在机器时代,有“机器吃人”的愤怒控诉;在自动化的时代,轮到机械化慨叹过去的好时光了。在人工智能的时代,是不是该轮到自动化瑟瑟发抖了?
历史就像一个老顽皮,在人们不经意中,一次又一次开着同样的玩笑。历史但只是开玩笑而已,因为玩笑过后,人们发现,机器不吃人,机械化依然是灿烂的小红花,而自动化也不用瑟瑟发抖。科技的进步只是加长了食物链,原来的顶端不再是顶端了,必须重新找正自己的位置,但自己的位置还是在的,而且juedui重要性不减,甚至可能增加,只是相对重要性降低了。这是馅饼做大的缘故。
机械化是用机器代替人的体力,但机器的运作还是要靠人的。比如说,用水泵抽水,就不再需要手提肩挑了,但开泵关泵还是要靠人看管,否则水池满了、溢出来了,或者池塘见底了,泵在空抽、造成损坏,就不好了。在自动化时代,水池里加个水位计,池塘里也加一个水位计,水池满了,或者池塘干了,就自动停泵;水池的水位下去了,而且池塘的水位也足够,那就重新开干。
在人工智能的时代,可能有一个gaoji应用在监管着。水池可能不满,池塘也有足够水位,但现在其实用水的地方并不需要,白白抽那么多水上来,影响节水,增加挥发,也是高峰用电的电价,浪费了,可以等等再决定是不是要抽水。或者说,现在有好多地方都需要用水,需要综合权衡一下,优先权可以多用水,哪里需要牺牲一下顾全大局,或者在水价低的时候多用,水价高的时候少用。这样在更高层次上规划用水要求,决定自动抽水是不是进入工作状态,还是继续待命,这可以看作Zui低初级的人工智能。
也就是说,人工智能可以看作更高层次的自动化。如果说自动化可以比作查表办事,表上说看到“1”就做“A”,看到“2”就做“B”,看到的在“1”和“2”之间,那要做的也在“A”和“B”之间;那人工智能就像炒股,需要对比好多曲线,查对好多条件,说不定还要根据自家秘制的公式计算一下成本、收益和风险,才能决定到底怎么办了。说到底,还是有一定之规的,只是这“规”要复杂得多。
人工智能有很多分支,当前主流基本上围绕着神经元网络。
神经元网络模仿人类大脑的思维,其基本单元是神经元。神经元的数学表述不复杂,就是一条S形曲线。也就是说,在输入值从小变到大的时候,输出值从也从小变到大,但不是均匀地变,而是先慢、后快、再慢地变。
神经元这条S曲线有几个参数可调,一是可调“小”到底多小,“大”到底多大,二是可调S形的弯度,还有参数可以整体升高或者降低基线。“拉直”了,S曲线就和笔直的斜线差不多了,这时神经元的表现和传统的连续变量接近。“拧巴”到极点了,S曲线就和开关曲线差不多了,也就是说,输入值从小变到中的时候,输出值基本不变,保持在低位;但在中点前后急剧上升,一过中点,输出值就基本保持在高位了。这时,S曲线的表现和传统的断续变量接近。
S曲线可以在连续变量(像温度、水位)和离散变量(像“好/坏”、“开/关”)之间无缝过渡的特点,使得神经元既可以模拟连续变量,也可以模拟离散事件,这是人工智能更加“聪明”的关键。
单个的神经元还只是好玩的玩具,多个神经元组网起来,就可以模拟高度复杂的现象。一层一层的神经元网络组成高度复杂的网,这就是深度学习了,已经展现出令人类害怕的智能了。
什么是智能、人工智能vs人类智能可能会成为永恒的哲学问题,但对眼下来说人工智能已经远远超过简单重复人类智能的地步了。“阿尔法狗”大胜人类dingji围棋手成为里程碑式的转折,“阿尔法狗1.0”还是还是用人类Zuiyouxiu的棋局首先训练一遍然后在“自我琢磨”的,“阿尔法狗2.0”就是脱离人类棋局完全用自学习训练出来的。在更加“接地气”的层面上,人脸识别已经做到惊人的准确度和速度。
- 自控有两大路 2024-11-05
- 影响神经元网络 2024-11-05
- 设置绘图环境(花样喷泉控制) 2024-11-05
- 绘制原理图 2024-11-05
- 干货 | 台达C2000变频器在球磨机上的应用案例 2024-11-05
- . 球磨机常用控制方式与变频控制方式的优劣对比 2024-11-05
- 干货 |台达C2000变频器在施工升降机上的应用案例 2024-11-05
- 台达变频器方案 2024-11-05
- ICS网络安全防护技术之网络隔离技术 2024-11-05
- 网络隔离技术的原理应用 2024-11-05
- 一文读懂TwinCAT NC PTP 2024-11-05
- TwinCAT NC的基本特征 2024-11-05
- TwinCAT NC轴的类型和数量 2024-11-05
- 开环、闭环、半闭环 2024-11-05
- NC轴的配置和调试 2024-11-05