自主人工智能

小哪吒

什么是自主人工智能？

自主人工智能是一种人工智能(AI) 解决方案，可以在无需人工交互或监督的情况下操作和处理数据。

通过使用自主人工智能，开发人员可以自动执行日常手动数据管理任务，包括数据输入、分析、分类和映射，或构建更复杂的解决方案，例如自动驾驶汽车和机器人。

Techopedia 解释自主人工智能的含义

简单来说，自主人工智能的定义是无需人工输入即可执行任务的人工智能系统。这包括自动驾驶汽车、机器人、聊天机器人和可以独立行动的自主代理。

这些解决方案的另一个关键特征是，它们能够通过使用摄像头、麦克风、激光扫描仪、雷达、 GPS和其他工具来实时感知环境。

同时，自主人工智能还具有不断从输入数据和过去经验中学习的能力。从这个意义上说，自主人工智能的含义也可以代表自我学习的解决方案，并且能够随着时间的推移变得更加高效。

自主人工智能的历史

在回顾自主人工智能的历史时，重要的是要考虑整个人工智能的更广泛发展。

人工智能程序的第一个例子可以追溯到 1951 年，当时后来担任牛津大学编程研究小组主任的研究员克里斯托弗·斯特拉奇(Christopher Strachey)开发了一个跳棋程序，该程序可以自主地玩游戏。

另一个例子是一年后的 1952 年，当时计算机科学家 Arthur Samuel 发布了他自己的自主跳棋程序，该程序将继续具有自学习功能。

尽管自那时以来发生了很多事情，但我们可以指出当今自主人工智能发展道路上的一些重要里程碑。

在机器人领域，我们可以回顾一下1966年，当时斯坦福研究所生产了一种名为Shakey的解决问题的移动机器人系统，它能够独立于人类输入进行操作，并且是第一个能够感知和推理周围环境的移动机器人。

同样，关于自动驾驶汽车，我们回顾 1986 年，当时科学家Ernst Dickmanns和一群工程师发布了第一辆自动驾驶汽车——一辆奔驰，它可以在没有驾驶员的情况下在道路上行驶。

自主人工智能如何运作

自主人工智能如何发挥作用取决于所讨论的具体解决方案和所使用的自动化水平。

话虽如此，大多数自主人工智能解决方案都使用一系列技术，包括机器学习(ML) 算法、深度学习和物理传感器（例如摄像头、麦克风和扫描仪）来生成见解并独立执行操作。

如果我们看看自动驾驶汽车或像Waymo这样的自动驾驶汽车的情况，车辆会使用来自传感器（在本例中为摄像头、激光雷达和雷达）的实时数据来确定其在道路上的位置。

这些数据使其能够识别其他驾驶员和行人的位置，并感知其他相关因素，例如指示器和交通信号灯。

然后，车载计算机使用机器学习来分析收集到的数据，将其与过去现实世界驾驶体验中获取的数据一起分析，以计算道路上的安全路线并预测其他驾驶员的行为。

自主人工智能的特点

虽然没有两个自主人工智能解决方案是相同的，但每个解决方案都有一些共同的核心特征：

• 自动执行复杂任务：有能力自动执行相对复杂的任务。
• 独立操作：这些工具不需要人工输入来执行任务和处理数据。
• 自学习：他们有能力通过从实时和历史数据中生成见解来不断学习和提高任务绩效。
• 高度准确：利用正确的数据，可以训练它们以 100% 的准确度完成任务。
• 24/7 正常运行时间：自动化操作意味着他们可以每天 24 小时完成手动任务。
  

自主人工智能与传统人工智能

自主人工智能系统和传统人工智能系统之间的主要区别在于，后者依赖于人类输入，而前者则不然。

传统的人工智能系统，例如Alexa或Siri等语音助手，需要人类用户的明确指令和监督才能完成任务，而自动驾驶汽车等自主解决方案则经过训练，可以独立于人类监督而行动。

实际上，这意味着自主人工智能解决方案可以在没有监督的情况下执行操作并感知环境，而传统人工智能系统则不能。

自主人工智能在各行业中的作用

截至今天，我们可以看到自主人工智能在各个行业中得到应用。其中一些包括：

• 卫生保健:医疗保健提供商使用聊天机器人等自主人工智能解决方案作为症状检查器，并提供 24/7 指导。这增加了患者获得支持的机会，以便他们能够更好地管理自己的病情。
• 金融:金融机构可以使用人工智能来预测市场事件，为客户创建个性化产品，甚至检测欺诈或异常交易。
• 运输:许多公司使用部分自动驾驶车辆向客户提供商品和服务，并使用车队管理系统来确保多辆车辆在整个供应链中高效运行。
• 制造业:自主机器人可用于制造业，自动生产货物、执行预测性维护，并提高工厂和仓库等环境的整体时间和成本效率。
• 客户服务:聊天机器人可以用自然语言为客户提供宝贵的支持，回答问题，提供个性化的产品推荐，甚至处理退款。
  

自主人工智能的例子

正在开发的自主人工智能有三个主要例子。具体如下：

• 自动驾驶汽车:Waymo 等自动驾驶汽车是自主人工智能的一个例子，因为它们可以在不需要人类驾驶员的情况下驾驶，实时对交通流量和环境条件做出反应，将乘客带到最终目的地。IT使用地图和实时传感器数据来处理其在道路上的位置，同时使用实时收集的数据以及过去的经验来预测其他驾驶员的行为。
• 机器人:Tesla 的 Optimus或Hanson Robotics 的 Sophia 等机器人是自主人工智能的另一个例子，因为它们无需人工干预即可运行。例如，索菲亚可以用自然语言回答问题并复制人类表达，而擎天柱可以执行操作盒子和给植物浇水等任务。
• 自主代理:像AutoGPT这样的自主代理是聊天机器人，能够做出创建、执行任务并确定任务优先级的决策，无需人工输入。例如，AutoGPT 使用GPT-4，可以自我提示并执行任务，无需人工输入。相反，它根据预定义的规则和目标来决定采取哪些行动。
  

自主人工智能的挑战

虽然自主人工智能具有非常有用的潜力，但它确实面临着一些重大挑战。需要考虑的最大因素之一是，需要花费大量时间和金钱来开发一种足够复杂、无需人工输入即可运行的人工智能驱动的解决方案。

同时，在给定场景中使用自治需要高度的信任。例如，如果一个组织想要开发自动驾驶汽车，他们需要确保它们不会面临碰撞和危及乘客的风险。

还有一个风险是，自主人工智能的采用可能会取代人类员工，使他们过去手动执行的任务实现自动化。尽管有可能创造新的就业机会，但尚不清楚这是否能弥补失去的就业机会。

自主人工智能的优点和缺点

自主人工智能有许多高级的优点和缺点。具体如下：

设计自主人工智能系统时的道德考虑。设计自主人工智能系统时最大的道德考虑因素之一是安全。开发人员需要绝对确定他们开发的解决方案不会或不能被操纵来伤害其他用户（无论是物理上还是通过人为错误信息），并且具有必要的保护措施来防止滥用。

例如，在自动驾驶汽车上路并为乘客的生命负责之前，开发人员必须知道它有能力安全驾驶、适应任何驾驶条件并以最佳利益行事乘客的。开发人员和用户都必须相信机器能够完美地执行任务。

开发人员还需要极其谨慎地减少潜在的偏见和成见。如果训练数据中的偏差未被发现，那么这些偏差最终可能会影响自治系统的决策。这可能会导致错误信息的传播或对最终用户造成伤害。

自主人工智能的未来

自主人工智能的未来正在快速发展。尽管机器人和自动驾驶汽车等解决方案正在积极开发中，但它们仍处于起步阶段，在准备好掌握主动权之前还有很长的路要走。

话虽这么说，随着人工智能变得更加先进，我们可以预期这些解决方案在可预见的未来变得更加可靠并得到广泛使用。