本文摘要:在过去的五六年里,人工智能行业逐渐回归主流视野,形象不断上升。

亚博网站信誉有保障的

在过去的五六年里,人工智能行业逐渐回归主流视野,形象不断上升。我用“崛起”这个词,是因为我们已经指出,人工智能是一段时间内即将出现的技术。

艾伦图灵在1950年设计了同名的图灵测试,使人们意识到“机器不能思考”的可能性。1956年的达特茅斯研讨会是一个里程碑事件,标志着人工智能的到来。

当时,约翰麦卡锡明确提出“人工智能”一词来解释当时生物学、神经网络和符号推理小说研究的蓬勃发展。20世纪六七十年代,自然语言处理、机器推理小说、机器视觉等领域发生了明显的变化。随着20世纪80年代所谓的第五代计算机在日本的频繁出现,专家系统和基于案例的推理小说领域取得了巨大的进步,偏移传播的发明者也带来了连接主义神经网络的兴起。

机器学习在20世纪90年代发展缓慢,早期基于符号的方法转向概率统计。近期大规模投资早期成熟的初创企业;媒体对未来刺客级机器人的报道;还包括IBM、微软、谷歌等老牌巨头的营销闪电战;以及大众对Siri和Alexa的疯狂,这些都可能指出人工智能经常再次出现。但是,你知道是这样吗?是机器学习吗?还是人工智能?我们今天所说的人工智能,很大程度上是指机器学习在海量数据中的应用。

确切地说,正是所谓的深度(机器)自学习技术的应用,带来了语音搜索和语音转录助手(如Siri)的蓬勃发展,带来了癌症临床和化疗领域的医学创造力,带来了AWS识别、图像和视频分析识别等人脸识别等更常见领域的发展,带来了Bing翻译器、语音识别工具、所谓的自驾车等机器翻译工具的频繁出现。技术上应该称之为深度自学的兴起,而不是人工智能的兴起。

深度自学的历史可以追溯到1943年。在解释人脑神经网络的基础上,皮茨-麦卡洛创建了一个计算机模型。“深度自学”一词在80年代后期频繁出现。

亚博网站信誉有保障的

但据网卓新闻网报道,充分发挥深度自学的影响力,意味着所谓的深度自学革命始于2012年,据测算,该行业已被政治宣传。2019年3月,Yoshua Bengio、Geoffrey Hinton和Yann LeCun因突破性研究获得图灵奖,将深度自学带入主流。简单来说,深度自学是一种机器学习技术,它教计算机做一些人类天生不会做的事情,也就是从例子中学习。

通过自学,计算机模型可以对图像、文本或声音进行分类。深度自学习模型是通过一组标记数据和神经网络结构(包括建模人类神经元的多层软件的不道德性)来训练的(有监督和无监督)。

机器学习的可怕弱点为了训练一个深度(机器)的自学习模型,目前有两种技术是有效的,但最终不会成为人工智能的克星。1.传统的自学习方法拒绝关注单个系统(或供应商数据中心)中的单个训练数据。谷歌、亚马逊、微软、苹果和Facebook都收集了大量的用户数据,并将其存储在自己的系统中。后来,他们不会通过一次或多次操作他们的算法来挖掘和创建最终的深度自学习模型。

亚博网站信誉有保障的

很明显,这种方法侵犯了用户的隐私。这些系统使用脆弱的隐私数据来构建他们的人工智能应用程序,并且有(通常没有)用户许可。2.集中化方法对供应商的依赖性太低。从某种程度上来说,没有问题。

集中方式一般取决于供应商,即供应商自由选择算法、构建机制(语言、库、工具)、硬件选择(内部、外部、对芯片厂商的依赖等)。),数据中心架构,人员(不存在让步、贿赂等风险。),以及显示训练算法结果的工具。在计算机科学方面,单供应商构建不存在拜占庭式的容错问题。

这些技术中的任何一项都会威胁到当今人工智能应用的安全。如果这个行业不解决这些问题,回归主流视觉的人工智能最终会再次沉寂。区块链机器学习区块链平台在分散应用和系统的设计和开发方面取得了长足的进步,并已应用于从加密货币到企业供应链的各个领域。更重要的是,区块链固有的分散建设使区块链具有以下两个特点。

区块链展示了用户管理其数据的权利。首先,区块链表明用户有权管理他们的数据,这使得他们需要询问何时、何地、向谁以及多长时间来访问他们的数据,也就是说,区块链是那些可以在用户的私有数据系统中自动使用的配置文件的克星。此外,随着零科学知识证明的频繁出现,区块链现在只需要证明其对于交易的有效性。

区块链的设计没有中央集权的机制或制度。第二,区块链的设计没有中央集权的机构或制度。因此,为了使数据和事务之间的协议完全一致,在各种容错一致性算法中使用了区块链。

虽然没有共识算法,但这些算法在对一组分散的节点(或系统)达成一致共识方面具有相似的特点。特别是一个叫拜占庭共识的算法解决了前面提到的拜占庭容错问题。区块链使人工智能App的研发独立于单一供应商的建设,不存在由此带来的风险和失败。这两个关键特性的融合使得解决当今机器学习的可怕弱点成为可能,使得人工智能App既不侵犯隐私,也不容易受到单一供应商拜占庭式失败的影响。

亚博网页版登陆

想象一下,区块链机器学习建立了一种颠覆性的方法,将人工智能变成主流,这需要维护用户隐私,并确保降低依赖供应商的应用程序的风险。用户在设备使用过程中不会产生大量数据。

这些数据包括关于用户及其不道德行为的有效信息:他们经常去哪些餐馆,他们访问哪些网站,他们讨厌去哪些地方旅行,他们使用哪些社交媒体应用程序,以及他们观看哪些视频。这些数据长期以来一直是深度自我学习模型的基石,以获得个性化服务和最大化用户体验(例如,ala Siri)。

然而,区块链是一个极好的自由选择,可以在不侵犯用户隐私的情况下构建这种个性化模型。更重要的是,这个行业将用户隐私置于任何商业利益之上,并利用它来建立一个机器学习模型,使人工智能能够在区块链得到应用。人脸识别等应用越来越普及(包括政府机构);由于机器学习模型和供应商初始化可能带来一系列问题,其潜在风险不容忽视。

例如,几十年来,波音和空客飞机等航空电子系统在拜占庭被设计成容错系统。当移民和边境侦察机构用于AWS Rekognition人脸识别和其他工具时,行业和监管机构需要对人工智能应用的性质(例如,与航空电子系统相关的应用)进行新的思考。

我们必须把它用于计算资源(算法、语言、硬件等)。)跨越多个供应商,并通过自学从单一供应商建设模式及其风险转变为分散建设。

未来是分散的,人工智能不值得关注。否则人工智能终将进入寒冬。

本文关键词:亚博网页版登陆,亚博网站信誉有保障的

本文来源:亚博网页版登陆-www.snippitychicks.com