商业语音识别系统存在高错误率

至于必要性方面，通常认为模仿人类的AI同时包含了IA和II的愿望，因为模仿人类的人工智能系统不仅能够解决传统人工智能问题（例如图灵测试），同时还是解决AI和II的最佳选择。

但这种说法没有历史依据：土木工程是通过尝试建造一个人工木匠或砌砖工而发展起来的吗?化学工程应该设计来建造一个人工化学家吗?更具有争议性的是：如果我们的目标是建立化工厂，我们是否可以先培养出一个人造化学家，然后观察他会想如何发展化工厂?

类似地，人类智能是我们所知道的唯一智能形式，第一步要努力模仿它。但事实上，人类并不擅长任何一种推理——因为人类会存在失误、偏见和弱点。此外，从根本上说，人类还没有进化到能够进行现代II系统必须面对的那种大规模决策，也没有进化到能够应对II环境中出现的模糊性。
 

过去二十年里，在工业和研究方面，人类对于人工智能的模仿（也被称为“信息增强”）取得了重大进展。计算和数据在这里被用来构建提高人类智能和创造力。搜索引擎可以被视为IA（增强人类记忆力和事实意识）和自然语言翻译（增强人类沟通能力）的示例，基于计算的声音和图像的生成是艺术家创造力的调色板和增强器。

尽管这些服务可能需要高级的逻辑和分析，但目前它们还没有——它们只是执行各种类型的字符串匹配和数字操作，以确定人类可使用的模式。

希望读者能接受最后一个缩写词来代替“人工智能”，设想一个“智能基础设施”（II）学科，其中存在一个能够使人类环境更加友好、有趣和安全计算、数据和物理实体的网络。这类基础设施开始出现在交通、卫生、贸易和金融等领域，对个人和社区产生深远影响。

这些讨论常被冠以“物联网”之名，但这通常仅仅指示了互联网上的问题，而非关乎抽象层次更高、能够操纵数据流以发现相关环境信息和交流信息的更多问题。

在笔者看来，读者可以想象自己生活在一个“社会规模的医疗系统”中。该系统在医生和放置在人体内部或周围的设备之间创建数据流和数据分析流，从而使人工智能能够进行诊断并提供治疗。

该框架将整合有关人体细胞、DNA、血液样本、气候，种群遗传学和大量科学文献的药物和治疗知识。它将不仅关注单个患者和医生，而是关注所有人类之间的关系，就像当前的医学研究可以在一组人类（或动物）的对照下进行测试一样。它将像现有银行系统应对此类财务和支付问题的方式来保留重要，出处和连续性的概念。尽管人们可能会预料到系统中会出现的一些问题，包括隐私，责任，保护问题等，但这些问题仅仅是暂时性的障碍。

现在需要解决的一个关键问题：研究经典的人工模拟人工智能是应对更大挑战的最好或唯一方法吗？实际上，最近有关机器学习的最为成功的案例都涉及到模仿人类的人工智能领域，例如计算机视觉、语音识别、游戏玩法和机器人技术。因此，也许我们只应等待某些领域的进一步发展。

本文在这里声明两点。首先，显而易见，人类模仿人工智能的进步是有限的，我们离实现人类模仿人工智能的期望还差得很远。然而现实是，在模仿人类的人工智能上取得一定进步的喜悦（和恐惧）助长了人们的过度期望和媒体报道，而这其他工程领域所没有的。

其次，要解决重要的IA和II问题，这些领域的进展还不够充分，也不够必要。例如无人驾驶汽车的开发，需要解决各种可能与人类能力无关的工程问题。整体运输结构（a型结构）可能会更像目前的空中交通管制系统，而不是目前一组松散、向前看、漫不经心的人类驾驶员。

它将比目前的空中交通管制系统更为复杂，特别是在使用大数据和自适应统计建模来为细粒度的决策提供信息方面。这些问题最为重要，而强调模仿人类的人工智能可能会分散人们的注意力。

（编辑：南通站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!