kastin 发表于 2021-5-23 21:13:12

就不说做好翻译,连最简单的断句发音可能都做不到如同人类那样流畅不出错。比如给一段文字,让机器读出来,但不要那种一个语调、一样语速的“机器风格”的发音。现在的AI只能做到常见的字词组合或固定搭配给你按照人类方法读,而对于一个长句子,往往会出现“拼凑”的痕迹——即小短句很流畅发音正常,而衔接处显得比较生硬(主要是断句时间和发音变调的问题,因为效果很突兀),比如有些字词单独读出来的声调是一种,但是放到一些字词联合的句子中,就要变调了。这个跟生成人脸一样——看上去很真实,但细细看还是会发现创造的人脸只不过是拼接起来的,只不过拼接的痕迹不是很明显,但仔细观察还能能看出生成的人脸是用不同的眼睛、鼻子、额头、下巴和颧骨等拼凑出来的。

因为这涉及到对语言的理解,前后文的联系,才能知道怎么断句,怎么发音。而不是单个字发音的拼凑。做到这一点,才能认为机器“能思考”。

当然,这个难度其实本质上跟翻译差不多。同样,对于图像的语义识别,实际上机器做得并不好。看上去分类准确率很高,但实际上容错性很差。例如把乌龟壳识别成AK47,加入对肉眼识别毫无影响的噪声像素后,机器把熊猫识别为长臂猿。还有本来能正常识别是一个人,结果这个人穿上有其他名画作为图案的T恤后,机器无法识别出人了……

AI目前只是一个不会思考的纯粹数学计算器,它的结果只是数学意义上的结果,能拟合凑出数据就行,最终得到的数据插值得到是什么就是什么,所以出现了上述问题。因为它对高维数据太敏感了,根本不存在层级式的语义概念。

无心人 发表于 2021-5-24 17:17:54

其实人类的智力,说不定也是
                     一种机械的逻辑算法
复杂生物本质上是从无生命的分子
                     演化出来的

uk702 发表于 2021-5-25 08:33:12

kastin 发表于 2021-5-23 21:13
就不说做好翻译,连最简单的断句发音可能都做不到如同人类那样流畅不出错。比如给一段文字,让机器读出来, ...

首先向前辈致敬!但个人认为,说 AI 是一个纯粹的数学计算器,这当然是正确的,但并不反映(人类“所追求”) AI 的本质。

真正问题在于,AI 是否能够提供推导出“新结论”(什么才是“新”其实就很难说清楚了,alpha go 下出一堆人类闻所未闻也不敢想的下法,算不算“新”?),是否能够不断延伸和“学习”?

举个例子,是否能够将这样的一个 AI 机器人投放到爪哇岛,这个机器人能否靠一本看图识字,从嗯嗯嗯开始,学会每个图片对应的物体如何发音,并最终学会识别多音字,断句,掌握周围不同人的语音语调,最后伪装成一个正常人(通过图录测试)。

uk702 发表于 2021-5-25 08:45:14

本帖最后由 uk702 于 2021-5-25 09:41 编辑

uk702 发表于 2021-5-25 08:33
首先向前辈致敬!但个人认为,说 AI 是一个纯粹的数学计算器,这当然是正确的,但并不反映(人类“所追求 ...

或者最简单的,诗词大赛中混入了一个机器人,能否被观众抓出来(虽然我并不认为这样的机器有智能,但毕竟也是万里长征的第一步)?

亦或者,在这里发贴的,哪些是真正的人,哪些是机器人?:)

zeroieme 发表于 2021-5-25 11:48:42

uk702 发表于 2021-5-25 08:33
首先向前辈致敬!但个人认为,说 AI 是一个纯粹的数学计算器,这当然是正确的,但并不反映(人类“所追求 ...

图灵测试是个不严格的设想,因为作为标准的“人”本身是没有切确标准的。

比如说,书呆子式回答有可能被讥笑为机器人。

而放个婴儿到荒岛,万一不死,也是大概率变成狼孩猪孩之类的野人。

kastin 发表于 2021-5-25 14:03:11

本帖最后由 kastin 于 2021-5-25 14:04 编辑

uk702 发表于 2021-5-25 08:33
首先向前辈致敬!但个人认为,说 AI 是一个纯粹的数学计算器,这当然是正确的,但并不反映(人类“所追求 ...

alpha go 下出一堆人类闻所未闻也不敢想的下法,那是靠算力达到的全局最优解,而人的算力有限,不知道你对围棋是否了解,围棋大师往往需要长考(长达几个小时思考后续发展的情况),才能下出一步棋,超出太远范围,人的深度搜索极限就到了。所以人所推崇下棋比较好的套路,往往是局部最优的(当然在人的范围内,没有人可以超过,所以可视为“全局最优”),但计算机就不一样了,算力强大到后面上百步的局面都能考虑到概率大小,通过比较就知道怎样才是最佳选择——哪怕下出一个让人看来"非常愚蠢"的一步棋(实际上超出了人的计算)——实际上是真正全局最优的下法,超出了人的预估。

说白了,人的计算力太小了,只能做出局部最优的选择,而“下出一堆人类闻所未闻也不敢想的下法”那正是计算出来的东西,跟智力没啥关系、如果拼计算,那么下棋这种游戏基本上没啥意思了,比如两个alpha go对战,反正开局下一两步就知道输赢了。因为每一步如果都是最优选择,那么初始值就会影响最后的输赢。中间过程是不必要的,结果注定了。这就好比武林高手过招,不需要大战几百回合,刚开始就结束了,因为他们很清楚一个小的劣势是如何被放大到越来越大的。

游戏本身就是为了打发时间同时获得愉快的,还没开始就结束,游戏也徒有虚名。这样的话,再新的下法又有何用呢?

kastin 发表于 2021-5-25 14:20:30

不要把alpha go跟智能相提并论,本质上那是两回事。你看看人类学习只看多少个围棋例子,就能达到何种程度?电脑能做得到同样水平?alpha go所训练用的局数最少也得上百万,这远超一个人一生能看或者学习的局数。谁才配得上“智能”二字?真要比较的话,就比较看同样局数学习后,获得的下围棋的水平大小。

此外,围棋规则很确定,而且双方的选择策略都是公开的,这种游戏本身不符合日常生活场景。什么叫“智能”?在面对未知的世界,通过已有的知识经验,做出对自己的目标来说,最佳的选择。往往未知世界中很多因素自己是不确定的,竞争者或者对手是潜在的,对方的选择也不是公开的,你如何做出决断?尤其是当这种做出选择后的结果具有后效性,那就无法通过及时反馈而修改策略,这需要更全局化的选择(类似我们说的“战略眼光”),这使得训练过程变得异常艰辛,因为选择的组合会爆炸性增长,而最佳的结果如同大海捞针,光凭借计算是很难筛选的,只能利用好试错经验以及一些知识推断,在一个小的范围内做出选择。每一步都进行这样的筛选,最终得到最优解。

目前学术上做这些的就是所谓的强化学习,5v5对抗即使策略游戏就是上述场景的简化版缩影,研究这类问题过程中,仍然发现需要巨额计算量去训练。电竞高手往往训练几千盘甚至上万盘游戏就能达到较高水平,但是AI却用来几百万盘反复自我训练,达到的水平可能还不如电竞选手(当然,也有能赢下的,但靠的是反应速度,超越了人的反应生理极限)。对比起来,训练了几百万把游戏,还是不能远远超出人类,这就能发现“智能”的差距。总的来说,现在的智能是伪智能,那只是数字计算的表象。真正的智能还要换一个全新的思路。

ejsoon 发表于 2021-7-31 19:58:12

kastin 发表于 2021-5-25 14:20
不要把alpha go跟智能相提并论,本质上那是两回事。你看看人类学习只看多少个围棋例子,就能达到何种程度? ...

我可能不同意你的觀點。按人類如果只懂規則,靠自己跟自己對弈,要提高水平是很難的。

人的水平的提高,基本都要靠師承。

其實學習前人的棋譜也等於是對前人經驗的學習,但即便你有了所有的棋譜數據,如果沒有人告訴你為甚麼這樣下不那樣下,你自己也不懂,那就永遠沒有提高。

所以我覺的人的計算與思維能力是無法跟電腦比的,人的強項在於情感,比如說喜歡下圍棋,知道自己在下圍棋,喜歡下圍棋是因為人們尊重圍棋下得好的人。

包括學生跟老師拜師學藝,也是一種良性的愉快的溝通。這是機器所不具備的,機器棋力再強它也只是個算法。

kastin 发表于 2021-9-8 20:12:15

“人的水平的提高,基本都要靠師承。”这话没错,但你的这句话与“按人類如果只懂規則,靠自己跟自己對弈,要提高水平是很難的”这句并不是逻辑上的承接。因为你没有想过“师承”也不过是点拨你关键的几着下法,或者跟你对弈数盘而已——这跟你自我下棋没有本质区别。若要说区别,那只是师父指点的经验,仍然来自师父的师父,师父的师父的师父……但即便这么多师父下的总盘数,累加起来,带给最后这个徒弟的有价值的盘数,也比不上alpha go自我学习的盘数。这仍然相当于学习了少量盘数,打败了大量反复学习的盘数。

uk702 发表于 2021-12-26 16:28:30

据说是 AI 写出来的文章:https://zhuanlan.zhihu.com/p/421642560
页: 1 [2] 3
查看完整版本: 从“深蓝”到“深思”