人工智能的進展

維基百科，自由的百科全書
人工智能系列內容
主要目標
實現方式
人工智能哲學
歷史
技術
術語
圖片-機器分類進展
每年人工智能的錯誤率紅線-受訓人員在特定任務上的錯誤率。

人工智能（ AI ）的進展是指人工智能領域隨着時間的推移所取得的進步、里程碑和突破。人工智能是計算機科學領域的一個多學科分支，旨在創建能夠執行通常需要人類執行任務的機器和系統。人工智能技術已廣泛應用於醫療診斷、金融領域、機器人操控、法律、科學探索、電子遊戲和玩具等領域。然而，許多人工智能應用程序並不被視為人工智能：「許多尖端人工智能已經應用到通用應用程序中，但通常會被稱為人工智能，因為一旦這項技術廣泛應用，它就不再被成為人工智能了。」 [1] [2] 「這種現象使得許多人工智能技術已經應用到各行業的基礎設施中，成為日常生活的一部分。」 [3]在20世紀90年代末至21世紀初，人工智能技術被廣泛應用於各種大型系統中， [3] [4]但當時該領域並未因這些成功而受到足夠的讚譽和認可。

卡普蘭和 亨萊因按將人工智能分為三個演進階段：1）狹義人工智能——僅將人工智能應用於特定任務； 2）通用人工智能——將人工智能應用於多個領域，並能夠自主解決甚至未曾設計過的問題； 3）超級人工智能——將人工智能應用於任何具備科學創造力、社交技能和綜合智慧的領域。 [2]

為了與人類表現進行比較，人工智能可以在具體而清晰定義的問題上進行評估。此類測試被稱為主題專家圖靈測試。此外，通過解決較小的問題，人工智能可以實現更清晰的目標，且取得了越來越多的好成績。

人類在所有方面的表現仍然遠遠優於GPT-4和在ConceptARC基準上訓練的模型，這些模型在大多數方面的得分為60%，其中一個類別為77%，而人類在所有方面的得分為91%，其中一個類別為97%。 [5]

當前表現[編輯]

遊戲名稱 冠軍年份[6] 法律狀態 (log 10 ) [7] 博弈樹複雜度(log 10 ) [7] 完美信息博弈？ 參考號
跳棋（跳棋） 1994年 21 31 完美的 [8]
奧賽羅（黑白棋） 1997年 28 58 完美的 [9]
棋 1997年 46 123 完美的
拼字遊戲 2006年 [10]
將棋 2017年 71 226 完美的 [11]
去 2016年 172 360 完美的
兩人無限下注德州撲克 2017年 不完善 [12]
《星際爭霸》 - 270+ 不完善 [13]
《星際爭霸2》 2019年 不完善 [14]

有許多有用的能力可以被歸類為展示某種形式的智能。這為我們更好地了解人工智能在不同領域中的相對成功提供了更多見解。

人工智能就像電力或蒸汽機中的熱能一樣，是一種通用技術。對於人工智能擅長哪些任務，目前還沒有達成共識。 [15]莫拉維克悖論的某些版本寫到，人類更有可能在生理靈活性方面等直接成為自然選擇目標的領域，勝過機器。 [16]儘管AlphaZero等項目已經成功地從零開始生成自己的知識，但許多其他機器學習項目仍然需要大量的數據集訓練 [17] [18]研究人員安德魯·吳（Andrew Ng）表示，作為「高度不完美的經驗法則」，「幾乎任何人類只需不到一秒鐘的思維就能完成的事情，我們現在或在不久的將來可能可以通過人工智能實現自動化。」 [19]

遊戲為評估進度提供了一個高基準；許多遊戲都擁有龐大的職業玩家群體和成熟的競技評級系統。2016年，Deep Mind公司的阿爾法狗擊敗世界頂級職業圍棋選手李世乭，證明了人工智能在圍棋比賽中的競爭優勢，從而結束了傳統棋類遊戲基準的時代。[20]在信息不對稱的遊戲中，人工智能在博弈論領域面臨新的挑戰；這一領域最顯著的里程碑之一是冷撲大師在2017年的撲克比賽中取得勝利。[21] [22]電子競技繼續為評估人工智能進展提供額外的基準； Facebook AI、 DeepMind和其他公司已經涉足備受歡迎的《星際爭霸》視頻遊戲系列。 [23] [24]

人工智能測試的結果有以下幾種：：

  • 表現最佳：無法表現得更好（注意：其中一些條目是由人類解決的）
  • 表現超越人類：表現優於所有人類
  • 表現優於人類：表現優於大多數人類
  • 表現接近於人類：表現與大多數人類相似
  • 表現低於人類：表現比大多數人差

表現最佳[編輯]

  • 井字遊戲
  • 四子棋：(1988年）
  • 跳棋（又名 8x8 跳棋）：弱解 (2007年) [25]
  • 魔方：大部分已解決 (2010年) [26]
  • 一對一限注德州撲克：這種策略在統計學上表現出色，即「在有限的人類壽命內，無法通過有限的人類遊戲經驗來確定它是否是一個確切的解決方案」（2015年） [27]

表現超越人類[編輯]

表現優於人類[編輯]

表現接近於人類[編輯]

表現低於人類[編輯]

  • 識別印刷文本的光學字符識別（接近人類對於拉丁字母書寫文本的能力）
  • 目標識別[需要解釋]
  • 可能需要機器人硬件和人工智能方面的進步的各種機器人任務，包括：
    • 穩定的雙足運動：雙足機器人可以行走，但穩定性不如人類步行者（截至 2017 年） [60]
    • 仿人足球機器人[61]
  • 語音識別：「幾乎等同於人類表現的水平」（2017年） [62]
  • 解釋能力。當前的醫療系統能夠診斷某些疾病，但無法向用戶解釋他們為何做出這樣的診斷。 [63]
  • 流體智力多項測試（2020年） [58]
  • 邦加德視覺認知問題，例如邦加德-洛高基準（2020年） [58] [64]
  • 視覺常識推理 (VCR) 基準（截至 2020 年） [56]
  • 股市預測：使用機器學習算法進行金融數據收集和處理
  • 《憤怒的小鳥》視頻遊戲（截至 2020 年）[65]
  • 在沒有上下文知識的情況下難以解決的各種任務，包括：

人工智能提議性測試[編輯]

在艾倫·圖靈的著名圖靈測試中，他選擇了語言作為測試的基礎，因為語言是人類的定義特徵。 而如今人們認為圖靈測試容易被操縱，不再是一個有意義的基準。 [66]

費根鮑姆測試由專家系統的發明者提出，測試機器對特定主題的知識和專業知識的學習程度。 [67]微軟的吉姆·格雷在 2003 年發表的一篇論文中建議將圖靈測試擴展到語音理解、對話以及物體識別和行為識別這些方面。 [68]

提出的「通用智能」測試旨在比較機器、人類甚至非人類動物在儘可能通用的問題集上的表現。在極端情況下，這個測試可能包含每個可能的問題，按照科爾莫哥羅夫複雜度進行加權；然而，這些問題集往往以有限的模式匹配練習為主，其中經過調整的人工智能可以輕鬆超過人類的表現。 [69] [70] [71] [72] [73]

考試表現[編輯]

根據OpenAI 的數據，2023 年ChatGPT GPT-4在統一律師考試中得到的分數分高於90%的考生人。在美國學業測試考試中，GPT-4 在數學方面得分的得分高於89%的考生，在閱讀和寫作方面得分高於 93%的考生。在美國研究生入學考試中，它的寫作測試得分高於 54%的考生，數學測試得分高於 88%的考生，口語部分得分高於 99%的考生。在 2020 年美國生物奧林匹克半決賽中，它的得分達到最高。它在多項大學預科課程考試中獲得了滿分「5」分的好成績。 [74]

獨立研究人員在2023年發現，ChatGPT GPT-3.5在美國醫師執照考試的需要通過的三個測試中將將及格。 GPT-3.5還在明尼蘇達大學四門法學院課程的考試中剛剛達到及格標準。 [74] 而GPT-4通過了通過文本材料進行評估的模擬醫學情景考試。 [75] [76]

比賽情況[編輯]

許多競賽和獎項，例如圖像數據庫挑戰賽，促進了人工智能領域的研究。競賽的最常見領域包括通用機器智能、對話、數據挖掘、機器人汽車以及傳統遊戲。 [77]

歷史和當前的預測[編輯]

2016年左右，由人類未來研究所的卡佳·格雷斯及其同事進行的一項專家民意調查顯示， 人工智能成為《憤怒的小鳥》遊戲冠軍的所需的中值預計時間為3年，成為世界撲克系列賽冠軍需要4年， 而成為《星際爭霸》遊戲冠軍則需要 6 年。在更為主觀的任務方面，該調查還顯示，人工智能估計需要6年才能在疊衣服工作上達到人類的工作水平，能夠專業回答「容易在谷歌上找到答案的問題」需要7-10年，完成普通語音轉錄任務需要8年，在完成普通電話銀行任務上想要達到人類水平則需要9年，而進行專業創作歌曲需要11年。此外，如果想要寫一本《紐約時報》暢銷書或贏得普特南數學競賽，人工智能則需要30年以上的時間。[78] [79] [80]

在國際象棋項目上的表現[編輯]

計算機歷史博物館的深藍計算機

1988 年，人工智能首次在常規錦標賽中擊敗了特級大師；隨後更名為「深藍」 ，並於 1997 年擊敗了當時世界國際象棋冠軍加里·卡斯帕羅夫（參見「深藍對陣加里·卡斯帕羅夫」）。 [81]

預計計算機何時會在國際象棋比賽中擊敗人類
預測的時間 預測到來時間 年數 預測人 同期來源
1957年 1967年或更早 10或更少 赫伯特·A·西蒙，經濟學家[82]
1990年 2000年或更早 10或更少 雷·庫茲韋爾，未來學家 《智能機器時代》[83]

在圍棋項目上的表現[編輯]

阿爾法狗於 2015 年 10 月擊敗了歐洲圍棋冠軍，並於 2016 年 3 月擊敗了世界頂級棋手之一李世乭（參見AlphaGo 與李世乭）。據《科學美國人》和其他消息稱，多數觀察者曾預計要等至少十年才能見到超越人類水平的計算機圍棋表現。 [84] [85] [86]

預計計算機何時會在圍棋方面擊敗人類
預測的時間 預測到來時間 年數 預測人 聯繫 同期來源
1997年 2100年或之後 103年或更多 皮特·赫特——物理學家和圍棋迷 普林斯頓高等研究院 《紐約時報》[87] [88]
2007年 2017年或更早 10年或更少 徐鳳雄、深藍領銜 微軟亞洲研究院 《科技縱覽》雜誌[89] [90]
2014年 2024年 10年 雷米·庫隆—— 圍棋計算機程序員 瘋狂的石頭 《連線》雜誌[90] [91]

達到人類水平的通用人工智能（AGI）[編輯]

人工智能先驅和經濟學家赫伯特·A·西蒙 (Herbert A. Simon)在 1965 年錯誤地預測到：「二十年內，機器將能夠完成人類能做的任何工作」。馬文·明斯基 (Marvin Minsky)在 1970 年也曾寫道：「在20-30年之內……創造人工智能的問題將得到實質性解決。」 [92]

2012年和2013年進行的四項民意調查顯示，專家對通用人工智能何時到來的平均估計為2040年至2050年，這具體取決於不同的民意調查。 [93] [94]

根據2016年左右的格雷斯民意調查顯示，結果因不同的提問方式而異。那些被問及「在不受幫助的情況下，機器何時能夠比人類更好、更便宜地完成每項任務」給出的中值答案為45年，其中有10%人認為這個情況的可能在9年內發生。其他受訪者被問及「何時所有職業都能夠實現完全自動化。也就是說，對於任何職業，機器都可以更好、性價比更好地執行任務」給出的答案估計中值為122年，其中有10%的人認為這個情況的可能在20年內發生。 對於「人工智能研究員」何時能夠完全自動化的中值回答約為90年。雖然並未發現專業度和樂觀主義之間的聯繫，但亞洲研究員的平均樂觀主義值要比北美研究員高得多；亞洲人平均預測「完成每項任務」需要30年，而北美人則預測需要74年。 [78] [79] [80]

人工通用智能到來預估時間
預測的時間 預測到來時間 年數 預測人 同期來源
1965年 1985年或更早 20年或更少 赫伯特·西蒙 男性和管理自動化的形態[92] [95]
1993年 2023年或更早 30年或以下 弗諾·文奇，科幻小說作家 「即將到來的技術奇點」 [96]
1995年 2040年或更早 45年或以下 漢斯·莫拉維克 ，機器人研究員 《連線》雜誌[97]
2008年 永遠不會/遙遠的未來[note 1] 戈登·E·摩爾-摩爾定律的發明者 《科技縱覽》雜誌[98]
2017年 2029年 12年 雷·庫茲韋爾 採訪[99]

參見[編輯]

參考資料[編輯]

  1. ^ AI set to exceed human brain power 網際網路檔案館的存檔，存檔日期2008-02-19. CNN.com (July 26, 2006)
  2. ^ 2.0 2.1 Kaplan, Andreas; Haenlein, Michael. Siri, Siri, in my hand: Who's the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence. Business Horizons. 2019, 62: 15–25. S2CID 158433736. doi:10.1016/j.bushor.2018.08.004.  引用錯誤：帶有name屬性「andreas」的<ref>標籤用不同內容定義了多次
  3. ^ 3.0 3.1 Kurtzweil 2005
  4. ^ National Research Council, Developments in Artificial Intelligence, Funding a Revolution: Government Support for Computing Research, National Academy Press, 1999, ISBN 978-0-309-06278-7, OCLC 246584055  under "Artificial Intelligence in the 90s"
  5. ^ Biever, Celeste. ChatGPT broke the Turing test — the race is on for new ways to assess AI. Nature. 25 July 2023 [26 July 2023]. 
  6. ^ Approximate year AI started beating top human experts
  7. ^ 7.0 7.1 van den Herik, H.Jaap; Uiterwijk, Jos W.H.M.; van Rijswijck, Jack. Games solved: Now and in the future. Artificial Intelligence. January 2002, 134 (1–2): 277–311. doi:10.1016/S0004-3702(01)00152-7 可免費查閱. 
  8. ^ Madrigal, Alexis C. How Checkers Was Solved. The Atlantic. 2017 [6 May 2018]. （原始內容存檔於6 May 2018）. 
  9. ^ 9.0 9.1 www.othello-club.de. berg.earthlingz.de. [2018-07-15]. （原始內容存檔於2018-07-15）.  引用錯誤：帶有name屬性「:0」的<ref>標籤用不同內容定義了多次
  10. ^ 10.0 10.1 Webley, Kayla. Top 10 Man-vs.-Machine Moments. Time. 15 February 2011 [28 December 2017]. （原始內容存檔於26 December 2017）.  引用錯誤：帶有name屬性「time top 10」的<ref>標籤用不同內容定義了多次
  11. ^ 11.0 11.1 Shogi prodigy breathes new life into the game | The Japan Times. The Japan Times. [2018-07-15]. （原始內容存檔於2018-07-15） （美國英語）.  引用錯誤：帶有name屬性「:1」的<ref>標籤用不同內容定義了多次
  12. ^ 12.0 12.1 Brown, Noam; Sandholm, Tuomas. Superhuman AI for heads-up no-limit poker: Libratus beats top professionals. Science. 2017, 359 (6374): 418–424. Bibcode:2018Sci...359..418B. PMID 29249696. doi:10.1126/science.aao1733 可免費查閱.  引用錯誤：帶有name屬性「libratus」的<ref>標籤用不同內容定義了多次
  13. ^ Facebook Quietly Enters StarCraft War for AI Bots, and Loses. WIRED. 2017 [6 May 2018]. （原始內容存檔於7 May 2018）. 
  14. ^ Sample, Ian. AI becomes grandmaster in 'fiendishly complex' StarCraft II. The Guardian. 30 October 2019 [28 February 2020]. （原始內容存檔於29 December 2020）. 
  15. ^ Brynjolfsson, Erik; Mitchell, Tom. What can machine learning do? Workforce implications. Science. 22 December 2017, 358 (6370): 1530–1534 [7 May 2018]. Bibcode:2017Sci...358.1530B. PMID 29269459. S2CID 4036151. doi:10.1126/science.aap8062. （原始內容存檔於29 September 2021） （英語）. 
  16. ^ IKEA furniture and the limits of AI. The Economist. 2018 [24 April 2018]. （原始內容存檔於24 April 2018） （英語）. 
  17. ^ Sample, Ian. 'It's able to create knowledge itself': Google unveils AI that learns on its own. the Guardian. 18 October 2017 [7 May 2018]. （原始內容存檔於19 October 2017） （英語）. 
  18. ^ The AI revolution in science. Science | AAAS. 5 July 2017 [7 May 2018]. （原始內容存檔於14 December 2021） （英語）. 
  19. ^ Will your job still exist in 10 years when the robots arrive?. South China Morning Post. 2017 [7 May 2018]. （原始內容存檔於7 May 2018） （英語）. 
  20. ^ Mokyr, Joel. The Technology Trap: Capital Labor, and Power in the Age of Automation. By Carl Benedikt Frey. Princeton: Princeton University Press, 2019. Pp. 480. $29.95, hardcover.. The Journal of Economic History. 2019-11-01, 79 (4): 1183–1189 [2020-11-25]. ISSN 0022-0507. S2CID 211324400. doi:10.1017/s0022050719000639. （原始內容存檔於2023-02-02）. 
  21. ^ Borowiec, Tracey Lien, Steven. AlphaGo beats human Go champ in milestone for artificial intelligence. Los Angeles Times. 2016 [7 May 2018]. （原始內容存檔於13 May 2018）. 
  22. ^ Brown, Noam; Sandholm, Tuomas. Superhuman AI for heads-up no-limit poker: Libratus beats top professionals. Science. 26 January 2018, 359 (6374): 418–424. Bibcode:2018Sci...359..418B. PMID 29249696. S2CID 5003977. doi:10.1126/science.aao1733 可免費查閱 （英語）. 
  23. ^ Ontanon, Santiago; Synnaeve, Gabriel; Uriarte, Alberto; Richoux, Florian; Churchill, David; Preuss, Mike. A Survey of Real-Time Strategy Game AI Research and Competition in StarCraft. IEEE Transactions on Computational Intelligence and AI in Games. December 2013, 5 (4): 293–311. CiteSeerX 10.1.1.406.2524 可免費查閱. S2CID 5014732. doi:10.1109/TCIAIG.2013.2286295. 
  24. ^ Facebook Quietly Enters StarCraft War for AI Bots, and Loses. WIRED. 2017 [7 May 2018]. （原始內容存檔於2 February 2023）. 
  25. ^ Schaeffer, J.; Burch, N.; Bjornsson, Y.; Kishimoto, A.; Muller, M.; Lake, R.; Lu, P.; Sutphen, S. Checkers is solved. Science. 2007, 317 (5844): 1518–1522. Bibcode:2007Sci...317.1518S. CiteSeerX 10.1.1.95.5393 可免費查閱. PMID 17641166. S2CID 10274228. doi:10.1126/science.1144079. 
  26. ^ God's Number is 20. [2011-08-07]. （原始內容存檔於2013-07-21）. 
  27. ^ Bowling, M.; Burch, N.; Johanson, M.; Tammelin, O. Heads-up limit hold'em poker is solved. Science. 2015, 347 (6218): 145–9. Bibcode:2015Sci...347..145B. CiteSeerX 10.1.1.697.72 可免費查閱. PMID 25574016. S2CID 3796371. doi:10.1126/science.1259433. 
  28. ^ In Major AI Breakthrough, Google System Secretly Beats Top Player at the Ancient Game of Go. WIRED. [28 December 2017]. （原始內容存檔於2 February 2017）. 
  29. ^ Sheppard, B. World-championship-caliber Scrabble. Artificial Intelligence. 2002, 134 (1–2): 241–275. doi:10.1016/S0004-3702(01)00166-7 可免費查閱. 
  30. ^ Tesauro, Gerald. Temporal difference learning and TD-Gammon. Communications of the ACM. March 1995, 38 (3): 58–68 [2008-03-26]. S2CID 8763243. doi:10.1145/203330.203343 可免費查閱. （原始內容存檔於2013-01-11）. 
  31. ^ Tesauro, Gerald. Programming backgammon using self-teaching neural nets. Artificial Intelligence. January 2002, 134 (1–2): 181–199. doi:10.1016/S0004-3702(01)00110-2. ...at least two other neural net programs also appear to be capable of superhuman play 
  32. ^ Kramnik vs Deep Fritz: Computer wins match by 4:2. Chess News. 2006-12-05 [2018-07-15]. （原始內容存檔於2018-11-25） （美國英語）. 
  33. ^ The Week in Chess 771. theweekinchess.com. [2018-07-15]. （原始內容存檔於2018-11-15）. 
  34. ^ Nickel, Arno. Zor Winner in an Exciting Photo Finish. www.infinitychess.com. Innovative Solutions. May 2017 [2018-07-17]. （原始內容存檔於2018-08-17）. ... on third place the best centaur ... 
  35. ^ Markoff, John. Computer Wins on 'Jeopardy!': Trivial, It's Not. The New York Times. 2011-02-16 [2023-02-22]. ISSN 0362-4331 （美國英語）. 
  36. ^ Jackson, Joab. IBM Watson Vanquishes Human Jeopardy Foes. PC World. IDG News. [2011-02-17]. （原始內容存檔於2011-02-20）. 
  37. ^ The Arimaa Challenge. arimaa.com. [2018-07-15]. （原始內容存檔於2010-03-22）. 
  38. ^ Roeder, Oliver. The Bots Beat Us. Now What?. FiveThirtyEight. 10 July 2017 [28 December 2017]. （原始內容存檔於28 December 2017）. 
  39. ^ AlphaGo beats Ke Jie again to wrap up three-part match. The Verge. [2018-07-15]. （原始內容存檔於2018-07-15）. 
  40. ^ Blair, Alan; Saffidine, Abdallah. AI surpasses humans at six-player poker. Science. 30 August 2019, 365 (6456): 864–865 [30 June 2022]. Bibcode:2019Sci...365..864B. PMID 31467208. S2CID 201672421. doi:10.1126/science.aay7774. （原始內容存檔於18 July 2022）. 
  41. ^ Sony's new AI driver achieves 'reliably superhuman' race times in Gran Turismo. The Verge. [2022-07-19]. （原始內容存檔於2022-07-20）. 
  42. ^ Proverb: The probabilistic cruciverbalist. By Greg A. Keim, Noam Shazeer, Michael L. Littman, Sushant Agarwal, Catherine M. Cheves, Joseph Fitzgerald, Jason Grosland, Fan Jiang, Shannon Pollard, and Karl Weinmeister. 1999. In Proceedings of the Sixteenth National Conference on Artificial Intelligence, 710-717. Menlo Park, Calif.: AAAI Press.
  43. ^ Wernick, Adam. 'Dr. Fill' vies for crossword solving supremacy, but still comes up short. Public Radio International. 24 Sep 2014 [Dec 27, 2017]. （原始內容存檔於2017-12-28）. The first year, Dr. Fill came in 141st out of about 600 competitors. It did a little better the second-year; last year it was 65th 
  44. ^ Arago's AI can now beat some human players at complex civ strategy games.. TechCrunch. 6 December 2016 [20 July 2022]. （原始內容存檔於5 June 2022）. 
  45. ^ AI bots trained for 180 years a day to beat humans at Dota 2.. The Verge. 25 June 2018 [17 July 2018]. （原始內容存檔於25 June 2018）. 
  46. ^ Bethe, P. M. (2009). The state of automated bridge play.
  47. ^ AlphaStar: Mastering the Real-Time Strategy Game StarCraft II. [2022-07-19]. （原始內容存檔於2022-07-22）. 
  48. ^ Suphx: The World Best Mahjong AI. Microsoft. [2022-07-19]. （原始內容存檔於2022-07-19）. 
  49. ^ Deepmind AI Researchers Introduce 'DeepNash', An Autonomous Agent Trained With Model-Free Multiagent Reinforcement Learning That Learns To Play The Game Of Stratego At Expert Level.. MarkTechPost. 9 July 2022 [19 July 2022]. （原始內容存檔於9 July 2022）. 
  50. ^ Bakhtin, Anton; Wu, David. Mastering the Game of No-Press Diplomacy via Human-Regularized Reinforcement Learning and Planning. 11 October 2022. arXiv:2210.05492 可免費查閱 [cs.GT]. 
  51. ^ Hu, Hengyuan; Wu, David. Human-AI Coordination via Human-Regularized Search and Learning. 11 October 2022. arXiv:2210.05125 可免費查閱 [cs.AI]. 
  52. ^ Microsoft researchers say their newest deep learning system beats humans -- and Google - VentureBeat - Big Data - by Jordan Novet. VentureBeat. 2015-02-10 [2017-09-08]. （原始內容存檔於2017-08-09）. 
  53. ^ Santoro, Adam; Bartunov, Sergey. One-shot Learning with Memory-Augmented Neural Networks. 19 May 2016. arXiv:1605.06065 可免費查閱 [cs.LG]. 
  54. ^ Man Versus Machine: Who Wins When It Comes to Facial Recognition?. Neuroscience News. 2018-12-03 [2022-07-20]. （原始內容存檔於2022-07-20）. 
  55. ^ Yan, Ming; Xu, Haiyang. Achieving Human Parity on Visual Question Answering. 17 November 2021. arXiv:2111.08896 可免費查閱 [cs.CL]. 
  56. ^ 56.0 56.1 56.2 Zhang, D., Mishra, S., Brynjolfsson, E., Etchemendy, J., Ganguli, D., Grosz, B., ... & Perrault, R. (2021). The AI index 2021 annual report. AI Index (Stanford University). arXiv preprint arXiv:2103.06312.
  57. ^ Metz, Cade. A Breakthrough for A.I. Technology: Passing an 8th-Grade Science Test. The New York Times. 4 September 2019 [5 January 2023]. （原始內容存檔於5 January 2023）. 
  58. ^ 58.0 58.1 58.2 van der Maas, Han L.J.; Snoek, Lukas; Stevenson, Claire E. How much intelligence is there in artificial intelligence? A 2020 update. Intelligence. July 2021, 87: 101548. S2CID 236236331. doi:10.1016/j.intell.2021.101548 可免費查閱.  引用錯誤：帶有name屬性「how much intelligence 2020」的<ref>標籤用不同內容定義了多次
  59. ^ McMillan, Robert. Google's AI Is Now Smart Enough to Play Atari Like the Pros. Wired. 2015 [5 January 2023]. （原始內容存檔於5 January 2023）. 
  60. ^ Robots with legs are getting ready to walk among us. The Verge. [28 December 2017]. （原始內容存檔於28 December 2017）. 
  61. ^ Hurst, Nathan. Why Funny, Falling, Soccer-Playing Robots Matter. Smithsonian. [28 December 2017]. （原始內容存檔於28 December 2017） （英語）. 
  62. ^ The Business of Artificial Intelligence. Harvard Business Review. 18 July 2017 [28 December 2017]. （原始內容存檔於29 December 2017） （英語）. 
  63. ^ Brynjolfsson, E., & Mitchell, T. (2017). What can machine learning do? Workforce implications. Science, 358(6370), 1530-1534.
  64. ^ Nie, W., Yu, Z., Mao, L., Patel, A. B., Zhu, Y., & Anandkumar, A. (2020). Bongard-logo: A new benchmark for human-level concept learning and reasoning. Advances in Neural Information Processing Systems, 33, 16468-16480.
  65. ^ Stephenson, Matthew; Renz, Jochen; Ge, Xiaoyu. The computational complexity of Angry Birds. Artificial Intelligence. March 2020, 280: 103232. S2CID 56475869. arXiv:1812.07793 可免費查閱. doi:10.1016/j.artint.2019.103232. Despite many different attempts over the past five years the problem is still largely unsolved, with AI approaches far from human-level performance. 
  66. ^ Schoenick, Carissa; Clark, Peter; Tafjord, Oyvind; Turney, Peter; Etzioni, Oren. Moving beyond the Turing Test with the Allen AI Science Challenge. Communications of the ACM. 23 August 2017, 60 (9): 60–64. S2CID 6383047. arXiv:1604.04315 可免費查閱. doi:10.1145/3122814. 
  67. ^ Feigenbaum, Edward A. Some challenges and grand challenges for computational intelligence. Journal of the ACM. 2003, 50 (1): 32–40. S2CID 15379263. doi:10.1145/602382.602400. 
  68. ^ Gray, Jim. What Next? A Dozen Information-Technology Research Goals. Journal of the ACM. 2003, 50 (1): 41–57. Bibcode:1999cs.......11005G. S2CID 10336312. arXiv:cs/9911005 可免費查閱. doi:10.1145/602382.602401. 
  69. ^ Hernandez-Orallo, Jose. Beyond the Turing Test. Journal of Logic, Language and Information. 2000, 9 (4): 447–466. S2CID 14481982. doi:10.1023/A:1008367325700. 
  70. ^ Kuang-Cheng, Andy Wang. International licensing under an endogenous tariff in vertically-related markets. Journal of Economics. 2023 [2023-04-23] （英語）. 
  71. ^ Dowe, D. L.; Hajek, A. R. A computational extension to the Turing Test. Proceedings of the 4th Conference of the Australasian Cognitive Science Society. 1997. （原始內容存檔於28 June 2011）. 
  72. ^ Hernandez-Orallo, J.; Dowe, D. L. Measuring Universal Intelligence: Towards an Anytime Intelligence Test. Artificial Intelligence. 2010, 174 (18): 1508–1539. CiteSeerX 10.1.1.295.9079 可免費查閱. doi:10.1016/j.artint.2010.09.006. 
  73. ^ Hernández-Orallo, José; Dowe, David L.; Hernández-Lloreda, M.Victoria. Universal psychometrics: Measuring cognitive abilities in the machine kingdom. Cognitive Systems Research. March 2014, 27: 50–74. S2CID 26440282. doi:10.1016/j.cogsys.2013.06.001. hdl:10251/50244 可免費查閱. 
  74. ^ 74.0 74.1 Varanasi, Lakshmi. AI models like ChatGPT and GPT-4 are acing everything from the bar exam to AP Biology. Here's a list of difficult exams both AI versions have passed.. Business Insider. March 2023 [22 June 2023].  引用錯誤：帶有name屬性「insider」的<ref>標籤用不同內容定義了多次
  75. ^ Rudy, Melissa. Latest version of ChatGPT passes radiology board-style exam, highlights AI's 'growing potential,' study finds. Fox News. 24 May 2023 [22 June 2023]. 
  76. ^ Bhayana, Rajesh; Bleakney, Robert R.; Krishna, Satheesh. GPT-4 in Radiology: Improvements in Advanced Reasoning. Radiology. 1 June 2023, 307 (5): e230987. PMID 37191491. S2CID 258716171. doi:10.1148/radiol.230987. 
  77. ^ ILSVRC2017. image-net.org. [2018-11-06]. （原始內容存檔於2018-11-02） （英語）. 
  78. ^ 78.0 78.1 Gray, Richard. How long will it take for your job to be automated?. BBC. 2018 [31 January 2018]. （原始內容存檔於11 January 2018） （英語）. 
  79. ^ 79.0 79.1 AI will be able to beat us at everything by 2060, say experts. New Scientist. 2018 [31 January 2018]. （原始內容存檔於31 January 2018）. 
  80. ^ 80.0 80.1 Grace, K., Salvatier, J., Dafoe, A., Zhang, B., & Evans, O. (2017). When will AI exceed human performance? Evidence from AI experts. arXiv preprint arXiv:1705.08807.
  81. ^ McClain, Dylan Loeb. Bent Larsen, Chess Grandmaster, Dies at 75. The New York Times. 11 September 2010 [31 January 2018]. （原始內容存檔於25 March 2014）. 
  82. ^ The Business of Artificial Intelligence. Harvard Business Review. 18 July 2017 [31 January 2018]. （原始內容存檔於18 January 2018） （英語）. 
  83. ^ 4 Crazy Predictions About the Future of Art. Inc.com. 2017 [31 January 2018]. （原始內容存檔於12 September 2017） （英語）. 
  84. ^ Koch, Christof. How the Computer Beat the Go Master. Scientific American. 2016 [31 January 2018]. （原始內容存檔於6 September 2017） （英語）. 
  85. ^ 'I'm in shock!' How an AI beat the world's best human at Go. New Scientist. 2016 [31 January 2018]. （原始內容存檔於13 May 2016）. 
  86. ^ Moyer, Christopher. How Google's AlphaGo Beat a Go World Champion. The Atlantic. 2016 [31 January 2018]. （原始內容存檔於31 January 2018）. 
  87. ^ Johnson, George. To Test a Powerful Computer, Play an Ancient Game. The New York Times. 29 July 1997 [31 January 2018]. （原始內容存檔於31 January 2018）. 
  88. ^ Johnson, George. To Beat Go Champion, Google's Program Needed a Human Army. The New York Times. 4 April 2016 [31 January 2018]. （原始內容存檔於31 January 2018）. 
  89. ^ Cracking GO. IEEE Spectrum: Technology, Engineering, and Science News. 2007 [31 January 2018]. （原始內容存檔於31 January 2018） （英語）. 
  90. ^ 90.0 90.1 The Mystery of Go, the Ancient Game That Computers Still Can't Win. WIRED. 2014 [31 January 2018]. （原始內容存檔於31 January 2016）. 
  91. ^ Gibney, Elizabeth. Google AI algorithm masters ancient game of Go. Nature. 28 January 2016, 529 (7587): 445–446. Bibcode:2016Natur.529..445G. PMID 26819021. S2CID 4460235. doi:10.1038/529445a 可免費查閱 （英語）. 
  92. ^ 92.0 92.1 Bostrom, Nick. Superintelligence. Oxford: Oxford University Press. 2013. ISBN 978-0199678112 （英語）. 
  93. ^ Khatchadourian, Raffi. The Doomsday Invention. The New Yorker. 16 November 2015 [31 January 2018]. （原始內容存檔於29 April 2019）. 
  94. ^ Müller, V. C., & Bostrom, N. (2016). Future progress in artificial intelligence: A survey of expert opinion. In Fundamental issues of artificial intelligence (pp. 555-572). Springer, Cham.
  95. ^ Muehlhauser, L., & Salamon, A. (2012). Intelligence explosion: Evidence and import. In Singularity Hypotheses (pp. 15-42). Springer, Berlin, Heidelberg.
  96. ^ Tierney, John. Vernor Vinge's View of the Future - Is Technology That Outthinks Us a Partner or a Master ?. The New York Times. 25 August 2008 [31 January 2018]. （原始內容存檔於24 December 2017）. 
  97. ^ Superhumanism. WIRED. 1995 [31 January 2018]. （原始內容存檔於2 September 2017）. 
  98. ^ Tech Luminaries Address Singularity. IEEE Spectrum: Technology, Engineering, and Science News. 2008 [31 January 2018]. （原始內容存檔於30 April 2019） （英語）. 
  99. ^ Molloy, Mark. Expert predicts date when 'sexier and funnier' humans will merge with AI machines. The Telegraph. 17 March 2017 [31 January 2018]. （原始內容存檔於31 January 2018）. 

注釋[編輯]

外部連結[編輯]

領域
農業
建築
生物醫學技術（英語：Biomedical technology）
顯示器
次世代（英語：Next generation of display technology）
去屏幕（英語：Screenless）
其他
電子產品
能源
生產
存儲
其他
製造
材料科學
軍事技術與裝備
神經科學
機器人學
空間科學
發射（英語：Space launch）
航天器推進
其他
運輸（英語：Outline of transport）
航空
陸路運輸（英語：Land transport）
管道
其他
理念


引用錯誤：頁面中存在<ref group="note">標籤，但沒有找到相應的<references group="note" />標籤

取自「https://zh.100ke.info/w/index.php?title=人工智能的进展&oldid=82193575」