我们目前生活在这样一个世界，我们优先使用自动驾驶汽车带我们四处走动，优先使用语音和面部识别来保护我们的手机，使用搜索引擎来回答我们最基本的问题。这种技术在我们周围无处不在，我们才刚刚开始了解如何利用它。
许多人没有意识到科学家在机器学习方面取得的快速进步。几乎所有大型科技公司都在使用这种类型的技术，并且由于它所具有的潜力，它们将继续取得进步。
当今现代世界中的大多数人工智能都是专业化的，这意味着它们只能做一件事，并为一个特定的结果处理信息和数字。例如，每当您在手机或网络浏览器上打开抖音时，推荐的视频都是由专门的算法或 AI 生成的，这些算法或 AI 会根据您看过的视频来推荐它认为您可能更有兴趣观看的视频前。
科学家们正在努力创造一种更通用的人工智能，它可以模仿人脑并最终以我们只能想象的方式超越我们，从识别面部特征到理解如何像我们一样学习。这种技术的能力是无限的，有可能重建社会。
仍然在[深]蓝色
1956 年，约翰麦卡锡创造了“人工智能”一词。1969 年，“Shakey”成为第一个能够理解和感知周围环境的机器人。1997年，IBM科学家研制的超级计算机“深蓝”在国际象棋比赛中击败了国际象棋大师加里·卡斯帕罗夫。从那时起，人工智能继续取得巨大进步。我们现在拥有可以学习适应您的生活方式的智能家居，一种可以比任何其他方法快 120 倍地预测 SARS-CoV-2 (COVID-19) RNA 序列的算法，以及如此先进的面部识别技术仅凭面部特征就能识别出一个人的性取向。
许多专家，如谷歌工程总监 Raymond Kurzweil 和科学家兼“奇点”（用于描述 AI 超越人类智能的点）的创造者 Vernor Vinge，预测人工智能具有人类水平的能力和智能可能在 2030 年出现，并且相信“奇点”点可能在 2045 年达到。
但是，许多专家也认为超级智能或许在未来 25 年内达到“奇点”的想法是荒谬的。
人工智能促进协会代表艾伦人工智能研究所创始首席执行官 Oren Etzioni 对人工智能研究人员进行的一项调查发现了一些有趣的信息。该调查询问“超级智能何时到来”，令人震惊的是，92.5%的受访者认为超级智能还需要25年才能到来。在这 92.5% 的人中，有 25% 的人认为超级智能永远不会到来，这表明一些研究人员不相信我们永远不会达到“奇点”。
“我们正在与人类大脑数百万年的进化竞争。我们可以编写可以与人类竞争，有时甚至表现出色的单一用途程序，但世界并没有被整齐地划分为单一问题。” ——匿名受访者
我们的大脑由 100 万亿个神经连接组成。所有这些对于作为人发挥作用都很重要。科学家们仍然不完全了解大脑是如何工作的，但也许他们不必了解。
计算机进化
对大脑的研究始于 17 世纪，但我们仍然只了解大脑工作原理的 10% 左右。这就是为什么创建模仿我们的人工智能如此困难的原因，因为复制如此复杂的东西并不是一件容易的事。
自 1980 年代以来，自动化神经网络过程的想法一直是 AI 社区讨论的主要话题。它基本上质疑人工智能是否有可能学习如何创建一个像人类一样高效的神经网络，而不是让人类自己去做。
这个过程通常被称为神经进化或神经架构搜索 (NAS)。基本上简而言之，就是当 AI 生成许多可能的神经网络并让自己找出哪些更有效时。然后使用该信息重做整个过程，直到它创建并找到一个与人类一样高效的系统。
最近，有些公司在创建可以使用 NAS 击败人类设计的网络的 AI 方面取得了长足的进步，但这只是第一步。
2018 年，谷歌 AI 研究员 Estaban Real 向世界展示了 AutoML。这是一个使用NAS的程序。谷歌使用 AutoML 来生产 EfficientNets，这是一个比人类设计的更高效的 AI 家族。EfficientNets 在图像识别方面比人类设计的深度学习模型具有更高的准确度。
2020 年，Estaban Real 取消了 AutoML 的训练轮，向我们展示了 AutoML Zero。该系统使用最基本的数学概念从头开始构建深度学习模型。
首次使用该系统时，它不仅自发地构建了一个神经网络，而且还创建了梯度下降法，这是一种用于寻找可微函数局部最小值的算法。它是人类研究人员用来训练网络的最知名算法。当被问及此事时，Real 表示
“我很惊讶，这是一个非常简单的算法——它需要六行代码——但它写出了准确的六行代码”
人工智能正在重新定义可能性的极限，并且每年都会开发新的机器学习技术。在我们意识到这一点之前，我们可能会被一个深度学习机器的世界所包围，这些机器可以比我们做得更好。
尽管对于人工智能何时能变得像我们一样先进还没有真正的时间表。许多公司已经在重新定义我们最初认为可行的东西。我们可以依靠拥有数十亿美元预算的大型科技公司，如谷歌、英伟达、微软、Meta 等，利用人工智能的力量突破极限并重塑明天。
#人工智能#