人工智能不会毁灭人类:机器更依赖人

本文探讨了人工智能面临的实际难题,包括真正的智能需要大量的实践经验而非仅靠理论推导、计算机难以完全模拟人类大脑的复杂性、智能机器的发展是一个渐进过程、在获取权力方面人际关系比智能更为重要,以及随着智能的增加其价值可能降低。

  文章称,机器若要达到人类的智能水平,面临着更为严峻的问题。简而言之,它们缺少人类自然交流的情境。

  精确模拟大脑、达到生成智能,比模拟行星的天气模式还要复杂得多。作者认为,科学家无法在可预见的未来做到这点。

  文章称,要了解这点,先假设有一名母语为英语、从未说过汉语的聪慧女孩,我们把她关进一间有大量汉语学习用书的房间,并要求她流利地说汉语。无论她多么聪明伶俐,无论她学习多久并且有多少教科书,她也无法达到母语是汉语的人的水平。因为要想熟练掌握一门语言,关键是要同语言流利的人一起交流。

  文章称,计算机可以效法其他计算机的行为,因为计算机的工作方式是精确、确定的。要模拟一台计算机,人们只要执行计算机运行的指令序列即可。

  类似的论点也适用于智能机器要解决的其他许多问题,如钻井、帮助人们报税等等。解决复杂问题时所需的大多数信息并没有任何文字记录,因而理论推理和数值密集计算本身无法得到正确答案。成为专家的唯一方法是不断尝试并检验它们是否奏效。

  文章称,也许有人认为计算机会凭借它们的超级智能积累惊人财富,然后诱使人类为其服务。但这种想法忽视了一条重要的经济学原理:随着资源更丰富,其价值下降。

  试想一下人类社会的运作机制,人们便清楚地知道智能本身并不足以成就权力。

  文章作者称,他们去年曾采访持上述观点的一名学者——牛津大学的哲学家尼克·博斯特伦。其他持类似观点的学者还包括奇点理论家雷·库日韦尔、乔治·梅森大学的经济学家罗宾·汉森。但这些学者高估了计算机像人类一样聪慧的可能性,并且夸大了计算机对人类的威胁。实际上,智能机器的研发是一个缓慢而渐进的过程,而且,即使开发出超级智能计算机,它们对人类的依赖至少不亚于人类对它们的依赖,原因如下:

  文章称,如果真的如此,那么国家就由科学家、哲学家或象棋天才统治了。然而,美国——和全世界大多数国家一样——是由罗纳德·里根、比尔·克林顿、乔治·W·布什这类人物统治的。他们权倾天下并不是因为智力超群,而是因为人脉广泛、魅力十足,而且知道如何交替使用胡萝卜和大棒,从而号令他人。

  二、机器极为依赖人类

  文章称,机器若要达到人类的智能水平,面临着更为严峻的问题。简而言之,它们缺少人类自然交流的情境。

  五、智能越多,价值越小

  资料图:人工智能

  

  人工智能引发的人类末日已临近了吗?《终结者》《黑客帝国》等电影早已描绘出计算机开发超级智能、毁灭人类的反乌托邦前景。有学者认为,这种危险的情形并非虚构。

  四、要获得权力,关系比智能更重要

  美国沃克斯网站7月29日刊登《人工智能不会毁灭人类的五大理由》一文,作者为蒂莫西·李。

  在上个世纪,科幻小说把对末来充满了幻想,这些幻想都是美好的,然而,近几十年来,科幻对末来越来越悲观,对宇宙,对我们生活的地球,都持恐惧的态度,甚至于对我们创造的机人,也充满了戒心,认为三大定律不完善,机器人迟早会取代人类,从众多好莱坞大片中,机器人的行为,就可以侧面反映人类对于末来的恐惧,然而,最新的研究,澄清了这一观点。

  任何占领地球的可行计划需要数千人的协作。人们没有理由相信,在启动邪恶计划时,计算机能比人类科学家得到更多帮助。

  但人类的大脑与此完全不同。神经细胞是极为复杂的模拟系统,它们的行为无法像数字电路那样精确建模。甚至单一神经细胞建模中一处微小的差异也会令整个大脑的建模出现极大误差。

  可以肯定人工智能,就是机器人,在一段时间内,是无法超越人类的,人类大脑的智能,单论人类的脑细胞,无论是算法,速度,数量,通讯能力,都不是电子设备可以赶的上的,的确,有很多事情我们要依靠机器,在末来,就是依靠机器人,但是,他们只能做重复,简单的事情,真正重要的,还是人类在做,最重要的是,他依赖外部的能源供给,简而言之,他不能自已自足,这种致命的硬伤,使机器人会永远的依赖人类

  这种场景极度低估了机器为维持运转而对人类的依赖。现代经济社会中有无数不同种类的机器人,完成各类特定任务。虽然越来越多的机器在某种程度上实现了自动化,但几乎所有的机器都依赖人类提供动力和原材料,在毁坏时予以维修,报废后重新大量生产……

  三、人类大脑也许很难赶超

  60年前,买一台计算机需要数百万美元,而它的性能还不如一部现代手机。今天的计算机比此前几代计算机的性能强大得多,但它们价值下降的速度比其性能提高的速度还要快。

  文章称,在《终结者》系列影片中,军事人工智能系统“天网”有了自我意识,并用军事设施攻击人类。

  一、真正的智能需要大量实践经验

  文章称,天气模拟是一个很好的例子。物理学家已经非常了解单一空气分子的性质,因而人们认为可以对地球的大气层建模,从而预测天气。尽管过去几十年来计算机的能力有了巨大提高,我们在预测未来天气模式方面的进展仍相当有限。

 

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术员或研究员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合群:企业市场/公关负责、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值