如果你在想著今天下班要去哪吃晚餐、回到家後要準備洗衣服，那麼恭喜你，現在你已經在做決策上超越我們目前的所有 AI；柏克萊加大計算機科學教授 Stuart Russell 表示，「人類非常擅長在多個抽象的層面上做決策，這是一種被稱為分層決策的方式。」然而 AI 卻一直無法模仿這種決策模式。
儘管許多人都在盼望 AI 超越人類智慧，不過事實上，它們離人類的程度還相當遙遠。
人類可以根據抽象的概念訂定計畫，看見未來。據《Business Insider》報導，Russell 解釋，「想像一下，當你要到陌生的城市參加會議，你不用規畫走到機場門口的每一步路，只要按著指示行走就好，當你到達門口，想叫計程車時，也不用想像身體動作，『叫車』的念頭一浮現，身體就會動作了。」
同時，「情緒」也是協助我們快速因應狀況做出決策的重要關鍵，舉例來說，當人在野外看到熊時，被攻擊的可怕想像會讓人們感到恐懼，進而遠離該區域；然而 AI 沒有這樣的情緒，若非特定編寫程式標注熊的危險性，不然 AI 無法自然地將熊與牠可能造成的威脅做聯想。
此外，看見一個未知的物體時，人們會利用自身智慧與對世界的認識，來弄清楚這個東西怎麼運作，據澳洲國家訊息與通訊研究院電腦學家 Toby Walsh 表示，這是所謂的常識推理；例如，我們看見的每把椅子可能都不太一樣，但當我們看到穩固支撐它的椅腳，以及高度合適的椅面，我們就會知道它是椅子。
然而這種基於經驗的判斷，工程師卻很難編寫進 AI 程式裡頭，要為 AI 編寫因果推理，會需要知道非常精確的細節，AI 才有辦法進行後續的推理，還需要大量數據來了解狀況。
另一項讓人類遠遠拋開 AI 的是，人類能夠運用自己的能力執行多樣化的任務，美國人工智慧協會會長 Thomas Dietterich 表示，AI 非常擅長執行特定任務，例如下棋、玩遊戲，但人類可以做到更廣泛的行為，「像金融、體育、養育子女、合作或打開包裝。」
Dietterich 指出，「沒有 AI 有辦法擁有如此廣泛的能力，特別是結合視覺、語言與物理操作的行為。」
Google 研究總監 Peter Norvig 表示，要讓 AI 追上人類智慧，最大的挑戰在於感官能力，他認為當 AI 能夠良好地感知周遭時，它們的推理能力也會隨之上升，「比起被動地觀察旁人挑選的材料進行學習，如果 AI 能持續感知周遭、與世界互動，推理能力就會隨之改善。」
人類在童年時，有多種方法來認識這個世界，例如可能有老師或爸媽指著車子，跟你解釋這是什麼，這種方法與目前訓練 AI 的方式相仿；但許多學習不是這麼直白的，有許多部份是以學習到的知識做推論，進而得出更多結果，但這部份是當今 AI 缺少的學習模式。
Google AI 研究員 Samy Bengio 透露，每次 AI 要學習不同任務，都得從頭開始，但這麼做非常花時間，而且未來的智慧機器人，必須要能在親自動手做之前就學會才行。
「我們必須花更多功夫鑽研連續性學習，讓我們不用每有一份新數據或演算法時，都要從頭開始構思模型。」Bengio表示，「要完成這項艱困的任務，肯定會需要很長一段時間。」原文詳見：http://www.limitlessiq.com/
【本文經智慧機器人網同意授權刊出】
我是廣告 請繼續往下閱讀
人類可以根據抽象的概念訂定計畫，看見未來。據《Business Insider》報導，Russell 解釋，「想像一下，當你要到陌生的城市參加會議，你不用規畫走到機場門口的每一步路，只要按著指示行走就好，當你到達門口，想叫計程車時，也不用想像身體動作，『叫車』的念頭一浮現，身體就會動作了。」
同時，「情緒」也是協助我們快速因應狀況做出決策的重要關鍵，舉例來說，當人在野外看到熊時，被攻擊的可怕想像會讓人們感到恐懼，進而遠離該區域；然而 AI 沒有這樣的情緒，若非特定編寫程式標注熊的危險性，不然 AI 無法自然地將熊與牠可能造成的威脅做聯想。
此外，看見一個未知的物體時，人們會利用自身智慧與對世界的認識，來弄清楚這個東西怎麼運作，據澳洲國家訊息與通訊研究院電腦學家 Toby Walsh 表示，這是所謂的常識推理；例如，我們看見的每把椅子可能都不太一樣，但當我們看到穩固支撐它的椅腳，以及高度合適的椅面，我們就會知道它是椅子。
然而這種基於經驗的判斷，工程師卻很難編寫進 AI 程式裡頭，要為 AI 編寫因果推理，會需要知道非常精確的細節，AI 才有辦法進行後續的推理，還需要大量數據來了解狀況。
另一項讓人類遠遠拋開 AI 的是，人類能夠運用自己的能力執行多樣化的任務，美國人工智慧協會會長 Thomas Dietterich 表示，AI 非常擅長執行特定任務，例如下棋、玩遊戲，但人類可以做到更廣泛的行為，「像金融、體育、養育子女、合作或打開包裝。」
Dietterich 指出，「沒有 AI 有辦法擁有如此廣泛的能力，特別是結合視覺、語言與物理操作的行為。」
Google 研究總監 Peter Norvig 表示，要讓 AI 追上人類智慧，最大的挑戰在於感官能力，他認為當 AI 能夠良好地感知周遭時，它們的推理能力也會隨之上升，「比起被動地觀察旁人挑選的材料進行學習，如果 AI 能持續感知周遭、與世界互動，推理能力就會隨之改善。」
人類在童年時，有多種方法來認識這個世界，例如可能有老師或爸媽指著車子，跟你解釋這是什麼，這種方法與目前訓練 AI 的方式相仿；但許多學習不是這麼直白的，有許多部份是以學習到的知識做推論，進而得出更多結果，但這部份是當今 AI 缺少的學習模式。
Google AI 研究員 Samy Bengio 透露，每次 AI 要學習不同任務，都得從頭開始，但這麼做非常花時間，而且未來的智慧機器人，必須要能在親自動手做之前就學會才行。
「我們必須花更多功夫鑽研連續性學習，讓我們不用每有一份新數據或演算法時，都要從頭開始構思模型。」Bengio表示，「要完成這項艱困的任務，肯定會需要很長一段時間。」原文詳見：http://www.limitlessiq.com/
【本文經智慧機器人網同意授權刊出】
