技术|认知AI的兴起：2025年AI将会发生质的飞跃( 三 ) 飞跃|模型|深度|会发生|训练样

尽管我们无望实现开放式通用人工智能（AGI），但具有较高认知能力的人工智能也能在技术和商业领域中发挥更大的作用。一旦人工智能可以在不可预测的环境中做出可靠的决策，它最终将获得更高的自主权，并在机器人技术、自动运输以及物流、工业和金融体系的控制点等领域中发挥重要作用。
结构化知识在认知人工智能中的作用
在人工智能领域，有些人认为可以通过进一步发展深度学习来实现更高级别的机器智能，而另一些人则认为这需要合并其他基本机制。对此，我赞同后者的观点，原因如下：
深度学习掌握了从嵌入空间中的多维结构的输入到预测输出的基于统计的映射。这让它在区分宽数据和浅数据（例如，图像中的单词或像素 / 体元序列）方面表现出色。此外，深度学习在索引资源（如维基百科）和从语料库中最匹配的地方检索答案方面同样有效 —— 正如在 NaturalQA 或 EffiicentQA 等基准测试中所表现的那样。根据 Bengio 的定义，系统 1 的任务依赖于训练期间创建的统计映射功能。而深度学习可以为完成这些任务提供帮助。
相比之下，结构化、显性和可理解的知识可以为实现更高级机器智能或系统 2 的功能提供途径。一种基本的知识构建就是能够捕获有关元素和概念的声明性知识并编码抽象概念（例如，类之间的分层属性遗传）。例如，有关鸟类的知识，加上有关雀形目鸟类的信息，再加上有关麻雀的详细信息，即使没有特别的说明，也能提供大量有关栗麻雀的隐含信息。除此之外，其他知识构建还包括因果模型和预测模型。
这样的构建依赖于显性的概念和定义明确的关系，而不是潜在空间中的嵌入式机器，并且因此所得模型将具有更广泛的解释和预测潜力，远远超过了统计映射的功能。

文章图片

（来源：Pixabay）
人类大脑有 “想象”、模拟和评估潜在未来事件的能力，这些能力是经验或观察都无法企及的。同时，这些功能为人类智能提供了进化优势。在不受明确规则限制的环境中，对未来可能发生事件进行心理模拟是基于世界动力的基本模型，这在计划和解决问题方面具有很大的适应性价值。
过程建模机制基于隐式的数学、物理或心理原理，而不是从输入到输出的可观察的统计相关性，这对于实现更高的认知能力至关重要。例如，物理模型可以捕获滑水现象，并对各种条件下汽车的运动进行简单预测。这样的过程模型可以与基于深度学习的方法结合使用以扩展当前人工智能的功能。

技术|认知AI的兴起：2025年AI将会发生质的飞跃( 三 )

推荐阅读

如何找寻自我

缝纫机调线器怎么安装平车方法如何

强组词强字组词

火笋鸡翅的做法（增肥食谱）

闺女生日快乐祝福语朋友圈

LV请来潮牌设计师做艺术总监，看中的是啥

老虎豆怎么做好吃老虎豆图片怎样弄来吃

暖气有流水声是什么原因

皮球是什么体

手机怎样开通QQ空间

男生发mua说明 mua是什么意思

手指盖凹陷怎么回事

对自己的生活失去掌控咋调整

小米10s怎么没有月亮模式

我想找个偏僻的地方搞养殖！有没有推荐的地方？

南京养老金认证上门服务怎么申请南京市养老金认证

如何评价猪场阉割猪？

最后一个字是豹的成语

泰山散酒怎么样

猫发情的声音(猫发情的叫声)