跳至主要内容

什么是超级智能?

超级人工智能(ASI)是 AI 研究领域的一个理论概念,它设想未来会出现一种认知能力超越全人类的 AI 技术。当前的 AI 应用擅长完成它们被专门构建来执行的特定任务。然而,不能因此就说它们优于人类,因为它们无法在自身领域之外进行构思、创新、感受,甚至学习新技能。实际上,当前 AI 应用只是利用现有数据(此前由人类创造)中的模式,来生成新的模式组合。不过,超级人工智能设想,AI 将发展到能够在所有可能领域和任务中比任何人类都更好地学习、适应、创新和运作的程度。

为什么超级智能是一个理论研究领域?

超级人工智能之所以仍是一个理论研究领域,是因为研究人员距离实现任何与认知能力优于人脑的 AI 哪怕稍有相似的成果,都还极其遥远。人类智能的许多方面,比如讽刺、幽默、好奇心、探究精神、道德和哲学,仍然超出了 AI 模型的能力范围。AI 系统需要取得多项突破,才能达到与人类智能相当的水平,更不用说超越它了。

该领域目前正在梳理这项研究的主要重点,但远未证明在实现这些目标方面取得了任何成功。例如,超级人工智能的一项潜在应用是增强医学诊断。尽管这会改善人类生活并加速科学发现,但它仍是一个理论上的应用场景,而不是我们已经实际实现的用例。

此外,超级人工智能(ASI)的定义尚不明确。一些人认为,它必须是全面超越人类智能的 AI,而另一些人则认为,只要在某个具体领域的表现超过人类,就可以算作超级人工智能。如果没有清晰且一致的定义,就很难衡量在实现 ASI 方面取得的进展。

超级人工智能有哪些理论特征?

超级智能 AI 假说认为,如果超级智能有朝一日真能成为现实,它可能具备以下特征。

问题解决能力

超级人工智能可以快速处理任何主题、任何规模的数据,并即时收集有效识别和解决问题所需的资源。它能够解决任何对人类构成挑战的问题,帮助在计算机科学和医学等关键领域取得突破。

学习能力

达到这一水平的人工智能,理论上将能够持续学习和吸收新知识。通过研究自身的代码和算法,它还可能找到自我优化的方法。

逻辑推理

处于这一演进阶段的人工智能,将拥有无可匹敌的逻辑推理能力。它运用逻辑推理来解决问题、发现规律的能力,将远超人类智能。这种智能水平将有助于推动由 AI 生成的新发明,并解决全球范围内的关键问题。

沟通交流

展现出超级智能的人工智能,能够对每一种已知语言进行实时、无缝的翻译。它将能够学会每一种语言并达到完美,在每种语言中都展现出无与伦比的运用能力。再结合其创造力,这或许会催生开创性的新小说,甚至是我们无法想象的崭新沟通形式。

创造力

达到超级智能的人工智能将拥有无限的创造力。这些 AI 系统可以产生新想法,拓展想象力的边界,以及设计出革命性技术。它们甚至可能创造新的艺术形式,或开辟全新的科学学科。这些系统的创造力将超越即便最多产的人类所达到的水平。

超级智能研究有哪些方法?

下面介绍一些超级智能研究的方法。但值得注意的是,这些研究方法都尚未接近超越人类智能。我们当前正处于狭义 AI 技术时代,也称为弱 AI,此时 AI 技术只能执行有限范围的功能。目前,对于这种情况何时可能改变,尚无时间表。

通用智能研究

超级智能研究的一种方法是通用人工智能(AGI)。AGI,也称强 AI,将能够像人脑一样理解概念并利用信息。AGI 同样仍属于理论范畴,但研究人员一旦达到这一水平,便可以设法扩展该技术,实现超级智能。

进化式研究

另一种方法是进化式 AI。在进化式 AI 中,AI 研究人员会开发一种专注于自我迭代并不断寻找改进方法的模型。随着时间推移,理论上这可以持续优化该 AI 模型的性能,使其越来越接近超级智能。

突触研究

一些 AI 研究人员从人脑结构中获得了灵感。他们研究神经网络以及人脑的一般运作机制,试图在技术中打造出类似的结构和功能。这项科学研究的目标,是利用人工神经网络来再现神经与突触结构。

超级智能研究中有哪些技术?

超级智能研究涉及多项核心技术,每项技术都能让人工智能和 AI 系统在不同领域表现出色。

机器学习

机器学习和深度学习算法使 AI 系统能够从新的数据来源中学习。通过识别数据中的模式,它们可以利用这些理解对其他数据集进行推断。机器学习是所有通用人工智能探索中至关重要的一项技术。

大语言模型

大语言模型(LLM)是一种狭义人工智能,基于海量文本数据进行训练。它们利用机器学习和深度学习来理解字母、单词和句子如何组合在一起。LLM 能够生成具有人类水准的文本、处理不同语言,以及撰写富有创意的内容。

自然语言处理

自然语言处理(NLP)是一个更广泛的领域,涵盖一切能够处理语言的机器智能。NLP 的目标是识别文本和语音数据的含义,准确判断从情感、语气到歧义表达在内的各种信息。这一过程包括将非结构化的文本数据拆分成更小的片段,并为每个片段补充上下文。自然语言处理在 AI 聊天机器人、语音转文字和机器翻译等技术中至关重要。

计算机视觉

计算机视觉是一种让机器能够利用传感器和摄像头数据来解读和理解视觉信息的技术。计算机视觉与 AI 结合的一项应用是自动驾驶汽车。在自动驾驶汽车中,AI 系统利用计算机视觉来理解视觉线索,并对这些信息进行处理,以便在行驶过程中做出决策。

如果我们有一天实现了超级人工智能,计算机视觉将会很有帮助。它能让 AI 更好地理解现实世界和图像。

可解释 AI

可解释 AI 将是超级人工智能的另一项核心技术。它是研究人员嵌入系统的 AI 模型中的一个组成部分。这一组件将提供一个可追溯的系统,用以展示 AI 如何做出某些决策。如果超级人工智能大幅超越人类心智的认知能力,可解释 AI 将至关重要。

机器人技术

先进机器人技术将为超级智能 AI 提供一个机器人躯体,以及用于感知现实世界数据的传感器。与计算机视觉相结合后,机器人技术将使 ASI 能够在现实世界中实际移动,并以与人类相同的技能执行精确任务。目前,机器人技术中这种级别的人工智能仍属于科幻。

AWS 如何助力 AI 研究与开发?

AWS 提供众多托管式人工智能服务来帮助您训练、部署和扩展生成式 AI 应用。组织可以利用我们的 AI 工具和基础模型,结合自身数据来创新 AI 系统,以满足个性化用例需求。例如:

Amazon Bedrock 是一项完全托管的服务,让开发者能够访问生成式 AI 模型。您可以在 Bedrock 上选择、自定义、训练和部署业界领先的基础模型,以处理专有数据。

Amazon SageMaker Jumpstart 可帮助软件团队在机器学习中心构建、训练和部署基础模型,从而加速 AI 开发。

Amazon Elastic Compute Cloud UltraClusters 可利用超级计算 GPU 为您的生成式 AI 工作负载提供支持,以低延迟处理海量数据集。

立即注册 AWS 账户,开始使用。

Browse all cloud computing concepts

Browse all cloud computing concepts content here:

正在加载
正在加载
正在加载
正在加载
正在加载

Did you find what you were looking for today?

Let us know so we can improve the quality of the content on our pages