CPU速度和内存的限制是否阻止我们创建人工智能系统？

Question

CPU速度和内存的限制是否阻止我们创建人工智能系统？

4

许多技术乐观主义者表示，在15年内，计算机的速度将与人类大脑的速度相当。这就是为什么他们认为计算机将实现与人类相同的智能水平。

如果摩尔定律成立，那么我们应该每18个月期望CPU速度翻倍。 15年有180个月。因此，我们将加倍10次。这意味着在15年内，计算机的速度将比现在快1024倍。

但速度是问题的原因吗？如果是这样，我们现在就能建立一个AI系统，只是比15年后慢1024倍。这意味着要回答一个问题需要1024秒（17分钟），而不是可以接受的1秒钟。但是现在我们是否拥有强大（但缓慢）的AI系统？我认为没有。即使现在（2015年）我们给系统1小时，而不是17分钟，或1天，或1个月，甚至1年，它仍然无法回答用自然语言表达的复杂问题。所以，速度不是引起问题的原因。

这意味着在15年内，我们的智力水平不会比现在快1024倍（因为我们没有智力）。相反，我们的“愚蠢”将比现在快1024倍。

- Roman

1

这个话题很有趣，但完全不适合在StackOverflow上讨论。也许应该去SuperUser？ - SierraOscar

我担心在SuperUser上这也会被视为离题。我认为它可能会通过这里，因为我们有人工智能标签。 - Roman

2

世界构建.SE 怎么样？ - maj

好问题 - 我会说版主们应该知道。(虽然我不认为迁移不可能，但我没有看到一个好的理由。) - maj

1

这个问题有点幼稚。我建议您先阅读http://plato.stanford.edu/entries/turing-test/和http://plato.stanford.edu/entries/logic-ai/。 - aergistal

显示剩余7条评论

3个回答

0

答案必须在计算和复杂性的背景下回答。每个算法都有自己的复杂度和运行时间（参见大O符号）。存在一些非可计算问题，例如停机问题。这些问题被证明是独立于硬件的算法不存在。

可计算的算法描述了解决算法所需的输入步骤数。随着输入数量的增加，算法的执行时间也会增加。然而，这些算法可以分为两类：指数时间算法和非指数时间算法。指数时间算法随着输入数量的增加而急剧增加，并变得难以处理。

这些问题的执行时间可以通过更好的硬件来改善，但复杂性将始终保持不变。这意味着无论CPU使用什么，执行时间始终需要相同数量的步骤。这意味着硬件对于在较短时间内提供答案很重要，但问题的难度始终保持不变。因此，硬件的限制并没有阻止我们创建AI系统。例如，您可以使用并行编程（例如GPU）大大改善算法的执行时间，但算法仍然与普通CPU算法相同。

- kidra.pazzo

0

我认为不是。正如你所展示的，速度并不是智能的唯一因素。我个人认为语言是，是的，语言。语言是我们作为人类学习的主要技能，那么为什么计算机不能呢？语言提供了一种可以在全球范围内理解的理解方式，只要你知道那种语言。人类使用非语言和语言来进行交流。但是我真的认为它的工作方式是这样的：

人类经历过各种各样的经历。这些经历对我们的生活影响越大，我们离出生日期越近，或者情感越强烈。例如，第一次被告知“不”对我们作为婴儿来说比作为70岁的成年人更有意义。这些经历被存储为长期或短期记忆，并与以后的事件相关联以供参考。我们主要存储事件以从中学习，以防止负面体验或促进积极体验。

把它想象成一个标签云。您执行任务A的次数越多，在记忆中的云就越大。然后，我们存储关键细节，例如情感类型、位置、气味等。现在当我们再次从记忆中引用它们时，我们挑选出那些细节并创建一个逻辑句子：

碰那个炉子在我在奶奶家的时候伤害了我。

所有加粗的单词都需要被存储以获得完整的记忆。

现在，在这个句子中，我们学到的不仅仅是在奶奶家被烤炉伤害了。我们还学到了炉子可能会很热、危险，而且奶奶允许它在她家里。我们还了解了从这样的事件中恢复需要多长时间，情感和身体上的，以衡量事件的重要性。还有更多的信息。因此，我们还将这些子事件信息存储在其他知识泡中。这些泡继续呈指数级增长。

现在问：炉子危险吗？

您可以在句子中识别出以下单词：

是，炉子，危险，问题

并参考危险的定义为：伤害，不好

然后提供更多证据表明这是真的，例如个人经验，结果是：

是的，炉子是危险的，因为我在奶奶家被一个烤炉伤害了。

因此，智能似乎是一种混合了事件、相关性和数据检索的解决方案。我相信这其中还有很多内容，但这只是我对智能的理解。

- Dietrich George

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Maciej · Accepted Answer

我们需要更快的硬件和更好的算法。当然，正如您所指出的那样，仅速度不足以解决问题。我们需要自我修改的元学习算法，能够创建假设并执行实验来验证它们（就像人类一样）。能够学习和自我改善的系统。能够证明给定的自我修改在某种意义上是最优的，并且将导致未来甚至更好的自我修改的算法。能够反思和检查自己软件的系统（您可以称之为意识吗？）。正在进行这样的研究，并可能在未来创造超人类智能，甚至有些人认为会引发技术奇点。

然而，这种方法存在一个问题。从事这项研究的人通常认为意识是可计算的。即它与智力有关。他们没有考虑到愉悦和痛苦等经验，这些经验与计算或智力无关（在我看来）。你只能通过经验理解疼痛（而非知识推测）。将变量 pleasure 设为5或表现得像感觉愉悦是与体验愉悦大不相同。有些人说感觉起源于大脑，因此了解大脑就足够了。并非如此。孩子可能会问：“他们是怎么把小人放进电视里的？”当然，电视只是一个接收器，里面没有小人。大脑也可能是接收器。我们需要更高的知识来理解感觉和其他经验吗？