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
这项由Snowflake AI Research发表的研究挑战了传统语言学对大型语言模型的批评,通过引入波兰语言学家Mańczak的理论框架,论证了LLM的成功实际上验证了"频率驱动语言"的观点。研究认为语言本质上是文本总和而非抽象系统,频率是其核心驱动力,为重新理解AI语言能力提供了新视角。
freephdlabor是耶鲁大学团队开发的开源多智能体科研自动化框架,通过创建专业化AI研究团队替代传统单一AI助手的固化工作模式。该框架实现了动态工作流程调整、无损信息传递的工作空间机制,以及人机协作的质量控制系统,能够自主完成从研究构思到论文发表的全流程科研工作,为科研民主化和效率提升提供了革命性解决方案。
德国马普智能系统研究所团队开发出专家混合模型的"即时重新布线"技术,让AI能在使用过程中动态调整专家选择策略。这种方法无需外部数据,仅通过自我分析就能优化性能,在代码生成等任务上提升显著。该技术具有即插即用特性,计算效率高,适应性强,为AI的自我进化能力提供了新思路。
Algoverse AI研究团队提出ERGO系统,通过监测AI对话时的熵值变化来检测模型困惑程度,当不确定性突然升高时自动重置对话内容。该方法在五种主流AI模型的测试中平均性能提升56.6%,显著改善了多轮对话中AI容易"迷路"的问题,为构建更可靠的AI助手提供了新思路。