天天干夜夜草av,手机在线看一级无码黄片,ww.亚洲黄片欧洲在线播放,五月天婷婷导航,黄片免费看wwwwww,黄色网址视频在线视频,国产成人精品亚洲

從我們睜開(kāi)雙眼看這個(gè)世界開(kāi)始，我們就在努力的了解著周?chē)囊磺校覀兞私馐澜绲姆绞胶芏鄻?；一開(kāi)始是試圖把所有東西放進(jìn)嘴巴里，到后來(lái)我們走遍了這世界的每一個(gè)角落。好奇心，是人和人工智能最顯著的差異之一?？扇斯ぶ悄芩龅?，只有根據(jù)既定目標(biāo)進(jìn)行學(xué)習(xí)、搜索和計(jì)算。掃地機(jī)器人會(huì)探索周?chē)h(huán)境，可這不是因?yàn)楹闷?，而是為了建立房間中的SLAM以完成工作。這也是強(qiáng)人工智能不會(huì)出現(xiàn)的證據(jù)之一：人類(lèi)自己都沒(méi)弄明白“意識(shí)”為何會(huì)存在，更沒(méi)法將“本能”加在人工智能頭上。

在DeepMind計(jì)算機(jī)科學(xué)家Hester和德州大學(xué)奧斯汀分校的Peter Stone的研究中，同樣的概念被進(jìn)一步的具象化。

在強(qiáng)化學(xué)習(xí)的基礎(chǔ)上，他們開(kāi)發(fā)了一種名為T(mén)EXPLORE-VANIR的算法。和自監(jiān)督預(yù)測(cè)算法不同的是，TEXPLORE-VANIR為人工智能設(shè)立了內(nèi)部獎(jiǎng)勵(lì)機(jī)制，當(dāng)人工智能探索環(huán)境時(shí)，即使這種行為對(duì)達(dá)到最終目標(biāo)沒(méi)有好處，人工智能也會(huì)因?yàn)闇p少了外部環(huán)境的未知性而獲得來(lái)自內(nèi)部的正向反饋。同時(shí)，在探索環(huán)境中發(fā)現(xiàn)了新事物時(shí)，人工智能也會(huì)獲得正向反饋。

當(dāng)人類(lèi)表現(xiàn)出過(guò)度好奇時(shí)，會(huì)有怎樣的結(jié)果？最常見(jiàn)的，注意力無(wú)法集中，常常將手頭的工作半途而廢。同樣，人工智能擁有好奇心后也會(huì)有同樣的表現(xiàn)。搭載TEXPLORE-VANIR算法的機(jī)器人在一項(xiàng)給門(mén)開(kāi)鎖的任務(wù)上表現(xiàn)較差，就是常常因?yàn)楹闷娑ヌ剿鳝h(huán)境，導(dǎo)致任務(wù)完成的延遲。甚至有學(xué)者稱(chēng)，這是人工智能的“多動(dòng)癥”。

這樣看來(lái)，如何平衡內(nèi)部和外部的反饋將是如何讓人工智能好奇心發(fā)揮作用的最大問(wèn)題。

我們更關(guān)心的是，讓人工智能擁有好奇心這件事究竟有什么用？是為了他們?cè)谟螒蛑懈玫拇驍∥覀?？還是讓他們?cè)趫?zhí)行任務(wù)時(shí)分心而變得低效？或者說(shuō)讓他們更接近人類(lèi)，可以更好的打敗我們？首先，好奇心會(huì)讓人工智能在學(xué)習(xí)時(shí)更加高效。減少對(duì)外部環(huán)境反饋的依賴(lài)，意味著對(duì)已有數(shù)據(jù)的利用率更高。比如在機(jī)械手臂試圖抓起物品時(shí)，常常是把可能抓起物品姿勢(shì)都嘗試一遍，直

到把物品抓起來(lái)。對(duì)于人來(lái)說(shuō)，這是根本不能接受的低效，可換到了一個(gè)充著電的機(jī)器上，似乎就沒(méi)人在意了。可笑的是，人工智能本應(yīng)該替人類(lèi)完成重復(fù)勞作的工作，人工智能可以先對(duì)環(huán)境、環(huán)境中的物體進(jìn)行初步的了解，然后再加以行動(dòng)，而不是無(wú)腦的用暴力窮舉解決問(wèn)題。

其次，好奇心可以讓人工智能更好的適應(yīng)現(xiàn)實(shí)應(yīng)用環(huán)境，畢竟現(xiàn)實(shí)和游戲或者實(shí)驗(yàn)不一樣，沒(méi)人會(huì)為人工智能的每個(gè)動(dòng)作打分。當(dāng)缺少外部環(huán)境反饋時(shí)，好奇心驅(qū)使的內(nèi)部反饋就可以發(fā)揮很大作用。只有可以自我驅(qū)動(dòng)的AI，才能在真正意義上幫助到人類(lèi)，發(fā)現(xiàn)那些我們?cè)谠O(shè)立目標(biāo)時(shí)沒(méi)有發(fā)現(xiàn)的事，而不是像所有機(jī)器一樣根據(jù)指令行動(dòng)。

看到這里，是不是加重了對(duì)人工智能的恐懼？別擔(dān)心，大多數(shù)有關(guān)好奇心的算法目前還都停留在實(shí)驗(yàn)階段，一是上文提過(guò)的，由于無(wú)法平衡內(nèi)部反饋和外部反饋，好奇心常常會(huì)降低人工智能的工作效率。畢竟100%的專(zhuān)注，是所有機(jī)器的優(yōu)勢(shì)。第二則是，傳統(tǒng)深度學(xué)習(xí)的“蘿卜加大棒”政策已經(jīng)能滿足當(dāng)下很多人工智能的應(yīng)用。暴力窮舉雖然低效，但是十分有效。

但我們相信，不管以何種形式，未來(lái)的人工智能一定會(huì)出現(xiàn)類(lèi)似好奇心的機(jī)制，在更了解這個(gè)世界的前提下，更好的服務(wù)人類(lèi)。