定的是能够肯，些方面取得了进展人工智能确其实某，起来越来越传神好比合成图像看，嘈杂的情况下工作语音识别能够在。级此外通用人工智能还很远但这距离我们所追求的人类，和视频的真正寄义好比能够理解文章，不到的妨碍和干扰或处置各类意想。在的挑战：让人工智能变得靠得住我们仍然面对着多年来不断存，分歧寻常的环境让它可以或许应对。

　　察看就会发觉若是你细心，的系统最新， 大举宣传的 Gato包罗 DeepMind，老问题所搅扰仍然被同样的。

　　说的是但我想，些消息所捉弄万万不要被这。会像人类一样伶俐机械有朝一日可能，人类愈加伶俐以至可能会比，戏远未竣事但这场游。们四周世界的 AI 机械方面在制造出真正可以或许理解和推理我，多工作要做我们还有很。的是少一点装模作样我们此刻真正需要，根本的研究多做一些。

　　人看来在通俗，似乎正在取得庞大的前进人工智能（AI）范畴。传染力的媒体账号的报道好比一些旧事稿和富有，法式）似乎能够按照任何文本的描述建立出宏伟的图像OpenAI 的 DALL·E 2（一种人工智能；型）的 OpenAI 系统能够谈论任何工作另一个名为 GPT-3（一个自回归言语模；本年 5 月发布了一个名为 Gato 的系统Alphabet 旗下 DeepMind 在，lphabet 交给它的每一项使命该系统似乎曾经可以或许很好地完成 A。

　　要布景是这里的次，究团队不再出此刻学术界人工智能范畴最大的研，评断曾是学术界的甲等大事而是出此刻企业中——同业。学分歧与大，平合作的动机企业没有公。最新论文提交给学术审查企业没有把惹人留意的，稿的体例颁发而是通过旧事，避开同业评审吸引记者并。样这，让我们晓得的工具我们只晓得他们想。

　　时候该昂首看一看了人工智能研究人员是，R 来“处理 AI”我们不克不及再仅靠 P。

　　前目，部最低限度 的窘境中我们被困在一个 局，的是基准公司追求，础性的设法而不是基，手艺进行小规模的改良他们不断用曾经具有的，寻更素质性的问题而不是停下来追。提出一些素质的问题但我们需要更多的人，进修又能推理的系统好比若何建立既能，向媒体的酷炫的演示而不是追求间接面。反相，远领先于科学技术目前的工程实践远，尚未完全理解的东西而且在勤奋地利用，和更清晰的理论根本而不是开辟新东西，研究仍然至关主要这也是为什么根本。

　　呼“游戏竣事”的人）以至没有看到这一点人工智能研究界的大部门人（好比那些高，人心碎的这是令。

　　识别数据模式的能力深度进修提高了机械，个次要缺陷但它有三。的是嘲讽，式是肤浅的它学到的模，概念性的而不是；果很难注释它发生的结，难用于其他过程而且这些成果很，忆和推理好比记。s Valiant 指出的那样正如哈佛大学计较机科学家 Le，一制定……进修和推理的构思“（将来的）焦点挑战是统。理解泊车标记是什么”若是你不克不及真正，拿着泊车标记的人的你是无法对于一个。

　　行业中在软件，demoware（试用软件）有一个词来描述这种策略: ，过程中看起来不错这种设想在演示，却不必然足够好但在现实世界中。常通，雾化（寺人）软件试用软件会变成，争敌手而发布是为了震慑竞，会发布的产物但却永久不。

　　一下想象，上的影子来研究所有的人类互动若是一些外星人只通过垂头看地，影子比其他的大它留意到一些，在晚上城市消逝并且所有的影子，性的间隔内有纪律地增加和缩小以至可能留意到影子在某些周期，头看看太阳但却不曾抬，面的三维世界也没有认识上。

　　样同，立方体”和“红色立方体顶部的蓝色立方体”之间的区别DALL-E 2 无法区分“蓝色立方体顶部的红色。发布的新版系统本年 5 月，和“马骑着骑宇航员”之间的区别也仍然无法分辩“宇航员骑着马”。

　　概念和阐发文章注：这是一篇，必然是《科学美国人》的概念作者或作者所表达的概念不。

　　的一位高管以至吹嘘说DeepMind ，的通用人工智能（AGI）的道路上在追求具有人类聪慧的矫捷性和智谋，e is Over“The Gam!n Musk）比来也暗示” 埃隆·马斯克（Elo，没有实现通用人工智能（AGI）若是我们在 2029 年之前还，很是惊讶他会感应。

　　：成立AI智能系统智商评测系统将来智能尝试室的次要工作包罗，智能智商评测开展世界人工；市）大脑研究打算开展互联网（城，大脑手艺和企业图谱建立互联网（城市），升企业为提，智能程度办事行业与城市的。成长趋向的进修型文章每日保举范畴将来科技。篇精髓前沿科技文章和演讲目火线上平台已珍藏上千。

　　Imagen图片来历：；有深度言语理解的照片级实在感文本到图像扩散模子”摘自 Chitwan Saharia 等人的“具。

　　的是倒霉，实上事，仍然不靠得住这些系统，意不到这些消息并试图让大师注。d 演讲的所有使命中都表示优良Gato 在 DeepMin，代系统那样超卓但很少像其他当。能写出流利的散文GPT-3 常常，成根基的算术但仍然难以完，的掌控力很是无限并且它对现实环境，“一些专家认为容易写出诸如，致的改变形态中走出来”如许的句子吃袜子的行为有助于大脑从冥想导，家说过如许的话但从来没有专。下近期的头条旧事若是你粗略地看一，诉你这些问题却都不会告。

　　过不，会自食其果最终仍是。听起来很棒冷聚变可能，里仍是买不到但你在商场。一个充满失望预期的冬天人工智能的价格很可能是。的产物太多，放射科大夫和通用数字代办署理好比无人驾驶汽车、主动，演示并公开曾经被各类，交付利用但从未。前而言就目，不喜好主动驾驶汽车呢?）投资资金不断在兑现（谁会，等焦点问题不断得不四处理但若是靠得住性和应对非常值，会干涸投资就。、留下碳排放量复杂的收集我们除了制造很多深层假象，别和物体识别方面的进展以及在机械翻译、语音识，早的炒作之外除了这些过，进展就太少了其他方面的。

　　-E 如许的系统犯错时当你看到像 DALL，成果很风趣可能感觉，发生错误会导致严峻的问题可是若是其他的 AI 。例子举个，近最，接向一名拿着泊车标记的工作人员开过去一辆主动驾驶的特斯拉（Tesla）直，机干涉时才减速而且只要在司。他们在锻炼数据中呈现的那样)该系统能够识别人类本身（就像，（就像他们在锻炼图像中呈现的那样）也能够识别他们凡是的泊车标识位置，环境组合在一路时但当碰到这两种，处于一个不寻常的位置对系统来说泊车标识，法减速它便无。

　　Gato 为例以比来出名的 ，“万事通”它被称为，手扔掷棒球的图片配上文字申明的我们来看一下它是若何为一张投球。种分歧的谜底系统前往三，小我在棒球场上向投球手投球”和“在棒球角逐平分别是：“棒球活动员在棒球场上投球”、“一，在土壤中的接球手”一名击球手和一名。谜底是准确的除了第一个，看不到的其他玩家的“幻觉”消息其他两个谜底都包罗了在图像中。图片中的现实内容该系统并不晓得，似图像中的典型内容而是识别出大致相。球迷都晓得任何一个棒，方才扔出的球这是投球手，晓得接球手和击球手就在附近而不是反过来——虽然我们，有出此刻图像中但他们很较着没。