Meta人工智能主管杨立昆：大型语言模型不会达到人类智能水平

Meta人工智能主管杨立昆：大型语言模型不会达到人类智能水平 Meta 的人工智能主管表示，为 ChatGPT 等生成式人工智能产品提供动力的大型语言模型永远无法实现像人类一样的推理和计划能力，他专注于一种激进的替代方法，即在机器中创造“超级智能”。该公司首席人工智能科学家杨立昆表示，LLM“对逻辑的理解非常有限……不理解物理世界，没有持久的记忆，不能按照任何合理的定义进行推理，也不能进行层次化的规划”。杨立昆说，LLMs的这种进化是肤浅和有限的，只有当人类工程师介入并根据这些信息进行训练时，模型才会学习，而不是像人类那样自然地得出结论。“在大多数人看来，这当然是推理，但主要是利用从大量训练数据中积累的知识。(LLM)尽管有局限性，但非常有用。” （ ）

麻省理工学院的新型人工智能模型能准确预测人类行为

麻省理工学院的新型人工智能模型能准确预测人类行为 要建立能与人类有效协作的人工智能系统，首先要有一个良好的人类行为模型。但是，人类在做出决策时往往会有一些次优行为。这种非理性尤其难以建模，通常归结为计算上的限制。人类不可能花几十年的时间去思考一个问题的理想解决方案。开发新的建模方法麻省理工学院和华盛顿大学的研究人员开发了一种为代理（无论是人类还是机器）的行为建模的方法，这种方法考虑到了可能妨碍代理解决问题能力的未知计算限制。他们的模型只需看到代理之前的一些行为痕迹，就能自动推断出代理的计算限制。其结果，即一个代理的所谓"推理预算"，可用于预测该代理的未来行为。实际应用和模型验证在一篇新论文中，研究人员展示了他们的方法如何用于从先前的路线推断某人的导航目标，以及预测棋手在国际象棋比赛中的后续行动。他们的技术与另一种用于此类决策建模的流行方法不相上下，甚至更胜一筹。最终，这项工作可以帮助科学家教会人工智能系统人类的行为方式，从而使这些系统能够更好地回应人类合作者。电子工程与计算机科学（EECS）研究生、这一技术相关论文的第一作者阿图尔-保罗-雅各布（Athul Paul Jacob）说，能够理解人类的行为，然后从这种行为推断出他们的目标，会让人工智能助手变得更有用。"如果我们知道人类即将犯错，看到他们以前的行为方式，人工智能代理可以介入并提供更好的方法。或者，人工智能代理可以适应人类合作者的弱点。"他说："能够为人类行为建模，是建立一个能够真正帮助人类的人工智能代理的重要一步。"雅各布与华盛顿大学助理教授阿比舍克-古普塔（Abhishek Gupta）以及资深作者雅各布-安德烈亚斯（Jacob Andreas）共同撰写了这篇论文，雅各布-安德烈亚斯是电子工程科学系副教授和计算机科学与人工智能实验室（CSAIL）成员。这项研究将在学习表征国际会议（International Conference on Learning Representations）上发表。行为建模几十年来，研究人员一直在建立人类行为的计算模型。许多先前的方法都试图通过在模型中加入噪音来解释次优决策。模型可能会让代理人在 95% 的情况下做出正确的选择，而不是让代理人总是选择正确的选项。然而，这些方法可能无法捕捉到这样一个事实，即人类并不总是以同样的方式做出次优行为。麻省理工学院的其他人还研究了在决策不理想的情况下制定计划和推断目标的更有效方法。为了建立他们的模型，雅各布和他的合作者从之前对国际象棋选手的研究中汲取了灵感。他们注意到，棋手在走简单的棋步时，在行动前花费的思考时间较少，而在具有挑战性的比赛中，实力较强的棋手往往比实力较弱的棋手花费更多的时间进行规划。雅各布说："最后，我们发现，规划的深度，或者说一个人思考问题的时间长短，可以很好地代表人类的行为方式。"他们建立了一个框架，可以从先前的行动中推断出代理的规划深度，并利用该信息来模拟代理的决策过程。方法的第一步是在一定时间内运行算法，以解决所研究的问题。例如，如果研究的是一场国际象棋比赛，他们可能会让下棋算法运行一定步数。最后，研究人员可以看到算法在每一步做出的决定。他们的模型会将这些决策与解决相同问题的代理行为进行比较。它将使代理的决策与算法的决策保持一致，并确定代理停止规划的步骤。由此，模型可以确定代理的推理预算，或该代理将为这一问题计划多长时间。它可以利用推理预算来预测该代理在解决类似问题时会如何反应。可解释的解决方案这种方法非常高效，因为研究人员无需做任何额外工作，就能获取解决问题的算法所做的全部决策。这一框架也可应用于任何可以用某一类算法解决的问题。"对我来说，最令人震惊的是，这种推理预算是非常可解释的。它是说，更难的问题需要更多的规划，或者说，成为一名强者意味着需要更长时间的规划。"雅各布说："我们刚开始着手做这件事的时候，并没有想到我们的算法能够自然而然地发现这些行为。"研究人员在三个不同的建模任务中测试了他们的方法：从先前的路线推断导航目标、从某人的语言暗示猜测其交流意图，以及预测人与人国际象棋比赛中的后续棋步。在每次实验中，他们的方法要么与流行的替代方法相匹配，要么优于后者。此外，研究人员还发现，他们的人类行为模型与棋手技能（国际象棋比赛）和任务难度的测量结果非常吻合。展望未来，研究人员希望利用这种方法为其他领域的规划过程建模，例如强化学习（机器人技术中常用的一种试错方法）。从长远来看，他们打算在这项工作的基础上继续努力，以实现开发更有效的人工智能合作者这一更远大的目标。编译来源：ScitechDaily ... PC版： 手机版：

No.206 人工智能 2001

No.206 人工智能 2001 描述：21世纪中期，由于温室效应，南北极冰川融化，地球上很多城市被淹没。此时，人类科技已经高度发达，人工智能机器人就是人类发明出来用以应对恶劣自然环境的科技手段之一，而且，机器人制造技术已经高度发达，先进的机器人不但拥有可以乱真的人类外表，还能感知自身的存在。 链接：https://www.alipan.com/s/ush1iGgvNYM 大小：73.64GB 标签：#豆瓣TOP250 #蓝光原盘 #REMUX #2160p 来自：雷锋 版权：版权反馈/DMCA 频道：@shareAliyun 群组：@aliyundriveShare 投稿：@aliyun_share_bot

人工智能与外骨骼未来有望联手改变人类在地球和太空中的表现

人工智能与外骨骼未来有望联手改变人类在地球和太空中的表现 一种用于外骨骼的新型人工智能控制器无需特定编程就能学习人类的不同动作，该控制器已证明可节省大量能源，标志着可穿戴机器人技术向前迈出了一大步。想象一下，工厂工人和宇航员可以更安全、更高效地行动，残疾人的行动能力也会得到改善。6月12日，《自然》（Nature）杂志发表了一项新的研究成果。《自然》（Nature）论文的第一作者、安伯里德尔航空大学的罗淑珍博士（Dr. Shuzhen Luo）与通讯作者、北卡罗来纳州立大学的苏浩博士（Dr. Hao Su）及其他同事解释说，这种可穿戴的人体机器人框架被称为"外骨骼"（exoskeletons），有望让人更轻松地行动，但技术障碍限制了其更广泛的应用。罗指出，迄今为止，外骨骼必须根据特定活动和个人预先编程，并基于冗长、昂贵、劳动密集型的人体试验。研究人员开发了一个由 208 块肌肉组成的全身肌肉骨骼人体模型（左上），以及一个定制的髋关节外骨骼（左下），然后利用人工智能模拟了多种活动（中间），最后将学习到的控制器部署到人体受试者身上。资料来源：《自然》杂志，Luo 等人，图 2。现在，研究人员描述了一种超级智能或"学习型"控制器，它利用数据密集型人工智能（AI）和计算机模拟来训练便携式机器人外骨骼。"这种新型控制器可为行走、跑步或爬楼梯提供平稳、持续的扭矩辅助，而无需任何人工参与的测试，"罗报告说。"只需在图形处理单元上运行一次，我们就能在模拟中训练控制法则或"政策"，这样控制器就能有效地辅助所有三种活动和不同的人。"安博里德尔航空大学的罗淑珍博士（右）在一次内部海报展示中讨论了她对人工智能驱动的机器人外骨骼的研究，她的研究成果于2024年6月12日刊登在《自然》杂志上。图片来源：Embry-Riddle/David Massey在三个相互连接的多层神经网络的驱动下，控制器边学边用通过"数百万次的肌肉骨骼模拟进化，以提高人类的活动能力"，佛罗里达州戴托纳海滩安博里德尔大学机械工程系助理教授罗博士解释说。这个无需实验的"模拟学习"框架部署在一个定制的髋关节外骨骼上，产生了迄今为止便携式髋关节外骨骼最高的代谢率降低效果佩戴者在行走、跑步和爬楼梯时的能量消耗平均分别降低了 24.3%、13.1% 和 15.4%。北卡罗来纳州立大学的苏浩解释说，这些能耗降低率是通过比较穿戴和不穿戴机器人外骨骼的人类受试者的表现计算出来的。这意味着它能真实地衡量外骨骼节省了多少能量。这项工作实质上是将科幻小说变为现实让人们在执行各种任务时消耗更少的能量。据信，这种方法首次证明了在仿真中开发控制器的可行性，这种控制器可以弥合所谓的从仿真到现实或"从仿真到现实的差距"，同时显著提高人类的性能。"以往在强化学习方面取得的成就往往主要集中在模拟和棋盘游戏上，"罗淑珍说，"而我们提出了一种新方法即一种动态感知、数据驱动的强化学习方式，来训练和控制可穿戴机器人，让人类直接受益。"苏浩补充说，"该框架"可为快速、广泛地为健全人和行动不便的人部署各种辅助机器人提供可推广、可扩展的战略。研究人员在《自然》杂志上解释说，如前所述，外骨骼传统上需要根据耗时的人体测试来手工制定控制法则，以处理每项活动并考虑个体步态的差异。模拟学习法为这些障碍提供了可能的解决方案。由此产生的"动态感知、数据驱动的强化学习方法大大加快了外骨骼在现实世界中的应用。闭环模拟结合了外骨骼控制器和肌肉骨骼动力学、人机交互和肌肉反应的物理模型，以生成高效、逼真的数据。这样，控制策略就能在模拟中不断发展或学习。"我们的方法为可穿戴机器人控制器开发的交钥匙解决方案奠定了基础，"罗淑珍说。未来的研究将侧重于独特的步态，如行走、跑步或爬楼梯，以帮助中风、骨关节炎、脑瘫等残疾人以及截肢者。编译来源：ScitechDaily ... PC版： 手机版：

斯坦福人工智能领袖李飞飞打造"空间智能"初创公司

斯坦福人工智能领袖李飞飞打造"空间智能"初创公司 其中三位消息人士称，投资方包括硅谷风险投资公司 Andreessen Horowitz，另外两位消息人士称，投资方还包括她去年作为科学合伙人加入的加拿大公司 Radical Ventures。Andreessen Horowitz 和 Radical Ventures 的发言人拒绝发表评论。李飞飞没有回应置评请求。李飞飞被广泛誉为"人工智能教母"，这一称号源自"教父"的称谓，通常用来指因在人工智能技术方面取得突破而在 2018 年获得计算机世界最高奖项图灵奖的三位研究人员。在介绍这家初创公司时，一位消息人士提到了李飞飞上个月在温哥华 TED 大会上发表的演讲，她在演讲中说，最前沿的研究涉及一种算法，这种算法可以合理地推断出图像和文字在三维环境中的样子，并根据这些预测采取行动，这种算法使用的概念叫做"空间智能"。为了说明这个想法，她展示了一张猫伸出爪子把玻璃杯推向桌子边缘的图片。她说，在一瞬间，人脑就能评估"这个玻璃杯的几何形状、它在三维空间中的位置、它与桌子、猫和其他一切的关系"，然后预测会发生什么，并采取行动加以阻止。她说："在空间智能的驱动下，大自然创造了这种看与做的良性循环。"她补充说，她自己在斯坦福大学的实验室正试图教计算机"如何在三维世界中行动"，例如，利用大型语言模型让机械臂执行任务，如根据口头指令开门和制作三明治。李在人工智能领域的成名作是开发了一个名为 ImageNet 的大规模图像数据集，该数据集帮助开创了一代计算机视觉技术，首次能够可靠地识别物体。她是斯坦福大学以人为本的人工智能研究所（Human-Centered AI Institute）的联合主任，该研究所致力于以"改善人类状况"的方式开发人工智能技术。除学术工作外，李飞飞还在2017年至2018年期间领导Google云的人工智能工作，曾在Twitter董事会任职，并曾为政策制定者提供咨询，包括在白宫。李飞飞曾对人工智能研究资金缺口表示遗憾，他呼吁美国政府以"登月心态"投资于该技术的科学应用及其风险研究。她在斯坦福大学的个人资料显示，她将于 2024 年初至 2025 年末休部分假期。她的个人简介中列出的研究兴趣包括"认知启发人工智能"、计算机视觉和机器人学习。在 LinkedIn 上，她把目前的工作列为"新手"和"新事物"，从 2024 年 1 月开始。李飞飞转向初创公司，加入了炙手可热的人工智能公司之间的竞争，教他们的算法学习常识，以克服当前技术（如大型语言模型）的局限性。许多人说，在人工智能模型实现人工通用智能（AGI）之前，必须先建立起这种"推理"能力。"推理"能力指的是一个临界点，在这个临界点上，系统可以像人类一样或更有能力地完成大多数任务。一些研究人员认为，他们可以通过建立更大、更复杂的现有模型来提高推理能力，而另一些研究人员则认为，前进的道路涉及使用新的"世界模型"，这种模型可以从周围的物理环境中获取视觉信息来发展逻辑，复制婴儿的学习方式。 ... PC版： 手机版：

人工智能(2001)REMUX 外挂中字

人工智能(2001)REMUX 外挂中字 描述：21世纪中期，由于气候变暖，南北两极冰盖的融化，地球上很多城市都被淹没在了一片汪洋之中。此时，人类的科学技术已经达到了相当高的水平，人工智能机器人就是人类发明出来的用以应对恶劣自然环境的科技手段之一。先进的人工智能机器人不但拥有可以乱真的人类外表，而且还能像人类一样感知自己的存在。大卫（海利·乔·奥斯蒙特）就是这样一个有思想、有感情的小孩机器人，他被一对人类父母梦妮卡和亨利所收养，但他始终不是真人。由于种种原因，梦妮卡还是将大卫留在郊外（为了使大卫不被销毁），所以他一直渴望着自己终有一天不再仅仅是个机器人。抱着对这个愿望的执着，大卫踏上了漫长的寻找蓝仙女的旅程，途中遇到了被追杀的善良的机器人乔（裘德·洛）。谁也不知道他们能否完成自己的心愿成为真正的人，得到真正的爱。 链接： 大小：28.79G 标签：#人工智能 #剧情 #科幻 #冒险 #REMUX 来自：雷锋 频道：@Aliyundrive_Share_Channel 群组：@alyd_g 投稿：@AliYunPanBot