人工知能は、近い将来、人間の知能を超える可能性を秘めています。テクノロジーの大きな進歩にもかかわらず、人工知能はまだ完成には程遠いです。人間の知能の目標は、経験から学び、さまざまな認知プロセスを通じて新しい環境に適応することですが、人工知能の目標は、人間の行動を模倣し、超えることです。
人間の知能は、グループテストまたは個人テストを通じて測定できます。ほとんどの人は、会ってからその人について判断するのに数分しかかかりません。
哲学者や心理学者は、知性がどのように概念化され測定されるのか、知性の種類は何種類あるのか、知性における自然と育成の役割、知性の社会的、生物学的、環境的決定要因、そして知性とはどのようなものであるのかについて長い間議論してきました。脳内で表現されます。
20 世紀初頭、ビネーとサイモンは最初の知能テストである「学校知能テスト」を開発しました。このテストには、物の名前、単語の定義、絵を描く、文章を完成させる、能力などのさまざまな質問が含まれていました。項目を比較し、文章を形成します。
IQ は、年齢に応じた知能の尺度として広く使用されています。
IQ は、人間の知能を評価するために使用される一連の標準化されたテストまたはサブテストから導出される総合スコアです。
スタンフォード・ビネ・テストは、語彙、画像記憶、身近な物の名前、文の繰り返し、コマンドの実行などのさまざまなタスクで構成される一般知能の尺度です。
ウェクスラー成人知能指数は、米国で最も広く使用されている成人 IQ テストです。
IQ を持つ人々 130を超えるとIQが高いことがよくあります。そして、スコアが 70 を下回ると、通常は懸念が生じます。これらは潜在的な学習障害を示している可能性があります。
人工知能の進歩により、さまざまな分野での進歩が可能になります。
幅:人間の脳など、私たちが知っているほとんどのインテリジェント システムは、幅広い機能を備えています。子どもたちは歩くこと、話すことなど多くのことを学ぶことができます。インテリジェントであるとみなされる AI システムも、同様に幅広い機能を備えている必要があります。 AI システムは、人間のエンジニアがソース コードを直接変更することなく、あらゆるタスクを学習できる必要があります。しかし、「フリーランチはない」定理は誰もが知っています。これは、特定のタスク セットに優れたアルゴリズムが、残りのタスク セットのパフォーマンスが低下することで代償を支払うことになるということです。
これは、これほど幅広い人工知能システムでは、1 つだけではなく、一連の基本的な学習アルゴリズムが必要であることを意味します。これは非常に活発な研究分野であり、DeepMind のような有名なグループが探しています。 AI の広範なバージョンである一般的な人工知能に対応するための一般的な学習アルゴリズムのセット。実際、この能力は AI システムの知能を測定するのに間違いなく役立ちます。
データ要件: 強力な AI システムは、できるだけ少ないデータから問題をモデル化できる必要がありますが、Google 規模の巨大なデータを消費して、問題を理解できる必要もあります。それ 。問題をモデル化するために大量のデータが必要になるのとは対照的に、少ないトレーニング データから一般化できる能力は、知能の強力な指標となります。
教師あり vs. 教師なし: 明らかに、アプリケーションの範囲に応じて AI では教師あり学習と教師なし学習の両方が必要ですが、ラベル付きデータよりもラベルなしデータの方が多いため、教師なし学習が必要になります。のほうが魅力的です。最小限の監視で自律的に学習するシステムは、より多くの監視を必要とする他のシステムよりもインテリジェントであると考えられるため、教師なし学習はインテリジェンスを意味します。これは人間の知性において非常に顕著であり、コーディングなどのタスクを自分で完了できる子供はより賢いと考えられています。
予測可能性: 人工知能は、近い将来、人間の知能を超える可能性があります。テクノロジーの大きな進歩にもかかわらず、人工知能はまだ完成には程遠いです。人間の知能の目標は、経験から学び、さまざまな認知プロセスを通じて新しい環境に適応することですが、人工知能の目標は、人間の行動を模倣し、超えることです。
以上が人間の知能 VS 人工知能、どちらが優れていますか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。
![[Web フロントエンド] Node.js クイック スタート](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
