特斯拉CEO伊隆·马斯克(Elon Musk)在迪拜的一个活动上谈到了人工智能的未来。他说我们需要实现“人类与机器智能之间的共生关系”,这可以防止出现“危险的情况”,即比人类更聪明的机器人掌控世界。
伊隆·马斯克引用了一句古老的格言:”如果你不能打败他们,那就加入他们”,他建议人类也应这么做以防止机器人逆袭。
我们生活在模拟世界中吗?
去年夏天,在南加州的Code Conference大会上,伊隆·马斯克被问及我们是否生活在模拟的电脑游戏中,他回答说“可能是的”。
马斯克相信,电脑游戏技术——尤其是虚拟现实——已经接近一个与现实几乎难以区分的临界点。他说:“假定游戏的发展速度无限快,那么即使这一速度下降了1000,它也将达到与现实难以区分的状态。”
显然,我们正处在对于这一目标的追求阶段,而且现在有数十亿游戏等待发展。
马斯克表示,“这样看来似乎我们身处真实世界的几率是数十亿分之一。”
今天早些时候马斯克在迪拜世界政府峰会上讲话:
他说:“随着时间的推移,我认为我们可能会看到生物智能与数字智能的结合。这个结合主要体现在带宽、生物大脑与数字大脑之间的连接速度等,尤其是输出方面。”他接着解释说,虽然计算机能以每秒万亿字节的速度进行通讯,但人类只能每秒处理10比特。
这可能会让人类在今后人工智能主导的世界中显得有些多余。马斯克解释说:“大脑将有助于实现人类和机器智能之间的共生关系,或许还能解决人工智能的控制等问题。”
在讲话中,马斯克还提到了他对“深度人工智能”的恐惧,它“比地球上最聪明的生物还要聪明”,并称这种情况“很危险”。
在谈到短期发展时,他补充道:“从技术的角度来看,人工智能最触手可及的影响在于自动化汽车行业。”马斯克表示,“这样的发展会比人类想象的要快得多,将为人类提供极大的便利。”然而,很多人的工作是驾驶。事实上,我认为这可能是雇佣员工最多的行业。
在讲话中,马斯克还提到了他对“深度人工智能”的恐惧,它“比地球上最聪明的生物还要聪明”,并称这种情况“很危险”。电影《终结者》中的机器人,它威胁要掌控世界。“所以我们需要思考人类将要扮演的新角色,但这将会发展得非常混乱而迅速。”
其实这不是马斯克第一次提出有一天人类将与机器人融合。在最近一次与Y Combinator公司的访谈中,马斯克解释说,人类和机器之间的“最佳结果”将是共生式,即“我们就是人工智能”。
马斯克将这种情况比作大脑边缘系统和大脑皮层的合作。在采访中,他解释说,这两种系统——控制本能的原始大脑以及“负责思考的部分”——可以很好地合作,而且几乎没人想要拆散这一结合。
他对Y Combinator说,“我认为,如果我们能够与人工智能进行有效融合,比如改善大脑皮层与数字化拓展之间的现有神经联系——这还需要解决带宽的问题——那么,我们就可以成为人工智能——人类结合体。”
在谈到短期发展时,他补充道:“从技术的角度来看,人工智能最触手可及的影响在于自动化汽车行业。”
马斯克表示,“这样的发展会比人类想象的要快得多,将为人类提供极大的便利。”
在谈到短期发展时,他补充道:“从技术的角度来看,人工智能最触手可及的影响在于自动化汽车行业。” 马斯克表示,“这样的发展会比人类想象的要快得多,将为人类提供极大的便利。”
他还解释说,这也能解决对于人工智能的“控制问题”,毕竟人工智能很可能会发展得非常普遍,以至于“普通人也能唾手可得”。
马斯克对Y combinator说:“我们不需要担心人工智能会成为邪恶的独裁者,因为我们就是人工智能。“这似乎是我能想到的最好的结果。”
好文章,需要你的鼓励
近期有观点认为,大规模使用生成式AI和大语言模型会增强人类左脑的逻辑分析能力,同时削弱右脑的创造力,导致人类社会逐渐成为左脑主导的群体。但研究表明,左右脑功能分工理论缺乏科学依据,大脑两半球在创造性和逻辑性任务中都会协同工作。此外,AI不仅能辅助逻辑思维,同样可用于诗歌创作、图像生成等创意任务。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软全球AI巡展在迪拜举行,宣布启动Microsoft Elevate UAE项目,计划为超过25万名学生和教育工作者以及5.5万名联邦政府员工提供AI技能培训。该项目是微软152亿美元投资计划的一部分,旨在加强AI基础设施建设,培养本地人才能力。微软还将与G42和JAHIZ平台合作,为联邦公务员提供技术培训,支持阿联酋成为AI领域的区域和全球领导者。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。