以下是中公考研记者收拾的关于“AI飞速发展，是不是值得依靠”有关资讯文章，一块关注一下吧~

计算机程序在漫长而不稳定的AI之旅中已经到了让人困惑的地步。他们在大家过去觉得只有人能胜任的任务中超越了人类，比如玩扑克或辨别人群中的面孔。同时，但用相同技术方法的无人开车却撞上了行人和柱子，（如此一来）大家就非常困惑AI是不是值得依靠。

在这类飞速进步和反复叨扰的挫折中，几十年来人类智能的一个基本要点一直被错过，即理解因果关系。

简而言之，今天的机器学习计划没办法分辨出一只啼鸣的公鸡会不会让太阳升起，或者相反。无论机器剖析的数据量是多少，它都没办法理解人类的直觉。从大家是婴儿的那一刻起，大家就把经验组织到缘由和影响中。“为何会发生这种事情？”与“假如我采取了不一样的行动会如何？”这类问题是认知进步的要紧，这使大家成为了人类，而迄今为止还没机器可以达到。

比如，假设一家药房决定将它定价委托给一个大家称之为查理的机器学习程序。该策略审察了商店的记录，并看到过去的牙膏价格变化与销售量的变化有直接关系。所以查理建议提升价格以创造更多收入。一个月后，牙膏，还有牙线，饼干和其他物品的销量降低了 。查理出了那些问题？

查理不理解，前女友（人力）经理只有在角逐中才会改变价格。当查理单方面提升价格时，具备价格意识的顾客将它业务转移到其他地方。这个例子表明，历史数据本身并没告诉大家任何缘由，而且因果关系的方向是至关要紧的。

机器学习系统在剖析数据模式方面获得了惊人的进展，但这是AI的一个小成就。为了达到更高的水果，AI需要一个梯子，大家称之为因果阶梯。它的横档代表三个层次的推理。

第一阶段是“联系”，即现在的机器和很多动物的水平。在那一步，帕夫洛夫的狗掌握了将钟和食物联系起来。下面是“干涉”：假如我敲响钟声或者提升牙膏价格会发生什么？干涉和察看是不一样的，单方面提升价格与看到过去的状况是不一样的。顶层是反事实的，这意味着可以想象出结果，考虑一个人的行动和评估其他状况。这是机器需要达到的评估和交流责任，信用，责备和自我提升的水平。想象给一个自动开车这个能力。在一次事故后，它的CPU会问自己如此的问题：假如我没对喝醉的行人按喇叭会发生什么？

为了达到更高的等级，取代愈加多的数据，机器需要一个潜在因果原因的模型––本质上是一个因果关系的数学。一个简单的元素可能是：“酒损害了大家的判断力，使他们以意料之外的方法行动。”大家可以用科学家们目前称之为因果图的办法对其进行编码，其中箭头代表了一系列可能是什么原因：酒后判断的异常运动。如此的图不止是好看的图片，而是一个算法的开始，它使汽车可以？某些行人对喇叭的鸣叫会有不一样的反应。他们还让大家大概“审问”这辆车，以讲解它的运行过程：你为何按喇叭？

目前的机器学习系统只能在规则不受侵犯的限制域中达到更高的梯级，比如下棋。在这类范围以外，它们非常脆弱且容易出错。但通过因果模型，机器可以？之前未尝试过的行为的结果，反映其行为，并将它学到的技能转移到新的情境中。

因果模型产生于1980年代的AI研究，并通过健康和社会科学传播开来，由于它们可以在更高的水平上进行计算，并且常常揭示统计悖论。伴随机器学习研究者寻求更多的讲解和响应系统，它们目前已经完全周而复始了。比如，Google（谷歌）和Facebook的科学家们正在研究因果模型，剖析在线广告，以确定它们是不是能在购买的商品中起到用途––这是个与事实不符的问题。

这是一个开始。当研究职员将数据和因果推理结合起来时，大家预计AI将出现一场小型革命，其系统可以在没看到此类行动的状况下规划行动；这将使他们学到的东西应用到新的状况中；并可以用具备因果关系的母语讲解他们的行动。

以上是中公考研记者为大伙收拾的“AI飞速发展，是不是值得依靠”的内容，关注考研院校资讯，为目的考研院校奋斗。

推荐阅读》》》

“新大学”落户宁波的好消息不断，都有什么牛校

医学再帮助！北京航空航天大学第一家附属医院落地杭州

厦门大学拟定“三个步骤”策略：到2035年左右，跻身世界一流大学行列