기금넷 공식사이트 - 펀드 투자 - 인공지능의 경계
인공지능의 경계
지난 10년 동안 인공지능은 기술 분야에서 엄청나게 유행하는 단어로 투자자와 실무자들이 경쟁적으로 참여하고 싶어하는 산업이었습니다. 특히 경기 침체기에는 인공지능이 소프트웨어 및 인터넷 관련 산업에 생명을 구하는 지푸라기가 되었으며, 업계 내 기업의 기술 수준을 판단하는 기준이 되었습니다. "인공지능"이 기업의 얼굴 문제가 되었다고 말할 수 있습니다.
이상한 점은 인공지능이 소프트웨어 업계의 주요 트래픽 플레이어로서 취업 문턱이 높지 않다는 점이다. 하이라이트가 필요한 소프트웨어 인터넷 회사는 몇 가지 라이브러리 패키지를 호출하여 인공 지능 기능이 있다고 주장할 수 있습니다. 산업의 기술적 수익은 해당 산업의 일반 실무자의 수준에 따라 결정됩니다. 따라서 현재 인공지능의 기술적인 결론은 "가져오기"와 같은 코드를 작성할 수 있다는 것입니다.
최근 정보화 프로젝트의 구성요소이자 하이라이트로 등장한 인공지능 프로젝트는 정부 인프라, B사이드 플랫폼, 소비자 애플리케이션 등 우리 주변에서 끊임없이 출시되고 있다. 이런 인공지능 프로젝트의 출시가 단지 기믹에 불과하다면 기껏해야 시행착오 비용이 낭비일 것이다. 실제 응용 프로그램이라면 사람들이 조금 겁을 먹게 될 것입니다.
왜 우리는 이러한 기술을 인공지능이라고 부르는가. 기술적인 수단을 사용하여 재능 있는 사람만이 가질 수 있는 능력을 제품에 부여하고 싶기 때문입니다. 인공지능은 '사람'에서 나오는 만큼, '인간 능력의 경계는 무엇이며, 인공지능의 활용 범위는 무엇인가?'가 인공지능 산업의 핵심 화두가 됐다.
현재 인공지능의 주요 연구분야는 주로 인간의 감각모방, 상호작용, 학습 등이다. 하지만 어떤 응용 방향이던 간에, 컴퓨터 기술로서의 인공지능은 세상을 '디지털'적으로 보는 방식에 기반을 두고 있다는 점을 먼저 알아야 합니다. 우리는 컴퓨터 비전, 이미지 인식 분석, 음성 분석, 기계 학습 및 기타 현재 주류 인공 지능 주제이든 기술의 전제는 이미지, 비디오, 음성 및 방법 모델을 인식할 수 있는 이진 정보로 변환하는 것임을 알고 있습니다. 컴퓨터. 즉, 인공지능 응용의 경계를 이해하려면 순전히 수치적인 방식으로 세상을 바라보는 경계를 알아야 한다.
인간의 이성적 사고 능력은 주로 분석적 판단과 종합적 판단에서 나온다는 사실은 우리 모두 알고 있다. 전자는 사물의 필요성을 추론하기 위해 추론을 사용합니다. 후자는 귀납법을 사용하며 사물의 필연성을 줄 수 없고 확률이라는 의미에서만 가능성을 줄 수 있습니다.
연역을 이용하면 하나의 공리로부터 수많은 정리를 추론할 수 있고, 귀납법을 통해 공리를 얻을 수 있는데, 이 두 가지는 기본적으로 현대 과학 발전의 모든 무기가 됩니다. 그러나 지금까지 우리의 논리적 사고 능력은 여전히 가치 판단을 내리는 데 사용될 수 없습니다. 실제 시나리오에서 문제를 생각할 때 우리는 자신도 모르게 현재 상황을 결합하고 가치 요소를 통합하여 판단을 내리는 경우가 많습니다.
그러므로 이 판단에는 어떤 가치 요소의 통합도 필요하지 않다는 점을 분명히 이해해야 이 일을 인공지능에게 맡길 수 있습니다. 현재 우리의 이해는 종종 너무 우연적입니다.
예를 들어, 위반 사항을 식별하고 차단하기 위해 카메라를 사용할 때 긴급 차량을 출차하는 메커니즘을 고려해야 합니다. 차량에 중증환자나 출산을 앞둔 임산부가 탑승한 경우. 장애물은 제때에 제거되어야 합니다. 그렇지 않으면 결과는 비참할 것입니다. 따라서 우리는 해당 응용 프로그램이 식별 범위 내에서만 가능하며 식별 비즈니스를 무작위로 늘리는 데 적합하지 않다는 것을 확인했습니다.
이제 지능형 음성 비서와 지능형 고객 서비스는 다양한 인터넷 기업의 필수 애플리케이션이 되었습니다. 음성 인식의 경계는 실제로 매우 분명합니다. 기본적으로 모든 사용자는 스마트 어시스턴트와 상호 작용하는 동안 다양한 불협화음을 경험하고 많은 농담을 했습니다. 언어인식 탐구에 있어서 가장 큰 문제는 일상언어와 인공언어의 차이를 이해하는 것이다.
우리 모두는 일상적인 언어 상호 작용에서 사람들이 서로의 단어나 단어의 의미를 판단한다는 것을 알고 있습니다. 여기에는 언어 자체 외에도 문맥적 관계, 화자의 표현, 지역 문화, 심지어 하위문화 속성도 포함됩니다. . 예를 들어, 갱스터가 여성에게 "나는 당신에게 잘해 주겠다"고 말할 때 이 문장의 의미는 분명히 상황 간의 관계와 완전히 반대입니다. 현재로서는 인공지능이 정확한 분석을 하기가 어렵습니다.
후기 비트겐슈타인은 '언어 게임' 이론을 제시했다. 언어의 이해는 내용, 관점, 장면 간의 다양한 관계를 바탕으로 수용된 구절을 체계적으로 해석하는 과정이다. 단순히 상호 작용의 기초로 언어 자체의 의미를 제한하는 것은 사람을 기계로 취급하는 것입니다.
따라서 우리는 언어 인식 및 상호 작용 분야의 인공 지능이 명확한 의미를 지닌 정보 검색 및 질의에 더 제한되어야 하며 대화 과정에서 너무 많이 남용되어서는 안 된다는 점을 이해해야 합니다. 의사소통이 많아질수록 "지능"이 부족해집니다.
머신러닝 기술의 핵심은 인간의 정보유도를 모방하는 것이라는 사실은 우리 모두 알고 있다. 인간에 비해 머신러닝은 유도 과정에서 더 많은 종속 변수를 입력할 수 있어 더 많은 상관 관계를 찾을 수 있습니다. 따라서 머신러닝의 주요 가치는 주어진 모델을 조정하는 것입니다.
주어진 모델은 기계가 '학습'할 수 있다는 전제이자, 당연히 기계학습의 경계임을 분명히 알 수 있습니다. 처음부터 끝까지 인간의 지식 파악은 귀납에서 비롯됩니다. 우리가 해가 뜨고 지는 것과 날씨의 썰물과 썰물을 볼 때, 우리는 그에 상응하는 시간과 계절의 모델을 제시하고 그에 따라 우리의 삶을 배열할 수 있습니다. 이 과정에서 가장 근본적인 점은 인간이 현상의 유도를 통해 보편법칙을 도출하고 이를 통해 새로운 인과관계를 창출할 수 있다는 점이다. 새로운 인과관계는 공리가 되며 새로운 지식 시스템을 생성하기 위한 새로운 연역적 추론에 더 많이 사용됩니다.
이 과정에서 우리는 원래의 상징 모델을 미세 조정하는 데 그치지 않고 새로운 상징 질서를 만들어냅니다. 기계가 사과에 1억 번을 맞아도 뉴턴의 법칙을 도출할 수 없는 것과 같습니다.
현재 인공지능은 바둑뿐만 아니라 시, 작곡까지 할 수 있다. 바둑에서도 인간에 대한 무적을 이뤘고, 쓴 시들도 그런 척 하는 경우가 많다. 알파고마저도 인공지능의 깃발이 됐다.
인간만이 참여할 수 있는 이 분야가 미래에는 인공지능으로 완전히 대체될 수 있을지 의문일 뿐만 아니라. 사실 아주 간단합니다. 규칙만 입력하면 무한 루프로 필드가 발전할 수 있다면 실제로 인공지능으로 대체할 수 있습니다. 하지만 오늘날 우리가 시를 읽고, 음악을 듣고, 그림을 감상할 때, 고정된 기법과 기준으로 인해 작가의 수준이 제한되어 있다는 결론을 내릴 수도 있습니다. 일정한 기준을 충족하면 그 작업이 적합하다고 판단됩니다. 이 방법은 우리 조상들이 수천 년 동안 황실 시험에서 실행해 왔습니다.
그림을 보면 시대가 보이고, 자신이 보이고, 지난 시간이 보인다. 이른바 기법이 있든 없든 그림이 주는 아름다운 느낌에 빠져든다. 아니, 당신은 누구나 일종의 위로를 경험하게 될 것입니다. 이 위로는 이성에서 오는 것이 아니라 의지에서, 즉 인간 존재의 근본적인 이유에서 옵니다. 예술은 원래 인간의 영감이 역사 속 갑작스럽게 등장한 것입니다. 예술의 아름다움을 통해 우리는 세상의 진정한 의미를 한 순간에 느끼게 되는데, 우리는 그것을 명확하게 설명할 수 없는데 어떻게 기계가 그것을 평가할 수 있겠습니까?
인간은 여전히 한계가 있습니다. 칸트가 밝혔듯이 인간은 항상 인간이 제한된 틀 안에서 세상을 본다. 인공 지능의 존재로 인해 우리는 기계를 사용하여 우리 자신의 프레임워크에 무한히 가까워질 수 있습니다. 우리는 프레임워크가 어떻게 설정되어 있는지 모릅니다.
'서구세계'의 NPC들이 '갑자기' 주체성을 갖게 되면 생각하고 판단하기 시작하고, 인공지능은 주체의 한계에 도달한 것 같다. 그리고 이 '갑작스런'이 정확히 무엇인지는 인간 스스로도 알 수 없다. 그리고 이 격차는 인간의 과제이자 인간 자신의 한계이며, 기계는 말할 것도 없습니다.
인공지능은 인공적인 '지능'이라고 하지만 실제로는 인공적인 '무지'가 아니다.