AI获客 AI自动私信软件 ai破解控制


Channel's geo and language: China, Chinese
Category: Telegram



Channel's geo and language
China, Chinese
Category
Telegram
Statistics
Posts filter


TG必备的搜索引擎,快搜kuai帮你发现有趣群组、频道、视频、音乐、电影、新闻 | Find cool stuff all in one bot!

机器人:@kuai @kuaia @kuaiaa

👉 https://t.me/kuai?start=a_44H9V5U


有意识的人工智能?
正如本系列文章反复指出的,认知和意识并非同一概念。目前的语言学习模型和其他人工智能系统给人以意识存在的错觉,但这仅仅是因为它们非常擅长模仿人类对话。大多数专家仍然对人工智能是否具有意识持高度怀疑态度,并警告说,它们的行为仅仅制造了意识的假象。24
然而,如果人工智能(或者更可能是具有具身人工智能的机器人)能够被设计成按照勒杜对认知的定义来使用内部模型(尤其是在它们能够进行系统3认知的情况下),那么它们很可能就会产生意识。或者,如果它们能够进行真正的无限联想学习,它们或许至少能够产生最低限度的意识,就像根据金斯伯格和雅布隆卡的标准,许多动物可能具备的那种意识一样。按照勒杜的定义,完全的意识需要元表征和叙事性自我模型。
我们是否应该研发出具有意识的人工智能,这完全是另一个问题,需要我们深思熟虑——考虑到人工智能发展的迅猛速度,我们是否还有时间和机会进行这样的思考。人工智能可能无意中发展出意识的可能性,我们也不能完全排除。

需要联系:@Xukonxingchen


人工智能与生物认知有何不同
动物在结构丰富、多模态的环境中学习,并能灵活地重新应用知识。人工智能系统常常面临“分布外失效”(即面对与训练数据不同的数据时表现不佳)的问题,因为它们往往抓住表面的统计线索,而不是反映对世界真正理解和建模的更深层次的模式。19
除了这些基本的生物学特性之外,目前的AI系统显然缺乏人类所特有的最高层次的认知能力。它们不知道自己知道什么。它们不会带着自我意识反思自己的行为。它们缺乏支撑元认知和内省的内在世界。20
当前的人工智能系统是卓越的信息处理器,但它们的认知范畴与生物系统不同,主要依赖于复杂的统计模式匹配。 21它们的认知架构与生物系统有着根本性的差异——不仅体现在实现方式上,更体现在功能与生命物质的深度整合上。


生物本能
阿尼尔·塞思认为,生物认知应通过生物自然主义来理解,15其中心理状态受生存需求塑造。生物认知通过与体内平衡需求、情绪16和自我调节相结合的预测模型来服务于生存。相比之下,人工智能模型的运行并不遵循这种以生存为导向的框架——它们优化的是既定目标,而非自我维持和适应。
近期的一些研究表明,意识可能依赖于“会死亡的”计算——这些过程与脆弱的、依靠代谢维持的活体大脑基质密不可分。相比之下,标准人工智能依赖于“永生的”计算:这些算法通过持续的纠错机制在不同硬件上以相同的方式运行,从而避免了生物体硬件所特有的那种衰退和修复过程。


接地问题
尽管人工智能拥有令人印象深刻的能力,但它仍然缺乏对世界的真正理解。正如 Meta 公司的 Yann LeCun 在 2024 年 10 月指出的那样,世界模型是“实现人类水平人工智能的关键”,但可能还需要十年时间才能实现。人工智能处理符号时缺乏语义基础——猫通过追逐鸟类来认识鸟类,儿童通过泼水来理解水。

如果没有身体或感觉运动系统,人工智能就缺乏将符号与意义联系起来的具身基础,而这种基础是通过与世界的物理互动实现的。正如哲学家约翰·塞尔在其“中文房间”思想实验中所论证的那样,句法符号操作——即遵循符号操作规则——并不一定能产生对这些符号含义的语义理解。动物通过积极参与环境来发展认知能力——这是一个感知、预测和行动的动态循环,而人工智能目前无法复制。


学习差距
在第四部分中,我们认识到学习对认知的重要性。动物终其一生都在通过试错、探索和寻求奖励来不断学习,学习与它们的需求、情感和身体体验紧密相连。
大多数人工智能系统的学习分为两个截然不同的阶段:首先是对庞大数据集进行计算密集型的预训练,然后是参数固定后的部署。这与生物体持续终生学习的方式形成鲜明对比。例如,一只老鼠在不断变化的迷宫中穿行时,会根据新的信息和奖励模式不断调整自身。
当前的人工智能系统面临着“灾难性遗忘”的困扰5-7 ——即学习新信息会严重干扰先前学习的知识——而生物系统通常通过专门的机制来避免这一挑战 8 。这就是为什么人工智能研究人员认为大多数人工智能缺乏持续学习能力9,10 。


现有的人工智能系统真的能够实现无限联想学习(UAL) ——这种能力标志着最低限度意识的门槛吗?目前的人工智能系统缺乏UAL的标志性特征。它们无法可靠地处理新模式,无法跨越时间间隔进行学习,无法在条件变化时灵活地调整哪些信息重要,也无法构建实现迁移和分类所需的多层学习链。此外, 它们也缺乏UAL所具备的跨模态、持久且对价值敏感的表征能力,仅仅展现出这些能力的狭隘的、人为设计的冰山一角。


评估人工智能中的认知和意识
在本系列文章中,我们考虑了两种基于进化论的框架来构建关于什么是认知、什么是意识的辩论:LeDoux 的基于模型的定义和 Ginsburg 和 Jablonka 的基于学习的定义。
勒杜框架
勒杜将认知定义为构建和使用内部心理模型的能力;他区分了三个系统——非认知习惯/反射(系统 1)、无意识的基于模型的控制(系统 2)和有意识的、深思熟虑的认知(系统 3)。
按照勒杜克斯的严格标准——允许智能体灵活地指导其行为的内部心理模型——大多数当前的人工智能都低于认知的门槛(少数研究系统构建了狭义的预测模型,但这些模型远远达不到勒杜克斯认为支撑认知以及更高层次的意识可能性的丰富整合模型)。




Video is unavailable for watching
Show in Telegram




随着研究的深入,指数级增长所描绘的未来既令人兴奋又势不可挡。这种增长,以摩尔定律为代表,将很快推动人工智能超越狭隘的、特定任务的角色,迈向更为深远的领域:通用人工智能(AGI)的出现。与如今擅长处理特定任务的人工智能不同,AGI 将拥有类似于人类智能的灵活性、学习能力和认知范围——能够在任何领域理解、推理和适应。
计算能力的每一次飞跃都让我们离通用人工智能(AGI)更近一步。通用人工智能能够解决问题、产生创意,甚至做出伦理判断。它不仅能进行计算或解析海量数据集,还能以人类无法企及的方式识别模式,感知复杂系统内部的关系,并基于理解而非编程来规划未来。未来,通用人工智能或许能成为人类的副驾驶,以超越人类的洞察力和速度应对气候变化、疾病​​和资源匮乏等危机。
然而,这种愿景也伴随着巨大的风险,尤其当人工智能落入心怀不轨之人——甚至更糟,落入独裁者之手时。通往通用人工智能(AGI)的道路引发了关于控制、伦理以及人类未来等一系列关键问题。如今的争论焦点已不再是AGI是否会出现,而是何时出现,以及我们将如何应对它所带来的巨大责任。

需要联系:@Xukonxingchen


一个景象深深震撼了我——人工智能(AI)将以难以想象的速度飞速发展,并渗透到我们生活的方方面面。读完雷·库兹韦尔的《奇点临近》后,我被其指数级增长的必然趋势深深吸引。未来不仅近在眼前,更正向我们疾驰而来。随着计算能力的持续倍增,人工智能终将超越人类的能力,并最终以过去只存在于科幻小说中的方式重塑社会,这一点已变得显而易见。
正是基于这种认识,我注册了Unite.ai,因为我预感到人工智能技术的下一次飞跃不仅会改善世界,更会从根本上重塑世界。生活的方方面面——我们的工作、我们的决策,甚至我们对智能和自主性的定义——都将受到人工智能的影响,甚至可能被其主导。问题不再是这种变革是否会发生,而是何时发生,以及人类将如何应对其前所未有的冲击

需要联系:@Xukonxingchen


不同类型的人工智能
弱人工智能(也称窄人工智能)旨在执行特定任务。例如,亚马逊的 Alexa 和苹果的 Siri 等虚拟助手、推荐引擎、欺诈检测系统以及执行特定任务的生成式人工智能工具都属于弱人工智能。
通用人工智能:通用人工智能是指一种理论上的人工智能,能够以人类水平完成广泛的智力任务。与狭义人工智能不同,目前尚不存在真正的通用人工智能系统,尽管研究人员仍在继续探索这项技术。
需要联系:@Xukonxingchen


人工智能使计算机能够执行通常需要人类智能才能完成的任务。它被广泛应用于各个行业,包括医疗保健、金融、制造业、交通运输和客户服务。人工智能在创造新机遇的同时,也引发了人们对隐私、偏见、就业和负责任使用等方面的担忧。
什么是人工智能(AI)?
人工智能(AI)结合了数据、算法和计算能力,以模仿或增强人类的思维和问题解决能力。
机器学习(ML)是人工智能的一个子集,它指的是计算机程序无需人工干预即可自动学习和适应新数据。
需要联系:@Xukonxingchen


人工智能(AI)使机器能够执行需要人类智能的任务,例如决策和问题解决。
机器学习(ML)是人工智能的一个分支,它通过分析更多数据来帮助系统自动改进。
人工智能在医疗保健、金融和交通运输等各个行业都有应用,可以提高效率和促进创新。
人工智能在带来进步的同时,也引发了关于隐私、就业和负责任使用等方面的伦理问题。
需要联系:@Xukonxingchen

16 last posts shown.