浙江环目信息技术对人工智能瓶颈应对的思考
浙江环目信息技术对 人工智能应对瓶颈思考1、数据瓶颈
在当前人工智能的研究过程中，机器的“深度学习”是行业研究的核心，而它已成为人工智能发展的瓶颈。，最好的人工智能也无法与普通的4岁小孩相匹敌。
人工智能主要由大数据驱动，深度学习需要大量的数据，而数据的可获得性、数据质量以及数据标注成本等，是制约人工智能发展的一大因素。
GPT-4预训练语言模型的推出，已经解决了数据标注所需要大量人力成本的问题。
2、泛化瓶颈
它是模式识别、计算机视觉、人工智能方法面临的一个共同问题，现有方法在一些实际问题中仍无法取得理想的泛化性能，或者训练好的模型用在变化的环境或领域，其泛化性能就会明显下降。
3、能耗瓶颈
尽管人的大脑是一个通用的人工智能系统，但是能耗很低（只有20瓦），但在现有计算机上实现人工智能系统，则能耗很高。
4、语义鸿沟瓶颈
目前人工智能的语言服务大多为简单查询，不涉及语义推理问题，缺乏真正的语言理解能力，必然一些有歧义的自然语言句子，人很容易根据上下文或常思理解其真正含义，计算机却很难理解。
5、可解释性瓶颈
现有人工智能系统都是知其然，而不知其所以然，其过于依赖训练数据，缺乏深层次数据语义挖掘。实际上，可解释性对于人工智能来说十分重要。
以汽车为例，汽车驾驶者对于汽车的构造、原理等要一目了然。
同样，手机、数码相机、电视机相比于过去工业时代的电话机、照相机、电子管电视机而言，毫无可解释性。
6、可靠性瓶颈
现有人工智能系统的一个突出特点是可靠性较差，有些错误识别结果会带来致命后果，例如特斯拉自动驾驶功能不能正确识别反光条件下的卡车，导致发生了致命车祸。
例如在一只狗的照片中加入杂音，机器视觉系统可能会把它识别为飞机。而这一错误识别，会给人工智能在实际应用中造成安全隐患。
7、对抗性瓶颈
目前人工智能的对抗性较弱，一个无人机群可以轻松完成灯光秀、农林作业等任务，但这些任务都是在自然环境下完成，如果在高对抗性的人为环境中，无人机的性能就难以胜任。
例如在电子竞技和战场环境中，无人机的协同作战能力将是考验。不妥之处请大家指正。
中午好
页:
[1]