人人享有的人工智能評估新的機器學習工具和量子計算的興起

人工智能越來越個性化。 大規模數據收集和處理的進步，加上機器處理能力的全面飛躍，為AI可以緊密模擬人腦并在日常生活的許多方面根深蒂固的世界奠定了基礎。

變成現實的時間可能很大程度上取決于控制它的人，因為運行基本AI計劃的能力已經發展到這樣一種程度，即生成機器學習模型就像在后院種植玫瑰一樣容易。

瞻博網絡公司Mist的副總裁兼首席技術官鮑勃·星期五(右下圖)說：“像Google和Facebook這樣的人，使普通人真正完成AI項目變得如此容易。” “您的聽眾中的每個人實際上都可以在周末訓練機器學習模型。您個人可以在周末成為一名數據科學家。”

星期五，在“圍繞CUBE：解開人工智能”小組討論中，與位于加利福尼亞州帕洛阿爾托的SiliconANGLE Media直播工作室的CUBE主持人John Furrier進行了交談。星期五 ，達特茅斯學院工程學教授，博士Eugene Santos Jr.(左二)和 Dell EMC的高級科學家，杰出的技術人員(機器學習)Ed Henry(右)參加了會議。他們討論了AI對日常生活的影響，技術對基本數學的持續依賴，機器智能如何模仿人腦以及量子計算的未來影響。(*以下披露。)

人工智能成為現實

AI成為日常生活不可或缺的一部分的鋪平了道路，這是因為它存在于 許多人通常接受的各種交互中。在移動或家用設備上使用智能助手的人們正在使用AI。社交媒體訂閱源受到AI工具的嚴重影響，音樂，流媒體服務以及大多數在數??字平臺上投放的廣告也受到AI工具的影響。

“大量的人工智能是真實的，”桑托斯說。“這取決于您將其應用于什么。如果它正在為您做出某種決策，那就是AI發揮了作用。”

盡管AI和機器學習取得了進步，但實際領域仍處于起步階段。與許多計算一樣，人工智能背后的機制仍然依賴于基本數學，該數學指導機器如何生成結果，并且程序必須依賴于計算機處理器的速度或時鐘周期。

“現在，這全是數學，”亨利解釋說。“計算機的工作方式不像大腦。我們的大腦沒有時鐘。在不同的時鐘周期之間沒有保持狀態。”

模仿人腦

人工智能和機器學習由需要大量數據的訓練模型提供動力，而人腦只需最少的指令即可直觀地學習新任務。AI能否達到可以與人腦推理相匹配的地方?

一個新的科學論文人工神經網絡提出了下一代的智能算法可以使機器在概括大致相同的方式為人類大腦學習的可能性。

“我們是否要克服人類的偏見，并將其訓練到下一代AI設備中?” 星期五問。“從我的角度來看，我們不可避免地最終會構建出像大腦一樣復雜的東西。”

量子計算的影響

推動人工智能發展的潛在游戲規則改變者之一是量子計算，這種能力可以利用機械現象并以比現在普遍使用的速度和規模大得多的速度和規模來操縱信息位。

例如，據報道，一臺53比特的計算機Google Sycamore可以在200秒內解決一個超級計算機需要10,000年才能解決的問題。

亨利說：“它將從根本上改變我們解決這些問題的方式。” “量子計算使您可以一次評估整個搜索空間。一旦我們破解了那個量子螺母，這項技術就不會像今天一樣。”

人工智能的發展已經進行了數十年，并且達到可以真正模仿人類智能的技術仍然是最終的獎勵。

桑托斯說：“早在1980年代初期，人們就一直在將AI稱為人工智能。” “這是我們人類可以做的一切，我們人類可以推理的，是我們所做的所有決策序列。這是我們尚未完全了解的部分。”