软件|什么是强大的人工智能，为什么它还没有被创造出来软件

【软件|什么是强大的人工智能，为什么它还没有被创造出来】

文章图片

文章图片

强人工智能现在还不存在，但在概念层面上，它意味着它能够自我学习，为自己确定目标并选择实现这些目标的手段。这意味着一个强大的人工智能应该在认知能力方面处于一个人的水平，并考虑到技术和计算能力，甚至超越人类。目前的人工智能基本上解决了各种不同的具体问题。您的手机中有一个“智能”搜索，从手机的图片中可以找到一个类似于您在朋友智能手机屏幕上看到的袋子的物体。或者你有一个语音助手。这也是弱AI的一个例子。

创建强大的AI的难度有多大？许多人说他们正在构建强大的人工智能，但基本问题仍未解决。大多数AI模型都基于神经网络，神经网络有一整套问题。例如，所谓的“灾难性遗忘” 。人工智能忘记了他们学习的例子，不能给出完全相同的结果。还有一个泛化能力差的问题——在一个图片数据集上训练的神经网络不能很好地适应在不同条件下拍摄的另一个图片数据集。

想象一下，您有两个功能需要优化。例如，您希望对象分类良好，并且它们在图片中定位良好。如何训练这样的模型？在两种邪恶之间做出选择，你会选择：“我希望它们的平均数量能给出一个最小的错误。但是没有完美的平衡，你必须选择，而一个人却在做。此外，现有的架构和解决方案方法不允许我们教人工智能设定新的目标，实现它们并评估结果的质量。到目前为止，我们实际能做的是最弱的人工智能，它将模仿人类，甚至可能做得更好，比如下棋。

另一点是对高性能计算资源的有限访问，量子计算机的缺乏以及对超级计算机操作原理的限制。要知道，训练一个可以在星际争霸中击败一个人的成熟模型的成本约为3000万美元，据您了解，普通研究人员无法访问此类模型的训练，并且在大型语言模型的情况下，甚至可以从开源运行经过训练的模型。

这些是云计算的资源，不仅是硬件，还需要构建集群，额外的软件可以让您并行计算，使其高效。据我所知，我们国家现在想要布局的最新模型，拥有超过100万亿个参数，对于9万张视频卡训练神经网络来说是一个天文数字，并且编写了单独的软件只是为了建立整个集群综合体。这需要巨大的资源投资，需要能够生产适应神经网络训练的处理器，并拥有更多的技能将所有这些连接到由现代模型集成的单个软件中。

训练最简单的神经网络大约需要多少GB的数据？通常，数据不是以千兆字节为单位，而是以相同图像或样本的数量进行训练。例如，要识别手写的十位数字，您需要的数据非常少。总共可以在1000张图像中识别10个手写数字。在大多数情况下，这意味着为了使神经网络正常工作，您需要有一个平衡的数据样本，并且它们的变量越多越好。例如，我们希望神经网络通过嘴唇来确定我说什么以及如何说。然后，我们需要大量具有照明条件的数据。如果我戴着眼镜，会发生什么？如果神经网络从未见过我戴眼镜，它就无法识别我传递的情绪，它无法获取这些信息，我们不能保证它会正常工作。