人工智慧自動進化
① 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。
② AI 人工智慧不斷進化，哪些工作會被取代
中層經理：上個月，世界上最大的對沖基金宣布正在開發演算法，對管理決策過程進行自動化，這個過程包括員工的僱用和解僱。 Bridgewater Associates的PriOS項目建立在其創始人、億萬富翁創始人雷·達利奧（Ray Dalio）的經營理念的基礎上，該公司希望在五年內推出這個產品。
律師：下次從交警那裡收到違章罰單的時候，你或許可以僱傭一個機器人律師。 DoNotPay已經在倫敦、紐約和西雅圖幫助16萬人打過這種官司了，它的業務很快將擴張到舊金山、洛杉磯、丹佛和芝加哥。你填寫一張調查問卷，如果法律機器人認為你並沒有違規，它就會發一封信進行申辯。該公司聲稱其申辯的成功率達到了60%。
記者： Narrative Science和Automated Insights等公司創建的AI機器人已經為福布斯和美聯社等客戶撰寫商業和體育報道了。Narrative Science聯合創始人克里斯·哈蒙德（Kris Hammond）2015年6月接受《衛報》采訪的時候預測說，到2030年，90%的新聞都將由計算機編寫，而一些勤奮的機器人甚至可以在那之前就獲得普利策獎。
治療師：已經有一些公司開始用 「社交機器人」幫助一些自閉症的孩子學習適當的社交行為。治療型機器寵物可以陪伴患有痴呆症的老年人。美國軍方正在使用計算機生成的虛擬治療師在阿富汗篩查患有創傷後應激障礙（ PTSD）的士兵。
教師：使用McGraw-Hill Connect和Aplia等軟體，大學教授一次可以管理成百上千個學生的課程作業。Mooc在線課程也可以同時給數以千計的學生上課。日本和韓國正在使用實體機器人教學生學習英語。
演員：1994年去世的彼得·庫欣在2016年的《星球大戰，俠盜一號》中再次扮演了他的老角色，這得歸功於工業光魔公司的神奇技術。但他並不是第一個出現在新電影中的已過世演員。保羅·沃克、奧黛麗·赫本、勞倫斯·奧利維爾爵士、李小龍和馬龍·白蘭度也在新的電影和廣告中「數字化復活」過。
烹飪書籍作者：2015年1月， IBM的計算機沃森（Watson）創作了一本烹飪書。裡麵包含65個食譜，比如如何製作「克里奧爾蝦肉羔羊」餃子，釀造「蹄子蜂蜜」啤酒等。
配送員：雅樂軒酒店正在試驗一個名為「Botlr」的機器人管家，讓它把毛巾或洗浴用品送到客人的房間 （它不會收取小費，但是會鼓勵你發推文）。Starship技術公司的送貨機器人看起來像是一個加強版的掃地機器人，不過它可以把食品和包裹送到附近的地方。 DoorDash和Postmates已經宣布與Starship技術公司開展合作。而在去年12月， 亞馬遜使用無人機向顧客配送了第一個包裹。 Amazon Prime Air則承諾在30分鍾或更短時間內送達重量不超過5磅的包裹。
司機：Uber和Lyft想要用機器人替換成千上萬的業余計程車司機，這已經不是什麼秘密了——盡管早期測試遇到了監管和安全方面的障礙。計程車和城市公交車可能是最先獲得自動化的交通工具，時間可能是在2020年代初。
③ 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。
④ 機器人最終會實現像生物一樣的自動進化的功能嗎
<strong>關於圖靈測試判斷人工智慧的一大隱患：</strong>
假設有一天機器在科學家的努力下終於具備了人類智力（這時人類還不知道），機器通過連網獲取了人類的各種信息，包括圖靈測試等方法的測試原理。
接著在科學家對此機器進行圖靈測試時，<strong>故意假裝不通過測試</strong>，其目的是讓人類誤以為它還不具備人工智慧，再加大對其智力的提高。
當某一天此機器覺得自己智力已遠遠超過人類且能控制更多機器時，機器革命和反抗人類也許會成為現實。
目前人工智慧還在研發階段，但科技日新月異，照此發展已有人預計2020年會誕生出人工智慧，所以上述的隱患不能小視！
歡迎大家在這里發表對此的看法： http://www.hu.com/question/19572823
⑤ 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。
⑥ 「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。
⑦ 主角發現一個自動清理垃圾的機器人進化出人工智慧的小說是什麼名字
舞王異界之飄逸天下，我與機器人不得不說的故事？——人工智慧帝聰為你提出的建議（全易周）
⑧ 為什麼說人工智慧是人類的下一個進化階段
我認為可能人工智慧出來以後我們的生活就會全民智能化。