人工智慧自進化
⑴ AI自我進化了
AI確實進化了，它能做的事情越來越多，成績斐然。它的背後是AI實現路徑的「三級跳」。但是「AI自開發短期內應該無法替代人的工作，還有很長的路要走。」徐文娟說。趙志剛從學術角度分析道：「只有當人類把不同應用領域的AI模型設計出來，並進一步分解出一系列通用模塊，如同化學中的元素周期表、生物中的DNA、RNA，這種自開發才能有更多的應用。」
「僅需幾行代碼就能構建一個回歸模型。」程序員認可谷歌AutoML的工作表現，認為AutoML設計的模型和機器學習專家設計的不相上下。日前，谷歌工程師分別在中國和矽谷重點推介谷歌AutoML項目。不明就裡的疑惑緊跟著紛至沓來——AI又進化了？！已經會自開發了？能操控自己的進化了？是要擺脫人類嗎？
國家超級計算濟南中心大數據研發部研究員趙志剛說：「起初我們用數學公式和『if……then』等語句告訴計算機第一步做什麼、第二步做什麼，手把手地教，後來給機器n組輸入和輸出，中間的規則或規律由它自己學會。」
「之前，很多聰明的頭腦花一輩子時間研究：如何抽取有效的特徵。」專注於智能導購對話機器人的智能一點公司CTO莫瑜解釋道，「神經網路演算法的發明、深度學習技術的出現，使得AI進化到2.0，抽取特徵的工作由AI自己進行，我們的工作也隨之發生了變化。」
用數學函數的模式很容易解釋「1.0」到「2.0」的轉變：如果把識別圖像、語義理解、下棋等任務的達成都看成是不同的Y=f（X），即輸入的「貓」的圖片、聲音或棋招是「X」，輸出的「貓」、回答、棋高一招是「Y」。深度學習之前，人通過自己的分析尋找函數f對應的公式，告訴給AI。而深度學習之後，人輸入大量的X與Y的對應，AI自己發現函數f對應的公式。
「AI找到的函數f的具體內容，可能比人找到的更好，但是人類並不知道，就像一個黑匣子。」莫瑜說，「但是f的形式是AI研究員通過研究設計出來的，如果使用深度神經網路，網路中的模塊以及模塊之間的組織方式也是提前設計的。」
隨著深度學習技術的成熟和普遍化，模型構建出現了特定可追尋的經驗。「各種共性神經網路的發布，使得從業門檻越來越低。一些普通的模型構建與優化，剛畢業的學生在網上學學教程就能上手。」趙志剛說。
當構建模型成為可習得的技能，AutoML就出現了。它能做的正是AI研究員的模型設計工作。「將幫助不同公司建立人工智慧系統，即使他們沒有廣泛的專業知識。」谷歌工程師這樣推介。AI成功進化到3.0。
事實上，AutoML替代的仍舊是人類能夠提煉出經驗的工作。「如果說之前人描繪一套尋找函數f的『路網』，在深度學習的技術輔助下，機器能最快找到優化路徑；那麼AI現在可以自己設計路網了。」趙志剛言簡意賅。
可以看出，不論是深度學習、還是AutoML，都只替代人類的一部分群體已經鑽研透了的工作。「機器能做的事情，盡量不要手工勞動」，這是很多程序員的人生信條，這個信條催生了AutoML。本著同樣的信條，微軟開發了DeepCoder。「它可以用來生成滿足給定輸入輸出的程序。」莫瑜說，但它的表現目前還不盡如人意，只能編寫一些簡單的程序。
誰是「上帝」答案毫無疑問，人類。
既然AI在進化中走向了更高一階的模型設計，那麼「上帝之手」又發生了哪些變化呢？
「煉丹」，莫瑜用兩個字形象地說起自己的工作，「智能一點是專業做智能客服的，研發人員的工作主要集中於問題建模（如何將實際問題轉化為人工智慧技術解決的問題）和演算法優化（如何提升人工智慧演算法的效果）。」
「煉」意味著不斷地調試和完善。「針對特定的人，越投脾氣越好，回答越精準越好。」莫瑜說，「我們的X是客戶的問話，Y是機器人客服的回復，中間的函數f需要訓練。」
這是個不容易的任務。如果把人類社會的經驗分為3類：有公式的確定規則、可言傳的知識、只可意會不可言傳的感覺。最後一類最難琢磨。
「因此，我們想辦法構建完善的閉環反饋，了解特定用戶的喜好，通過情感、趣味的表達，最終做到投其所好。」莫瑜說，「目前處於人機協同的工作階段，但是越來越多樣本的獲取，將幫助我們的智能客服給出精準的、討喜的回答。」
可見，並不是所有領域都適合交給AI自開發去做，比如問題建模方面，如何將實際問題抽象轉換為機器學習問題， AI還無法自主完成。在AI2.0階段，研發人員還需要人工設計函數f的形式。
⑵ 智能機器人將如何自我進化
科學家們還預測，人類在50年內將發明性能極為出色的智能機器人，這種機器人能夠像兩歲版嬰兒那權樣准確地分辨並歸類物體。它們還可以進行自我進化更新，而不再像現在一樣，必須靠接受外界的指令才能完成動作，它們可以自主定義輸出和輸入口令，從而使它們自己能對外界做出反應。
⑶ 人工智慧在一步步進化，它們真的會取代人類嗎
暫時並不會，因為他的進化是源自於人類的，不會自主的學習和進化，其實現在人工智障比人工智慧還多哈哈
⑷ 人工智慧可以自我進化嗎
電影里能實現。
現實中的人工智慧（就目前的發展來說），不是朝這方面發展的。
DNA可以獨立存儲信息並獨立處理內部信息（只要有生長環境）。
代碼不行，代碼需要有中央處理器來集中執行。代碼缺少大腦（中央處理器）就完全沒用，但有些真菌什麼的根本就沒大腦，照樣進化。
補：（進化的實質就是變異 既然如此 代碼的亂序隨機排列也可以產生像DNA一樣的變異效果 實現自我更新）你沒理解我上述說的意思，程序怎麼自我亂序呢？DNA里每一段都是可以獨立存儲信息獨立出席信息的，它們每段經行亂序排列可以產生無數種可能，並且根據優勝劣汰法則存活下來能適應環境的。但現在的根據馮諾依曼結構的計算機系統不能產生這樣的效果，跟DNA的分離式信息處理不同，現在的計算機系統是統一式的。程序改變了之後的結果可能是，程序跑飛，沒有引導程序的話計算機系統會癱瘓。
⑸ 為什麼說人工智慧是人類的下一個進化階段
首先人工智慧是什麼？人工智慧是計算機科學的一個分支，人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的“容器”。人工智慧是把機器做的可以像人一樣思考。
這場革命將會向更好的方向發展。目前我們對地球以外幾乎所有的東西都一無所知。人工智慧將會推動一系列的事物向好的方向發展。
⑹ 因過度依賴人工智慧，人類會進化成什麼樣子（50字左右，詳細描寫）
人工智慧影來響
（1）人工智慧對自然科源學的影響。在需要使用數學計算機工具解決問題的學科，AI帶來的幫助不言而喻。更重要的是，AI反過來有助於人類最終認識自身智能的形成。
（2）人工智慧對經濟的影響。專家系統更深入各行各業，帶來巨大的宏觀效益。AI也促進了計算機工業網路工業的發展。但同時，也帶來了勞務就業問題。由於AI在科技和工程中的應用，能夠代替人類進行各種技術工作和腦力勞動，會造成社會結構的劇烈變化。
（3）人工智慧對社會的影響。AI也為人類文化生活提供了新的模式。現有的游戲將逐步發展為更高智能的互動式文化娛樂手段，今天，游戲中的人工智慧應用已經深入到各大游戲製造商的開發中。
伴隨著人工智慧和智能機器人的發展，不得不討論是人工智慧本身就是超前研究，需要用未來的眼光開展現代的科研，因此很可能觸及倫理底線。作為科學研究可能涉及到的敏感問題，需要針對可能產生的沖突及早預防，而不是等到問題矛盾到了不可解決的時候才去想辦法化解。
⑺ 求一部科技文,主角創造人工智慧時人工智吞噬日本計算機中外星科技人工代碼，人工智慧自主進化改代碼，
科技文有很多，你說的這個只是一個設定而已 沒有具體的情節沒法進行查詢。。
AI類的科技小說有《2001》《沖上雲霄：大型噴氣機的飛行》等
⑻ 「AI」能自我進化嗎
AI確實進化了，它能做的事情越來越多，成績斐然。它的背後是AI實現路徑的「三級跳」。但是「AI自開發短期內應該無法替代人的工作，還有很長的路要走。」徐文娟說。趙志剛從學術角度分析道：「只有當人類把不同應用領域的AI模型設計出來，並進一步分解出一系列通用模塊，如同化學中的元素周期表、生物中的DNA、RNA，這種自開發才能有更多的應用。」
「僅需幾行代碼就能構建一個回歸模型。」程序員認可谷歌AutoML的工作表現，認為AutoML設計的模型和機器學習專家設計的不相上下。日前，谷歌工程師分別在中國和矽谷重點推介谷歌AutoML項目。不明就裡的疑惑緊跟著紛至沓來——AI又進化了？！已經會自開發了？能操控自己的進化了？是要擺脫人類嗎？
國家超級計算濟南中心大數據研發部研究員趙志剛說：「起初我們用數學公式和『if……then』等語句告訴計算機第一步做什麼、第二步做什麼，手把手地教，後來給機器n組輸入和輸出，中間的規則或規律由它自己學會。」
「之前，很多聰明的頭腦花一輩子時間研究：如何抽取有效的特徵。」專注於智能導購對話機器人的智能一點公司CTO莫瑜解釋道，「神經網路演算法的發明、深度學習技術的出現，使得AI進化到2.0，抽取特徵的工作由AI自己進行，我們的工作也隨之發生了變化。」
用數學函數的模式很容易解釋「1.0」到「2.0」的轉變：如果把識別圖像、語義理解、下棋等任務的達成都看成是不同的Y=f（X），即輸入的「貓」的圖片、聲音或棋招是「X」，輸出的「貓」、回答、棋高一招是「Y」。深度學習之前，人通過自己的分析尋找函數f對應的公式，告訴給AI。而深度學習之後，人輸入大量的X與Y的對應，AI自己發現函數f對應的公式。
「AI找到的函數f的具體內容，可能比人找到的更好，但是人類並不知道，就像一個黑匣子。」莫瑜說，「但是f的形式是AI研究員通過研究設計出來的，如果使用深度神經網路，網路中的模塊以及模塊之間的組織方式也是提前設計的。」
隨著深度學習技術的成熟和普遍化，模型構建出現了特定可追尋的經驗。「各種共性神經網路的發布，使得從業門檻越來越低。一些普通的模型構建與優化，剛畢業的學生在網上學學教程就能上手。」趙志剛說。
當構建模型成為可習得的技能，AutoML就出現了。它能做的正是AI研究員的模型設計工作。「將幫助不同公司建立人工智慧系統，即使他們沒有廣泛的專業知識。」谷歌工程師這樣推介。AI成功進化到3.0。
事實上，AutoML替代的仍舊是人類能夠提煉出經驗的工作。「如果說之前人描繪一套尋找函數f的『路網』，在深度學習的技術輔助下，機器能最快找到優化路徑；那麼AI現在可以自己設計路網了。」趙志剛言簡意賅。
可以看出，不論是深度學習、還是AutoML，都只替代人類的一部分群體已經鑽研透了的工作。「機器能做的事情，盡量不要手工勞動」，這是很多程序員的人生信條，這個信條催生了AutoML。本著同樣的信條，微軟開發了DeepCoder。「它可以用來生成滿足給定輸入輸出的程序。」莫瑜說，但它的表現目前還不盡如人意，只能編寫一些簡單的程序。
誰是「上帝」答案毫無疑問，人類。
既然AI在進化中走向了更高一階的模型設計，那麼「上帝之手」又發生了哪些變化呢？
「煉丹」，莫瑜用兩個字形象地說起自己的工作，「智能一點是專業做智能客服的，研發人員的工作主要集中於問題建模（如何將實際問題轉化為人工智慧技術解決的問題）和演算法優化（如何提升人工智慧演算法的效果）。」
「煉」意味著不斷地調試和完善。「針對特定的人，越投脾氣越好，回答越精準越好。」莫瑜說，「我們的X是客戶的問話，Y是機器人客服的回復，中間的函數f需要訓練。」
這是個不容易的任務。如果把人類社會的經驗分為3類：有公式的確定規則、可言傳的知識、只可意會不可言傳的感覺。最後一類最難琢磨。
「因此，我們想辦法構建完善的閉環反饋，了解特定用戶的喜好，通過情感、趣味的表達，最終做到投其所好。」莫瑜說，「目前處於人機協同的工作階段，但是越來越多樣本的獲取，將幫助我們的智能客服給出精準的、討喜的回答。」
可見，並不是所有領域都適合交給AI自開發去做，比如問題建模方面，如何將實際問題抽象轉換為機器學習問題， AI還無法自主完成。在AI2.0階段，研發人員還需要人工設計函數f的形式。
⑼ 人工智慧會是人類的進化嗎
嗯，不得不說，人工智慧給人類帶來了極大的方便，同時也能夠說明人類的智慧，相對於過去上升到了一個新的台階。
我認為， 如果人類的人工智慧能夠達到一個難以突破的高度，那麼人類的進化就此開始。
⑽ 如果人工智慧真的發展到了可以完全自主進化的水平，他們還有必要用戰爭手段征服人類嗎
遙遠的未來——就在眼前
想像一下坐時間機器回到1750年的地球，那個時代沒有電，暢通通訊基本靠吼，交通主要靠動物拉著跑。
你在那個時代邀請了一個叫老王的人到2015年來玩，順便看看他對「未來」有什麼感受。我們可能沒有辦法了解1750年的老王內心的感受——金屬鐵殼在寬敞的公路上飛馳，和太平洋另一頭的人聊天，看幾千公里外正在發生進行的體育比賽，觀看一場發生於半個世紀前的演唱會，從口袋裡掏出一個黑色長方形工具把眼前發生的事情記錄下來，生成一個地圖然後地圖上有個藍點告訴你現在的位置，一邊看著地球另一邊的人的臉一邊聊天，以及其它各種各樣的黑科技。
那麼為什麼你會覺得「2050年的世界會變得面目全非」 這句話很可笑呢？有三個原因讓你質疑對於未來的預測：
1.我們對於歷史的思考是線性的。當我們考慮未來35年的變化時，我們參照的是過去35年發生的事情。當我們考慮21世紀能產生的變化的時候，我們參考的是20世紀發生的變化。這就好像1750年的老王覺得1500年的小李在1750年能被嚇尿一樣。線性思考是本能的，但是但是考慮未來的時候我們應該指數地思考。一個聰明人不會把過去35年的發展作為未來35年的參考，而是會看到當下的發展速度，這樣預測的會更准確一點。當然這樣還是不夠准確，想要更准確，你要想像發展的速度會越來越快。
2.近期的歷史很可能對人產生誤導。首先，即使是坡度很高的指數曲線，只要你截取的部分夠短，看起來也是很線性的，就好像你截取圓周的很小一塊，看上去就是和直線差不多。其次，指數增長不是平滑統一的，發展常常遵循S曲線。
S曲線發生在新範式傳遍世界的時候，S曲線分三部分
- 慢速增長（指數增長初期）
- 快速增長（指數增長的快速增長期）
- 隨著新範式的成熟而出現的平緩期
如果你只看近期的歷史，你很可能看到的是S曲線的某一部分，而這部分可能不能說明發展究竟有多快速。
1995-2007年是互聯網爆炸發展的時候，微軟、谷歌、臉書進入了公眾視野，伴隨著的是社交網路、手機的出現和普及、智能手機的出現和普及，這一段時間就是S曲線的快速增長期。
2008-2015年發展沒那麼迅速，至少在技術領域是這樣的。如果按照過去幾年的發展速度來估計當下的發展速度，可能會錯得離譜，因為很有可能下一個快速增長期正在萌芽。
3. 個人經驗使得我們對於未來預期過於死板。我們通過自身的經驗來產生世界觀，而經驗把發展的速度烙印在了我們腦中——「發展就是這么個速度的。」
我們還會受限於自己的想像力，因為想像力通過過去的經驗來組成對未來的預測——但是我們知道的東西是不足以幫助我們預測未來的。
當我們聽到一個和我們經驗相違背的對於未來的預測時，我們就會覺得這個預測偏了。如果我現在跟你說你可以活到150歲，250歲，甚至會永生，你是不是覺得我在扯淡——「自古以來，所有人都是會死的。」
是的，過去從來沒有人永生過，但是飛機發明之前也沒有人坐過飛機呀。
接下來的內容，你可能一邊讀一邊心裡「呵呵」，而且這些內容可能真的是錯的。但是如果我們是真的從歷史規律來進行邏輯思考的，我們的結論就應該是未來的幾十年將發生比我們預期的多得多得多得多的變化。
同樣的邏輯也表明，如果人類這個地球上最發達的物種能夠越走越快，總有一天，他們會邁出徹底改變「人類是什麼」這一觀點的一大步，就好像自然進化不不斷朝著智能邁步，並且最終邁出一大步產生了人類，從而完全改變了其它所有生物的命運。
如果你留心一下近來的科技進步的話，你會發現，到處都暗示著我們對於生命的認知將要被接下來的發展而徹底改變。