未來的人工智能：數據還不夠

將人工智能(AI)作為解決特定問題的首選技術的熱情不可否認，且值得關注。但是，當最流行的人工智能方法，比如監督學習和強化學習，每天都取得了巨大的進步，這些經典方法的使用往往是單一的，這也可能成為人工智能的障礙。

盡管AI在越來越多的領域已經取得了巨大的成功，但它主要仍是作為一種完成狹隘任務的工具，或作為一種簡單的自動化形式，而非與用戶建立關系的支持夥伴。其嚴重依賴於精心規劃和注釋的數據，大多數都是曆史數據，只能間接地從用戶那裏學習。AI在某些情況下有超凡的預測能力，但是從幼年起，人類的適應能力是無法比擬的。只是(還)無法像人類一樣，從從未見過的數據推斷出。另外，由於對精度要求的提高，模型、計算密集訓練和工程挑戰日益增加和複雜，妨礙了我們在基於人工智能的解決方案中所追求的可信度、移植性和可擴展性。

要達到這些AI目標，需要改變目前的數據范例;現在是時候將人置於AI訓練過程的核心。不要相信我們的話：從設計到部署，人力資源和AI資源的混合優勢與其它獨立研究相呼應。例如麻省理工學院“斯隆2020全球人工智能管理研究”項目的發現，以及由此而來的結果，在德勤的洞察力中，合作甚至被稱為超級團隊4g lte module。

相對於標准AI方法，設計、培訓和部署混合人類用戶和AI代理解決方案提供了新的成功之路。仿效學習、課程學習和其他更新技術展示了其他利用人類專業知識、反饋和指導來訓練人工智能的方法。擁有所有東西，而非局限於一種方法，將這些不同的方法結合起來，並與人類一起建立一個新的智能系統，而不僅僅局限於某種特定的方法、模型或算法。鑒於人類和人工智能各有利弊，這種人與人工智能的合作不僅產生了各部分的總和，而且還利用它們的相輔相成來取得一種或另一種不可能或難以達到的結果。然而，為了使人工智能代理盡可能與人類密切合作，需要具體的方法、途徑和技術。需要指出的是，它要求系統結構設計自然地傾向於多代理、多人、技術未知的分布式方法，能夠快速、無摩擦地重複研究、原型和運營。

這些都是Cogment背後的指導原則。Cogment是一個新的開源框架，旨在實現人類與AI代理的合作夥伴關系。它已經在複雜的環境中使用，如人機合作、自適應學習和關鍵決策支持系統，並為應對未來的挑戰做好了准備。

網絡彈性和物聯網設備安全

工業物聯網和安全風險

智能化照明在智慧辦公中的重要性

by SILVIA 瀏覽 447