霍金警告：人工智慧使人類滅絕

kiddo

	其實人類每次有重大發明，都會改變我們的人類這個種族裡的生態，像是電燈，印刷，火藥，電腦也是。個體的不同能力因應這些科技，會生存的更好，或是更差。 上次聽到一位科學家的訪談，他說，人類每次有新發明（如同新玩具）一定會惡搞一番，這是我們的天性，也是進步的動力，覺得實在是蠻寫實的，哈哈哈！

Lilikoi

	前两天的新闻里，出现了A.I.有了自己的语言。 而人类无法听懂。 可以去找一下：Facebook scraps A.I. chatbots after they created their own language 而Elon Musk不断提醒: AI May Not Only Takeover Jobs, But Kill Human on Street Before We Regulate It 抱歉，没有看到有中文的。

April1589

	Lilikoi 發表於 2017-8-5 07:08 前两天的新闻里，出现了A.I.有了自己的语言。 而人类无法听懂。 可以去找一下：Facebook scraps A.I. chatb ... 台灣蘋果日報有登這則新聞： AI機器人自創語言 臉書關系統

Lilikoi

	April1589 發表於 2017-8-5 08:12 台灣蘋果日報有登這則新聞： AI機器人自創語言 臉書關系統 谢谢你找到中文版的！

ricejunshen

	一直觉得霍金哗众取宠。 当然，他是很牛逼的人，但是说了太多他自己都不了解的东西。

ricejunshen

	先说结论： 人工智能是逻辑的复杂叠加，而这些复杂逻辑，是人的“灵性智慧”从客观世界中抽象总结出来的。 无论是各种新闻媒体，还是新的工作种类，以及新的概念，我们都逃不开“人工智能”这个当下最热热门的名词。 在2008的时候，量化基金是纽约各类基金的新宠，而今天，各类基金都渲染他们的人工智能，及机器学习模型作为新的交易手段。 不光是金融，特斯拉的自动驾驶，人脸图像的自动识别，以及各种新科技都和“机器学习”，人工智能在一起。 人工智能到底是什么？ 如果用过一句话来回答的话，人工智能就是复杂逻辑的叠加，非常复杂的逻辑。可是是几百，甚至几千层逻辑的叠加。 2016年3月，阿尔法围棋与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜；2016年末2017年初，该程序在中国棋类网站上以“大师”（Master）为注册账号与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩；2017年5月，在中国乌镇围棋峰会上，它与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。 但在以上的所有战役中，如果在开局钱的一分钟，我们随意修改一个小小的细节，例如把棋盘的尺寸加大，或者规定在十步中可以人选一步下两个棋子，计算机稳输不赢。 其实这阿法战胜围棋国手，不算什么新闻，远在1996年2月10日，深藍首次挑戰西洋棋世界冠軍卡斯巴羅夫，但以2-4落敗。比賽在2月17日結束。 其後研究小組把深藍加以改良——它有一個非官方的暱稱「更深的藍」（Deeper Blue）[2]——1997年5月再度挑戰卡斯巴羅夫，比賽在5月11日結束，最終深藍電腦以3.5–2.5擊敗卡斯巴羅夫，成為首個在標準比賽時限內擊敗西洋棋世界冠軍的電腦系統。IBM在比賽後宣布深藍退役[3]。 組成深藍電腦的其中一個機架，其後在位於首都華盛頓特區史密森尼學會的美國國家歷史博物館的資訊時代展覽中展出；而另一個機架則在加州山景市的電腦歷史博物館的電腦棋歷史展覽中展出。 相对围棋而言，象棋虽然规则更加复杂，但变数更少，更容易被穷举。凡是可以被穷举的领域，人脑都不是计算机的对手。 那人工智能和（人类的）灵性智慧最大的差别在哪里？或者说是什么关系呢？  在输入有限，能做的选择有限，内部因子复杂性可以被归纳 的情况下，计算机的人工智能具有极大优势，具有速度快，不知疲倦，准确率高 的优势。 但仅此而已，一旦涉及到更多的牵扯，人工智能无能为力。下面有一些例子： 1）人工智能的驾驶，在路上有树的情况下，它不会开过去，哪怕边上就是草地，哪怕你是越野车，可以从树上压过去。 2） 人脸的识别，如果你把眼睛遮住，他就无法识别，而我们人脑，如果其他部分特征明显的情况下，即使帽檐遮住眼睛，我们依然可以从五官其他特征识别一个人。 3）对条款僵化的棋牌游戏，人工智能不错，但是遇到即时战略类的复杂游戏（星际争霸一类的），就不行了。

ricejunshen

	那么和人工智能相比，（人类）灵性智慧的长处在哪里？我觉得是抽象化的能力 阿尔法狗背后的人脑团队，才是最厉害的，他们把围棋所有的利害关系，总结成成一条条可以数字化的场景，给与不同的分数。 人脸识别，也是人脑规定计算机先去找到眼睛中心，鼻子以及其他关键部位的位置和像素，再去计算這些关键位置之间的距离比例，才是人脸识别算法的核心。 自动驾驶的关键也是人脑写的程序，教计算机如何再摄像头的平面场景中去构建三维世界的距离和速度，以及各个移动物体的未来位置（根据估算的移动速度） 而這些所有的“抽象化”过程都需要灵性的“人脑智慧”，人工智能智能只能再人脑抽象化，教条化，逻辑格式之后的世界里做机械运算。 因为棋牌类很容易被这样格式化，所以电脑模拟的“智能”再棋牌领域很厉害。

ricejunshen

	（人类）的灵性智慧能把复杂事物抽象成“逻辑思维”。灵性智慧显然是超越逻辑的，是构建逻辑的，也是逻辑的基础。把这两个放到一起比，没有可比性。 我们生活中的很多结论或者常识，都是智慧对事物本身规律的总结，这个规律也许无限接近事物本身，但依然是抽象的结果，不是事物本身。 这世上所有事物，并不存在所谓逻辑关系，都是智慧先定义了这个逻辑，再用这个逻辑去描述（这个描述甚至不是完全接近总结出来的规律）抽象出来的规律。 再这张图中，如果像从A点到B点，可以有两种方式： 1）一直走，遇到路口先右拐，再遇到路口左拐，然后一直交替拐弯，就能到B 2）也可以说，向东走的时候遇到路口就往南拐，往南走的时候遇到路口向东拐。 这两中总结出来的方式，都能顺利到达B。这也就是人脑智慧总结抽象出来给计算机的。 所以霍金的这个玩笑开大，人灭绝了，谁来帮你们這些计算机抽象呢？ 可是很多时候我们知其然，不去问其所以然，做着一样的和计算机一样的傻事，意味这抽象出来的规律就是事物本身 那回到最初的话题，为什么这几年人工智能，机器学习又火了呢？ 其实在算法上，我们并灭有什么大的突破。这里的算法，就是给出几百或者几千的量化信息，让计算机自己去穷举这几白几千之间自由组合方式的逻辑，看能不能找到和预测结果相关性非常大的。这几百几千的输入，在自由组合后，就是几万，几百万，甚至更高数量级别的逻辑点。 过去几年计算机内存容量和芯片速度的提高，是的更多逻辑组合的穷举成为可能。 但是怎么找到和要预测 事件的最重要因子，以及如何讲这些因子数量化，却依然是人脑的工作。 就好像你手里又台北所有公司上班职员的薪资，专业，学历，工作年限，公司的信息，现在需要你做一个人工智能模型来预测职员的工资。你直接拿去做机器学习是不可能的。需要以下预处理： 1） 把学校的文字，按照台湾所有大学的排名，变成量化的因子，当然台大，清华，还有交大这样的要给更多的权重， 2）只是看公司名字，也不能得出和薪水的关系，要按照公司名字分成不同的背景，是否外资，是否港资，给与不同权重。 3） 不同专业按照市场热门程度，给与不同权重，台大电机的专业，当然要比哲学系的工资高。 所有的这些抽象，量化工作，都只能人脑可以完成。例如在1 当中，如果你按照学校名字的长度做成量化因子，这个模型八成就是失败的。 为什么学校名字的长度，地理位置，建校年代，在校人数，都不能去预测薪资水平，只有排名呢？ 这个只有人脑才知道。