A5数据
当前位置:首页人工智能

什么是狭义人工智能(ANI)?

作者:a5idc 时间:2023年02月10日08时58分29秒 阅读:1128 评论:0

1.png

ChatGPT等直观工具的出现,人们对人工智能(AI)的兴趣激增。但是,ChatGPT和我们在AI中目睹的一系列相关突破性项目仍然采用所谓的“狭义”智能形式。

撇开夸张不谈,我们只是触及了新技术最终可能成为什么的表面。ChatGPT具有人工狭义智能(ANI)的标记。也就是说,旨在执行特定任务的人工智能。

这种先进的工具源于自然语言处理(NLP)领域的持续研究。ANI与人工通用智能(AGI)形成对比,AGI是将通用的类人智能引入机器的数十年努力。

AI:缩小范围

在他的著作《奇点临近:当人类超越生物学》中,计算机科学和未来学家RayKurzweil使用术语“狭义AI”来描述在特定环境下表现出“智能”行为的系统的发展。与人类等自然的、普遍智能的系统不同,ANI系统在上下文或行为规范发生变化时需要人类重新编程或重新配置,即使变化很小。这是因为它们缺乏适应新目标或环境的能力,也缺乏将知识从一种情境泛化到另一种情境的能力,而人类通过迁移学习可以做到这一点。

从理论上讲,ANI是一种AI,旨在以高水平的熟练程度执行单个或一组狭窄的相关任务。它也被称为弱人工智能、狭义人工智能、有限人工智能甚至专业人工智能。ANI系统通常在大型数据集上进行训练,并能够根据此训练做出决策或执行操作。

ANI系统可以分为两类:监督学习系统和非监督学习系统。监督学习系统在标记的数据集上进行训练,使系统能够学习输入数据和所需输出之间的关系。另一方面,无监督学习系统是在未标记的数据集上训练的,可以在没有指导的情况下识别数据中的模式和关系。

1、ANI的演变

ANI的概念可以追溯到1950年代,当时研究人员首次开始研究创建能够执行认知任务的机器的可能性。有些人可能会将其发展追溯到AI首次尝试创建一个称为通用问题求解器(GPS)的程序。这是为了以类似于人类的方式解决问题。

虽然GPS并没有取得巨大的成功,但它确实为未来的人工智能研发奠定了基础。到1960年代,我们看到了ELIZA等NLP系统的发展,它能够与人类进行简单的对话。

此外,1970年代出现的Dendral和MYCIN等专家系统标志着人工智能领域的一个重要里程碑,因为它们能够模仿人类专家的决策过程,在药物设计和医疗保健方面有着广泛的应用.机器学习(ML)的重大进步发生在1980年代和1990年代,为开发更高级的ANI系统铺平了道路。在此期间,一项显著成就是人工智能系统“深蓝”的开发,它在1997年的一场比赛中击败了国际象棋世界冠军加里·卡斯帕罗夫。

2000年代Siri和谷歌翻译的推出而拉开序幕。Siri于2011年开发,使用NLP来理解和响应语音命令。另一方面,谷歌翻译是一个NLP系统,可以将文本和语音从一种语言翻译成另一种语言。

在2020年代,先进的NLP系统(例如OpenAI的GPT-3)投放市场。它们具有生成类人文本的惊人能力。OpenAI还推出了DALL-E和DALL-E2,它们使用神经网络根据给定的文本提示生成图像。

2022年,OpenAI推出了ChatGPT,这是一种能够以对话方式理解和响应用户输入的人工智能系统,这使其非常适合用于聊天机器人应用程序。DeepMind的AlphaFold等AI系统的开发,ANI在医疗保健中的使用也取得了重大进展,它能够预测蛋白质的3D结构

2、8种ANI系统

从广义上讲,有几种类型的ANI,包括:

基于规则的系统:旨在遵循一组预先确定的规则来执行特定任务。

专家系统:执行通常需要人类专业知识的任务,例如诊断医疗状况或确定特定情况下的最佳行动方案。

决策树系统:使用树状结构根据一组预定规则做出决策。

人工神经网络:受人脑工作方式的启发,这些人工智能系统可以识别模式并根据该信息做出决策。

遗传算法:使用遗传学和自然选择的原理来时间的推移提高性能。

进化计算:使用进化和自然选择的原则来适应和提高性能。

模糊逻辑系统:使用模糊逻辑,一种允许表示不确定或不精确信息以做出决策的逻辑。

贝叶斯网络:使用概率推理根据不确定或不完整的信息做出决策。

3、ANI的前3大应用

NLP:ANI在NLP系统中用于帮助计算机理解和解释人类语言。例如,虚拟助手Siri使用NLP来理解和响应自然语言的语音命令。

图像和语音识别:ANI用于图像和语音识别系统,以识别图像和录音中的物体、人物和其他元素。例如,Meta所使用的人脸识别技术就是应用狭义的AI来识别和标记照片中的人物。

决策:ANI用于决策系统,以帮助企业和组织做出更明智的决策。例如,银行可能会使用一个狭义的人工智能系统来分析财务数据并就是否批准贷款申请提出建议。

4、ANI的7大用例

医疗保健:ANI用于协助诊断医疗状况和预测患者结果等任务。例如,ANI系统可用于分析医学图像并识别潜在的癌症迹象。

金融:ANI用于分析金融数据并对市场趋势和其他经济因素做出预测。例如,对冲基金可能会使用狭义的人工智能系统来识别投资机会。

制造:ANI用于协助完成质量控制和产品检验等任务。例如,ANI系统可用于检查装配线上的产品并识别缺陷。

客户服务:ANI用于协助完成诸如回答客户查询和解决问题等任务。例如,ANI系统可用于回答常见问题并通过公司网站上的聊天机器人为客户提供解决方案。

供应链管理:ANI用于优化物流,提高效率。例如,人工智能系统可用于分析有关交货时间和路线的数据,以识别瓶颈并改善交货时间。

交通:ANI用于协助完成路线规划和交通管理等任务。例如,人工智能系统可用于优化送货卡车的路线并减少燃料消耗。

农业:ANI用于协助作物监测和害虫防治等任务。例如,人工智能系统可用于分析农作物的图像以识别害虫并确定最有效的治疗方法。

5、ANI的优点和缺点

与任何技术一样,ANI既有优点也有缺点。一些优点:

提高准确性:这些系统能够以高精度执行任务,这有助于减少错误并提高效率。

提高速度:他们能够快速处理大量数据,这有助于加快任务和决策过程。

节省成本:在某些情况下,使用ANI可以通过自动执行原本由人类执行的任务来帮助降低劳动力成本。

然而,ANI也有一些缺点:

狭义人工智能只能执行其设计的特定任务。它无法适应或学习执行新任务,也无法像人类一样思考或做出决定。

它依赖于它所训练的数据。如果数据有偏见或不完整,狭义的人工智能系统可能会做出有偏见或不准确的决定。这可能是医疗保健和刑事司法等领域的一个主要问题,在这些领域,有偏见的算法可能会产生严重后果。

它可能易碎且不灵活。它旨在执行特定任务,可能无法处理输入变化或意外情况。

ANI系统可能是计算密集型的,需要强大的硬件和大量的能量才能运行。这可能成为广泛采用狭义人工智能系统的障碍。

人们担心狭义人工智能的伦理影响及其以有害或恶意方式使用的可能性。需要进行监管和监督,以确保负责任地使用狭义人工智能。

6、人工智能的下一阶段:通用人工智能(AGI)

在ANI不断取得成果的同时,对通用人工智能(AGI)的追求仍然抓住了科技界的想象力。AGI指的是拥有类人智能的机器,能够执行广泛的任务,进行抽象思考并适应新情况。这与旨在执行特定任务的ANI形成对比。

虽然AGI目前在很大程度上仍停留在理论阶段,但这一想法已经获得了极大的关注和投资,比尔盖茨、史蒂芬霍金和埃隆马斯克等知名人士对这种先进人工智能的潜在威胁表示担忧。

但对AGI的可行性和时间表的看法差异很大。一些研究人员认为,现实的时间表可能会将这种进步放在2040年,而悲观的时间表是2075年。

本文地址: https://www.a5idc.com/article/1.html

文章来源:a5idc

版权声明:除非特别标注,否则均为本站原创文章,转载时请以链接形式注明文章出处。

相关推荐
  • 最新动态
  • 热点阅读
  • 随机阅读

站长统计 相关侵权、举报、投诉及建议等,请发E-mail:mail@a5idc.com