|21世纪的我们能够制造出哆啦A梦吗?

|21世纪的我们能够制造出哆啦A梦吗?

文章图片

|21世纪的我们能够制造出哆啦A梦吗?

文章图片

|21世纪的我们能够制造出哆啦A梦吗?

文章图片


哆啦A梦是日本漫画家组合藤子·F·不二雄于1970年创作的科幻喜剧漫画 。 在这部漫画里 , 不二雄先生描绘了一个来自22世纪的猫型机器人——哆啦A梦 。 它有一个万能口袋 , 里面的各种奇思妙想的道具让人惊艳 。
我想众多的80后90后小的时候都幻想能拥有属于自己的哆啦A梦 , 在21世纪的如今 , 我们有办法实现哆啦A梦吗?

AGI是什么?根据斯坦福大学机器学习教授吴恩达(Andrew Ng)的说法 , 现在有两种类型的人工智能 。 一种是用于特定目的的“专用型人工智能”(Narrow AI=ANI , 有时也被称为狭义人工智能) , 以及“通用人工智能”(即人工通用智能AGI) 。
AGI(人工通用智能)被认为具有类似人类的认知能力 , 能够根据过去的经验和知识适应环境的变化 。 此外 , 据说它还能拥有想象力、表达能力、预测力和计划能力 。
但是 , AGI的研究开发比ANI晚了很多 , 现在在商业现场应用的大部分人工智能都是ANI 。 ANI可以学习局部的任务和工作 , 并且非常顺利地完成 , 因此它经常作为预测和处理的工具 , 以需求预测模型等形式被使用 。
例如 , 咨询公司gartner在2021年曾发布过一个AI hype cycle周期 , 预测AGI还处于黎明期 , 预计技术成熟至少需要10年以上的时间 。 由此可见 , AGI的实现是在遥远的未来了 。

AI hype cycle周期
到目前为止 , 在美国的IT业界 , 一提到AI , 很多人都默认是指ANI , 但最近越来越多的人开始谈论AGI 。
谷歌旗下的人工智能公司DeepMind于2021年5月发布了一份名为“Reward is Enough(报酬足够)”的职位报告 。 在这篇论文中 , DeepMind提出 , 在不远的将来 , 我们就有可能接触到AGI 。
定位论文与学术论文不同 , 是指“没有基于数学证明或实验证明假说 , 仅以文字形式提出假说的论文” 。
这篇论文的执笔者是人工智能研究的泰斗、被称为“强化学习教父”的理查德·萨顿 , 以及萨顿的前弟子、AlphaGo开发的核心人物大卫·西尔弗 。
这篇轰动一时的论文在人工智能研究者之间引起了巨大的争论 , 也为讨论AGI创造了契机 。

打造通用人工智能只需要设计“报酬”就足够了吗?【|21世纪的我们能够制造出哆啦A梦吗?】在上述的那份职位表中 , DeepMind公司提出了一个假设 , 即为了实现AGI , “只要给(人工智能)报酬就足够了” 。
奖励是强化学习的核心概念 , 通过奖励的最大化 , 人工智能可以学习到各种知识 。
例如“糖果和鞭子”中的“糖果” 。 如果知道采取特定的行动就能得到糖果 , 人工智能就会不断重复同样的行动 , 从而强化行动 , 心理学上称之为强化学习 , 这也是人工智能强化学习的基本概念 。
再举一个例子 , 论文中出现了厨房人工智能机器人的例子 。 通常来说 , 厨房机器人要想将厨房的清洁程度最大化 , 需要具备以下小技巧 。