人工智能技术的未来通途刍议

被引：26

作者：

徐英瑾

机构：

[1] 复旦大学哲学学院

来源：

新疆师范大学学报(哲学社会科学版) | 2019年 / 40卷 / 01期

关键词：

通用人工智能; 深度学习; 人工神经元网络; 智商; 全局性性质;

D O I：

10.14100/j.cnki.65-1039/g4.20180621.005

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

现在关于人工智能的发展,社会上(甚至在行业内部)普遍存在这样的一种误解:"通用人工智能"的目标本身可以通过"专用人工智能"领域内的技术累积来逐渐达成。然而,这种观点的持有者,既没有意识到将现有主流深度学习技术升级为通用人工智能技术所面临的巨大困难,也没有意识到人工智能工业的人为行业分工与人脑既有自然分工之间所存在的重大区别。在揭示这些困难的基础上,文本将给出一个消极性论点与一个积极性论点。前者是:目前的主流人工智能技术离达到"通用人工智能"的标准还很远,遑论达到"强人工智能"的标准;后者是:通向"通用人工智能"的真实道路从演化论思维"取经",即从认知主体对于环境挑战的"适应性"与"节俭性"入手,来理解智能体运作的一般原理。

引用

页码：93 / 104

页数：12

共 5 条

[1] 人工智能:威胁人类文明的科技之火
江晓原
[J]. 探索与争鸣, 2017, (10) : 18 - 21
[2] 大数据、人工智能与共产主义
黄欣荣
[J]. 贵州省党校学报, 2017, (05) : 115 - 122
[3] 我曾在北京最冷的冬天感受到了人工智能的狂热[N]. 李飞飞.电脑报. 2017 (011)
[4] Mapping the Landscape of Human-Level Artificial General Intelligence
Adams, Sam S.
Arel, Itamar
Bach, Joscha
Coop, Robert
Furlan, Rod
Goertzel, Ben
Hall, J. Storrs
Samsonovich, Alexei
Scheutz, Matthias
Schlesinger, Matthew
Shapiro, Stuart C.
Sowa, John F.
[J]. AI MAGAZINE, 2012, 33 (01) : 25 - 41
[5] Learning from Bacteria about Natural Information Processing[J] . EshelBen‐Jacob.Annals of the New York Academy of Sciences . 2009 (1)

← 1 →