人工智能的缺陷

news2024/11/22 13:49:59

      首先从应用层面理解什么是人工智能,目前人工智能主流应用面包括:自然语言处理领域,代表为chatgpt,我们能用其进行日常交流,问题答疑,论文书写等。计算机视觉领域,代表为人脸识别,现在广泛应用于进出小区,办公打卡,实名认证等。所以简单理解人工智能就是拥有人类智慧的机器,除了没有七情六欲,任何人类能做的事情它都能做,并且做的远远好于人类

3c4673868ea94be2952808cf6d64354e.jpg

      近几年来人工智能的应用落地逐渐加快,早期的自然语言处理,像腾讯的社群小机器人可能大家有用过,但除了刚用的时候充满新奇,过几天就会感觉索然无味,因为它只能进行一些简单的聊天,就聊天效果而言,就好像在和一个三岁小孩沟通大人的世界,总是答非所问,但去年chatgpt的横空出世,改变了一切,好像一夜之间这个三岁小孩成长为一个上知天文下知地理的全才,这太令人吃惊了。

      更有趣的是,在此同时,Facebook在图像分割领域,也做出了像chatgpt在语言处理领域一样的跨时代的产品,沉寂多年的人工智能,似乎一夜之间有了跨越时代的进步。如今国外的微软,谷歌,国内的百度,商汤,讯飞等互联网大厂,对人工智能的定位,也从之前的重要项目,变成了梭哈入场。可以预期的是随着chatgpt的标杆效应,给所有大厂指明了发展的方向和梭哈的勇气及信心,不远的将来,人工智能必将在各行各业落地开花,智联世界不再只是一个噱头。

90f4c1d906644bbbbb8fc70aa196e0b1.jpg

      但在世界憧憬人工智能时代美好未来的同时,却有一个巨大的隐患,让我们不得不重视。目前不管是chatgpt还是人脸识别,它们的底层技术都是基于深度学习,但深度学习存在一个巨大的弊端。举一个不恰当的例子来解释,比方说你在打卡时需要进行人脸识别,你可能很好奇这个机器是怎么把你和别人区分开的,但却思而不得,转念一想自己是门外汉嘛,不懂也正常,有空问问搞技术的就行了。到这里就有意思了,你去咨询你所使用的这款人脸识别产品的开发人员,他们也解释不清为什么,这个产品能把不同的人区分开,或者说作为开发人员也只是知其然不知其所以然。

      到这里你可能依然感觉不到这有什么影响,我们还以人脸识别为例,众所周知,无人机现在被广泛用于战场,如果有一天,所有无人机全部进行无人操纵,它们将自行辨别敌我双方,而此时敌方黑客对系统进行攻击,所有无人机全部掉头攻击自己人,但此时技术人员却毫无办法,因为他们压根找不到这个漏洞是什么,或者说即便找到了也不知如何修复,所以他们千辛万苦,抓住了那个为非作歹的黑客逼问他这个漏洞是什么,然而这个黑客也是一脸茫然,他也只知道他一番操作找到了这个漏洞,但他却不知道他是如何找到的这个漏洞和这个漏洞是什么,一时间敌我双方鸦雀无声,纷纷陷入了沉思。然后我们忽然发现战场利器的无人机,反而成为了一颗定时炸弹。

e55913bb3e204c94b27d7de8851f17c6.jpg

      任何跨时代的技术,其利弊都呈现出极端化现象,像手枪,我们有防弹衣,炸弹,我们有防爆盾,毒气,我们有放毒面具,而核弹,时至今日,除了英勇就义,毫无办法。人工智能目前也有了这个征兆,我们可以预见它将必然给人类社会带来巨大转变,但我们却没有找到可以控制它的办法,因为无法理解。如今的人工智能就像一把达沃斯之剑,锋利无比,神挡杀神,佛挡灭佛,但却也会一不小心就伤到自己,又因为这把剑过于锋利,要么不伤,要么重伤。

      这也是为什么前段时间众多人工智能专家希望chatgpt能够减慢研发速度的原因,尽管前方是金山银山,但更深处猛兽也已伸出了獠牙,如果走到金山之顶时,人类仍没有找到降伏猛兽的方法,那此时的人类就是一个任人宰割的羔羊。

c2a5926cc3fc483b9122f61cd6616ff6.jpg

      尽管人类也已看到了这个隐患,并已经开始寻找应对之法,但如今,人工智能发展的速度就像高铁马力全开,而应对之法,就像乌龟走路。未来将走向何方,又会发生些什么,令人期待又彷徨。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/841359.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Metashape和PhotoScan中文版软件下载安装地址

Metashape的点云生成功能 Metashape具有强大的点云生成功能,可以将图像转换为精确的三维点云数据。点云数据是进行三维建模和地形分析的重要基础。 在使用Metashape时,用户可以通过使用图像对齐功能生成点云数据。软件根据对齐后的图像生成稠密的点云&a…

c语言-qsort函数

目录 一、函数介绍 二、qsort函数的使用 1、对int类型数组排序 2、对char类型排序 3、对浮点型排序 4.比较字符串 4.1按首字母排序 4.2按长度排序 4.3按字典顺序 5.结构体排序 5.1 多级排序 三、模拟实现qsort函数 【冒泡排序的实现】 【主函数部分】 【代码详解…

二叉树的构建(java基于数组)

前言 二叉树在算法中是经常考察的点,但是要在本地测试的话,就必须自己构建二叉树。在算法题中,一般给我们的都是一个数组,或者是二叉树的形状。因此,需要将数组转换为二叉树,这样才能测试出自己的代码是否符…

Linux文本处理工具和正则表达式

Linux文本处理工具和正则表达式 一.查看、截取和修改文本的工具 1.查看文本的工具 cat 最常用的文件查看命令;当不指明文件或者文件名为一杠’-时,读取标准输入。 cat [OPTION]... [FILE]... -A:显示所有控制符(tab键:^I;行结束符:$) -…

安科瑞故障电弧在体育场馆的应用-安科瑞黄安南

应用场景 一般应用于末端照明回路 功能 1.支持1路剩余电流,外接漏电互感器 2.支持4路温度,外接温度传感器 3.支持32路故障电弧,外接故障电弧传感器 4.支持2DI,2DO 5.声光报警,LCD点阵液晶显示 6.导轨式安装&…

基于ChatYuan-large-v2 语言模型 Fine-tuning 微调训练 广告生成 任务

一、ChatYuan-large-v2 ChatYuan-large-v2是一个开源的支持中英双语的功能型对话语言大模型,与其他 LLM 不同的是模型十分轻量化,并且在轻量化的同时效果相对还不错,仅仅通过0.7B参数量就可以实现10B模型的基础效果,正是其如此的…

基于YOLOv7开发构建MSTAR雷达影像目标检测系统

MSTAR(Moving and Stationary Target Acquisition and Recognition)数据集是一个基于合成孔径雷达(Synthetic Aperture Radar,SAR)图像的目标检测和识别数据集。它是针对目标检测、机器学习和模式识别算法的研究和评估…

Visual Studio 2019 详细安装教程(图文版)

前言 Visual Studio 2019 安装包的下载教程、安装教程 教程 博主博客链接:https://blog.csdn.net/m0_74014525 关注博主,后期持续更新系列文章 ********文章附有百度网盘安装包链接********* 系列文章 第一篇:Visual Studio 2019 详细安装教…

MobiSys 2023 | 多用户心跳监测的双重成形声学感知

注1:本文系“无线感知论文速递”系列之一,致力于简洁清晰完整地介绍、解读无线感知领域最新的顶会/顶刊论文(包括但不限于 Nature/Science及其子刊; MobiCom, Sigcom, MobiSys, NSDI, SenSys, Ubicomp; JSAC, 雷达学报 等)。本次介绍的论文是:<<MobiSys’23,Multi-User A…

特殊符号的制作 台风 示例 使用第三方工具 Photoshop 地理信息系统空间分析实验教程 第三版

特殊符号的制作 首先这是一个含有字符的&#xff0c;使用arcgis自带的符号编辑器制作比较困难。所以我们准备采用Adobe Photoshop 来进行制作符号&#xff0c;然后直接导入符号的图片文件作为符号 我们打开ps&#xff0c;根据上面的图片的像素长宽比&#xff0c;设定合适的高度…

高中生python零基础怎么学,python高中生自学行吗

这篇文章主要介绍了高中学历学python好找工作吗&#xff0c;具有一定借鉴价值&#xff0c;需要的朋友可以参考下。希望大家阅读完这篇文章后大有收获&#xff0c;下面让小编带着大家一起了解一下。 学习python的第九天 根据我们前面这几天的学习&#xff0c;我们掌握了Python的…

nginx环境部署

目录 一、yum安装 二、源码安装 三、测试结果 一、yum安装 1、先查找本地yum源上有没有nginx包 yum list | grep nginx 2、rpm安装 rpm -Uvh http://nginx.org/packages/centos/7/x86_64/RPMS/nginx-1.14.2-1.el7_4.ngx.x86_64.rpm 3、查看安装是否成功 rpm -pa | grep…

Pytorch迁移学习使用MobileNet v3网络模型进行猫狗预测二分类

目录 1. MobileNet 1.1 MobileNet v1 1.1.1 深度可分离卷积 1.1.2 宽度和分辨率调整 1.2 MobileNet v2 1.2.1 倒残差模块 1.3 MobileNet v3 1.3.1 MobieNet V3 Block 1.3.2 MobileNet V3-Large网络结构 1.3.3 MobileNet V3预测猫狗二分类问题 送书活动 1. MobileNet …

【力扣每日一题】2023.8.6 两两交换链表中的节点

目录 题目&#xff1a; 示例&#xff1a; 分析&#xff1a; 代码&#xff1a; 题目&#xff1a; 示例&#xff1a; 分析&#xff1a; 题目给我们一个链表&#xff0c;让我们两两交换相邻节点的值&#xff0c;并且不能通过修改节点内部的值来达到这一目的&#xff0c;如果可…

NERFS 与现实捕捉 - 弥合现实世界与数字世界之间的差距

NERF介绍 近年来&#xff0c;计算机视觉和图形领域取得了显着的进步&#xff0c;催生了革命性的技术&#xff0c;改变了各个行业。 NERFS&#xff08;神经辐射场&#xff09;和现实捕捉是两项备受关注的重要技术。 NERFS 和现实捕捉都是以数字形式捕捉和重建现实世界的强大工具…

无涯教程-Perl - dbmclose函数

描述 此函数关闭哈希和DBM文件之间的绑定。将领带功能与合适的模块配合使用。 语法 以下是此函数的简单语法- dbmclose HASH返回值 如果失败,此函数返回0,如果成功,则返回1。 请注意,在大型DBM文件上使用键和值之类的功能时,它们可能会返回巨大的列表。您可能更喜欢使用e…

HBase-写流程

写流程顺序正如API编写顺序&#xff0c;首先创建HBase的重量级连接 &#xff08;1&#xff09;读取本地缓存中的Meta表信息&#xff1b;&#xff08;第一次启动客户端为空&#xff09; &#xff08;2&#xff09;向ZK发起读取Meta表所在位置的请求&#xff1b; &#xff08;…

chapter13:springboot与任务

Spring Boot与任务视频 1. 异步任务 使用注解 Async 开启一个异步线程任务&#xff0c; 需要在主启动类上添加注解EnableAsync开启异步配置&#xff1b; Service public class AsyncService {Asyncpublic void hello() {try {Thread.sleep(3000);} catch (InterruptedExcept…

为什么很多人都在吹ChatGPT改变世界?一文全面了解

ChatGPT早已让全世界的互联网炸锅&#xff0c;它已经从一个新颖的聊天机器人演变成一项推动下一个创新时代到来的技术。已经很久没有出现一款让大家充满兴趣、兴奋、恐惧且具有争议的科技产品了。 如果你现在才接触到它&#xff0c;你可能会想知道这到底是怎么回事。这里建议你…

linux gcc __attribute__

__attribute__ 1. 函数属性1.1 __attribute__((noreturn))1.2 __attribute__((format))1.3 __attribute__((const)) 2. 变量属性2.1. __attribute__((aligned))2.2. __attribute__((packed)) 3. 类型属性 __attribute__ 是 GCC 编译器提供的一种特殊语法&#xff0c;它可以用于…