人工智能(AI)將計(jì)算系統(tǒng)的功能提升到不同的水平。甚至認(rèn)為計(jì)算系統(tǒng)可以模仿人類也是令人驚訝的。人工智能在我們生活的各個(gè)方面都有很多很棒的例子。也就是說，計(jì)算系統(tǒng)的能力仍然受到限制，因?yàn)樗鼈儫o法像人類一樣創(chuàng)造性地思考。雖然人工智能可以處理和分析復(fù)雜數(shù)據(jù)，但在涉及抽象，非線性和創(chuàng)造性思維的領(lǐng)域仍然沒有太多實(shí)力。例如，計(jì)算系統(tǒng)極難提出像相對(duì)論那樣的突破性科學(xué)理論。AI可以克服這個(gè)限制嗎?人工智能正在不斷豐富，但迄今為止沒有做太多工作將人工智能推向更高水平。
什么是人工智能?
AI是一個(gè)研究計(jì)算系統(tǒng)智能的計(jì)算機(jī)科學(xué)領(lǐng)域。雖然聽起來有點(diǎn)奇怪，但人工智能使計(jì)算機(jī)在某種程度上能像人類一樣思考，反應(yīng)和工作。智能計(jì)算機(jī)可以做許多不同的事情，如計(jì)劃，語音識(shí)別和解決問題。
人工智能的開發(fā)
如前所述，人工智能的利用太多，無法在這里記錄。不過，下面簡要介紹了一些最值得注意的成就：
谷歌的AI軟件AlphaGo在極其復(fù)雜的中國游戲Go中擊敗了世界冠軍Lee Sedol。在制作動(dòng)作方面，Go就像國際象棋一樣，但與國際象棋不同，由于Go中可能的移動(dòng)數(shù)量幾乎無限，因此無法計(jì)算所有可能的移動(dòng)。
谷歌的人工智能軟件寫了詩歌。該軟件獲得了超過11,000首詩歌。根據(jù)這些詩歌的數(shù)據(jù)，該軟件創(chuàng)作了新的詩歌。
在塔夫茨大學(xué)，人工智能軟件開發(fā)了關(guān)于扁蟲再生的科學(xué)理論。120年來，這個(gè)話題一直是個(gè)謎。
AI真的可以變得有創(chuàng)意嗎?
盡管取得了成就，但很難相信人工智能實(shí)際上可以變得富有創(chuàng)造力 - 至少不會(huì)很快。想想上面描述的例子。他們每個(gè)人的共同傾向是對(duì)數(shù)據(jù)的依賴 - 大量的數(shù)據(jù)。在做任何新穎的事情之前，機(jī)器首先需要處理和分析給他們的數(shù)據(jù)。AI最有可能做的就是根據(jù)已經(jīng)給出的許多模式找到一個(gè)新的模式。這違背了創(chuàng)造力的基本原則。人類的思維不能存儲(chǔ)或處理如此龐大的數(shù)據(jù)量，但這并不能阻止它創(chuàng)造出令人難以置信的新奇東西。
人工智能難以涉足的一個(gè)領(lǐng)域是純藝術(shù)。根據(jù)牛津大學(xué)機(jī)器學(xué)習(xí)副教授邁克爾·奧斯本的說法，教授算法來制作像人類一樣的藝術(shù)是非常困難的?？梢杂?xùn)練算法來大量制作藝術(shù)品，但很難教他們質(zhì)量和藝術(shù)差的區(qū)別。英國一家知名報(bào)紙“衛(wèi)報(bào)”進(jìn)行的一項(xiàng)調(diào)查發(fā)現(xiàn)，在英國和美國，近90%的藝術(shù)工作都無法實(shí)現(xiàn)自動(dòng)化。
根據(jù)該領(lǐng)域知名人士的意見，人工智能似乎不會(huì)很快成為真正的創(chuàng)意。讓我們回顧一下這些意見。
David Cope，加州大學(xué)圣克魯茲分校作曲家，作者和音樂名譽(yù)教授
Cope教授一直試圖讓計(jì)算機(jī)長時(shí)間寫小說并取得了一些成功。計(jì)算機(jī)現(xiàn)在能夠?qū)懚唐≌f，但問題出現(xiàn)在故事??的質(zhì)量上。根據(jù)Cope教授的說法，人工智能可能很快就會(huì)在30分鐘內(nèi)完成10,000個(gè)單詞的翻譯。但這些故事能為讀者帶來快樂和價(jià)值嗎?可能不是。機(jī)器編寫的短篇故事彼此相關(guān)，為計(jì)算機(jī)提供分析數(shù)據(jù)。這里缺少的基本要素是創(chuàng)造力和新穎性。即使在撰寫短篇小說時(shí)，計(jì)算系統(tǒng)依賴于先前的數(shù)據(jù)輸入。
Maria Teresa Llano Rodriguez，戈德史密斯大學(xué)計(jì)算創(chuàng)造力研究組副研究員
羅德里格茲認(rèn)為，由于提供的數(shù)據(jù)類型，人工智能的創(chuàng)造力受到限制。她闡述了數(shù)據(jù)質(zhì)量，多樣性和數(shù)量是使AI變得富有創(chuàng)造力的重要因素。向AI系統(tǒng)提供此類數(shù)據(jù)總體上是失敗的。雖然在這種情況下對(duì)AI的能力沒有任何疑問，但AI仍然依賴于數(shù)據(jù)質(zhì)量。
人工智能如何成為創(chuàng)意?
人工智能似乎可以改善，但不太可能與人類的思維相匹配。然而，在某些領(lǐng)域，人工智能可以聲稱能夠?qū)崿F(xiàn)完全掌握，例如無人駕駛汽車和汽車制造。事實(shí)上，這些行業(yè)已經(jīng)經(jīng)歷了大規(guī)模的自動(dòng)化。為了提高算法的能力，他們需要不斷提供大量，更新和變化的數(shù)據(jù)量，以便機(jī)器可以適應(yīng)和學(xué)習(xí)。基于學(xué)習(xí)，它可以找到新奇的東西。但心理學(xué)，醫(yī)學(xué)和藝術(shù)等領(lǐng)域仍未被人工智能所征服。
讓我們以恐怖電影“摩根”為例，其中IBM Watson認(rèn)知平臺(tái)發(fā)揮了突出作用?；旧希琖atson減少了人類通常用于制作這部恐怖電影預(yù)告片的巨大努力和時(shí)間。通過純粹的人力，它將花費(fèi)更長的時(shí)間。沃森吃了很多恐怖驚悚片的預(yù)告片。Watson分析了預(yù)告片的視覺效果，聲音和構(gòu)圖，并選擇了最合適的剪輯。你可以說Watson的努力接近人腦的努力 - 如果不相同 - 因?yàn)樗梢苑治龊妥R(shí)別合適的片段。
這就是AI的工作方式：模仿?；旧?，AI模仿它作為輸入給出的數(shù)據(jù)。您提供大量數(shù)據(jù)，然后人工智能處理和分析數(shù)據(jù)并找到新模式，有些人稱之為創(chuàng)造性。根據(jù)開發(fā)深度學(xué)習(xí)應(yīng)用程序的初創(chuàng)公司Somatic的首席執(zhí)行官Jason Toy的說法，AI致力于深度學(xué)習(xí)原則。“如果你喂它成千上萬的繪畫和圖片，你突然有了這個(gè)數(shù)學(xué)系統(tǒng)，你可以調(diào)整參數(shù)或向量，獲得全新的創(chuàng)意，就像它訓(xùn)練的那樣。”
相信人工智能可以創(chuàng)造性的人相信這一點(diǎn)，因?yàn)樗某删驮谶^去是不可想象的，并且突飛猛進(jìn)。例如，沒有人相信計(jì)算機(jī)可以區(qū)分什么是癌癥，什么不是癌癥，但Watson目前正在開展這項(xiàng)任務(wù)。基本上，這些人依賴于AI的進(jìn)化趨勢(shì)。實(shí)際上，人工智能在很短的時(shí)間內(nèi)取得了很多成就。但是被忽略的是人工智能用一種常見的方法做了不同的事情 - 深度學(xué)習(xí)和模仿數(shù)據(jù)。但創(chuàng)造力要求獨(dú)立。
