苹果联合创始人：人工智能永远取代不了人类

苹果联合创始人：人工智能永远取代不了人类沃兹尼亚克一生都在研究大脑和计算机技术，他说人工智能永远无法与人脑匹敌。他认为，尽管人工智能可以比人类更快地执行任务和做出决定，但它仍然缺乏使我们独一无二的情感和人类品质。沃兹尼亚克说：“这让人印象深刻，但问题是，虽然它对我们有好处，但它也会因为不了解人性而犯可怕的错误。”“我的意思是，就像你在开车，你知道其他汽车现在可能会做什么，因为你了解人类。”谷歌母公司Alphabet最近发布的新人工智能技术Bard在演示时发生了一个错误，引发投资者担忧，导致该公司股价大跌。沃兹尼亚克没有提到该公司的名字，只是把这件事当作一个例子，说明人工智能技术的局限性和人类监督的重要性。这位苹果联合创始人还谈到了计算机智能的发展，并将其比作国际象棋的进步。当计算机第一次在国际象棋中击败人类时，人们对它们的智慧感到惊讶，但沃兹尼亚克指出，计算机只是遵循了与人脑不同的方法。尽管沃兹尼亚克持怀疑态度，但他仍然认为人工智能对人类有用。他认为，人工智能将继续发展和改进，特别是因为它可以每秒扫描10亿次事物，这超出了人脑的能力。然而，他认为，如果人工智能不了解人性，它也会犯错误，可能会产生严重的后果。...PC版：https://www.cnbeta.com.tw/articles/soft/1344197.htm手机版：https://m.cnbeta.com.tw/view/1344197.htm

“AI教父”警告：人工智能可能取代人类

“AI教父”警告：人工智能可能取代人类在上周日的一次电视采访中，辛顿继续强调了人工智能进步可能带来的负面影响。辛顿说：“也许我们回顾过去，把这看作是一种转折点，人类必须做出决定，是否进一步发展这些东西，如果他们这样做了，该如何保护自己。”辛顿说，人工智能可能有好有坏，接下来会发生什么还不得而知。“我们需要认真思考接下来会发生什么。我们只是不知道。”辛顿在这次采访中警告称，人工智能有可能取代人类。他说：“如果我们能阻止他们这么做，那就太好了，但目前还不清楚我们能否阻止他们这么做。”辛顿的担忧包括人工智能带来的就业流失，以及假新闻的兴起，有偏见的人工智能程序提供的信息被当作事实。辛顿警告说，人工智能系统可能编写自己的计算机代码来修改自己，“这是我们需要认真担心的事情。”尽管对人工智能相关的风险感到担忧，但辛顿说，他对帮助开发系统和推动人工智能的兴起并不后悔。他在谈到人工智能可能带来的好处是说：“因此，医疗保健显然是一个巨大的好处。在理解医学图像的情况方面，人工智能已经可以与放射科医生相提并论。它将非常擅长设计药物。”辛顿说，可能无法找到一条可以确保人类未来安全的人工智能发展道路，“我们正在进入一个非常不确定的时期，我们正在处理以前从未处理过的事情。”他警告称，我们负担不起出错。...PC版：https://www.cnbeta.com.tw/articles/soft/1388979.htm手机版：https://m.cnbeta.com.tw/view/1388979.htm

【书名】边缘计算与人工智能应用开发技术

【书名】边缘计算与人工智能应用开发技术【作者】廖建尚等【格式】#epub#mobi#azw3#pdf【分类】#计算机#人工智能#编程【简介】本书详细介绍边缘计算和人工智能技术。全书采用项目式开发的学习方法，通过贴近日常生活的开发实例，由浅入深地介绍边缘计算与人工智能的相关知识。书中每个案例均有完整的开发过程，并给出了开发代码，读者可在这些案例的基础上快速地进行二次开发。

美国人工智能专家：中美人工智能发展不是零和博弈

美国人工智能专家：中美人工智能发展不是零和博弈在2024年博鳌亚洲论坛"AIGC改变世界"分论坛上，美国著名人工智能专家，加州大学伯克利分校计算机科学系教授斯图尔特・罗素在接受央视新闻提问时表示，中美人工智能发展不是零和博弈，那种非赢即输，即一个团队赢了另一个就输了的说法，从长远看来是错误的。在谈及全球算力共享时他表示，应确保每个国家都有足够的资源来帮助自己的人工智能发展。他认为人工智能技术的传播速度可能比过去大多数其他技术的传播更快，可以使人类的经济生产效率大大提高。所有的人都可以享受人工智能技术的福祉，它尤其应被用于提升经济落后地区人们的生活水平。（央视新闻）

麻省理工学院发现：人类仍然比人工智能便宜

麻省理工学院(MIT)在一项研究中发现，人工智能目前还无法以经济有效的方式取代大多数工作岗位，这项研究试图打消人们对人工智能在许多行业取代人类的担忧情绪。在对人工智能取代劳动力的可行性进行的首次深入调查中，研究人员对美国各项任务自动化的成本吸引力进行了建模估算，重点关注了使用计算机视觉的工作——比如教师和房地产估价师。研究人员发现，按美元工资计算，只有23%的劳动者可以被有效取代。在其他情况下，由于人工智能辅助视觉识别的安装和操作成本高昂，因此由人类来完成这项工作更为经济划算。去年，在OpenAI的ChatGPT和其他AI工具展示了这项技术的潜力之后，各行各业开始加速采用这种工具。从美国的微软公司和Alphabet公司到中国的和，科技公司推出了各种AI服务。行业领袖警告说，AI发展速度太快了。长期以来，人们一直担心AI对就业的影响。麻省理工学院计算机科学与人工智能实验室的研究人员指出，“机器将抢走我们的工作”是技术快速变革时期人们经常表达的一种情绪，而随着大语言模型的创建，这种焦虑再次出现了。“但我们发现，由于AI系统的前期成本很高，只有23%的员工‘暴露’在AI计算机视觉中，对企业来说是具有成本效益的。”计算机视觉是AI技术的一个领域，它使机器能够从数字图像和其他视觉输入中获取有意义的信息，其最普遍的应用出现在自动驾驶的物体检测系统中，或者对智能手机上的照片进行分类。麻省理工学院的论文称，和的突出领域——零售、运输和仓储等方面，也是计算机视觉最具效益的领域。论文中一个案例提到，在面包店里，面包师每天都要检查原料的质量控制，但这只占他们工作时间的6%。但安装摄像头和AI系统所节省的时间和工资，远低于这种技术升级的成本。研究人员表示，目前只有3%的视觉辅助任务可以有效、低成本地自动化，但如果数据成本下降，准确性提高，到2030年这一比例可能会上升到40%。国际货币基金组织(IMF)上周发布报告称，人工智能技术将影响全球近40%的就业岗位，相比于新兴市场和低收入国家，发达国家的就业更容易受到人工智能的影响。它还警告说，在大多数情况下，这种技术对全球劳动力市场的潜在影响可能会加剧整体不平等。在上周的达沃斯世界经济论坛上，许多讨论都集中在AI取代劳动力的问题上。InflectionAI和DeepMind的联合创始人MustafaSuleyman表示，AI系统“从根本上说是替代劳动力的工具”。OpenAI首席执行官萨姆·奥特曼声称，AI的能力“有很强的局限性”，人们应该将其视为一种“在某些领域非常有用”的工具，不能完全依赖于AI。标签:#AI#劳动力频道:@GodlyNews1投稿:@GodlyNewsBot

人工智能的未来：自学习机器可能取代当前的神经网络

人工智能的未来：自学习机器可能取代当前的神经网络基于物理学的新型自学机器可以取代目前的人工神经网络并节约能源。人工智能（AI）不仅性能惊人，而且需要大量能源。承担的任务越复杂，能耗就越大。德国埃尔兰根马克斯-普朗克光科学研究所的科学家维克托-洛佩斯-帕斯托尔和弗洛里安-马夸特开发出了一种更高效的人工智能训练方法。他们的方法利用物理过程，有别于传统的数字人工神经网络。负责开发为ChatGPT提供动力的GPT-3技术的OpenAI公司没有透露训练这个知识渊博的高级人工智能聊天机器人所需的能量。根据德国统计公司Statista的数据，这将需要1000兆瓦时，大约相当于200个三人或三人以上的德国家庭的年消耗量。虽然这种能源消耗使GPT-3能够了解在其数据集中，"deep"一词后面更有可能出现的是"sea"还是"learning"，但无论如何，它都无法理解这些短语的深层含义。神经形态计算机上的神经网络在过去几年中，为了降低计算机，特别是人工智能应用的能耗，一些研究机构一直在研究一种全新的概念，即未来计算机如何处理数据。这一概念被称为神经形态计算。虽然这听起来类似于人工神经网络，但实际上与人工神经网络关系不大，因为人工神经网络是在传统的数字计算机上运行的。这意味着，软件或更准确地说算法是以大脑的工作方式为模型的，但数字计算机是硬件。它们依次执行神经元网络的计算步骤，一个接一个，区分处理器和内存。马克斯-普朗克光科学研究所所长、埃尔兰根大学教授弗洛里安-马夸特（FlorianMarquardt）说："当一个神经网络用多达1TB的数据训练数千亿个参数（即突触）时，仅这两个组件之间的数据传输就会消耗大量能量。"如果人脑的工作能效与使用硅晶体管的计算机类似，那么人脑就完全不同，在进化过程中可能永远不会具有竞争力。它很可能会因过热而失效。大脑的特点是并行而非顺序地完成思维过程的众多步骤。神经细胞，或者更准确地说，突触，既是处理器，又是存储器。世界各地的各种系统都被视为神经细胞的神经形态对应物的可能候选者，其中包括利用光而不是电子进行计算的光子电路。它们的元件同时充当开关和存储单元。自学物理机器独立优化突触弗洛里安-马夸特与马克斯-普朗克光科学研究所的博士生维克托-洛佩斯-帕斯托尔（VíctorLópez-Pastor）一起，为神经形态计算机设计出了一种高效的训练方法。他解释说："我们提出了自我学习物理机器的概念。核心思想是以物理过程的形式进行训练，其中机器的参数由过程本身进行优化。在训练传统人工神经网络时，需要外部反馈来调整数十亿个突触连接的强度。不需要这种反馈，训练效率就会高得多。在自学习物理机器上实施和训练人工智能，不仅可以节约能源，还能节省计算时间。我们的方法不管自学机器中的物理过程是什么，都能发挥作用，我们甚至不需要知道具体的过程。不过，这个过程必须满足几个条件，最重要的是，它必须是可逆的，也就是说，它必须能够以最小的能量损失向前或向后运行。""此外，物理过程必须是非线性的，即足够复杂。只有非线性过程才能完成输入数据和结果之间的复杂转换。一个弹球在盘子上滚动而不会与另一个弹球相撞，这是一个线性动作。但是，如果它受到另一个弹球的干扰，情况就会变成非线性的。"光学神经形态计算机的实际测试光学中也有可逆非线性过程的例子。事实上，维克多-洛佩斯-帕斯托尔（VíctorLópez-Pastor）和弗洛里安-马夸特（FlorianMarquardt）已经与一个实验小组合作开发了一台光学神经形态计算机。这台机器以叠加光波的形式处理信息，由合适的元件调节互动的类型和强度。研究人员的目标是将自学物理机器的概念付诸实践。弗洛里安-马夸特说："我们希望能在三年内推出第一台自学物理机器。到那时，神经网络的突触数量和训练数据量都将大大超过今天的水平。因此，人们可能会更加希望在传统数字计算机之外实现神经网络，并用训练有素的神经形态计算机取而代之。我们相信，自学物理机器很有可能被用于人工智能的进一步发展。"...PC版：https://www.cnbeta.com.tw/articles/soft/1399137.htm手机版：https://m.cnbeta.com.tw/view/1399137.htm