人工智能真的有创造力吗?(2)
2023-05-04 来源:飞速影视
这两个不同的智能水平,恰好对应了机器学习的两种截然不同的方法——映射和推理。虽然现代的人工智能主要是通过映射(即机器学习)获得智能,但映射并不是人工智能学习的唯一方法。我们在前文中已经对此进行了简要论述。在本节中,我们将进一步讨论这两种学习方法,它们如何赋予机器创造性、机器的创造性水平,以及机器进行创造的方法等方面。图 12.1 说明了机器学习的映射和推理方法。这两种方法都可以使用无数种算法及组合,因此我们仅列举一些,以作说明。
映射方法。当前的人工智能学习方法采用了一种映射机制,将机器视为执行特定任务的狭义人工智能。本质上,机器从映射输入对(X,Y)到映射输出对 Y = F(X)进行学习。人们用(X,Y)映射对训练一台机器(即神经网络,或者在深度学习的情况下,训练许多层网络)。如果输入 X,则输出 Y,如果输出不是 Y,则输入不是 X,这就叫训练。训练结束后,当我们给机器一个新的 X 时,它将可以预测 Y。X 可以是任何数据、文本、音频或视频,映射是通过算法实现的。虽然这听起来是个很笨的方法,但如果与超级计算能力结合,这就是帮助当前人工智能实现“春天”(繁荣)的方法,因为它可以将任何类型的(通常是庞大的、非结构化的)数据映射到不同的结果上。但是外行可能不知道,智能机器就是用这种非常简单直接的方式来学习的。这就是我们所说的思维智能在分析层面的应用。
这种数据映射的学习方法,不需要机器拥有领域知识,不需要机器对问题或环境有深刻的理解,也不需要机器回答问题。因此,我们无法轻易解释机器产生 Y 的“原因”。例如,刘易斯和丹宁认为,网飞的观影推荐网络将客户的全部观影历史、他的评分和其他客户的评分作为 X,并将客户可能喜欢看的新电影作为 Y。我们知道这个客户看电影 Y 的可能性比非Y 的可能性高,但我们不知道客户为什么喜欢 Y,这就产生了我们后面要讨论的“可解释的人工智能”问题。推理方法。这种机器智能方法,使机器具有强大的人工智能(或一般人工智能),并期望机器能够处理各种任务,就像人类具有能够解决常见问题的能力一样。计算机科学家基于这种方法研发的机器,被称为“专家系统”或“知识管理系统”。这样的机器能够积累自己的知识(就像人类从教育中学习,随着受教育年限的增加,而具有更丰富的知识和技能)并用于解决问题。
本站仅为学习交流之用,所有视频和图片均来自互联网收集而来,版权归原创者所有,本网站只提供web页面服务,并不提供资源存储,也不参与录制、上传
若本站收录的节目无意侵犯了贵司版权,请发邮件(我们会在3个工作日内删除侵权内容,谢谢。)
www.fs94.org-飞速影视 粤ICP备74369512号