь?», она может ответить: «Ван Инь пытается выставить себя дураком».
Я подумал, какая милая девушка, не отвечающая на ваши вопросы прямо, но с чувством юмора! Затем вы искали на Baidu и обнаружили, что это предложение было сказано кем-то, кто взломал меня на определенном форуме.
Ниже приведен точный пример, показывающий, как работает XiaoIce. Фотография была сделана в конце октября 2016 года, когда я пытался поговорить с Xiaoice. Сейчас ситуация может немного измениться.
Это показывает, что ответ Xiaoice в основном взят из вопросов и ответов Baidu, Zhihu и других мест, и, похоже, он просто выполняет поиск по приведенным выше данным. Xiaoice просто наугад искал это предложение.Что касается чувства юмора, то это полностью ваше собственное воображение. Многие люди разговаривают с XiaoIce, любят делать скриншоты «логичных» или «интересных» частей, а потом восклицают: «Вау, XiaoIce такой умный и интересный!» Чего они вам не сказали, так это того, что не выложили Диалог, много болтовни о курице и утке.
Система IBM Watson победила людей в игре Jeopardy, и многие люди думали, что Watson понимает человеческий язык и обладает интеллектом на уровне человека. Эти люди даже не знают, как играют в Jeopardy, и выносят слепые суждения, думая, что Jeopardy — это игра, в которой нужно понимать человеческий язык. Если вы внимательно посмотрите, то обнаружите, что Jeopardy — это очень простая игра в «угадайку».Название представляет собой предложение, а ответ — существительное. Например: «Есть певец, который выиграл десять Грэмми в прошлом году, кто он?»
Если вы понимаете мой предыдущий анализ «систем распознавания», Watson также является системой распознавания, где вход — предложение, а выход — существительное. Система распознавания, которая может играть в Jeopardy, может полностью не понимать смысл предложения, а полагаться на ключевые слова, встречающиеся в предложении, и выводить слово согласно подгоночной функции, полученной при анализе большого количества корпуса. В мире так много существительных, где мне найти такой корпус? Здесь я даю вам загадку Jeopardy в качестве подсказки: «Что за веб-сайт, вы даете ему существительное, он выводит несколько абзацев и предложений, объясняет вам, что это такое, и дает вам всевозможную соответствующую информацию?»
Легко догадаться, верно? Энциклопедия вроде Википедии! Вам просто нужно изменить содержание такого веб-сайта и создать поисковую систему с «перевернутым индексом». Вы вводите предложение, и оно ищет наиболее релевантные существительные на основе ключевых слов в нем. Это машина, которая может играть в Jeopardy, и она может легко превзойти игрока-человека, точно так же, как поисковые системы, такие как Google, Yahoo и т. д., могут легко превзойти способность человека находить веб-страницы. Но здесь в принципе нет ни понимания, ни разума.
На самом деле, чтобы проверить, понимает ли Watson человеческий язык, я зашел на веб-сайт Watson, чтобы поиграть в его «демонстрацию службы поддержки клиентов», и результат был совершенно смешным, большую часть времени Watson отвечал: «Я не понимаю». Я не знаю, о чем вы говорите. Вы, я хочу...", а затем перечислите кучу вариантов, 1, 2, 3...
Босс, вы ожидаете, что что-то подобное заменит человеческое обслуживание клиентов вашей компании? Тогда ваша компания ждет, чтобы выйти из бизнеса: P
Конечно, я не говорю, что эти продукты совершенно бесполезны. Я использовал Siri и Google Assistant и считаю их полезными, особенно во время вождения. Поскольку работа с телефоном во время вождения может привести к несчастным случаям, я могу воспользоваться преимуществами голосового управления. Например, я могу сказать телефону: «Проведите маршрут до ближайшей заправки». вызов функции: Навигация (АЗС).
В другое время личные помощники менее полезны. Я не хочу их использовать дома и на публике по одной простой причине: мне лень говорить или неудобно говорить. С помощью нескольких нажатий на экран я могу делать именно то, что хочу, что гораздо менее трудоемко и точно, чем говорить. Персональные ассистенты вообще не понимают, о чем вы говорите.Такого рода ограничения понятны и могут быть использованы.Однако крупные компании в последнее время используют личных ассистентов для разжигания страсти, преувеличивая в них "интеллигентную" составляющую, и умолчать об их ограничениях, заставляющих неспециалистов думать, что ИИ почти здесь, поэтому я должен презирать эту практику.
Например, благодаря этим «личным помощникам» некоторые люди утверждают, что подобную технологию можно использовать для создания «машинного обслуживания клиентов», используя машины вместо людей для обслуживания клиентов. Чего они не понимали, так это того, что обслуживание клиентов, которое казалось «простой работой», сильно отличалось по сложности от этих гаджетов с голосовым управлением. Служба поддержки клиентов должна понимать бизнес компании, должна быть в состоянии понять, что именно говорит клиент, должна формировать реальный разговор и быть в состоянии решать реальные проблемы клиентов, а не просто брать несколько ключевых слов и отвечать случайным образом.
Кроме того, служба поддержки клиентов должна иметь возможность инициировать реальные изменения из диалоговой информации, например, позвонить в распределительный центр, чтобы остановить доставку, попросить начальника выполнить особые требования клиента, обсудить политику возврата с клиентом, отклонение их запроса на возврат и понимание психологии клиента, продажа им новых услуг и т. д., все виды вещей, для решения которых требуется «человеческий опыт». Таким образом, машины должны не только иметь возможность формировать реальные разговоры и понимать, что говорят клиенты, но и иметь большой опыт работы в реальном мире и способность изменить реальный мир, прежде чем они смогут выполнять работу по обслуживанию клиентов. Поскольку все эти личные помощники — уловки, я не вижу никакой надежды на обслуживание клиентов ботами с использованием существующих технологий.
Даже пошаговую работу по обслуживанию клиентов нельзя заменить машинами, не говоря уже о более сложной работе. Многие люди увидели победу AlphaGo и подумали, что так называемое глубокое обучение однажды сможет достичь интеллекта человеческого уровня. в предыдущемстатья, я указал, что это недоразумение. Многие люди думают, что вещи, которые люди считают трудными (например, Го), являются местами, где воплощается настоящий человеческий интеллект, но это не так. Я вас спрашиваю, арифметика в уме и деление (23423451345/729) сложны? Это очень сложно для человека, но любой тупой компьютер может Разберитесь с этим за 0,1 секунды. Го, шахматы и т.д. по тому же принципу. Эти механические вопросы на самом деле не отражают настоящий человеческий интеллект, они просто воплощают в себе грубую силу.
Глядя на страшные термины, придуманные в области искусственного интеллекта, от искусственного интеллекта до общего искусственного интеллекта, от машинного обучения до глубокого обучения, я пришел к следующему правилу: исследователи искусственного интеллекта, кажется, любят создавать страшные термины, когда когда люди теряют доверие к термину, они придумают другой, новый термин, чтобы люди не перенесли свое разочарование этим термином на новые исследования. Однако между этими существительными ведь суп не меняется. Поскольку никто на самом деле не знает, что такое человеческий интеллект, нет никакого способа достичь «искусственного интеллекта».
Каждый день своей жизни я, «бывший фанатик ИИ», поражаюсь экстраординарным способностям, проявляемым «человеческим интеллектом». Это даже не обязательно должен быть человек, я преклоняюсь перед способностями любого высшего животного (например, кошки). Я уважаю людей и животных от всего сердца. Я больше не имею права говорить о «человеческих существах», потому что любая машина настолько незначительна перед лицом этого термина.
В память о моем чат-боте привет
Пользуясь этой горячей темой, позвольте мне рассказать вам историю создания собственного чат-бота более десяти лет назад...
Если вы читали PAIP или другие классические учебники по искусственному интеллекту, вы обнаружите, что эти системы машинного диалога, первоначальная идея исходит от компании под названием ""ELIZA"Программа ИИ. Элиза разработана как психиатр, чтобы поговорить с вами, чтобы решить проблемы, и на самом деле это поисковая система предложений, похожая на Xiaobing, которая полностью реализована на основе сопоставления регулярных выражений. Например, определенное правило Элизы может сказать, когда пользователь говорит: "Я (.*)", тогда вы отвечаете: "Я также $1..." Где $1 заменяет часть исходного предложения, что приводит к эффекту "понимания". Например, пользователь может сказать : "Мне скучно. " Элиза может сказать: «Я тоже такая скучная...» И тогда эти два скучных человека лелеют друг друга и составляют компанию.
Некоторые старые друзья из Университета Цинхуа, возможно, еще помнят, что, когда я был в Университете Цинхуа более десяти лет назад, я сделал чат-бота и разместил его на BBS Shuimu Tsinghua, которая была очень популярна, поэтому меня можно считать создателем онлайн-чат-ботов. :) Робот, шуйму-аккаунт называется Hellooooo. персонаж helloooo похож на Crayon Shin-chan, непослушного и похотливого маленького мальчика.
То, что он использует внутренне, похоже на Eliza.Он вообще не понимает предложений, ни корпуса, ни нейронной сети.Это просто набор регулярных выражений «шаблонов предложений», которые я написал заранее. Вы вводите предложение, и после того, как оно совпадет, он случайным образом выбирает один из нескольких ответов, поэтому, если вы говорите одно и то же снова и снова, ответ helloooo не будет повторяться. скажет вам: "Ты чего такой скучный?" или "Ты что болен?" Или сменишь тему, или проигнорируешь тебя какое-то время... чтобы собеседник явно не почувствовал, что это тупая машина .
Это такая простая вещь. К моему удивлению, Hellooooo привлек множество людей, как только он появился в сети. Каждый день люди продолжают отправлять сообщения, чтобы пообщаться с ним. Так как регулярные выражения и методы ответа, которые я для него установил, учитывают психологию людей, hellooooo выглядит очень «игриво», а иногда он может вести себя глупо, шутить, медлить с ответом, менять тему и может взять на себя инициативу, чтобы поболтать с вами. , используя более двух коротких абзацев, ... всевозможные приемы. В конце концов, этот маленький извращенец завоевал любовь многих девушек, а некоторых даже чуть не выпросил на свидание! :П
На данный момент helloooo намного сильнее, чем Xiaoice. Хотя у Xiaoice больше технического контента и больше данных, hellooooo больше похож на человека и более популярен. Это показывает, что нам не нужны очень продвинутые технологии, нам не нужно понимать естественный язык, пока вы умело проектируете и понимаете психологию людей, вы можете сделать чат-машину, которая понравится людям.
Позже helloooo, наконец, пробудил интерес аспирантов Антропософской группы Университета Цинхуа и спросил меня: «Какой корпус вы используете для анализа?» Я: «&%&￥@#@#%...»
Автоматическое программирование невозможно
Теперь вернемся к первоначальному предложению некоторых людей реализовать систему автоматического программирования. Я могу сказать вам сейчас очень просто, это невозможно. MicrosoftRobust FillЭто все такая ерунда. Я выражаю небольшое презрение к недавней лихорадке Microsoft на искусственном интеллекте и различным практикам раздувания. Тем не менее, исследователи Microsoft могут знать ограничения этих вещей, но отечественный редактор преувеличивает их эффективность.
Если вы внимательно посмотрите на примеры, которые они приводят, вы поймете, что это игрушечная проблема. Учитывая небольшое количество примеров, очевидно, что компьютер не может точно угадать, что он хочет сделать. По той простой причине, что примеры не могут содержать достаточно информации, чтобы выразить именно то, что хочет человек. Простейшее преобразование может сработать, но, за несколькими исключениями, вы не сможете догадаться, что он пытается сделать. Даже люди, которые видят эти примеры, не знают, что хочет сделать другой человек, так откуда машина знает? Это просто для достижения «чтения мыслей». Даже человек может запутаться, он не знает, что хочет сделать, как машина может догадаться об этом? Так что это сложнее, чем чтение мыслей!
Для такой умственно отсталой задачи она не может быть решена на 100% правильно, и еще менее обнадеживает, когда что-то немного логично. В конце статьи «дальновидно», и совершенно бессмысленно упоминать, что этот метод следует распространять на ситуацию с «потоком управления». Таким образом, все, что может сделать RobustFill, это сделать эту чрезвычайно умственно отсталую игрушечную задачу «близкой к 92% точности». Кроме того, сомнительно, по какому эталону рассчитаны эти 92%.
Любой ответственный специалист по языкам программирования скажет вам, что автоматическая генерация программ просто невозможна. Поскольку «чтение мыслей» невозможно, то для того, чтобы машина что-то делала, человек должен хотя бы сказать машине, чего он хочет, однако сложность выражения этого «чего он хочет» на самом деле почти такая же, как программирование. На самом деле суть работы программиста состоит в том, чтобы сказать компьютеру, что он от него хочет? Самая сложная работа (структуры данных, алгоритмы, системы баз данных) застыла в библиотечном коде, но задача выражения «что вы хотите сделать» никогда не может быть выполнена автоматически, потому что только сам программист знает, чего он хочет. ему самому пришлось долго думать, прежде чем он понял, чего хочет...
Есть хорошая поговорка: программирование — это просто другое название утраченного искусства под названием «мышление». Никакая машина не может заменить человеческое мышление, поэтому программирование — это работа, которую нельзя заменить машинами. Хотя хорошие инструменты программирования могут сделать работу программистов более удобной и эффективной, любая попытка заменить работу программистов, сэкономить трудозатраты на программирование, вычесть затраты на программистов и попытаться превратить их в «заменяемые оригиналы» (такие как Agile, TDD) , в конечном итоге сбежит, что приведет к контрпродуктивным последствиям для работодателей. Тот же принцип применим и к другим творческим профессиям: поварам, парикмахерам, художникам…
Так что перестаньте думать об автоматическом программировании. Единственный способ сэкономить программистам накладные расходы — приглашать отличных программистов, уважать их, хорошо с ними обращаться и позволять им жить и работать счастливо и комфортно. При этом отключите тех, кто говорит «Agile», «Scrum», «TDD», «разработка программного обеспечения», чушь менеджеров, которые просто говорят и ничего не делают, они являются настоящей тратой ресурсов компании и бичом снижения эффективности разработки и качества программного обеспечения.
Стоимость глупых машин
Я не против продолжать вкладывать средства в исследования ИИ, которые имеют практическую ценность (например, распознавание лиц), но я не думаю, что стоит преувеличивать его полезность и слишком много на нем сосредотачиваться, как будто это единственное, что можно сделать. вещи, как если бы это была эпохальная революция, как если бы она заменила весь человеческий труд.
Мой личный интерес на самом деле не в искусственном интеллекте. Итак, как мне начать бизнес? Все очень просто. Я думаю, что большинству людей не нужны очень "умные" машины. "Глупые машины" - это самое ценное для людей. На самом деле, мы далеки от развития потенциала глупых машин. Поэтому разработка новых, надежных и бестолковых машин, приносящих пользу людям, должна быть целью моего бизнеса. Конечно, так называемая «машина» здесь включает аппаратное и программное обеспечение и даже может включать облачные вычисления, большие данные и т. д.
Приведу лишь один пример: некоторые компании, занимающиеся искусственным интеллектом, хотят разработать «роботов-слуг», которые могут автоматически убирать и выполнять работу по дому. Я думаю эту проблему решить практически невозможно, лучше напрямую обратиться за помощью к настоящей интеллигентной тетушке. Я могу создать платформу обслуживания теток, чтобы облегчить подбор семей и теток, нуждающихся в услугах. Обеспечьте тетю лучшими инструментами, связью, расписанием и средствами оплаты, чтобы она могла работать, не уставая, и собирать деньги. Кроме того, предоставление отзывов о работе тети семье, чтобы семья тоже могла чувствовать себя непринужденно, разве это не лучшее из обоих миров? Где нужен какой-либо интеллектуальный робот, он сложен, дорог и сложен в использовании. Очевидно, что такая платформа обслуживания тетушек в сочетании с настоящим человеческим интеллектом может легко заставить эти компании-роботы умереть в зародыше.
Конечно, на самом деле я не могу быть сервисной платформой тетушки, просто чтобы привести пример, иллюстрирующий, что есть много глупых машин, полезных для людей, которые все еще ждут, когда мы их изобретем. Хотя для разработки этих машин требуется умная идея, их несложно внедрить, они приносят людям удобство, а экономические результаты также быстры. Эти вещи не создают конкуренцию за рабочие места людей, а вместо этого могут создавать больше возможностей для трудоустройства. Использование человеческой мудрости и грубой силы машин для того, чтобы заставить людей экономить силы и зарабатывать деньги, является наиболее разумным направлением развития.
(Если вам понравилась эта статья, добро пожаловатьОплата, число произвольное)