2022-06-16 06:02:50 来源:商业新知网
前几天,梁局长在朋友圈发了一个帖子,对我很有启发:
香农为人工智能设定了四个目标:到 2001年,创造出打败世界冠军的象棋程序;写出被《纽约客》认可的诗文的诗歌程序;写出能够证明难以捉摸的黎曼假设的数学程序;以及“最重要的”,设计出收益超过50%的选股软件。
信息论创始人香农博士
香农的预见性非常了不起。经过了几十年,这四个方向都有所进展。除此之外,香农或许没有意识到的 “读心术”的发展:比如,在谷歌搜索中打入“白痴”就会出现特朗普的照片。再如,各种商业网站的个习惯化推荐等等。香农也没有提到图像识别、语音识别技术。或许他觉得这类技术“太简单了”。
从上面这些讨论中可以看出:人工智能本质是研究 “人”的,是研究和模拟人们面对开放、复杂问题时,难以捉摸的思维方式。人的思维方式难以琢磨,但要得到特定的思维结果,脑子里一般有足够的思维素材。
“ 难以捉摸 ” 是思维方式本身、尤其是针对概率问题的思维方式。 人类的思维过程本身之所以奇妙,是因为过程本身含有不确定性、难以推理。 “文章本天成,妙手偶得之”。许多智慧的想法,来自于灵光一现的灵感。凉风一吹,可能激发灵感;苹果落地,也可能激发灵感。但凉风、苹果与灵感之间关系确实难以复制的。 同样,人们的爱好、喜好往往也 是难以用因果关系解释的。所以,人工智能的研究往往针对相关而非因果的思维方式,
毋庸置疑,人工智能在制 造过程是有一定作用的。 最典型的就是图像识别。 这类应用的特点符合上面提到的要求: 决策所需要的材料(如信息)是有的,关键是如何决策。 尽管如此,制造过程(不是研发设计)并非人工智能的主要应用场景。
首先,制造过程针对的是客观世界,而不是人的思维。制造过程中出现的各种现象和问题,都是可以用科学原理解释的,背后必然存在因果关系(而不是纯粹的相关关系)。其次,在工业过程中(图像和音频识别除外),阻碍决策的往往是素材( 知识和信 息 )的不足,并不是计算或决策过程的问题。即便有些问题计算过程复杂,计算逻辑也是能说清楚的,并不是AI主要研究的内容。当然,有些算法可以借鉴人的思维方式,如采用模拟退火方法等非常规算法。
(资料图)
在制造过程中,许多困难问题不是模拟人的决策,而是人自己没有办法。比如,工业过程中遇到的很多令人头疼的问题,往往属于 “意外”的范畴。而提高工业技术水平的过程,往往是设法减少意外。比如,提高标准化程度、质量管理水平;再如,通过机器代人,减少人本身带来的不确定性。
工业企业的技术秘密,往往是 “聪明人想不到的笨办法”。而AI往往是模拟人的“聪明”。由于计算机不怕麻烦,依靠数字化技术,可以让这些“笨办法”发挥更大的作用。数字化技术能够帮助企业处理不确定性。处理办法的本质,是提升信息收集能力,将“预料之外”转化为“预料之中”。
我想用一个不太准确的比喻,区分人工智能与智能制造的区别:人工智能主要解决开放、不确定性、非因果问题的;但智能制造是通过把系统做大、做细,把原来的系统外部的不确定信息包含进来,并让系统的拓展变得更加容易。从原来小系统的视野看,系统是开放了;但系统新的管控范围内,本质上仍然是封闭、确定性的系统。只是大系统包含了原来的小系统。智能系统逻辑推理的依据,仍然是因果关系。
所以,把人工智能神秘化,甚至说 “智能制造就是人工智能加制造”,是不懂制造、不懂现代工业的言论。
这将为这个新兴的数字空间提供新的推广机会,如前所述,至少在Meta目前的设想中,元宇宙成为了一款消费工具。
2019年开始,AR的风口远远超过VR,成为了资本、市场、产业共同追捧的“香饽饽”,从去年发布的新品便可见一斑。
中国私募股权二级市场白皮书2022:中国S市场高速发展,在亮眼成绩的背后,浮现而出的是S市场新交易,新结构,新组合,新渠道下的新格局
据 AnandTech 消息,英特尔现已分享了一些有关其下一代Intel4 工艺的消息。据报道,该工艺将用于 2023 年发布的产品,它是英特尔第一
据Mobile World Live报道,全球移动通信系统协会(GSMA)与巴塞罗那足球俱乐部(FC Barcelona)签署了一项协议,将在2023年巴塞罗那世界移动
企业微信需要注意的一点是,两个手机设备连接必须在同一个WiFi或者热点的情况下,才可进行迁移操作。
对于Web3的参与者而言,最担心的情况无疑是项目方作恶。
当地时间6月13日,音乐软件Spotify发布声明称,将收购AI语音平台Sonantic。
所以当STTH出现这些流动性危机的话,会影响所有项目,特别是以太坊,可以看到最近这两天以太坊跌的非常的多。
今年3月,来自德国的工作室Firepunchd为玩家们奉上了一款充满童趣和想象力的VR游戏《触手巧匠》。