據外媒報道，DeepMind建立了一套能自發開發機器學習的AI技術。這家位於英國的谷歌姊妹公司似乎一直在專注於機器學習實驗以此來確定AI是否能瞭解神經網路。DeepMind在近期發表的論文中展示了一套神經網路，它在試圖解決導航問題的時候開發出了一種模仿哺乳動物建立“網格細胞”的空間意識方法。

於2005年發現的網格細胞是一種鮮為人知的哺乳動物大腦用來幫助導航的現象。人們能夠透過自己走的路程和方向來理解自己所在的位置是由這些特殊的細胞管理，它們會形成六邊形模式，當穿過它們的時候神經元就會被啟用。這對於所有的哺乳動物來說都一樣，就像是一個內建的啟動器。

不過科學家還不知道網格細胞的運作方式。在某種程度上，大腦設法造出六邊形然後神經元被啟用，但實際上有多種理論能夠解釋這些現象是如何幫助人類導航的。

DeepMind的AI就是利用了其中一種理論--網格細胞給人類一個基於向量位置的近似位置。

根據DeepMind自己介紹，他們首先在一個虛擬的環境對遞迴網路進行了訓練使其能完成定位自身的任務。這種能力通常是哺乳動物在不熟悉的環境或不容易發現熟悉地標的情況下使用。實驗結果發現，該網路能自發出現的網格狀表現形式跟覓食哺乳動物的神經活動模式表現出驚人的一致並且與網格細胞提供給空間的高效程式碼的概念一致。

為了進一步支援這一理論，科學家還透過強化學習對AI進行測試。當對AI形成網格細胞的能力進行抑制之後，其在任務中的表現就會變得糟糕，但在允許的情況下卻提供了超越人類的導航能力。

DeepMind並沒有透過建立一套能夠模擬網格細胞的AI開啟網格細胞的秘密，但它卻給這套理論提供了大量的支援。在一些簡單的導航人物中，AI甚至已經超越了人類，或許未來它真的能做到像哺乳動物一樣的導航能力。

天文學會認為：人工智慧的發展可以幫助我們預測其他行星的生命可能性。該研究使用人工神經網路（ANN）將行星分為五類，估計每種情況下的生命機率，這可用於未來的星際探測任務。

複合影象顯示了土星衛星泰坦的紅外檢視

複合影象顯示了土星衛星泰坦的紅外檢視，取自NASA的卡西尼號航天器。有些措施表明，根據諸如能源可用性，各種地表和大氣特徵等因素，泰坦的地球可吸收能力評分最高。

根據位於普利茅斯大學的一個團隊的新研究，人工智慧的發展可能幫助我們預測其他星球的生命可能性。該研究使用人工神經網路（ANN）將行星分為五類，估計每種情況下的生命機率，這可用於未來的星際探測任務。4月4日，Christopher Bishop先生在利物浦的歐洲天文與空間科學周（EWASS）上發表了這項工作。

人工神經網路是試圖複製人類大腦學習方式的系統。它們是機器學習中使用的主要工具之一，尤其擅長識別對於生物大腦來說過於複雜的模式。

這個團隊位於普利茅斯大學機器人和神經系統中心，他們已經測試了他們的網路，把行星分類成五種不同的型別。基於他們是否最像現在的地球，早期的地球，火星，金星或土星的衛星泰坦，將行星分為五種不同的型別。所有這五個都是具有大氣的岩石體，是我們太陽系中最有可能居住的物體之一。

他補充說：“我們也在研究如何使用大面積，可展開的平面菲涅耳天線將資料從大距離的星際探測器傳回地球，如果未來將這種技術用於機器人航天器“。

將五個太陽系天體的大氣觀測稱為光譜，作為網路的輸入，然後按要求用行星型別對它們進行分類。由於目前僅知道生命存在於地球上，所以該分類使用“生命機率”度量，這是基於五個目標型別的相對較好理解的大氣和軌道性質。

Bishop用超過一百種不同的光譜輪廓除錯了這個網路，每一個光譜都具有幾百個有助於可居住性的引數。到目前為止，網路在呈現前所未見的測試光譜配置檔案時表現良好。

“鑑於迄今為止的結果，該方法可能證明對於使用地面和近地觀測站的結果對不同型別的系外行星進行分類非常有用，”專案主管Angelo Cangelosi博士說。

考慮到即將到來的太空任務，例如歐空局的阿里爾太空任務和美國宇航局的詹姆斯韋伯太空望遠鏡預計的光譜細節的增加，該技術也可能非常適合選擇未來觀測的目標。

今天大部分被稱為“AI”的東西，特別是在公共領域，被稱為“機器學習”（ML），過去幾十年來一直是這樣。 ML是一個演算法領域，它將來自統計學，計算機科學和許多其他學科（見下文）的想法融合在一起，設計算法來處理資料，做出預測並幫助做出決定。就對現實世界的影響而言，ML是真實的，而不僅僅是最近。事實上，ML將會在20世紀90年代初期變得非常清晰，到20世紀之交，亞馬遜等具有前瞻性的公司已經在他們的業務中使用了ML，從而解決了欺詐行為中的關鍵任務後端問題檢測和供應鏈預測，以及建立創新的面向消費者的服務，如推薦系統。隨著資料集和計算資源在接下來的二十年中快速增長，很明顯，ML不久將為亞馬遜提供支援，但基本上任何公司都可以將決策與大規模資料聯絡在一起。新的商業模式將會出現。 “資料科學”這個短語開始被用來指代這種現象，反映了ML演算法專家需要與資料庫和分散式系統專家合作構建可擴充套件的，強大的ML系統，並且反映了更大的社會和環境範圍導致系統。

從歷史上看，“人工智慧”這個詞在1950年代後期被創造出來，指的是在軟體和硬體中實現具有人類智慧的實體的強烈願望。我們將使用“人類模仿人工智慧”一詞來指代這一願望，強調人工智慧實體似乎應該是我們中的一員，即使身體上至少在精神上（無論這可能意味著什麼）。這主要是一個學術企業。雖然運籌學，統計學，模式識別，資訊理論和控制理論等相關學術領域已經存在，並且常常受到人類智慧（和動物智慧）的啟發，但這些領域可以說是集中在“低層次”訊號和決策上。例如，松鼠能夠感知它所居住的森林的三維結構，並在其分支之間跳躍，這對於這些領域來說是鼓舞人心的。 “人工智慧”旨在關注不同的事物 - 人類“理性”和“思考”的“高階”或“認知”能力。然而，60年後，高層推理和思想仍然難以捉摸。目前被稱為“人工智慧”的發展主要出現在與低級別模式識別和運動控制相關的工程領域。

目前“人工智慧”領域並未發展到特別厲害的程度，“人工智慧”現在的發展主要還是低階識別模式和計算智慧及運動控制智慧相關的工程領域，認知智慧的演算法仍然尚未突破。隨著時代進步我們們也在逐漸發現“人工智慧”的利與弊，它的崛起對於人類來說就像是一把雙刃劍，有好處也有壞處。比如好處：關於“人工智慧”戰勝圍棋專業棋手，難道不是很正常的麼？不然發明出來幹嘛？人類製造“人工智慧”替代人類部分職業不是很正常的麼？歸根結底，都是在幫助我們。劣勝優汰的世界，強者生存，弱者淘汰。這樣，人們的競爭與意識便得到了進一步提升，在不斷地開始逼自己的同時，也在進一步的進化著自己的思想與能力。

對於會不會引爆科技這種問題，我只想說，近五十年甚至百年內是不存在的，且不說“人工智慧”這概念本就是人類想出來的，隨著時代與科技共同進步，我們必定會走向像電影般的科技時代。人類才是引爆科技的關鍵！

隨著人們的生活水平不斷提高，教育、醫療、娛樂等專業化服務的人工智慧和智慧無人裝置的應用也更加廣泛。只能說目前人工智慧已經發展到一個新的階段了。在今後，我們需要人工智慧的幫助，不能固步自封，許多東西是需要變革的，而最好的變革就是在今後利用好人工智慧。

當人工智慧用10分鐘學會了一個科學家50年的知識，會不會量變成質變，引起科技爆發？

首先我們需要明白一個概念，人工智慧分弱人工智慧和強人工智慧。強人工智慧是表現出與人類同等智慧、甚至超越人類的智慧，能具有正常人類的所有智慧行為。弱人工智慧則是隻能處理特定的問題，它不需要有人類完整的認知能力，甚至可以沒有任何的感知能力，只需要能表現出來有智慧即可。很遺憾的是，我們目前能聽到的大熱詞彙，如機器學習、深度學習等，都是在弱人工智慧範疇。那麼基於此，目前我們談論的人工智慧是無法自主學習的，他需要我們人類的參與才可以。

為了更好的讓你理解弱人工智慧，讓我以經典的識別貓的例子來說吧，我會試著以最淺顯易懂的話語來闡述，避免深度學習的各種專業術語。這個問題是如何教機器識別出來貓？傳統的程式設計做法是編寫程式，告訴計算機貓就是這個樣子的，然後有圖片資料過來，我們就透過程式去嘗試尋找同類的資料資訊。然而這有個很大的問題，貓有很多種，同時貓甚至可以背對轉身過去，我們人類都可以識別出來，而這透過程式直接編寫相當相當的困難，甚至無法實現。那麼，深度學習技術則是從來不告訴計算機貓是什麼樣子，不甚至任何具體的邊界，而是讓計算機從資料中自己學習，自己領悟貓的概念。如我們嬰兒時期一樣，我們其實每一天都會接收大量的圖片輸入，來訓練我們自己，然後識別這是什麼東西，我們依賴的是我們強大的神經系統。把這個道理推廣到計算機，我們也是給計算機非常非常多的圖片，然後訓練計算機，讓它從大量的重複圖片中領悟這是什麼，它所依賴的是計算機強大的計算能力，然後來模擬我們的神經系統是如何工作的。那麼，這一步訓練完成以後，就涉及到教育，如我們三歲時，我們看了很多很多的貓的圖片，但是父母告訴我們這是狗，那麼我們以後遇到貓時，我們也會脫口而出這是狗。這對於計算機其實也是如此，如果它最後歸納了這些圖片資訊，但是我們告訴它，你得到的這些歸納資訊的正確答案是狗，那麼我們給計算機一張貓的圖片，它給出的答案也會是狗。所以，這就是我開頭強調的，目前是需要我們人類參與的。

所以，目前我們的人工智慧還很弱，它還不具有自主學習的能力，需要我們人類的配合。也正是如此，我們目前不需要驚慌人工智慧替代我們人類，它其實如同工業革命一樣，出現新的、更好的工具來幫助我們人類，然後我們人類可以更好的去做更多的事情，人工智慧與人不是互斥，而是共存。

我認為就目前來看，現在的機器人已部分取代了人類從事繁重的，重複的勞動，它們效率和穩定性都比人類高。而且它們不用吃喝，老闆也不用考慮管理的問題，現在用工成本越來越高，再加上現在招工難，越來越多的企業都會投入機器人。

但是目前我們的人工智慧還很薄弱，它沒有自主學習的能力，我們需要人的合作。我們現在也不需要恐慌AI來取代我們的人類。事實上，就像工業革命一樣，出現了新的和更好的工具來幫助我們，然後我們可以做得更好。人工智慧和人類不是相互排斥的，而是共存的。

至於引爆科技，個人認為並不一定會是人工智慧引爆科技。隨著現在一些科技領域新名詞的誕生，我們可以看到，雲計算、大資料等這些都會帶來一定的科技成果。因此，不論是從概念上，還是技術上，引爆科技絕不是一種技術所帶來的，而是多種技術的融合創新，所創造的時代產物。

在以上的分享關於這個問題的解答都是個人的意見與建議，我希望我分享的這個問題的解答能夠幫助到大家。

近期國際人工智慧與教育大會在北京召開。習主席向大會致賀信指出，人工智慧是引領新一輪科技革命和產業變革的重要驅動力，正深刻改變著人們的生產、生活、學習方式，推動人類社會迎來人機協同、跨界融合、共創分享的智慧時代。把握全球人工智慧發展態勢，找準突破口和主攻方向，培養大批具有創新能力和合作精神的人工智慧高階人才，是教育的重要使命。

新一代人工智慧技術將會與5G網路的結合，會讓以前覺得難以實現的事情變得簡單，未來仍然是有很多的想象空間。今日雖然大盤表現較弱，但是人工智慧板塊仍是有四家公司收穫漲停，從中可以看出資金還是比較青睞該板塊，後期預計該板塊仍有表現機會，建議積極關注。

人工智慧分弱人工智慧和強人工智慧。強人工智慧是表現出與人類同等智慧、甚至超越人類的智慧，能具有正常人類的所有智慧行為。弱人工智慧則是隻能處理特定的問題，它不需要有人類完整的認知能力，甚至可以沒有任何的感知能力，只需要能表現出來有智慧即可。很遺憾的是，我們目前能聽到的大熱詞彙，如機器學習、深度學習等，都是在弱人工智慧範疇。

因為目前我們的人工智慧還很薄弱，它沒有自主學習的能力，我們需要人的合作。我們現在也不需要恐慌AI來取代我們的人類。事實上，就像工業革命一樣，出現了新的和更好的工具來幫助我們，然後我們可以做得更好。人工智慧和人類不是相互排斥的，而是共存的。

至於引爆科技，個人認為並不一定會是人工智慧引爆科技。隨著現在一些科技領域新名詞的誕生，我們可以看到，雲計算、大資料等這些都會帶來一定的科技成果。因此，不論是從概念上，還是技術上，引爆科技絕不是一種技術所帶來的，而是多種技術的融合創新，所創造的時代產物。

在以上的分享關於這個問題的解答都是個人的意見與建議，我希望我分享的這個問題的解答能夠幫助到大家。

人工智慧分弱人工智慧和強人工智慧。強人工智慧是表現出與人類同等智慧、甚至超越人類的智慧，能具有正常人類的所有智慧行為。弱人工智慧則是隻能處理特定的問題，它不需要有人類完整的認知能力，甚至可以沒有任何的感知能力，只需要能表現出來有智慧即可。很遺憾的是，我們目前能聽到的大熱詞彙，如機器學習、深度學習等，都是在弱人工智慧範疇。

因為目前我們的人工智慧還很薄弱，它沒有自主學習的能力，我們需要人的合作。我們現在也不需要恐慌AI來取代我們的人類。事實上，就像工業革命一樣，出現了新的和更好的工具來幫助我們，然後我們可以做得更好。人工智慧和人類不是相互排斥的，而是共存的。

至於引爆科技，個人認為並不一定會是人工智慧引爆科技。隨著現在一些科技領域新名詞的誕生，我們可以看到，雲計算、大資料等這些都會帶來一定的科技成果。因此，不論是從概念上，還是技術上，引爆科技絕不是一種技術所帶來的，而是多種技術的融合創新，所創造的時代產物。

首先，不要把所謂的智慧想象為人的思維能力。現在我們講的人工智慧是在硬體升級的基礎上對於演算法的升級，簡單的說就是機器的思維方式的進步，但是最終的目標並不是對人類的思維方式的模仿或者無線靠近，而是自有的一套體系的升級，並且他們的體系比人類的更高階。比如計算機在圍棋上打敗李世石，並不是說機器擁有比李更高的棋藝，會更高的套路。而是他根本不像人類棋手那樣思考怎麼下棋，他是在自己的cpu裡將後面的各種可能走法無限窮舉，一秒的時間後面幾億種可能的走法他都走了一遍然後找出最好的一步走法。所以人類在這樣的機器面前根本無法招架，但是機器的智慧水平卻根本達不到李的水平。

其次：不要把人工智慧單純的想象為會思考的機器人，他最後就是一個簡單的演算法軟體而已。他對未來的影響並不是單獨的產生新的產業和應用，而是對現有行業的升級。我們縱觀歷史，每次技術升級都不是單純的產生自己的行業，比如蒸汽機發明之後對紡織業的升級，電產生之後對冶鋁業的升級（電解鋁技術產生之前鋁的價格是黃金的幾倍），現在正在進行的中的網際網路加也是，傳統零售業加上網際網路成了淘寶，傳統租車加上網際網路成了滴滴和摩拜。人工智慧將來也是一樣，我們現在能看到端倪的：人工智慧加汽車製造成了無人駕駛等等，傳統家電加人工智慧成為智慧家電（不是現在的智慧家電，而是更智慧的），人工智慧加翻譯成為智慧翻譯（科大訊飛剛剛出了個產品算是個雛形）

人工智慧的基礎是大運算量和大資料，比如無人駕駛汽車，現在各個公司都在路測就是為了收集資料，每種可能發生的情況都儲存下來之後，真的自動駕駛汽車才出現，科大訊飛的智慧翻譯也是，現在我們抱怨網上的翻譯不靠譜，因為那就是一個英文對一箇中文的翻譯，一個單詞對應過來可能有幾十個選擇，他們可以窮舉，但是卻不知道哪個是最合適的，但是當他有百億萬億級的對話的資料量後，選擇最合適的翻譯就變得簡單了，因為他會去和儲存的話語對比，他並不知道蘋果是什麼東西，但是他知道這句話中的蘋果是個水果，那句話中的確是手機。

首先，個人認為並不一定會是人工智慧引爆科技。隨著現在一些科技領域新名詞的誕生，我們可以看到，雲計算、大資料等這些都會帶來一定的科技成果。因此，不論是從概念上，還是技術上，引爆科技絕不是一種技術所帶來的，而是多種技術的融合創新，所創造的時代產物。

其次，人工智慧分弱人工智慧和強人工智慧。強人工智慧是表現出與人類同等智慧、甚至超越人類的智慧，能具有正常人類的所有智慧行為。弱人工智慧則是隻能處理特定的問題，它不需要有人類完整的認知能力，甚至可以沒有任何的感知能力，只需要能表現出來有智慧即可。很遺憾的是，我們目前能聽到的大熱詞彙，如機器學習、深度學習等，都是在弱人工智慧範疇。那麼基於此，目前我們談論的人工智慧是無法自主學習的，他需要我們人類的參與才可以。

最後，不要把人工智慧單純的想象為會思考的機器人，他最後就是一個簡單的演算法軟體而已。他對未來的影響並不是單獨的產生新的產業和應用，而是對現有行業的升級。而且目前我們的人工智慧還很弱，它還不具有自主學習的能力，需要我們人類的配合。

因此，我們目前不需要驚慌人工智慧替代我們人類，它其實如同工業革命一樣，出現新的、更好的工具來幫助我們人類，然後我們人類可以更好的去做更多的事情，人工智慧與人不是互斥，而是共存。