王小川：人工智能還在人類設定的套路里
來源：骨軟筋酥網
時間：2025-12-01 10:32:33
導讀：人工智能會不會取代人類？川人似乎每一次人工智能領域有所突破的時候，人們就會開始焦慮地思考這個問題。工智
對此，在本屆博鰲“人工智能”分論壇上，設定百度總裁張亞勤表示，川人“我們現在想這個問題實在是工智焦慮地太早了，有點像擔心火星上面會不會堵車。人類”
對于人工智能所處的設定階段，搜狗CEO王小川表示，川人成都外圍聯系方式崴信159+8298+6630提供外圍女小姐上門服務快速安排面到付款“人工智能目前還只是工智按照人設定的套路做事”。王小川稱，人類目前機器還不可能超越人類，設定它們對于知識、川人常識的工智認知也很有限。
對此，人類王小川舉了一個例子。去年六月份，王小川在劍橋大學見識到了一個訂餐系統。當時這個訂餐系統的表現非常驚艷。使用者說自己喜歡吃辣的，系統就會用語音回答附近多少米內會有他喜歡的餐館。使用者繼續問餐館的電話，這個系統也立即報出了電話。然而，當另外一位使用者去和訂餐系統交流的時候，系統詢問，“我需要幫你找一個停車位嗎？”這位使用者說，“我沒有車”。系統一時語塞，不知道他在講什么。
王小川表示，目前機器還沒有突破對知識、常識的認知，仍然需要通過一些人工和半人工的方式去將一些信息和系統連接，比如告訴系統“沒有車”等價于“不需要停車位”。
除了用更多的知識和常識去訓練人工智能之外，找到特殊的場景是讓人工智能發揮強大作用的另一個關鍵。
人工智能目前表現比較突出的領域為語音識別、語義識別和圖片識別，但是讓人工智能發揮作用還必須找到非常具體的場景。比如，在炒股票的場景里就只能跟機器談論股票方面的內容，結合聊天場景計算機才能給出最準確的判斷。如果在這個場景中談論起于股票相去甚遠的話題，機器也難以分辨出用戶的需求。
除了將人工智能運用到更多的場景中去尋求量變之外，人工智能本身也需要發生質變。
目前來看，限制人工智能發展的不僅僅是特殊的場景，還有數據。人工智能中的算法和數據相當于火箭的引擎和燃料，缺少數據意味著缺少燃料。
人工智能的深度學習算法在加拿大實現了突破，然而加拿大由于地廣人稀，缺少數據，加拿大的科學家無法使用先進的算法來訓練計算機。因此，人工智能最后是在美國和中國這兩個具有海量數據的國家落地。
如果機器能夠通過小數據學習，那機器的智能程度將得到極大提高。張亞勤表示，通過小數據學習，才是更像人類的學習方式。“比如一個小孩，一次他看見一個蘋果以后，下次再看見，他就能認識這是個蘋果，而不需要看成千上萬個蘋果。”張亞勤舉例道。這個對于人類來講輕松不過的事情，機器就要看成千上萬張圖片才能總結出來，蘋果究竟有什么樣的特征，然后按照總結出來的特征識別下一個蘋果。
不過在小數據學習方面，理論領域目前并沒有實質性突破。王小川表示，目前人類還是通過大數據將套路教給機器，讓機器去做一些重復的事情。
對此，在本屆博鰲“人工智能”分論壇上，設定百度總裁張亞勤表示，川人“我們現在想這個問題實在是工智焦慮地太早了，有點像擔心火星上面會不會堵車。人類”
對于人工智能所處的設定階段，搜狗CEO王小川表示，川人成都外圍聯系方式崴信159+8298+6630提供外圍女小姐上門服務快速安排面到付款“人工智能目前還只是工智按照人設定的套路做事”。王小川稱，人類目前機器還不可能超越人類，設定它們對于知識、川人常識的工智認知也很有限。
對此，人類王小川舉了一個例子。去年六月份，王小川在劍橋大學見識到了一個訂餐系統。當時這個訂餐系統的表現非常驚艷。使用者說自己喜歡吃辣的，系統就會用語音回答附近多少米內會有他喜歡的餐館。使用者繼續問餐館的電話，這個系統也立即報出了電話。然而，當另外一位使用者去和訂餐系統交流的時候，系統詢問，“我需要幫你找一個停車位嗎？”這位使用者說，“我沒有車”。系統一時語塞，不知道他在講什么。
王小川表示，目前機器還沒有突破對知識、常識的認知，仍然需要通過一些人工和半人工的方式去將一些信息和系統連接，比如告訴系統“沒有車”等價于“不需要停車位”。
除了用更多的知識和常識去訓練人工智能之外，找到特殊的場景是讓人工智能發揮強大作用的另一個關鍵。
人工智能目前表現比較突出的領域為語音識別、語義識別和圖片識別，但是讓人工智能發揮作用還必須找到非常具體的場景。比如，在炒股票的場景里就只能跟機器談論股票方面的內容，結合聊天場景計算機才能給出最準確的判斷。如果在這個場景中談論起于股票相去甚遠的話題，機器也難以分辨出用戶的需求。
除了將人工智能運用到更多的場景中去尋求量變之外，人工智能本身也需要發生質變。
目前來看，限制人工智能發展的不僅僅是特殊的場景，還有數據。人工智能中的算法和數據相當于火箭的引擎和燃料，缺少數據意味著缺少燃料。
人工智能的深度學習算法在加拿大實現了突破，然而加拿大由于地廣人稀，缺少數據，加拿大的科學家無法使用先進的算法來訓練計算機。因此，人工智能最后是在美國和中國這兩個具有海量數據的國家落地。
如果機器能夠通過小數據學習，那機器的智能程度將得到極大提高。張亞勤表示，通過小數據學習，才是更像人類的學習方式。“比如一個小孩，一次他看見一個蘋果以后，下次再看見，他就能認識這是個蘋果，而不需要看成千上萬個蘋果。”張亞勤舉例道。這個對于人類來講輕松不過的事情，機器就要看成千上萬張圖片才能總結出來，蘋果究竟有什么樣的特征，然后按照總結出來的特征識別下一個蘋果。
不過在小數據學習方面，理論領域目前并沒有實質性突破。王小川表示，目前人類還是通過大數據將套路教給機器，讓機器去做一些重復的事情。
