Questions tagged «history»


1
Lovelace Test 2.0是否已在学术环境中成功使用?
受最初的Lovelace测试(于2001年发布)的启发,2014年10月,Mark Riedl博士发布了一种测试AI智能的方法,称为“ Lovelace Test 2.0”。马克认为原始的Lovelace测试无法通过,因此建议使用较弱的实用版本。 Lovelace Test 2.0做出这样的假设:要使AI变得智能,它就必须表现出创造力。从论文本身来看: Lovelace 2.0测试如下:人工试剂a受到以下挑战: 必须创建类型为t的工件o; o必须符合一组约束C,其中ci∈C是可以用自然语言表达的任何准则; 选择了t和C的人类评估者h确信o是t的有效实例并且满足C;和 裁判员确定t和C的组合对于普通人而言并非不切实际。 由于人工评估者可能会提出一些非常简单的约束来击败AI,因此期望人工评估者不断为AI提出越来越复杂的约束,直到AI失效为止。Lovelace测试2.0的重点是比较不同AI的创造力,而不是像图灵测试那样在“智能”和“非智能”之间提供明确的分界线。 但是,我很好奇这个测试是否实际上已在学术环境中使用,或者目前仅被视为一项思想实验。Lovelace测试似乎很容易在学术环境中应用(您只需要开发一些可测量的约束即可用于测试人工代理),但是它也可能过于主观(人类可以就某些约束的优缺点以及是否对某些约束持不同意见)。由AI产生的创意人工产物实际上达到了最终结果)。


2
为什么只有在Nvidia的芯片可用后ML才可行?
我听了由两位有影响力的中国科学家组成的小组讨论:王刚和于凯等。 当被问及在不久的将来(3-5年)人工智能发展的最大瓶颈时,具有硬件行业背景的于凯表示,硬件将是必不可少的问题,我们应该付出大部分我们对此的关注。他给了我们两个例子: 在计算机的早期开发中,我们通过芯片比较机器。 如果没有英伟达GPU的支持,那么近年来非常流行的人工智能几乎是不可能的。 基本算法早在1980年代和1990年代就已存在,但是人工智能经历了3个AI冬季,并且直到我们可以使用GPU增强的大型服务器训练模型时才是经验性的。 然后,王博士评论了他的意见,我们也应该开发软件系统,因为即使将世界上所有的GPU和计算结合在一起,我们也无法制造自动汽车。 然后,像往常一样,我的头脑飘散了,我开始思考,如果那些能在1980年代和1990年代操作超级计算机的人利用当时存在的神经网络算法并用大量科学数据训练它们呢?当时有些人显然可以尝试构建我们正在构建的AI系统。但是,为什么人工智能直到几十年后才成为热门话题并成为经验?仅仅是硬件,软件和数据的问题吗?




3
谁是第一个认识到类似人类的一般智力和特定领域的智力之间区别的人?
在1950年代,人们普遍相信“人工智能”将迅速变得具有自我意识和智能能力,足以与人下棋。许多人建议使用10年的时间范围(请参阅Olazaran的“感知器争论的官方历史”,或者可以说2001年:《太空漫游》)。 什么时候能弄清楚设计象棋这样的游戏的程序所导致的软件设计仅适用于像为其编程的游戏这样的游戏?谁是第一个认识到类似人类的一般智力和特定领域的智力之间区别的人?
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.