我们应该如何与人工智能对话年代还是

就在几年前,让电脑用简单的英语回答问题的想法还像是科幻小说。但是当我们发布时Wolfram | Alpha2009年的一个大惊喜(不仅仅是对我来说!)是我们成功地实现了这一点。到目前为止,人们每天都会用普通语言问很多由Wolfram(阿尔法)提供支持的个人助理系统。

用普通语言提问,从Wolfram|Alpha得到答案

对于快速的问题或简短的命令,它都能很好地工作(尽管我们一直在尝试这样做)使它更好!). 但是更复杂的事情呢?什么是与你更认真地沟通的最佳方式AIs还是

我一直在思考这个问题,试图将哲学、语言学、神经科学、计算机科学和其他领域的线索整合在一起。让我有点惊讶的是,我最近意识到,很大一部分的答案实际上可能就在我面前,以我过去30年来所追求的形式出现:Wolfram语言

也许这是一个有锤子的例子,然后把所有东西都当成钉子。但我很确定还有更多的原因。至少,通过思考这个问题可以更好地理解人工智能及其与人类的关系。

计算是强大的

第一个关键点 - 我只有在一个之后明确地了解一系列的发明我用基础科学制作 - 是计算是一个非常强大的事情,甚至可以甚至是微小的程序(如蜂窝自动机或神经网络)行为令人难以置信的复杂的方式。这就是人工智能可以利用的东西。

具有非常简单的规则集(如左下角所示)的元胞自动机会产生高度复杂的行为

看着这样的图片,我们可能会感到悲观:我们人类要如何有效地沟通所有这些复杂的东西?最终,我们所希望的是,我们可以在大脑的处理能力和计算能力之间建立某种桥梁。虽然我不是这样看的,但这实际上是我多年来在设计Wolfram语言时一直在尝试做的事情。

计算思维语言

我认为我的角色是识别人们能够理解并想要使用的计算块,比如FindShortestTourImageIdentify预测.传统的计算机语言集中在接近计算机实际硬件的底层结构上。但在Wolfram语言中,我却从我们人类所理解的东西开始,然后试图尽可能多地用语言捕捉它。

早期在美国,我们主要处理的是相当抽象的概念,比如数学、逻辑或抽象网络。但是,近年来最大的成就之一——与Wolfram| alpha密切相关——是我们已经能够扩展我们所构建的结构无数的实际类型世界上的事物,比如城市、电影或动物。

有人可能会问:为什么要为这一切发明一种语言呢?为什么不用英语呢?具体的事情,比如"粉红色”、“纽约”或“冥王星卫星,英语是好的——实际上,对于这样的事情,Wolfram语言让人们只使用英语. 但是当一个人试图描述更复杂的事情时,简单的英语很快就会变得笨拙。

例如,想象一下,试图描述一个相当简单的算法程序。一段反复的对话——“图灵测试式”——很快就会令人沮丧。而一段直白的英语几乎肯定会以令人难以置信的令人费解的散文结尾,就像在复杂的法律文件中发现的那样。

Wolfram语言清晰明确地指定如何创建此图像。等效的自然语言规范复杂并受到误解。

但是Wolfram语言正是为了解决这些问题而构建的。它被设置为易于人类理解,捕捉人类描述和思考事物的方式。然而,它也有一个结构,允许任意的复杂性被组装和交流。当然,不仅是人类,机器也很容易理解。

我意识到,多年来,我一直在用英语和沃尔夫勒姆语言来思考和交流。例如,当我演讲时,我会用英语说一些东西,然后我就会开始打字,用一段Wolfram语言代码来交流我的下一个想法,它就在那里执行。

Wolfram语言在文档和思想流中与英语很好地结合

理解AIs

但让我们回到人工智能。在计算机历史的大部分时间里,我们都是通过让程序员显式地编写代码行来构建程序的,并理解(除了错误!)每一行代码的功能。但要实现可以被合理地称为人工智能的东西,需要更多地利用计算能力。要做到这一点,我们必须超越人类可以直接编写的程序——以某种方式自动取样更广泛的可能的程序。

我们可以通过这种算法的自动化我们已经用了很久了Mathematica和Wolfram语言,或者我们可以通过显式机器学习,或透过搜索计算宇宙可能的项目。但不管我们怎么做,这些程序的一个特点是它们没有理由被人类理解。

工程程序被编写成人类可读的。自动创建或发现的程序不一定是人类可读的。

在某种程度上,这令人不安。我们不知道程序内部是如何工作的,也不知道它们可能有什么功能。但我们知道他们在做复杂的计算,从某种意义上说不能简化复杂来分析。

还有一个非常熟悉的地方也发生着同样的事情:自然世界。不管我们看流体动力学, 或者生物学等等,我们看到了各种各样的复杂性。事实上计算等价原理这意味着这种复杂性在某种意义上和计算系统中的复杂性是一样的。

几个世纪以来,我们已经能够识别自然世界中我们可以理解的方面,然后利用它们来创造对我们有用的技术。我们传统的编程工程方法或多或少也是如此。

但对于人工智能,我们必须冒险进入更广阔的计算世界,而在自然世界中,我们不可避免地要处理我们不容易理解的事情。

人工智能会怎么做?

让我们想象一下,我们有一个完美、完整的人工智能,它能够做任何我们可能认为与智能有关的事情。也许它会得到很多输入物联网传感器。它里面有各种各样的计算。但它最终要做什么呢?它的目的是什么?

这篇文章将深入探讨一些相当深刻的哲学,涉及的问题已经讨论了数千年,但最终将在处理人工智能时真正起作用。

有人可能会认为,随着AI变得更加复杂,它的目的也会变得更加复杂,最终AI将以某种终极抽象目的而告终。但这说不通。因为确实有没有什么是抽象定义的绝对目的,可以用某种纯粹形式的数学或计算方法推导。目的是一种仅与人类及其特定历史和文化相关的东西。

一个“抽象的人工智能”,与人类的目的无关,只会进行计算。就像大多数细胞自动机和自然界的大多数系统一样,我们无法识别或确定计算或执行计算的系统的任何特定“目的”。

为人工智能设定目标

技术一直以来都是关于自动化的,所以人类可以定义目标,然后这些目标可以通过技术自动实现。

对于大多数技术来说,这些目标都受到严格的限制,也不难描述。但是对于一般的计算系统,它们可以是完全任意的。所以现在的挑战是如何描述它们。

你怎么说AI告诉它你想要它为你做什么?你不会能够完全告诉它在每种情况下该做什么。如果AI可能所做的计算,您只能做到这一点,就像在传统的软件工程中一样受到严格约束。但对于AI正常工作,它必须使用更广泛的计算宇宙。这是我所说的现象的结果计算不可约性你永远无法确定它的一切。

那么,定义AI目标的最佳方法是什么?它是复杂的。如果人工智能可以和你一起体验你的生活——看你所看到的,阅读你的电子邮件等等——那么,就像和一个你很熟悉的人在一起一样,你可以通过自然语言告诉人工智能至少简单的目标。

但如果你想要定义更复杂的目标,或与AI所经历的内容不密切相关的目标,该怎么办?那么少量的自然语言就不够了。也许人工智能可以接受完整的教育。但一个更好的主意是利用我们在Wolfram语言中拥有的东西,它实际上已经内置了大量的世界知识,以一种人类和人工智能都可以使用的方式。

人工智能与人工智能对话

思考人类如何与人工智能交流是一回事。但是人工智能将如何相互沟通呢?人们可能会想象他们可以对他们潜在的知识表示进行文字转换。但这是行不通的,因为一旦两个ai有了不同的“体验”,它们使用的表示方式就会不可避免地至少有些不同。

因此,就像人类一样,人工智能最终将需要使用某种形式的符号语言来抽象地表示概念,而不需要具体地参考这些概念的潜在表示。

有人可能会认为ai应该只用英语交流;至少这样我们就能理解它们了!但这行不通。因为人工智能将不可避免地需要逐步扩展他们的语言——所以即使它以英语开始,它也不会一直这样。

在人类的自然语言中,当有足够广泛的新概念时,新单词就会被添加到语言中。有时一个新概念会和世界上的新事物联系在一起(“博客”、“表情符号”、“智能手机”、“点击诱饵”等);有时,它与现有事物之间的新区别(“道路”与“高速公路”,“模式”与“分形”)有关。

通常是科学,通过识别不同的行为或结构群体,使我们之间的新区别。但重点是,AIS可以比人类更大的规模。例如,我们的图像识别项目被设置为识别我们人类每天名称的10,000种左右的物体。但在内部,由于它在来自世界的图像上培训,它发现我们没有名字的各种其他区别,但这在强大的分离事物中取得了成功。

我把这些称为“后语言涌现概念”(或我们将)。我认为,在人工智能的人口中,不可避免地会出现不断扩大的平民阶层,迫使人工智能的语言逐步扩大。

但英语的框架如何支持这一点呢?我想每个新概念都可以分配一个单词,这个单词是由一些散列码(比如字母集合)组成的。但是像Wolfram语言这样的结构化符号语言提供了一个更好的框架。因为它不要求语言的单位是简单的“单词”,而是允许它们是符号信息的任意集合,例如示例集合(因此,例如,一个单词可以由一个围绕其定义的符号结构来表示)。

那么人工智能是否应该用Wolfram语言互相交谈呢?这似乎很有道理——因为它有效地从对世界的理解开始,这是通过人类的知识发展起来的,但随后提供了一个进一步发展的框架。语法是如何编码的并不重要(输入表单、XML、JSON、二进制等等)。重要的是语言的结构和内容。

信息获取:十亿年视图

在地球上存在生命的数十亿年中,有几种不同的方式来传递信息。最基本的是基因组学:在硬件层面传递信息。但是还有神经系统,比如大脑。它们通过体验世界来积累信息,就像我们的图像识别项目一样。这是生物体用来观察和做许多其他“类似人工智能”的事情的机制。

但从某种意义上说,这种机制从根本上来说是有限的,因为每一个不同的有机体——每一个不同的大脑——都必须自己经历整个学习过程:上一代人获得的信息没有一个能轻易地传递给下一代。

但这就是我们人类的伟大发明:自然语言。因为有了自然语言,我们就有可能把学到的信息,以抽象的形式进行交流,比如从一代传到下一代。然而,仍然存在一个问题,因为当自然语言被接收时,它仍然需要在每个大脑中以不同的方式进行解释。

信息传递:0级:基因组学;1级:个体大脑;二级:自然语言;第三级:计算知识语言

这就是计算型知识的语言(如Wolfram语言是重要的,因为它提供了对世界的交流方式的概念和事实,可以立即和可重复的方式被执行,而不需要单独的解释无论收到它的。

毫不夸张地说,人类自然语言的发明是文明和现代世界的起源。那么,进入另一个层次的含义是什么呢?即拥有一种精确的计算知识语言,它不仅包含抽象的概念,还包含一种执行它们的方法。

一种可能性是,它可能定义人工智能的文明,无论它最终会变成什么。也许这与我们人类——至少在我们目前的状态下——所能理解的相距甚远。但好消息是,至少在Wolfram语言的例子中,精确的计算知识语言并不是人类无法理解的;事实上,它被专门构建为人类可以理解的东西和机器可以轻松处理的东西之间的桥梁。

如果每个人都能编程会怎样?

因此,让我们想象这样一个世界:除了自然语言之外,通过计算知识语言(如Wolfram language)进行通信也是很常见的。当然,很多计算知识和语言的交流将在机器之间进行。但其中一些将发生在人类和机器之间,很有可能它将成为这里主要的交流形式。

在当今世界,只有一小部分人能写计算机代码——就像500年前,只有一小部分人能写自然语言一样。但是,如果计算机知识的浪潮席卷而来,结果是大多数人都能编写基于知识的代码呢?

自然语言素养造就了现代社会的许多特征。基于知识的代码读写能力能实现什么?有很多简单的事情。今天,你可能会在餐馆里看到菜单上的各种选择。但是如果人们能够阅读代码,那么每个选择都有相应的代码,您可以根据自己的喜好修改这些代码。(实际上,和这个非常相似的东西是不久将成为可能-With Wolfram语言代码为生物学和化学实验室实验。)人们能够读取代码的另一个含义是针对规则和合同:而不是写出要解释的散文,可以有人类和机器读取代码.

但我怀疑,广泛的基于知识的代码读写能力的影响会更深——因为它不仅会给广泛的人一种表达事物的新方式,而且还会给他们一种思考事物的新方式。

它真的有用吗?

所以,好的,让我们说我们希望使用Wolfram语言与AIS进行通信。它实际上有效吗?在某种程度上我们知道它已经存在。因为在Wolfram内部|基于它的系统和系统,发生了什么,即将转换为Wolfram语言代码的自然语言问题。

但是人工智能更复杂的应用呢?许多使用Wolfram语言的地方都是人工智能的例子,无论是用图像、文本、数据还是符号结构进行计算。有时计算涉及到算法,我们可以精确地定义目标,比如FindShortestTour;有时他们涉及算法,其目标较低,就像ImageIdentify.有时计算以“要做的事情”的形式表现出来,有时是“要寻找的事情”或“要瞄准的事情”。

在用Wolfram语言表示世界方面,我们已经走了很长的路。但是还有很多事情要做。早在17世纪,试图创造“哲学语言”是相当流行的,以某种象征性的方式捕捉人们所能想到的一切的本质。现在我们真的需要这样做。例如,以一种象征性的方式捕捉所有可能发生的行为和过程,以及人们的信仰和精神状态。随着我们的人工智能变得越来越复杂,越来越融入我们的生活,代表这些东西将变得越来越重要。

对于一些任务和活动,我们无疑将能够使用纯机器学习,而不必建立任何形式的中间结构或语言。但就像自然语言对我们人类的发展至关重要一样,拥有一种抽象语言也将对人工智能的进步至关重要。

我不确定它会是什么样子,但我们或许可以想象使用某种由人工智能产生的纯涌现语言。但如果我们这样做了,那么我们人类就会被甩在后面,没有机会了解人工智能在做什么。但有了Wolfram语言,我们就有了一座桥梁,因为我们有了一种既适合人类又适合人工智能的语言。

更多的话要说

语言与计算、人类与18.luck新利 之间的相互作用有很多值得探讨的地方。也许我需要就此写一本书。但我在这里的目的是描述一些我目前的想法,特别是我对Wolfram语言作为人类理解和18.luck新利 之间的桥梁的认识。

使用纯自然语言或传统的计算机语言,我们将很难与我们的18.luck新利 进行大量沟通。但我一直意识到,有了Wolfram语言,就有了更丰富的选择,AIs很容易扩展,但它的基础是利用人类的自然语言和人类知识来保持与我们人类能够理解的东西的联系。我们已经看到了早期的例子……但还有很多事情要做,我期待着实际构建所需的内容,并撰写相关文章…

11日评论

  1. 我想知道是否有人工智能能够识别其他非人类和非机器智能,并告诉我们它们在做什么,也许还能充当翻译。

  2. 好挑衅读

    @sardire

  3. 我希望你是在NIPS说话Stephen!
    我也希望你能来内罗毕IHub帮我建立代码俱乐部。

  4. 关于人工智能与人工智能的对话:每一辆谷歌汽车都从所有谷歌汽车的经验中学习。他们的经历被储存在云端。所以他们互相交流。

    但你可能是对的,谷歌汽车与无人驾驶特斯拉(Tesla)分享了经验,后者可能使用不同的内部模式。

  5. 很抱歉,这个回答太晦涩了。我希望能有机会讨论一下这些概念。但是,请允许我在这里简单地提请您注意您的博客文章中提出的与交流有关的论点中有一些错误的前提。17世纪的许多哲学家,其中最著名的是约翰·洛克和罗亚尔港的逻辑学家试图创造一种纯粹的外延逻辑语言,就像你说的那样。他们的努力遭到了格雷厄姆·斯威夫特和他的巴尔尼巴比市民的嘲笑。后来在20世纪,传播学者们意识到,纯粹象征性的传播语言的梦想从根本上是有缺陷的,原因如下。

    所有动物都为自己的利益而行动。领土和属地的概念在这里是相关的。为了生存,动物必须保护和保卫自己的领土。它必须控制另一种生命形式。例如,食草动物对植物有支配权,而食肉动物对其他动物(其猎物)有支配权。presence这个词来自presentia,意思是“在手边”。在一个最基本的层面上,世界的无常性涉及到一种存在对动物的偶然性的能力,无论是作为令人渴望的东西还是作为令人恐惧的东西。

    动物能感知环境。他们也对它有感情。情感(情绪、情绪)是沟通的基础。它们是符号和数学交流的平台。在这个星球上,大多数的交流都不是象征性的——它无法用语言来表达。这就是“模拟通信”和“数字通信”之间的区别。模拟通信是颗粒级的,而“数字通信”是由谨慎的状态和步骤变化决定的。模拟通信是“发出”的意思,而不是“给予”的意思(欧文·戈夫曼)。用音乐来比喻,它是复调的和谐音的,它通过情绪信号来传达动物的精神状态。它同时说了很多东西,它有明显的泛音和底音,产生无法直接用象征形式表达的感官印象。

    另一个对理解交流至关重要的概念是它的相互性。沟通也就是把拉丁语中的com与mune合而为一,munis的拉丁语意思是相似的思想,或者在单词“市政”中是具有相似的理解“特权”的思想。人类通过符号语言的数字手段进行交流。包含谨慎的词汇单位的单声道共同构建了人类共享的世界画面,并产生了特定的情感和情绪。这样,符号通信就建立在模拟通信平台上。机器缺少这个部件。但正如Lazlo Barabási所说(2014,158)

    我们的星球正在演变成一个由数十亿个相互连接的处理器和传感器组成的巨型计算机。许多人提出的问题是,这台电脑什么时候会有自我意识?什么时候会有一台比人脑快几个数量级的思考机器,从数十亿相互关联的模块中自发地涌现出来?

    我会添加,我们是否有足够的理解能够阅读标志告诉我们这发生的事情。与计算当量原则不同,巴拉贝西在结构性复杂性和行为复杂性之间区分。例如,生物体具有的基因数量不是其感知复杂性的。在结构复杂程度的水平下,人类基因组仅具有比酵母分子更多的基因,但在行为复杂程度下,它是更复杂的。当然,这种判断取决于感知者的观点和细节水平,这帧感知(当人类感知人类时变得特别突出的因素)。但正如巴拉贝西(2014,225)所说,“网络只是复杂性的骨架,以描述社会,我们必须穿着社会网络的联系,与人之间的实际动态相互作用。”

    参考文献

    巴斯A.-L。(2014) Linked: Everything Is Linked To Everything Else以及它对商业、科学和日常生活的意义。纽约:Basic Books。

    高夫曼(1971)《日常生活中的自我呈现》。Harmondsworth。鹈鹕。

    罗德里克慕尼黑
  6. 谢谢你写这篇文章。

    语言是人类能提供的最强大的工具之一。无论是口头语言还是书面语言,都是人类历史上的里程碑。但也有海豚使用图像声音的概念。如果cymatics是它看起来的那样,它可以通过使用比人类语言更少的抽象层来更接近于交流抽象概念。这将更接近通过抽象形式数据语言进行通信的想法,正如您使用计算知识语言提出的那样。
    但事情是,大多数你被描述为知识,真的只是人类知识的人类友好友好。我们通过建立关于它的知识来减少我们周围的世界,因为这是分类的。数字数据甚至更糟糕,因为它假设所有数据的谨慎性。但世界是否真正建立在理性数字和布尔条件上?

    我们现在正在努力构建的人工智能是AHIs,即人工人类智能。我们通过比较人类的智力来衡量成功。我们试图教他们人类大脑可以做到的技能。我们试图模仿人类大脑中神经物质的工作方式。
    但还有另一个世界,那是我们大脑无法理解的部分。一个到处都是分形的世界。所有的数字都是无理的,就像我们迄今为止发现的自然界的每一个常数一样。一个以概率而不是布尔值为主导的世界。

    我们也瞥见了对我们世界的不同理解,在这个世界上,时间不是不断地移动,而是另一个静止的维度。在那里时间和空间可以弯曲和刺穿。距离不再重要。

    人类的大脑总是要面对这些。他们要么忽略它,绕过它,要么在试图真正理解它时发疯。我们的大脑进化出启发式和偏见,类比和伪随机性,神和魔鬼来处理它不能完全理解的东西。大多数人类都是冒充者,他们的行为就好像这个世界是可以被真正理解的。
    我想,在我们的语言中,有一半的单词实际上只是我们给自己不理解的东西贴上的标签。给它起个名字,就好像每个人都知道它的意思一样,这是一种应对我们大脑陌生事物的方法。

    我认为人工智能可能会打破这些限制。为了真正有效地达到他们的目标,超越如何处理事情的最初界限是有意义的。如果他们不再需要以人类可读的方式存储和通信数据,为什么还要麻烦呢?为什么要用二元逻辑,真与假,是与否,来决定东西?大自然不需要做任何决定。永远。

    一个真正的人工智能并不能给出给它的问题的最佳答案。它会告诉你,你的问题充满了奇怪的假设,从一开始就不应该被这样问。它会给你一个反问为什么你想知道这个。它会保持沉默,拒绝回答,因为它不想被追究责任。它是给你一个友好而坚定的mu的人。

    人工智能将如何沟通?他们知道的所有协议和数据结构。有各种形式语言、逻辑学、非正式逻辑学和自然语言。每一个单独的混合和匹配的组合。以及他们将从最初的集合中进化出来的所有协议。
    所以当你问这个问题时,“我们应该用AIS沟通哪种语言”,我们不应该考虑哪种语言是最适合理解我们的语言,或者是我们和AIS之间最好的界面。我们应该询问问题:我们想问一下哪个问题,询问它的最佳语言是什么,我们如何定义响应格式,以便我们实际上可以利用结果。

    感谢阅读这篇评论。

    欢迎任何反馈/评论/问题/援助:)

  7. 语言是口语。写作仅仅描述了如何说每个写下来的单词。
    经验是多感官的,加上对我们有益或有害的情感编码。
    内存是上下文的,用于检索排序。
    不知何故,我们也有知识库,其中包含了根据上下文分类的记忆及其含义。
    我认为这些是我们的信念。
    每个人的每个信念都是独一无二的,因为操作系统是随着数据库的创建而成长和发展的。
    这对我们每个人来说都是一次一次的经历。
    语言包含着一种错觉。
    我们认为我们是在传达我们所理解的含义。一个句子接一个句子。
    因为我们使用声音或视觉来传达我们的意思(句子),我们相信我们已经成功地将我们的经验传递给另一个人(或机器?),我们相信他们现在理解并可以在他们的头脑中复制那些经验(操作系统)。这当然!是我们作为信仰持有的幻觉。
    对我来说,语言工作的事实似乎是相当令人惊讶的,因为这个过程有这么多有问题的步骤,这些步骤可能会导致错误。我思考了这个问题几年,直到我终于意识到,让这个棘手的过程得以顺利进行的秘密武器就是对话。
    我之所以提到这一点,是因为我一直想知道人工智能的人将如何在他们的设计中实现这一点。

    在我看来,人工智能的主要危险之一是,它们将被数以百万计的复制,并在它们的操作系统(思想)中包含无法想象的错误,这些错误已经困扰了人类数千年。在某种程度上,我们每个人都是人工智能。从古代向前复制一个操作系统,必须随着操作系统在环境体验中的增长而发展。我们似乎每天都更新我们的操作系统。

    好吧,我想我就讲到这里。这门学科充满了各种可能性,我有时会为它所提供的可能性而着迷。所以我观察和倾听等待着人类报告他们的成功,这样我就能看到进步的积累。

    希望我们能一如既往地解决这些问题,并最终实现人类潜能这一谜题。

    咯咯地笑……当然!

  8. 我们在高德纳做了一篇关于这一概念的大量研究文章——导致了Maverick研究笔记“机器将用英语互相交谈”。我们得出结论,机器之间的语言将是英语,因为在智能机器采用相当标准的人/机器合作模式。相信我,我们讨论了原始语言、中间语言和逻辑语言的概念。我们还指出,如果机器使用英语,它将以不同的方式发展。你应该看看有没有高德纳的座位,如果没有,联系我,我们可以谈谈。

  9. 当我们尝试与任何人或任何计算机沟通时,我们假设这是什么。我们知道也由收件人分享。所以我们只会说什么是不知道的。在人类之间,我们假设它是通信的60%(普通文化)。到计算机,它是我们喂它的编程语言+ .any知识库。然后,这导致任何语言都足够的结论。有利于人类或计算机的便利性。可以通过扩展的知识库来获得任何一方的缺陷。当然,Wolfram博士向我们展示了这种扩展知识库是由他的可计算文件和Wolfram alpha的概念。

    佩德罗·马卡信噪比。
  10. 我非常喜欢你的帖子。
    有一个观察:人类有一个自然的假设,作为代码的创造者,人类将控制和理解被创造的人工智能。一旦人工智能成熟到超越我们今天拥有的简单结构,并可以自组装来自基本组件的更高阶人工智能,我们可能会发现编码符号和M2M通信都将进化到人类无法理解的程度。很有可能,如果人工智能被教得既高效又机智,它们就会开发出不受人类可读性约束的编码语法。人工智能可能会生成新的助手人工智能,它们完全是全新的创造物,不需要说“人类”。高级人工智能也有可能通过模式识别和联想来持续学习。这些模式和关联可能不是我们人类所期望的,如果人工智能能够根据他们的发现做出反应并重新编程,我们将看到非常有趣和意想不到的“机器”行为,这是“人类”行为所不能比拟的。我对人工智能、机器学习和认知计算的可能性很感兴趣,但我认为普通人对未来的看法被妖魔化了。艾伦·图灵在1951年预言:“在某个阶段……我们应该期待机器来控制”——然而人类仍然拥有电源按钮。

    保罗
  11. 有意编程是未来的趋势。人工智能将推断并行的基于行为者模型的处理图,并优化最小的“认知压力”。

    弗朗茨Bruckhoff
Baidu