从能量效率的观点，告诉你为何人工智能无法掌控世界！

#人工智能#从能量效率的观点，告诉你为何人工智能无法掌控世界——《眼见为凭》
如果你不知道目的地是哪儿，可能要设定其他目标。 ——尤吉．贝拉（Yogi Berra）
监督学习与无监督学习
我们每天都听到机器学习能够做到需要感知才能达成的任务：自动驾驶汽车、脸部辨识等。也有人担心智慧机器失控所造成的危险，害怕有天它们利用远胜于人类的智能，会掌控整个世界。不过这些讨论绝大部分都没有看到明显的重点：机器学习的确能够完成一些了不起的任务，但是研究人工智能的家伙全都深深了解到，现在最佳的人工智能还比不上四岁的孩子。

本文插图
原因在于，绝大部分著名的人工智能算法在学习技能时要人教，同时需要使用到极庞大的数据库，并且得在超级计算机上执行。四岁幼儿只要知道几个例子之后，自己就能够学习。说真的，教自己小孩某些技能和概念时的确痛苦万分，但是他们绝大部分知道的事物，都是基于基本的感知机制，自己教自己的结果，用他们小小的脑袋就足以完成。事实上，就算是多层级且具备反向传播的感知器，比起我的小孙子还是差太多了。他不需要数不清的例子和教师，就能认得出自己的祖父。只要抱几次就很快学会说「爷爷」这个词。

本文插图
四岁幼儿只要知道几个例子之后，自己就能够学习。
人工智能研究人员区分了监督学习与无监督学习。你应该记得之前提到那个标准的感知器需要教师。苹果计算机的声音识别软件和咸诺斯基会说话的计算机也要。注重隐私权者所害怕的脸部辨识软件也需要。你需要大量具备身份标签的脸部照片，才能够教软件辨识脸部。计算机能够办得到是因为计算速度非常快，事实上，最近几年机器学习获得的成就，主要来自于最近（五年）有了能够用来训练的数据库，以及大型的客制化计算机。脑中神经元运作的速度很慢，无法看这些计算机相比。
但是脑部的能力远超出这些计算机。在赫柏原始的概念中，创造细胞群组的方式是无监督学习：在边缘上连续的点本来就会一起出现，脑中的边缘敏感细胞也是自己出现的。目前计算机科学家迫切的任务之一，是建造出训练过程如大脑的机器。
【从能量效率的观点，告诉你为何人工智能无法掌控世界！】