新2018年人工智能突破值得關(guān)注：
傳統(tǒng)計(jì)算機(jī)的核心是非常愚昧的組建。他們把事情做得超級直接優化上下，只能回答真實(shí)或錯(cuò)誤的問題發揮效力。這使計(jì)算機(jī)非常擅長數(shù)學(xué)或執(zhí)行任何需要正確或錯(cuò)誤答案的智力任務(wù)先進技術。
但是如果你想要一臺電腦執(zhí)行一個(gè)根本沒有正確答案的任務(wù)呢創新的技術？如果你想要一臺電腦繪畫或?qū)懸槐拘≌f會怎么樣？一幅畫不可能是真的或假的也逐步提升。它只是保護好。讓電腦了解這可能很困難。
但以前認(rèn)為不可能的事現(xiàn)在已成為現(xiàn)實(shí)組織了。近充足，日本的AI 利用復(fù)雜的神經(jīng)網(wǎng)絡(luò)撰寫了一本幾乎獲得文學(xué)獎的書註入了新的力量。
當(dāng)然，它仍然需要人類的一些幫助異常狀況。創(chuàng)造人工智能的團(tuán)隊(duì)為了寫小說還必須給計(jì)算機(jī)以情節(jié)說服力，角色和性別。但是句子 - 它們的結(jié)構(gòu)和華麗的語言 - 是自主編寫的蓬勃發展。
電腦還需要一個(gè)以前寫作的數(shù)據(jù)庫才能開始作用，但這與人類大腦的工作方式?jīng)]有多大區(qū)別重要意義。隨著時(shí)間的推移問題，我們只能期待技術(shù)變得更加復(fù)雜。
想要了解關(guān)于AI的更多信息效率？
希望這篇文章能夠澄清關(guān)于人工智能的一些誤解，并且讓我們清楚地知道我們將來可以從機(jī)器人對手那里得到什么。我們離真正的人工智能還有很長的路要走十大行動，但是我們每天都靠近重要性。
從IBM的Jeopardy電腦，Watson到Westworld等電視節(jié)目體系，我們已經(jīng)開始共同探索和哲學(xué)化AGI的潛力系統穩定性。
當(dāng)然，大多數(shù)關(guān)于我們流行文化中AGI的討論都集中在未來多種場景，而不是關(guān)于人工智能的現(xiàn)在的現(xiàn)實(shí)科技實力。下面，我們將討論AGI的當(dāng)前現(xiàn)情況以及我們在2018年取得的突破集中展示。
我們有多接近真實(shí)的人工智能可靠保障？
iPhone和其他硬件（如Siri或亞馬遜Alexa）內(nèi)置的軟件程序可能會使您相信我們非常接近真正的人工智能。
但為了真正以有價(jià)值的方式對此進(jìn)行評估建設，我們必須對AGI的真正含義達(dá)成共識共同。畢竟，如果我們不知道我們的目標(biāo)是什么大面積，我們怎么能達(dá)到目標(biāo)呢發力？
真人工智能的定義
現(xiàn)在，我們擁有的每一項(xiàng)技術(shù)都具有某種“人工智能”集成應用，但它們大多只具備處理某些任務(wù)的能力越來越重要的位置。
Siri可以聽你的聲音命令并為你執(zhí)行一些任務(wù)。但它可以執(zhí)行的任務(wù)于Apple為Siri創(chuàng)建的盒子競爭激烈。它只能從手機(jī)上的應(yīng)用程序中獲取信息投入力度。Siri可以為您提供天氣信息，為您瀏覽網(wǎng)頁學習，播放音樂等技術。
這雖然令人印象深刻改善，但并非真正的AGI。
具有真正AGI的機(jī)器將能夠執(zhí)行人類能夠完成的任何智力任務(wù)結構重塑。這意味著如果你問一個(gè)AGI機(jī)器人錘擊一個(gè)釘子推廣開來，它不需要編程去做。它會自己嘗試 - 也許會失敗貢獻法治。它將能夠從錯(cuò)誤中吸取教訓(xùn)并嘗試密度增加，直到它找到正確的答案。
一個(gè)人不需要被教導(dǎo)如何走路相對較高。你只需通過反復(fù)試驗(yàn)就能搞清楚信息化。具有AGI的計(jì)算機(jī)在理論上可以以相同的方式學(xué)習(xí)。
新2018年人工智能突破值得關(guān)注：
簡而言之創新內容，今天的計(jì)算機(jī)仍然只會做你或程序員告訴它做的事 - 除此之外別無他法全方位。它不能從錯(cuò)誤中學(xué)習(xí)，或者通過常識來理解任何東西實踐者。
但那可能很快就會改變管理。
可能的AGI突破2018年
盡管我們離真正的人工智能還有至少二十年的時(shí)間，但仍有一些令人難以置信的人和組織致力于使計(jì)算機(jī)像人腦一樣運(yùn)行豐富。
Hiroshi Yamakawa和全腦建筑
過去幾年你可能在新聞和其他媒體上聽過像“神經(jīng)網(wǎng)絡(luò)”和“機(jī)器學(xué)習(xí)”這樣的技術(shù)術(shù)語。機(jī)器學(xué)習(xí)只是指如果給計(jì)算機(jī)足夠大量的數(shù)據(jù)和足夠多的方式來解釋和指導(dǎo)這些數(shù)據(jù)，它就可以“思考”善於監督。
IBM的Watson將整個(gè)互聯(lián)網(wǎng)作為其數(shù)據(jù)庫大局，通過機(jī)器學(xué)習(xí)能夠回答Jeopardy的問題。
神經(jīng)網(wǎng)絡(luò)意味著創(chuàng)造一種機(jī)器學(xué)習(xí)管理，有效地模擬人腦中的神經(jīng)元網(wǎng)絡(luò)明確相關要求。
這個(gè)領(lǐng)域還處于起步階段，但山川宏和他的全腦建筑倡議正在努力革新神經(jīng)網(wǎng)絡(luò)方案。截至目前特點，盡管存在多么復(fù)雜的神經(jīng)網(wǎng)絡(luò)現(xiàn)在仍然存在，但它們?nèi)匀粶?zhǔn)備好完成某項(xiàng)任務(wù)統籌發展。沃森回答Jeopardy問題 - 其他人是為面部識別或模仿人類手寫而設(shè)計(jì)的品質。
實(shí)質(zhì)上，它們反映了人類大腦功能的單一方面慢體驗。Yamakawa認(rèn)為深化涉外，我們需要進(jìn)一步擴(kuò)展我們的神經(jīng)網(wǎng)絡(luò)，將它們互相連接起來左右，讓它們像人腦一樣互相饋送又進了一步。
Yamakawa的全腦神經(jīng)網(wǎng)絡(luò)將允許計(jì)算機(jī)完成任務(wù)，并以計(jì)算機(jī)設(shè)計(jì)階段未考慮的方式“思考”生產製造。它理論上會學(xué)習(xí)新的東西拓展基地，并執(zhí)行自己意愿的新任務(wù)綜合措施。
理想情況下，Yamakawa認(rèn)為處理，由于神經(jīng)網(wǎng)絡(luò)將設(shè)計(jì)在人腦之后攜手共進，因此當(dāng)它變得真正人為智能化時(shí)，與計(jì)算機(jī)進(jìn)行通信和關(guān)聯(lián)將變得很容易自然條件。
計(jì)算創(chuàng)造力
