电影中的人工智能和现实中的人工智能差距有多
时间:2019-10-18 07:08

  人工智能在现在的发展愈演愈烈,上世纪50年代,阿西莫夫提出了“机器人三定律”,成为后来学术界默认的研发原则。定律1:机器人必须遵循人的命令,除非第一定律。定律2:机器人不得人,亦不得因而致人。定律3:机器人必须自己,除非第一或第二定律。成为后工智能的铁律,也成为人工智能题材电影中,各种情节与矛盾的基点。这也为人工智能的未来表露了一些迹象。

  说到人工智能啊,顾名思义就是人类造出的具有智慧能力的机器或者说是物品!其实笔者认为一个东西是否具有智能,不在于它有多聪明,而是看他能否思考和有多高的学习能力,所以虽然计算机运算能力很强,但是它并不是个智能的东西;并且虽然目前虽然已经有了很多所谓的智能语音助能机器人,但是笔者认为这些都算不上是真正的智能,因为纵观他们运行的底层,都只是事先设置好了在某些情境下进行特定的操作,而所谓的学习能力也只是提前写好的逻辑,让它能重复你的行为罢了。

  人工智能在普通的模式识别、专家系统等方面已经做得不错,比如语音识别、手写识别,都已经相当实用,下棋能超过人类冠军,自动驾驶也快实用了。但是每个人工智能系统都需要人类专家大量的工作,还没有通用的人工智能系统,能自己学习,变成各种专家。

  大数据技术为人工智能提供强大的分布式计算能力和知识库管理能力,是人工智能分析预测、自主完善的重要支撑。其包含三大部分:海量数据管理、大规模分布式计算和数据挖掘。

  海量数据管理被用于采集、存储人工智能应用所涉及的全方位数据资源,并基于时间轴进行数据累积,以便能在时间维度上体现真实事物的规律。同时,人工智能应用长期积累的庞大知识库,也需要依赖该系统进行管理和访问。当前,海康威视研究院开发的海康大数据平台已能支撑千亿级规模的车辆通行记录存储管理和应用。

  大规模分布式计算使得人工智能具备强大的计算能力,能同时分析海量的数据,开展特征匹配和模型仿真,并为众多用户提供个性化服务。

  数据挖掘是人工智能发挥真正价值的核心,利用机器学习算法自动开展多种分析计算,探究数据资源中的规律和异常点,辅助用户更快、更准地找到有效的资源,进行风险预测和评估。

      大红鹰娱乐