人工智能想象力超越人类（日媒:人工智能的）

人工智能想象力超越人类（日媒:人工智能的）虽然未能入选 但文章语言通顺 具有足够的可读性。文章是计算机自动生成的。这是一个巨大的进步 但实际上故事的梗概等仍是由人类构思。与其说是“人工智能撰写的” 不如说仍处在“利用人工智能撰写”的阶段。松原教授也承认距离人工智能作家的登场“仍然任重而道远”。以深度学习为代表的新的人工智能模式正在发挥巨大的潜力。但另一方面 也可以看到它的极限。力争开发出能写小说的人工智能的公立函馆未来大学教授松原仁等人3月21日举行了报告会。公开了首次挑战1万字左右短篇小说(超短篇小说)竞赛“日经·星新一奖”的作品。卓越的材料技术是日本产业竞争力的源泉。产业技术综合研究所等日本的研究机构不甘落后 正在积极采取应对措施。人工智能究竟如何参与研究开发?人工智能可通过大量学习现有的数据和实例 一个不落地掌握能想到的假说。这是不需要天才灵光一闪的繁琐劳动。北野表示 “我们已经凭此取得了成功”。击败围棋名人的美国谷歌的人工

【环球科技报道 记者 王欢】据《日本经济新闻》4月15日报道 围棋人机巅峰对决以人类大败而告终。围棋之后 人工智能将挑战什么?“将在2050年之前开发出能获诺贝尔奖级或更高水平的科学发现的人工智能(AI)” 索尼计算机科学研究所所长北野宏明如此呼吁国内外研究人员。

北野此前曾提议组建能战胜世界冠军足球队的机器人球队。北野是发起自律型机器人世界足球赛、引发人工智能和机器人研究热潮的核心人物。新提议听起来荒唐无稽 但事实并非如此。

美国正在推进采用人工智能技术加快新材料开发的国家计划。一般称为“材料基因组计划(Materials Genome Initiative)”。“能够将需要10-20年的新材料的实用化进程缩短至一半” 前些日子在东京举行的研讨会上 该计划的负责人、美国西北大学(Northwestern University)教授Peter Voorhees如是说。

将借助计算机计算出具有耐热性和导电性等优秀性能的材料的组成和结构。换言之 人工智能将取代技术人员的不断摸索。

卓越的材料技术是日本产业竞争力的源泉。产业技术综合研究所等日本的研究机构不甘落后 正在积极采取应对措施。人工智能究竟如何参与研究开发?人工智能可通过大量学习现有的数据和实例 一个不落地掌握能想到的假说。这是不需要天才灵光一闪的繁琐劳动。北野表示 “我们已经凭此取得了成功”。

击败围棋名人的美国谷歌的人工智能采用了“深度学习”和“强化学习”两种方式。利用深度学习 将大量的棋局数据类型化。然后针对如何改变棋局布局有助于取胜 计算机之间反复进行对弈 通过“强化学习”积累经验加以记忆。其基础是基于庞大数据和训练的归纳学习法。

A→B、B→C等演绎型模式的人工智能开发在1980年代走入死胡同。典型案例是日本的“第五代计算机计划”。该计划力争开发出能与人类进行自然对话的人工智能 曾一度受到世界的关注 但最后遭受挫折。

以深度学习为代表的新的人工智能模式正在发挥巨大的潜力。但另一方面 也可以看到它的极限。力争开发出能写小说的人工智能的公立函馆未来大学教授松原仁等人3月21日举行了报告会。公开了首次挑战1万字左右短篇小说(超短篇小说)竞赛“日经·星新一奖”的作品。

虽然未能入选 但文章语言通顺 具有足够的可读性。文章是计算机自动生成的。这是一个巨大的进步 但实际上故事的梗概等仍是由人类构思。与其说是“人工智能撰写的” 不如说仍处在“利用人工智能撰写”的阶段。松原教授也承认距离人工智能作家的登场“仍然任重而道远”。

与围棋不同 人工智能创作小说的难处在于缺乏评优方法。人工智能不擅长处理模棱两可的数据。在充满不确定性和感性的世界里 人工智能要大展身手仍然面临很大的障碍。

此外 目前流行的人工智能仍存在技术上的风险。如果仅从经验上学习 不管如何提高准确度 都可能在某些地方出错。从外部无法窥见出错的原因 也无法预测何时会出错。这是因为人工智能就是一种黑盒子。

因此 对于一旦出错就将带来不可弥补的灾难的系统 采用目前的人工智能仍需慎重。

人工智能与人脑既有相似之处 也有许多不同之处。尽管创造模仿人类的人工智能的道路还很漫长 但如果不试图模仿人类 事情就另当别论了。围棋等验证的题材就在身边 因此往往容易与人类加以比较。但是 看清人工智能实现的“才智”与人类不同或许才是一条捷径。北野和谷歌看到了两者的不同。这种想法即是一种优势。

对于突如其来的人工智能热潮 也存在冷静的观点。“这是因为研究开发遇到了瓶颈” 产业技术综合研究所理事长中钵良治表示。世界各国的企业和研究机构正在拼命寻找创新的切入点。

远远落后的日本要追赶美国 应该采取哪些行动呢?

在发展会学习的人工智能方面 数据量无疑将发挥巨大作用。从医院的临床记录、地图信息到网络上的对话 只有处于能访问符合目的的大量数据的状态下 才能培养计算机的“才智”。

不能让社会上已经积累的各种数据藏而不用。需要构建能将其用于研究的恰当规则和环境。此外 还需要人工智能研究者与各个应用领域的合作。就材料基因组来说 就是化学和材料的研究人员等。

此外 东京大学特聘副教授松尾丰表示 “并非仅靠深度学习就能做任何事”。如果着眼于未来 应开发新技术并加以融合 设想超越目前的人工智能极限的研究。

责编：王欢