我從@drfeifei學到的最重要一點： 九年前，自稱人工智慧公司還被認為對企業不利。 2016年時，沒人相信這項技術會成功。到了2017年，企業開始接受這個說法。如今，幾乎每家公司都自稱人工智慧公司。 2. 現代人工智慧革命始於菲菲一個簡單卻常被忽略的洞見：人工智慧模型需要大量的標註資料。當研究人員專注於複雜的數學模型和演算法時，菲菲意識到缺少的關鍵要素是數據。她的團隊花費三年時間，與來自100多個國家的數萬名志工合作，標註了1500萬張圖像，創建了ImageNet資料集。該數據整合為了當今人工智慧系統的基礎。 3. 人腦的效率遠超過目前的人工智慧系統。人類只需約20瓦的功率——比任何燈泡都低——卻能完成人工智慧系統需要大量運算資源才能完成的任務。目前的人工智慧甚至連小學生都能輕鬆完成的事情都做不到。 4. 僅僅擴大現有方法的規模是不夠的。雖然增加數據量、運算能力和建立更大規模的模型能夠持續推動人工智慧的發展，但仍需要進行根本性的創新。縱觀人工智慧的發展歷程，更簡單的方法結合大量資料集，其效能始終優於資料量有限的複雜演算法。 5. 突破性技術往往起源於玩具或趣味實驗，之後才改變世界。 ChatGPT 最初由 Sam Altman 在推特上發布，標題是“我們正在玩一個很酷的東西”，後來卻成為歷史上增長最快的產品。今天看似玩樂的東西，明天或許就能改變文明。 6. 空間智能對於現實世界的應用而言，其重要性不亞於語言。在火災或自然災害等緊急情況下，救援人員主要依靠空間感知、行動協調和對物理環境的理解來組織救援工作，而非語言。正因如此，能夠理解三維空間的虛擬世界模型代表著超越文字聊天機器人的下一個前沿領域。 7. 實體機器人面臨的挑戰遠比自動駕駛汽車大得多。自動駕駛汽車從原型到上路應用花了20年時間，至今仍未完全成熟。自動駕駛汽車只是在平面上移動的金屬盒，盡量避免與任何物體發生碰撞。而機器人是在三維空間中移動的三維物體，它們尤其需要接觸和操控物體。這使得機器人技術遠比開發聊天機器人困難得多。 8. 無論從事何種職業，每個人都能在人工智慧的未來中扮演重要角色。無論你是利用人工智慧工具講述獨特故事的藝術家，或是參與社區人工智慧部署決策的農民，亦或是能在不堪重負的醫療系統中受益於人工智慧輔助的護士，你都可以而且應該參與到這項技術中。人工智慧應該增強人類的尊嚴和自主性，而不是取代它們——這意味著我們既要將人工智慧作為一種工具來使用，也要在人工智慧的管理中擁有發言權。
正在載入線程內容
正在從 X 取得原始推文，整理成清爽的閱讀畫面。
通常只需幾秒鐘，請稍候。