CNET科技资讯网 5月26日 北京消息: 5月26日,在贵阳数博会“机器智能”高峰对话上,全球IT届的多位领军人物就MI(机器智能)与AI(人工智能)的区别展开激烈讨论。
“只要创造出关于动物和人的智能,都可以叫做人工智能。但人与动物不具备的智能,如果机器具备了,那就是机器智能,这是我的理解。”阿里巴巴技术委员会主席王坚说。
王坚举例说,最常见的人工智能就是创造一个聊天机器人,基本上是过去人能做的事情。但是去年我们给杭州装一个城市大脑,那是一个人也不具备的智能,我觉得更适合机器智能。
美国硅谷著名创业家、天使投资人史蒂夫·霍夫曼认为,AI是拿图灵测试作为定义,能与人进行互动通过图灵测试的都是AI。MI会是人机共生的核心点,我希望在有生之年能看到MI无处不在。因为今天我所做的很多决定,如果有MI辅助,我可以作出更好的决定,这让每个人未来可以发挥潜力。“我是写书的,写每一本书的时候要做大量的研究工作,如果有MI帮我收集信息、整理信息,把最相关的信息提取出来,我可以用更短时间写出更有水平的书。”
斯坦福大学人工智能与伦理学教授杰瑞·卡普兰认为,机器智能不应该认为它是让机器变得像人一样有智慧,应该看成是新一代的自动化。它不是来取代人,它是来辅助人,还会有大量的工作岗位,现在就有很多工作岗位不能靠自动化来取代,这个技术它会改变工作的性质,让我们工作变得更加高效。如果从这个视角来理解,机器智能是自动化的延伸。
北京大数据研究院院长鄂维南认为,机器智能的核心是会学习的机器,它将会把我们带入智能化社会,就像当年造出了会劳动的机器把我们代入了工业化社会一样。
机器智能如此无所不能,是否会取代人类?对此,王坚打了一个有趣的比喻:“我们拿一条狗让它去找毒品的时候从来没有说过我们的鼻子被狗的鼻子给取代了。”他认为,我们要尊重机器在某些方面的能力超越人类。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。