TED系列:咱們究竟在教AI學習什麼

咱們究竟在教AI學習什麼
第一集:The Wonderful and terrifying implications of computers that can learn
講的是如今的機器學習尤爲是深度學習,能夠學習,能夠看圖,能夠說話,能夠藝術設計以內的。咱們鍛鍊的機器學習還能作不少其餘的複雜的事情,而且會作的愈來愈好,指數增長的變好,超越不少初級的人類服務。並且咱們要不可避免的接受這一現象的到來了。
第二集:We're building a Dystopia just to make people click on ads
看過,是算法可能造就一個咱們不想看到的烏托邦的世界。
第三集:How we're teaching computer to understand pictures
看過,李飛飛報告本身在機器視覺方面的進展。
第四集:How Computers learn to recognize objects instantly
講述了這個研究生小夥伴作的圖像中的目標識別,不只僅識別一個單個的物體,能夠識別多個物體。並且數據量上去以後能夠動態的處理數據流,實時的識別視頻中的多個的對象。而且這個軟件是開源的。之後這種多目標動態檢測的軟件會以更加低廉的成本部署到移動端。
第五集:How computers are learning to be creative
這一集主要的仍是圖像識別。首先是正向的解釋,如何從神經網絡的輸入和權重計算輸出也就是識別物體。其次講述了逆向的如何訓練網絡,經過最小偏差去擬合出想要的權重參數。最後徹底逆向的知道權重參數,知道輸出識別的物體,反向的得出訓練使用的圖片,仍是很是富有藝術的感受的。最後講者說,感知和創意是聯繫在一塊兒的。而且這些東西不是人類獨有的,有一天機器也會用於這樣的智能。
第六集:What intelligence machines can learn from a school of fish
從講者的一塊兒潛泳出發。開始講述一些羣體智能的機器人。她用的是協做智能的表達。可是應該是一樣的意思。也就是說簡單的低等生物包括目前階段的人工智能給出簡單的規則以後在羣體中可能表現出很是複雜的智慧或者複雜度,其實就是一種模式的涌現。從信息論的角度來看複雜度並不高。可是從行爲模式的角度看,複雜度仍是挺高的。最後做者昇華了一下主題,但願本身可能給機器更高的智能,一種改變人類的智能。
第七集:Can a computer writer poetry?
講者給出了一些電腦寫的詩和一些詩人寫的。讓聽衆去分辨這些詩屬於人類仍是機器。最終攪亂了你們的判斷。由於人和機器寫的東西看上去沒有界限,其實都是人在寫。機器目前的機器只是一個鏡子,簡單的算法是從特徵中寫,複雜的算法是一種複雜的方式寫。可是都是人類的智能。最終機器能不能脫離人類創造出東西,首先是一個哲學問題。
第八集:How AI can enhance our memory, work and social lives
講者認爲目前的人工智能是爲了人類更好的或者而存在的。講者是siri的創造者,對將來有很是美好的暢想,例如如今的機器和人結合一塊兒判斷癌變準確率上升了不少,之後人要是有機器輔助去記憶一輩子中遇到的全部的事情,那麼幸福的程度會獲得普遍的提升。
第九集:What happens when our computers get smarter than we are?
講者認爲智慧的出現不是線性增長的多是忽然出現的。並且機器的智能極有多是一種遠遠超過咱們的存在。而講者的一個類比我很是喜歡,咱們曾經和猩猩處在同一個水平上,當年的咱們千方百計超越智能的時候,黑猩猩可能也嘗試把咱們給關閉掉,可是咱們仍是千方百計向前進化。如今的智能機器也是同樣,可能咱們懼怕的時候會想辦法kill掉本身創造的更強大的智能。可是他們老是有辦法越過咱們的屏障,過上一種咱們沒法理解的生活。而咱們就像如今的黑猩猩同樣,無辜而無知的繼續在本身的水平上活着。做者說爲了不這樣的情況的發生咱們如今要研究一些機制能略微的對這種超越進行限制。這多是從歷史長河的角度看。是很是正確的決定。
第十集:Can we build AI without losing control over it 
這位講者也一樣認爲機器智慧將會遠遠超過人類的智慧,由於物理上的光速要比生物上的電流的速度高三個數量級。因此一旦計算機得到更增強大的力量以後,創造的東西可能遠遠超過咱們的理解,咱們的存在與否也就變得可有可無了。或者咱們成爲機器人的邊緣感知系統和機器共生。這些講述仍是比較虛。可是講者認爲五十年是很快度過的,咱們可能沒有時間作好安全措施。
相關文章
相關標籤/搜索