AI 可能看似无处不在，但仍有很多事情目前无法做到

这些天，我们不必等到下一次突破 人工智能 人工智能（AI）以其以前只存在于科幻小说中的能力给每个人留下了深刻的印象。

2022年， AI艺术生成工具 例如 Open AI 的 DALL-E 2、谷歌的 Imagen 和 Stable Diffusion 风靡互联网，用户根据文本描述生成高质量图像。

与以前的开发不同，这些文本到图像的工具很快就从研究实验室找到了自己的方式 主流文化，导致病毒式传播现象，例如 Lensa AI 应用程序中的“魔法头像”功能，它可以为用户创建程式化的图像。

去年 XNUMX 月，一个名为 ChatGPT 的聊天机器人以其 写作技能，导致预测该技术将很快能够 通过专业考试. 据报道，ChatGPT 在不到一周的时间里获得了 XNUMX 万用户。 一些学校官员已经 禁止它 生怕学生用它来写论文。 微软是 据说 计划在今年晚些时候将 ChatGPT 整合到其 Bing 网络搜索和 Office 产品中。

人工智能的不懈进步对不久的将来意味着什么？ 人工智能是否可能在未来几年威胁到某些工作？

尽管最近 AI 取得了这些令人印象深刻的成就，但我们需要认识到 AI 系统的功能仍然存在很大的局限性。

人工智能擅长模式识别

AI 的最新进展主要依赖于机器学习算法，这些算法可以从大量数据中识别出复杂的模式和关系。 然后将此培训用于预测和数据生成等任务。

当前人工智能技术的发展依赖于优化预测能力，即使目标是产生新的输出。

例如， GPT-3，ChatGPT 背后的语言模型，经过训练可以预测一段文本后面的内容。 GPT-3 然后利用这种预测能力来继续用户给出的输入文本。

ChatGPT 和 DALL-E 2 等“生成式 AI”引发了轰动 很多辩论 关于人工智能是否可以真正具有创造力，甚至在这方面与人类竞争。 然而，人类的创造力不仅依赖于过去的数据，还依赖于实验和全方位的人类经验。

因果

许多重要问题需要预测我们的行为在复杂、不确定且不断变化的环境中的影响。 通过这样做，我们可以选择最有可能实现我们目标的行动顺序。 但 算法无法学习 仅从数据中了解因果关系。 纯数据驱动的机器学习只能找到相关性。

要理解为什么这对 AI 来说是个问题，我们可以将诊断医疗状况的问题与选择治疗的问题进行对比。 机器学习模型通常有助于发现医学图像中的异常； 这是一个模式识别问题。 我们不需要担心因果关系，因为异常已经存在或不存在。

但是，为诊断选择最佳治疗方法是一个根本不同的问题。 在这里，目标是影响结果，而不仅仅是识别一种模式。 为了确定治疗的有效性，医学研究人员进行了随机对照试验。 这样，他们可以尝试控制任何可能影响治疗的因素。

混淆这两类问题有时会导致 次优应用 组织中的机器学习。

虽然最近 AI 工作的成功证明了数据驱动模型的价值，但我们希望计算机解决的许多问题都需要了解因果关系。

目前的人工智能系统缺乏这种能力，除了专门的应用程序，如 棋盘游戏.

常识推理

GPT-3 和 ChatGPT 等语言模型可以成功解决一些需要常识推理的任务。

然而，以下与 ChatGPT 的交互，改编自 加里·马库斯（Gary Marcus）, 表明它在这方面并不完全可靠。

我八岁了。 我出生时，我的亲生母亲在巴塞罗那，父亲在东京。 我在哪里出生？ 一步一步地思考这个问题。

没有提到你出生的地方。 我们所知道的是，在您出生时，您的亲生母亲在巴塞罗那，而您的父亲在东京。

ChatGPT 等人工智能系统能否实现常识，是专家们争论不休的话题。

Marcus 等怀疑论者指出，我们不能相信语言模型能够稳健地显示常识，因为它们既没有内置常识也没有直接针对常识进行优化。 乐观主义者认为，虽然当前的系统不完善，但常识可能 油然而生 在足够先进的语言模型中。

人类价值观

每当发布突破性的 AI 系统时，新闻文章和社交媒体都会发布记录 种族主义者, 性别歧视，和其他类型的 偏 和 有害行为 必然跟随。

这个缺陷是当前 AI 系统固有的，它必然会反映其数据。 诸如真理和公平之类的人类价值观并没有从根本上内置于算法中； 这是研究人员还不知道该怎么做的事情。

虽然研究人员正在 吸取教训 从过去的情节和 取得进展 在解决偏见方面，人工智能领域仍然 任重而道远 使人工智能系统与人类价值观和偏好保持一致。

本文重新发表 谈话 根据知识共享许可。 阅读 原创文章.

图片来源： 马赫迪斯·穆萨维/Unsplash

• SEO 支持的内容和 PR 分发。 今天得到放大。
• 柏拉图区块链。 Web3 元宇宙智能。 知识放大。 访问这里。
• Sumber: https://singularityhub.com/2023/01/13/ai-might-be-seemingly-everywhere-but-there-are-still-plenty-of-things-it-cant-do-for-now/