17位人工智能研究者、机器学家和计算机科学家分享他们眼中印象最深刻的机器人或人工智能。
几乎每天我们都会听到机器人即将替代人类的新闻,而且科技巨头们也在不断加大对人工智能、机器人的投资,特斯拉的自动驾驶汽车、谷歌开放了机器学习平台TensorFlow、Facebook正在内测数字助理产品M。
来自美林银行的一份报告指出:人工智能或将加剧人类社会的不平等。人工智能领域的专家学者们也注意到这种趋势,比如DeepMind创始人就强调,是时候考虑人工智能的伦理了。接下来,我们将邀请17位人工智能研究者、机器学家和计算机科学家来分享他们眼中印象最深刻的机器人或人工智能。
1.Arizona州立大学计算机科学家Subbarao Kambhapati:自动驾驶
我认为自动驾驶对我的震撼性最大。自动驾驶首先从内华达的沙漠中开始,在城市道路实现自动驾驶的难度要远远高于沙漠,因为最困难的事情就是如何让汽车理解路上其它驾驶员的动机。我认为不远的将来,我们不再必须自己驾驶汽车。
2.Dato公司(该公司通过人工智能分析数据)联合创始人、CEO Carlos Guestrin:我已经等不及自动驾驶了
我花了些时间去研究自动驾驶或无人驾驶对于我们社会的影响,我不喜欢现在的驾驶。最近以来无人驾驶的很多新闻,比如无人驾驶对于减少车祸的贡献,都让我很激动。我希望能实现一个没有汽车的世界,不过一个充满自动驾驶汽车的世界也非常值得期待。
3.谷歌研究所总监Peter Norvig:直升飞机的自我学习系统
我最喜欢的一个系统是Andrew Ng设计的直升飞机自我学习系统,通过这个系统,直升飞机可以在几个小时的观察、学习之后达到全球顶尖飞行员的飞行水准。在四轴飞行器进入之前,整个实验中的直升飞机控制难度非常大大。
4.艾伦人工智能所CEO Oren Etzioni:拯救人类生命的智能
对我印象深刻的人工智能项目是卡内基梅隆大学使用人工智能技术匹配肾脏捐献者和病人的项目,这是一个非常实用的项目。
5.布里斯托大学机器人学家 Sabine Hauert:Watson
我非常欣赏Watson和Watson所做的事情。不如,去发现新的药品或者找到新的治疗办法。毫无疑问,Watson是我的人工智能列表中的第一位。
6.澳大利亚国家信息和通讯部教授Toby Walsh:帮助人类恢复视力
我的同事们正在研究仿生眼睛,利用人工智能算法和计算机视觉的算法希望能帮助到因黄斑部变性导致的失明。
这个项目接下来的的目标将是推出仿生耳,从而帮助失聪的人。并最终在失明的人眼球后面放置电极,使得他们恢复视力。
这将是非常震撼人心的成就,令人期待的改变。
7.谷歌研究员Samy Bengio:人工智能带来效率提升
我对谷歌的一些产品印象深刻,比如谷歌的app,他能够识别我蹩脚的英语法语混搭表达。同时,Google Now也可以在我旅行的时候自动给我贴出汇率,而谷歌懂得我在搜索时没有拼写正确的单词
8.得克萨斯大学计算机科学家Peter Stone:Kiva机器人
我在课堂上举的最多一个案例就是Kiva机器人,一个可以在仓库里处理多项工作的机器人。亚马逊正在使用这些机器人分拣货物(当然,在亚马逊,所有员工可能都是机器人)。
9.卡内基梅隆大学计算机科学家 Manuela Veloso:谷歌
现在,当别人问及一个我不知道的问题时,我都会用谷歌搜索一番。如果你现在想知道爱因斯坦是哪年死的,或者爱因斯坦最后一篇论文是什么,或者其他问题的大难,你只需要在搜索框里敲入关键字,然后就能得到答案。着就是我们现在获取知识的方式,一切只是都数字化、可搜索,而且越来越多的人都对这个方式习以为常。
10.华盛顿州立大学计算机科学家 Matthew Taylor : Nest智能家居温控器的记忆功能
有了Nest,你的家中可以安装去多相当有用的设备。它们可以提升或降低家里的温度,知道主人何时在家。
即使Nest的开发者与设计者对你的家庭情况一无所知,智能温控器却仍然能良好执行运作,这非常不可思议。
11.普林斯顿大学研究员 Joanna Bryson : IBM超级计算机Watson
即使我明白它内部的工作原理,也依然被这些细致入微的细节所震撼。
我给我的学生们播放了Watson挑战Jeopardy电视问答游戏的视频。他们注意到了它在其中展现出的产生或收集大量想法并融为一个概念的能力。我们人类自己会毫无意识地做到这一点,但当你知道了这有多困难,你也就意识到了它的神奇。
12.康奈尔大学计算机科学家 Bart Selman : Youtube的自动字幕
在Youtube上观看视频时可以选择机器翻译或自动字幕。五年前,打开自动字幕显示出来的几乎全是胡言乱语,而现在再看这些字幕,我不得不去检查它是不是真的是自动翻译。
对于很多类似新闻的视频,会有一个清晰的讲者——它的字幕准确到近乎完美。因此这些视频也在我第首先检查的目标之一。但它们的确来自于机器。
13.国家科学基金会信息与智能系统部主任 Lynne Parker : 语音合成器让我们重新听到Roger Ebert的声音
人们根据Roger Ebert以前的许多影评来提取他的声音,并以此创造了一个不错的语音合成器。这其中还涉及了许多信号处理与理解人类语言的工作。
我认为这是个很酷的应用程序,在他的生活中有着很好的效果。人们可以听到他的声音,而不是来自于合成机器的。
14.阿姆斯特丹大学信息学院助教 Shimon Whiteson : 让机器人踢足球
不同类型的机器人足球队,例如轮式机器人,足式机器人与人形机器人,可以在国际赛事中彼此竞争,并且在电脑上进行模拟。
它们的表现比起十年前进步非常惊人,它们能做到的事令人印象深刻。这些机器人速度很快并且出色,距离它们能够打败人类的那一天也许并不那么遥远。
15.布朗大学计算机科学家Michael Littman : 人工智能也可以和人类一样玩电子游戏
我觉得人类让机器系统去学习玩游戏很酷——无论在于对手是人类还是在于人类所玩的游戏上。它们做得很好,并且真的与人类相似。
Atari电子游戏项目真的创造了一个学习系统,你可以把它带进1980年代的游戏,它会学习如何进行游戏。从大范围游戏种类上普遍来看,它们的水平和一个优秀的人类玩家一样好。
人工智能将不仅仅是聪明的程序,他们可以将自己的经验转化为智能的行为。
16.加州大学伯克利分校计算机科学家 Pieter Abbeel : DeepMind深度学习
DeepMind保证了AI在仅能访问原始像素的情况下也可以学习如何玩Atari游戏,得到的分数也十分振奋。
在相同基准下近期我们自己的成果非常不错,以及模拟走路的学习——仅用一个简单的算法来学习两种完全不同类型的任务。
17.加州大学伯克利分校计算机科学家 Stuart Russel : 人工智能在游戏上取得成果十分惊人
DeppMind的系统是从零开始,观看电子游戏的屏幕然后学会如何玩游戏,它可以在30个不同的游戏上做到这点。这种进步既惊人且吓人,想象一个婴儿在刚刚出生这一晚就已经学会了在游戏中打败人类,这件事挺惊悚的。
机器之心,最专业的前沿科技媒体和产业服务平台,每日提供优质产业资讯与深度思考,欢迎关注微信公众号「机器之心」(almosthuman2014),或登录机器之心网站www.almosthuman.cn查看更多精彩内容。
本文仅代表作者观点,不代表本站立场。
本文来自网络,如有侵权及时联系本网站。