给大家分享一篇关于 和手机的文章。相信很多朋友对 和手机还是不太了解，所以边肖也在网上搜集了一些关于手机和 的相关知识与大家分享。希望大家看完之后会喜欢。
这是一个令人不安的事实。一辆自动驾驶汽车在交通高速公路上飞驰而过，比一个刚刚学会走路的孩子更不容易理解。
一项新的实验表明，即使是最好的人工智能系统也很难掌握基础物理及其因果关系。它还提供了一种构建AI系统的方法，并且可以理解事情发生的原因。
麻省理工学院大脑思维和机器中心教授乔希特南鲍姆(Josh Tenenbaum)表示，这项实验的目的是“超越模式识别。”他与麻省理工学院的研究员创干和博士生科新一起参与了这个项目。在哈佛。“大型科技公司希望拥有能够执行此类操作的系统。”
近年来，最受欢迎的前沿AI技术，即深度学习，取得了惊人的进步，这引起了人们对AI潜力的兴奋。它包括提供大量的近似神经网络训练数据。深度学习算法通常可以漂亮地在数据中找到模式，从而实现令人印象深刻的图像和语音识别功能。但是它们缺少对人类来说微不足道的其他功能。
为了证明这个缺点，Tenenbaum和他的合作者为AI系统建立了一个智能测试。它包括向人工智能程序显示一个简单的虚拟世界，里面充满了移动的物体以及关于场景和正在发生的事情的问答。问题和答案都有标签，这类似于AI系统如何通过显示数百张标有“猫”的图像来学习识别猫。
使用先进机器学习的系统显示出很大的盲点。问了一个描述性的问题，比如“这个物体是什么颜色？”高级AI算法将在90%以上的时间内正确实现。然而，当更复杂的问题被问到场景时，比如“是什么导致球与立方体碰撞？”。或者“如果物体不碰撞会发生什么？”同一个系统只能答对10%左右的时间。
参与这项工作的麻省理工学院-IBM Watson AI实验室IBM主任David Cox表示，理解因果关系对AI非常重要。“作为人类，我们有能力对因果进行推理。我们需要有一个能够做到这一点的人工智能系统。”
缺乏对因果关系的理解也会产生实际后果。工业机器人能够越来越多地感知附近的物体，以便捕捉或移动它们。但他们并不知道触摸什么东西会导致它掉落或断裂，除非它是经过特殊编程的，无法预测所有可能的情况。
然而，如果机器人能够进行因果推理，它可能能够避免编程没有理解的问题。无人驾驶汽车也是如此。它本能地知道，如果卡车转弯撞到障碍物，它的货物可能会洒在路上。
因果推理对几乎所有的人工智能系统都很有用。接受医学信息而不是3D场景培训的系统需要知道疾病的原因和可能的干预措施的可能结果。因果推理对人工智能的许多杰出人物越来越感兴趣。考克斯说：“这些都促进了AI系统的发展，AI系统不仅可以学习，还可以推理。”
卡耐基梅隆大学负责因果推理和机器学习的助理教授张坤说，由Tenenbaum设计的测试非常重要，因为它提供了一种很好的方法来衡量因果理解，即使是在非常有限的环境中。他说：“更通用的AI系统的开发将极大地受益于因果推理和表征学习的方法。”
Tenenbaum和他的同事不仅展示了现有人工智能程序的弱点，还构建了一个新的人工智能系统，该系统可以理解因果关系，并在他们的智力测试中得分更高。他们的方法结合了几种人工智能技术。该系统使用深度学习来识别场景中的对象。它的输出被输入到构建场景的3D模型和物体如何交互的软件中。
本文就为大家讲解到这里了。标签：