一步,用逻辑算法清晰地描述出来,并且这套算法不可以存在任何矛盾,把这样逻辑算法输入到机器人系统当中,这样机器人才能按照这套算法进行相应的人类活动。但是人类的活动千变万化,而且我们有所谓的直觉、第六感,这种判断其实是有一定的逻辑依据,但目前我们都很难用算法却一一描述出来。”
“举一个人类思考简单的例子,选择一家餐厅吃饭,我们会考虑距离、食物味道、环境、停车位、候餐时间等因素。如果我们将其变成一套可以让机器人执行的算法,但机器人是不能理解什么才是合适距离,什么才是满意的环境,什么才是好吃的食物。
也就是说我们必须要用定量的语言表述。例如距离在3公里范围内,大众点评食物味道和环境因素大于或等于4星,停车位不少于50个,平均候餐时间不长于15分钟。这样,机器人才能够做出类似于人类的判断。但是算法之间确极有可能存在矛盾。”
虽说现在华夏技术高度发达,但人工智能这一方面还没有完全掌握精髓。
如果仅仅是说商的话,那根本就没有什么好讲的。
毕竟商是系统所赋予的东西。
就算是现在陈渊还想再弄出一个商来,压根就不可能,甚至说非常的困难。
例如在经典的哲学问题上——“你是一辆快速行走的列车上的列车长,列车的刹车已经坏了无法使用,你发现前方轨道上有5个修路工人,向左拐的轨道中有1个修路工人,此时你可以选择向左拐或者是继续向前行驶。这时候你应该怎么办?”
我们的无人驾驶汽车遇到这种情景应该如何处理?
这种情况下无论如何都要违背阿西莫夫的机器人三大定律。这种情况下,我们无法用清晰的逻辑算法描述应该如何处理,因为作为人类本身,我们都无法说明哪一种情况才是真正正确的选择。
但是,我们回头想一下,把所有逻辑关系都清晰列举出来让机器人执行的这种模式是否正确。回头看一下,我们对小孩的教育,难道我们是把所有的规矩都列出来,然后再每一个小孩子去执行的吗?
显然不是。
人类一生里面的学习,有理论知识的学习,也就是说确实有各种成形的方法和理论,告诉我们一步一步应该怎么做,但是这是不多的,完全不变通的理论应用是少之又少的。其实人类的学习过程中,更多是感知活动。
例如,小孩子学说话的过程,其实就是不断地从视觉口型和听觉声音上,去不断地感受,其大脑通过无数次情景数据的收集,最后归纳出不同的情景应该说什么话,并在之后的应用中不断地修正。过程,就是现在我们所说的大数据应用的过程。
所谓大数据,就是数量得足够大,把数据的偏
请收藏:https://m.bqghh.cc
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)