当前课程知识点:大数据技术与应用 > 钟义信:“人工智能与大数据”的创新研究 > 人工智能:能与不能 > 人工智能:能与不能
有了这个理解我们就知道
人工智能刚才王霞老师讲
能做什么不能做什么
这个很重要
刚才讲说
人工智能今天马上要淘汰人类了
我有一个朋友
这人叫做 他这个叫Hugo de Garis
Hugo翻译成中文叫雨果
还是法国人的名字
但这个人可能
是出生在法国长大在英国
小时候在英国
成人在澳大利亚
然后工作在日本
然后又去过西班牙
最后到2000年以后到了中国
所以跟我碰上了
这个人是搞人工脑的
人家都把他叫人工大脑之父
他就曾经说这个人工智能
他不说人工智能 人工大脑
将来肯定是跟人类的大脑
至少是一样能干的
甚至比人的大脑更能干
这是他的观点
所以他就说等到那时候
而且他预期就这种人工大脑问世
而且表现出比人类的大脑更厉害
这个时间不会太遥远 2050年
他这人预期的很具体
到2050年以后
人类就甭想像现在这样那么得意
那么好像自得
到那时候你就被人家淘汰掉了
他说那个时候的人
那个时候的机器人
有这个人工大脑的那种机器人
就把人类看作是
我们现在人类看的这个蚊子差不多
蚊子苍蝇一样
因为那个蚊子苍蝇
对人没有什么好处只有坏处
所以你可以
打死这个苍蝇捏死这个蚊子
到那时候机器
有这个人工大脑的机器人
把人捏死把人打死
就跟我们人捏死蚂蚁
捏死臭虫一样
他不会觉得不人道
因为那时候的人
对那时候的机器人
那样的机器人而言
没有好处只有坏处
这是他的预言
这个跟刚才讲说人类末日快到了
跟那个是一样的
但是是不是能那样
从刚才讲那个灵感 直觉
想象 审美等等这些东西
我们看到到现在为止
人类还搞不清那些东西
到底怎么样去刻画它
怎么样去表示它
更不要说怎么样去模拟它仿制它
所以这个前景至少在现在来看
科学上没有支持
那么所以它的能和不能
我们应该有一个比较清晰的了解
那么刚才讲
就是由于隐性智慧的
复杂度和神秘性
人类很难理解机器
人工智能机器
更加没有办法来实现
因为你人都不理解这个东西
机器怎么能做呢
有人说人不理解 机器也可以干
因为机器可以乱试
它搜的快嘛 随便试 试成功了
它就给我肯定下来
是不是人工就继续再试
这叫错试或者试错这种办法
随机
在随机的动作当中
什么时候
一年十年或者一百年甚至一亿年
终归有一次成功
只要有一次成功它就可以超过你
这个东西是没什么道理
一亿年以后
这个地球还存在不存在
我们都不知道
所以至少从现在可以预见的
科学理论来看并没有这种可能性
虽然有一些学者也发表了
出版了什么奇点理论这些东西
那个也是拿现在的一些现象
一些科研成果以那个作为基础
然后就自己加以想象
它并没有严格的论证
加以想象
让你觉得那个想象好像很合理
但是如果你仔细去研究
你会发现里头的漏洞
所以我现在的看法就是这样
这种显性智慧
机器是可以具有的
就是人类智能可以模拟的
但是隐性的智慧是很难很难的
如果不是不可能的话
是非常困难的
那么这就是它不能
我们可以比较明确的
来肯定这一点
那么这样一来
大家说既然这样的话
这个机器还有什么用的呢
它不如你 你做它干什么呢
还不是这么回事
机器有不如人的地方
主要是刚才讲隐性智慧
说透了这个隐性智慧是什么
是创造性的关键
今天我们讲创新创新
其实创新第一步是发现问题
如果你连问题都不能发现
何谈创新呢
当然发现问题又不能乱发现
你说发现了一个问题
这个问题人家解决了
那就不算一个问题
或者你发现一个问题
那个问题不是个问题
或者不是一个合理的问题
那也不算问题
所以要有科学的知识和你的目的
所以这个是第一步
所以隐性智慧是创造力的第一步
也是最关键的一步
有了这一步才能够
利用解决问题的能力去解决
所以这个实质上就是机器
人工智能机器它不具备
刚才讲隐性智慧
所具有的那种创造力
那么但是虽然有这个极限的限制
但是它也有它的优越的一面
这个优越的一面
就是随着电子技术
微电子技术纳米技术等等
各方面科学技术进步
现在的机器系统
特别像我们国家
最近大概有五六年来
连续我们的天河二号
连续在世界速度比赛当中
看谁的计算速度更快
连续多少年都获得第一名
超过美国 日本
那个速度每秒一亿亿次加法运算
那跟人相比的话
人类只能望洋兴叹了
我们永远不可能
达到那么高的速度
但是机器可以
另外机器的精度比我们人好
那个我小时候我们进到大学
有一门课叫精工实习
到工厂上去跟着老师傅去做
车床 刨床 铣床做那精工活
最高明的老师傅
他车出来那个精度要四个花
但是如果计算机控制的话
不是四个花八个花甚至还可以高
所以它的速度它的精度
它的强度它的耐力
都是人不可比拟的
所以它有它的优势
这个优势都是操作性的优势
不是创造性的优势
它不是以这样一种
人类不可企及的
这种速度去创新 不是
它是以这个来去执行某种指令
像刚才讲加法运算
好像大家电视看
给这个集成电路片打孔
那个速度也不是人不可比的
所以它有它的优点
这种优点跟它的解决问题的能力
结合起来 那就非常厉害
这个还有一个观点就是
机器跟人的隐性智慧很难实现
这里还有一个理由
大家不要把人类的智慧
看作是一个冻结不动的那种
好像就停止在那了
人的智慧还不断的在发展
你看我们古时候的人跟今天的人
不要说古时候
就是你的小孩跟你相比
拿一个手机
你可能要看说明书半天然后去试
这个地方试错了还不行
这小孩拿来啪啪啪
几下就会操作了
这种能力就比我们这一代人就强
你不信一代比一代强
这种可以反馈回我们的DNA里头
会改变我们DNA的一些编码程序
会使得我们的本能的知识不断的积累
因此支持我们隐性智慧
也会不断的前进
刚才讲这个目标
本身就是个动态的目标
所以不断的改善
人类生存发展的环境与条件
它没有完
不是在某一个水平 是吧
达到这个水平以后
又要发现新的问题
又去解决新问题
不断的向前走 螺旋式的上升
甚至本身这个人类的智慧
就不断的发展
你这个机器
包括人离这个东西很难
所以你用什么机制来超越它
至少现在找不出这个办法
所以人工智能机器
不能做这种创造性
特别是重大创新的这样一种工作
但是可以以比人类更厉害的能力
来完成解决问题这样一种工作
这就它的能和不能
它有价值它的价值就在于
刚才讲它的操作能力那么强
而且把人类的知识
把人类提出的问题和目标给它
它就可以以它那么强大的能力
去执行求解问题的程序
那比我们亲自去干
那要快的多好的多
所以不可或缺
少了它少了人工智能
我们就麻烦了
我们就天天要做这种日常大家
上街买菜
或者做一些机器能干的事情
所以人工智能机器是有用的
我记得
不知道在座的有没有人看过
维纳写过的一本书 不是控制论
控制论大家可能都看过了
再后来控制论是1948年出版的
1950年他又出了一本书
叫The Human Use of Human Beings
就人有人的用处
Human Use 就人的用处 of Human Beings
那么这本书
讲了一个特别重要的观点
就跟我们刚才讲的是一样的
它就人有人的用处
人的用处是什么呢 创造性
人就是应该干那个创造性的工作
这是人的优势
当然非创造性的劳动
就跟马克思讲的
体力锻炼体力劳动
不是人不可以做
不是不允许人做
人可以做
但是人最重要的能力
最重要的功能是做创造性的工作
为了做这个创造性的工作
人要学习人要研究人要保持健康
那么这样才能够
支持你去做创新研究
才能够使这个社会
不断去迎接那些越来越复杂
越来越困难的挑战
如果我们人不能从一般的劳动
包括规范性的
智力劳动和体力劳动
不能从这些劳动当中解放出来
我们大家天天都要花了80%的精力
去做那些跟创造性的
工作无关的事情
那就是人没有发挥人的用处了
他有时候开玩笑讲的难听
就是人就不是人了
这个人就是机器
所以我们人的优势就在于创造力
当然这个创造力
不是从天上掉下来的
而是我们从小积累知识
通过学习而且要锻炼身体
从而能去研究一些复杂的问题
越来越复杂的问题
使得我们的环境我们的条件
能够不断的改善
哪怕已经到了很复杂的情况下
我们还要不断的改善
没有说改善哪一日
我们人类全世界人类
就可以躺着睡大觉了
没有那一天
所以人工智能有没有用
非常有用
甚至可以说其他技术系统
所不能够比拟的
因为它可以
代替人类去执行那些规范性的劳动
包括体力的包括智力的
比方说特别是
危险的区域真空的危险环境
高压真空低温或者极高温
甚至模拟一些战争的场合
那个很复杂的这些行为
机器人可以人工智能系统
可以去帮你去做
那么工业的劳动农业的劳动
服务业的劳动当然都可以做
只是创造性的劳动它做不了
它要靠你
所以将来的人工智能系统
没有一个通用的人工智能系统
说世界上一切问题
我这个人工智能系统都可以解决
我大胆的断言
这个机器永远不会实现
一定是面对某一个领域
甚至面对某一个问题某些问题
不要说机器 人都一样
我们今天念信息科学
要让你现在机械系统
那另外一码事了
再让你学去矿山或者生物
隔了行了你要重新学起
你的知识不可能覆盖
全人类的一切知识系统
不可能
因为你的生命是有限的
100年来不及
所以人工智能系统
将来一定是面向问题
或者面向某些问题的领域
不要妄想去追求
一个通用问题求解
这个人工智能刚才跌过跤就在这
1956年提出来以后
一个非常伟大的科学家叫Herbert Simon
就是将来人类一切困难的问题
都可以由人工智能系统去解决
包括作曲包括写文章
包括做诗等等
但是后来证明没有那么容易
所以我想人工智能有能做的事情
这个能就比人都还能
但是也有不能的事情
这个不能当然就是
跟人的创造力相比它不可能超越
-完整讲座
--完整讲座
-李国杰:面向大数据的数据科学--课后习题
-数据思维方式的改变
-数据的假设与采集
--数据的假设与采集
-数据的准备
--数据的准备
-数据的分析
--数据的分析
-数据的解释与验证
--数据的解释与验证
-吴甘沙:大数据分析师的卓越之道——课后习题
-个人介绍
--个人介绍
-硅谷热门公司
--硅谷热门公司
-大数据简介
--大数据简介
-大数据平台系统
--大数据平台系统
-工业实践
--工业实践
-结尾
--结尾
-董飞:硅谷公司的大数据实战分析--课后习题
-数据系统架构历史
--数据系统架构历史
-从sql到nosql
-数据库系统实现变革
-负载融合
--负载融合
-数据系统架构成本
--数据系统架构成本
-杨光信:数据系统架构——课后习题
-什么是可视化
--什么是可视化
-网络可视化
--网络可视化
-大数据带来的新挑战
-大数据网络可视化的若干案例
-时磊:大数据网络可视化—— 课后习题
-网络安全概述
--网络安全概述
-大数据安全分析平台
-大数据安全应用
--大数据安全应用
-大数据平台安全
--大数据平台安全
-彭元:网络安全与大数据——课后习题
-人工智能系统的本质功能模型
-隐性智慧,显性智慧
-人工智能:能与不能
-人工智能的技术现状
-机制主义人工智能模型
-信息转换和智能创生定律
-人工智能与大数据
--人工智能与大数据
-钟义信:“人工智能与大数据”的创新研究——课后习题
-什么是机器智能
--什么是机器智能
-大数据的重要性及特点
-大数据中的因果关系与关键技术
-大数据与机器智能
--大数据与机器智能
-大数据思维
--大数据思维
-讲座问答环节
--讲座问答环节
-吴军:数据为王和机器智能的时代——课后习题
-大数据概述
--大数据概述
-大数据相关新趋势
--大数据相关新趋势
-大数据技术创新1
--大数据技术创新1
-大数据技术创新2
--大数据技术创新2
-大数据技术创新3
--大数据技术创新3
-大数据商业价值和前景
-大数据机遇和挑战
--大数据机遇和挑战
-苏中:从大数据到认知计算——课后习题
-金融大数据概述
--金融大数据概述
-用户个人信息分类
--用户个人信息分类
-金融大数据法律框架
-实际案例和业界实践
-核心风险点
--核心风险点
-王新锐:金融大数据的法律实践——课后习题
-互联网与商业化
--互联网与商业化
-大数据与计算广告
--大数据与计算广告
-计算广告介绍
--计算广告介绍
-数据交易
--数据交易
-刘鹏:互联网变现与计算广告——课后习题
-从记账技术到区块链
-区块链确保数据真实性
-区块链确保数据安全性
-区块链衡量数据价值
-区块链的应用和总结
-杨保华:区块链与数据科学——课后习题
-个性化推荐系统
--个性化推荐系统
-推荐系统的召回与排序
-智能制作之个性化海报
-线上推荐系统其它要素
-杨紫陌:个性化内容推荐——课后习题
-个人介绍及用户理解背景
-用户理解与用户画像
-案例1:用户属性识别
-案例2:自然人识别
-案例3:WOI与社交关系识别
-陆祁:用户行为大数据——课后习题
-内容智能生态——数据、算法、应用
-大数据在内容分析的应用
-IP价值评估系统
--IP价值评估系统
-爱奇艺的剧本评估
--爱奇艺的剧本评估
-爱奇艺的智能评分
--爱奇艺的智能评分
-阳任科:大数据与AI的内容分析——课后习题
-外卖行业及场景简介
-餐饮及外卖行业大数据应用框架
-案例分析:智能营销场景的用户画像
-案例分析:智能助手场景的菜品画像
-王栋:美团外卖的大数据应用——课后习题
-旅行业务的特点
--旅行业务的特点
-美团旅行业务的用户画像构建
-用户画像的应用案例
-住宿需求预测问题
--住宿需求预测问题
-营销补贴策略建模
--营销补贴策略建模
-赵楠:商业思维与大数据技术在美团旅行业务中的结合——课后习题
-互联网金融背景介绍
-互联网金融科技
--互联网金融科技
-数据智能的三个案例
-技术展望
--技术展望
-陈彧:美团点评金融服务的大数据与人工智能——课后习题
-数据的进化历程
--数据的进化历程
-阿里DMP平台介绍
-核心技术及案例
--核心技术及案例
-数据应用
--数据应用
-毛波:阿里全息大数据构建与应用——课后习题
-在线营销
--在线营销
-竞价机制
--竞价机制
-数据价值
--数据价值
-韩定一:在线营销中的竞价机制与数据价值——课后习题
-竞价排名搜索
--竞价排名搜索
-主要技术问题
--主要技术问题
-点击率预测概述
--点击率预测概述
-点击率预测实践
--点击率预测实践
-龚笔宏:大数据在工业界中的经典案例分享——课后习题
-即时配送业务的背景及挑战
-案例1:订单分配策略
-案例2:供需平衡策略
-未来展望
--未来展望
-郝井华:即时配送中的人工智能——课后习题
-什么是数据驱动营销
-LTV留存分析
--LTV留存分析
-RFM会员体系
--RFM会员体系
-消费者微群画像
--消费者微群画像
-渠道倾向性分析及行业竞争分析
-机器学习潜客挖掘模型
-- 机器学习潜客挖掘模型
-陈辉:数据驱动营销——课后习题
-金融大数据时代
--金融大数据时代
-大数据客观信用
--大数据客观信用
-我国的金融环境
--我国的金融环境
-客观信用的实践
--客观信用的实践
-应用案例与成果
--应用案例与成果
-艾小缤:大数据评价体系在金融、征信领域的创新——课后习题
-外部链接
--外部链接