有没有可能有些人工智能的例子并没有我们想象的那么聪明？

叫做人工智能。

一组计算机研究生报告称，研究数十种被视为人工研究里程碑的信息检索算法远非革命性的。事实上，在这些算法中使用的AI通常只是对先前建立的例程的轻微调整。

麻省理工学院研究生研究员戴维斯布拉洛克(Davis Blalock)表示，在他的团队研究了81种开发神经网络的方法后，普遍认为这种方法比以前的研究更好，团队无法确认实际上是否有任何改进。

布拉中克说：“一共收录了50篇论文。显然，最新的技术水平还不清楚。”

在过去的十年里，人工智能技术的进步很大程度上归功于硬件的改进，如图形处理器、计算机处理单元和相机。这些技术使复杂的搜索项目、人脸识别、摄影、语言翻译和语音识别以及虚拟现实游戏中的突破呈指数级增长。当然算法的改进也是有帮助的。

但麻省理工团队表示，至少人工智能算法的一些改进是虚幻的。

他们发现，例如，通过微调长期存在的人工智能算法，旧程序本质上可以与高度吹捧的“新的和改进的”程序一起使用。事实上，在某些情况下，人们发现新的人工智能模型不如旧的模型好。

《103010》杂志评价该研究的一篇文章引用了2019年之前搜索引擎中使用的信息检索算法的元分析结果，发现“最高分实际上是在2009年设定的”。对服务使用的神经网络推荐系统的另一项研究证实，所使用的七个过程中有六个不能在几年前设计的简单算法上得到改进。

Blalock指出了比较算法的技术不一致性，因此声称一种方法比另一种方法更准确还有待讨论。

事实上，根据麻省理工学院的一位计算机科学家的说法，在过去十年中，人工智能的某些领域明显缺乏重大进展，这被归因于无法正确比较和评估竞争方法。约翰古塔格顾问布莱克博士说：“这是一把旧锯子，对吗？如果你不能衡量某样东西，就很难让它变得更好。”

卡耐基梅隆大学的计算机科学家济科科尔特推测，给人们的名字加上动机和社会奖励比仅仅修复和调整既定的旧方法更有效。

他研究了图像识别模型，该模型被编程为抵抗黑客所谓的反击。这种攻击使用巧妙改变的代码来绕过系统安全。一种叫做投影梯度下降(PGD)的早期方法可以通过训练人工智能系统来区分真实和虚假的代码示例来抵抗这种攻击。它被认为是一种可靠的方法，但据说被更新更好的协议绕过了。然而，科尔特的研究小组发现，经过简单调整后，旧PGD方法的有效性几乎与新方法相同。

“显然，PGD实际上只是正确的算法，”科尔特说。“很明显，人们希望找到过于复杂的解决方案。”

郑重声明：本文版权归原作者所有。转载文章只是为了传播更多的信息。如果作者信息标注有误，请第一时间联系我们修改或删除。谢谢你。

标签:人工智能AI。

免责声明： 本文由用户上传，如有侵权请联系删除！

标签：