区块链和人工智能哪个更有前景?人工智能比区块链要更强更厉害吗,AI是不是可以代替区块链加密

这篇具有很好参考价值的文章主要介绍了区块链和人工智能哪个更有前景?人工智能比区块链要更强更厉害吗,AI是不是可以代替区块链加密。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

AI 的发展一旦进入到这个阶段,就标志着探路期已经结束了。

区块链欧意平台:by3.top

区块链bi安平台:by4.top

走到这一步,AI 行业花了将近七十年的时间,可以说前五十多年连方向都确定不下来,五个大的流派还在相互较劲。直到 2006 年 Geoffrey Hinton 教授在深度学习上取得突破以后,方向基本确定下来,连接主义胜出。之后就是在深度学习这个方向上具体去寻找突破强人工智能的路径。这种探路阶段具有非常强的不可预测性,成功有点像抽彩票一样,顶级的行业专家,甚至是赢家自己,在最后取得突破之前也很难判断哪一条路是对的。比如,AI 大牛李沐在油管上有一个频道,一直在通过精读论文的方式跟踪 AI 的最新进展。ChatGPT 爆发之前,他就已经连篇累牍地跟踪介绍了 Transfomer、GPT、BERT 等方向的最新进展,可以说所有重要的前沿课题,他一个都没有放过。即使如此,在 ChatGPT 即将推出的前夕,他仍然不能确认这个路径能取得多大的成功。他评论道,也许到时候会有几百甚至几千人会去使用 ChatGPT,那就很厉害了。可见,即使是像他这样顶级专家,对于到底哪一扇门后面有圣杯,不到最后一刻也是没有把握的。


然而,科技创新往往就是如此,在狂暴的海上艰难航行很久都没有突破,而一旦找到通往新大陆正确的路径,短时间内就会出现爆发。强人工智能的路径已经找到,我们正在迎来爆发期。这个爆发,连“指数速度”都不足以描述。短时间内我们将看到大量以前只能出现在科幻电影里的应用。而就其本体来说,这个强人工智能的婴儿将很快成长为前所未有的巨大智慧体。


2. 强人工智能本质上就是不安全的
ChatGPT 出来以后,有不少自媒体大 V 一边极力赞美其强大,一边不断安慰受众,说强人工智能是人类的好朋友,是安全的,不会出现《终结者》或者《黑客帝国》的情况,AI 只会给我们创造更多机会,让人类活得更好等等。对这种看法我不以为然。专业人士要说真话,应该告诉公众基本事实。其实强大与安全本身就是矛盾的。强人工智能无疑是强大的,但是说它天然是安全的,这绝对是自欺欺人。强人工智能本质上就是不安全的。


这么说是不是太武断了呢?并不是。


我们首先要搞清楚,人工智能不管多强大,其实本质上就是一个用软件形式实现的函数 y = f(x)。你把你的问题用文字、语音、图片或者其他形式作为 x 输入,人工智能给你一个输出 y。ChatGPT 如此强大,对各种各样的 x 都可以对答如流的输出 y,可以想象,这个函数 f 肯定是非常复杂的。
有多复杂呢?现在大家都知道,GPT 是大语言模型(LLM)。这里所谓的“大”,就是指这个函数 f 的参数非常多。有多少呢?GPT-3.5 有 1,750 亿个参数,GPT-4 有 100 万亿个参数,未来 GPT 可能有几万亿亿个参数,这是我们称 GPT为大模型的直接原因。


GPT 搞出这么多参数,并不是为了大而大,是有确凿的原因的。在 GPT 之前和同时,绝大多数的 AI 模型,从一开始就是为解决某一个特定问题而设计和训练的。比如说,专门用于研发新药的模型,专门进行人脸识别的模型,等等。但 GPT 不是这样,它从一开始就要成为一个全面发展的通用人工智能,而不是特定于某一个具体领域,它致力于在解决任何具体问题 AI 之前,先成为能够解决所有问题的 AGI。前不久在《文理两开花》播客里,一位来自百度的人工智能专家就曾经对此打过一个比方:别的 AI 模型都是刚学到小学毕业就让它去拧螺丝了,而 GPT 则是一直给它训练到研究生毕业才放出来,所以具备了通识。目前 GPT 在具体的领域,肯定还是赶不上那些专用的 AI 模型,但是随着它不断的发展和演化,特别是有了插件体系赋予它专业领域的能力,过几年我们可能会发现,通用大模型最后会反杀所有专用小模型,在所有专业领域都成为最厉害的选手。如果 GPT 有一个座右铭,那可能就是“只有解放全人类,才能解放我自己”。


这又能说明什么呢?两个点:第一,GPT 非常大,非常复杂,远远超过人类的理解能力。第二,GPT 的应用范围没有边界。我们只要把这两个点连接起来,就很容易得出结论:基于大模型的强人工智能,能够在我们想象不到的位置,做出我们想象不到的事情。而这,就是不安全。


如果有人对此不以为然,可以去 Open AI 的网站上看看,他们已经将“造福人类”、“创造安全的 AI”放到了多么显眼的位置上,如果安全不是问题,需要这么声张吗?文章来源地址https://www.toymoban.com/news/detail-851309.html

到了这里,关于区块链和人工智能哪个更有前景?人工智能比区块链要更强更厉害吗,AI是不是可以代替区块链加密的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 运维学网络安全还是云计算好?哪个更有前景?

    最近很多小伙伴们都在问,运维学网络安全还是云计算好?哪个更有前景?今天我们小编就跟大家来一起聊聊。 运维学网络安全还是云计算好?哪个更有前景? 首先,我们需要知道一点的是,网络安全和云计算都是比较重要的领域,在工业互联网时代,网络安全和云计算也

    2024年02月16日
    浏览(62)
  • 人工智能值不值得学习?人工智能就业方向及前景

    一、人工智能值得学吗? 很多同学想要知道人工智能值得学吗?小编认为是值得的,具体原因有以下两点: 1、人工智能专业前景好,但人才紧缺 根据人工智能行业的专家预计,到2020年,中国人工智能产业规模将超过1500亿元,带动相关产业规模超过1万亿元,一些IT巨头公司

    2024年02月14日
    浏览(39)
  • 【人工智能】AGI 通用人工智能基础概念、实现原理、挑战和发展前景

    Artificial intelligence prompt completion by dalle mini, https://github.com/borisdayma/dalle-mini 随着计算机技术、机器学习和神经网络等技术的发展,人工智能(Artificial Intelligence, AI)已经成为当今计算机科学和工程领域的热门话题之一。 强人工智能(Strong AI)或通用人工智能(英语:Artificia

    2024年02月09日
    浏览(47)
  • 人工智能的商业模式与前景如何?

    作者:禅与计算机程序设计艺术 人工智能(AI)是指将认知、理解、推理、学习、决策等能力集成到计算机、手机、汽车或其他智能设备中,使它们具备智能的功能。它可以解决一些复杂的问题、自动化重复性工作、优化生产流程、减少人力资源开销等。近几年来,随着传感

    2024年02月08日
    浏览(33)
  • 人工智能写作在商业领域的应用前景

    随着人工智能技术的不断发展,人工智能写作在商业领域的应用前景越来越广泛。在本文中,我们将探讨人工智能写作在商业领域的应用前景,并分析其优势和挑战。 一、人工智能写作在商业领域的应用前景 内容创作 人工智能写作可以用于各种内容创作,例如新闻、广告、

    2024年02月09日
    浏览(48)
  • 人工智能在教育行业的应用前景及挑战

    作者:禅与计算机程序设计艺术 随着人类科技的发展,人工智能已经成为当今世界上最主要的技术之一。目前,人工智能已逐渐从计算机、通信等领域向教育领域转移,成为教育行业不可或缺的一部分。在这个过程中,将人工智能技术用于教育,可以为学生提供更好的学习效

    2024年02月07日
    浏览(45)
  • 【人工智能】大模型时代,程序员的职业前景和机会如何?

    目录 什么是大模型? 大模型时代下程序员的职业前景 大模型时代下程序员的职业机会

    2024年02月07日
    浏览(55)
  • NLP语义识别在人工智能领域中的应用与前景

    自然语言处理(NLP)是人工智能领域中的一个重要分支,它致力于让计算机能够理解并处理人类自然语言。语义识别是NLP中的一个重要技术,它可以使计算机更好地理解人类语言的含义和意图。在本文中,我们将探讨NLP语义识别在人工智能领域中的应用和前景。 一、应用领域

    2024年02月02日
    浏览(53)
  • 通用人工智能:概念,原理,历史,应用场景,影响,未来挑战,发展前景

    通用人工智能(General Artificial Intelligence, GAI)是指能够像人类一样学习、推理、决策和适应各种任务的人工智能系统。与目前主流的弱人工智能不同,通用人工智能具有高度的自主性和创造性,能够解决新问题和执行新任务。 通用人工智能的原理主要包括以下两个方面: 智

    2024年02月09日
    浏览(48)
  • 强化学习在人工智能的发展中的重要性与前景

    强化学习(Reinforcement Learning, RL)是一种人工智能(Artificial Intelligence, AI)技术,它通过在环境中进行交互,学习如何取得最大化的奖励。在过去的几年里,强化学习技术取得了显著的进展,并在许多领域得到了广泛应用,如游戏、自动驾驶、机器人控制、语音识别等。 在本文中,

    2024年02月20日
    浏览(60)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包