莱特希尔辩论(1973)- 第 1 部分,共 6 部分
The Lighthill Debate (1973) - part 1 of 6
频道:bilkable · 时长:14:06 · 发布:2010-09-11 · 播放:12892
简介
1973 年关于人工智能的莱特希尔辩论六部分录像的第一部分,其中詹姆斯·莱特希尔爵士对 AI 研究的批评报告受到了包括麦卡锡和米奇在内的知名人士的质疑。
HN 为什么推荐
推荐作为对 AI 寒冬辩论的历史回顾,以及对专家系统炒作的彻底驳斥。
如果你想看对它(专家系统)的驳斥,请看以下视频 — HN, 2017
机器学习与深度学习 · AI 与数据(其他) · 科技先驱与访谈
中文字幕节选
晚上好,欢迎来到皇家学会。 今晚我们将进入一个世界,在那里,一些最古老的、曾 激发人类想象力的愿景,与他科学的最新成就交融在一起。 今晚我们将进入机器人的世界。 像斯坦福研究所开发的Shaky这样的机器人。 Shaky由一台大型计算机控制。 他通过无线电天线接收指令。 通过电视摄像机,他从环境中获得视觉反馈。 盒子出现在监视器屏幕上。 计算机分析视觉显示器上出现的轨迹,直到它能够 将它们解释为一个它能识别的物体。 Shaky通过他的触角获得触觉反馈。 他能够用推杆移动盒子。 他被编程来解决某些可以在其环境中设计出来的问题。 比如说,当他的路被挡住时,选择另一条路线到达某个 特定点。Shaky无疑是计算机科学和工程学的一个巧妙产物。 但他还有更多的意义吗? 他是否是那些惊人发展的先驱,这些发展将赋予机器 人工智能,使它们能够与人类大脑竞争甚至超越人类 大脑?像斯坦福大学计算机科学系里的这个机器人一样, 能够执行某些任务。 但机器人是否能够执行各种各样的任务,从它们的 经验中学习?利用它们所学到的来解决这些新问题,超越那些 由人类程序员设想的问题? 或者它们所谓的智能、它们的表现将永远停留在 一个三岁孩子第一次玩游戏的水平? 对人工智能的长期前景持悲观态度的人 就是我们今晚的演讲者,詹姆斯·莱特希尔爵士,英国最杰出的 科学家之一。他是剑桥大学卢卡斯应用数学教授,并 在许多应用数学领域工作过。 他曾是范堡罗皇家飞机研究院的院长。 去年,他为科学研究委员会编写了一份报告,其中谴责了 通用机器人的研究工作。 毫不意外,一直从事此类机器人研究的科学家们反应强烈, 为自己的领域辩护。 今晚有三位科学家到场,对詹姆斯爵士的结论提出质疑。 在他们发言之后,讨论将开放给在场的 观众参与。在座有许多数学家和工程师、计算机科学家以及 心理学家,他们的贡献将特别受欢迎。 在詹姆斯·莱特希尔爵士发表开场演讲之前,我想先介绍 将带头与他辩论的几位人士。 唐纳德·米基是爱丁堡大学机器智能教授。 他的实验室是我国唯一从事大规模机器人 研究的机构。约翰·麦卡锡是斯坦福大学计算机科学教授, 位于美国,另一个机器人研究的重镇。 他是斯坦福人工智能实验室的主任,专程 飞过来参加这个节目。 理查德·格雷戈里是布里斯托大学解剖学系的 教授。他对人工智能的关注源于他在 知觉方面的研究。在去布里斯托之前,他是爱丁堡团队的创始成员, 并帮助启动了该团队的机器人项目。 现在,是时候见见我们的主讲人,詹姆斯·莱特希尔 教授爵士了。 [掌声] 我首先要区分几个概念:自动化,即为特定目的用机器 取代人类,这在20世纪取得了巨大进步, 而且在以人道方式实施替代的地方,带来了 普遍利益,提高了生产力,创造了更高的生活标准 和生活方式;以及通用机器人。 这是一个常被描述的概念,涉及一种自动装置,能够 在广泛的人类活动中替代人类。
HN 上的讨论
嗯,有一个叫“图灵研究所”的地方,在格拉斯哥。它由一位非常和蔼的人唐·米奇管理。我见过唐几次,他对我非常友善和慷慨。他曾在布莱切利公园工作,91岁时去世,当时他凌晨2点在M11高速上以120英里/小时的速度逆行撞上一座桥,坐在他旁边的是他三十年前叛逃到俄罗斯的妻子。当时是唐在开车,那时他已经失明六个月了。总之,图灵研究所的存在是因为唐推动专家系统商业化的动力。唐是Alvey项目的推动者,这是一个旨在解决专家系统问题的宏大项目,以回应日本的第五代计算机项目。然后一个叫莱特希尔的人揭穿了专家系统运动。如果你想看对它的一篇毁灭性批评,请看以下视频:[VIDEO] 以及其他5个(你会在侧边栏找到它们!)有趣的事实。在视频6中,你可以看到克里斯托弗·斯特雷奇对AI的抨击。克里斯托弗没有在布莱切利工作,他太年轻了,但他确实在曼彻斯特与艾伦·图灵一起工作,他们在图灵自杀前合作创作了计算机音乐和爱情诗。… — sgt101, 2017-08
哈哈,这可以说是AI领域的这篇文章。该领域的其他里程碑事件包括达特茅斯会议,当时约翰·麦卡锡将该领域命名为“人工智能”,定义了目标,并着手实现它们,不幸的是,很难指出关于这个主题的单一论文,但一定要读一下会议提案,最近在HN上发布过[[LINK]];然后是莱特希尔报告,英国政府基本上对该项目失去了兴趣,结论有争议,但论证清晰且有趣,报告的演示视频,麦卡锡在场并回应,也可以在线获取[[VIDEO]]。最后,我会引用1970年代的书《计算机不能做什么》,及其90年代的重印版《计算机仍然不能做什么》,作为你需要了解的关于AI当前状态、其最终目标及其基本假设中的致命缺陷的全部内容。它写于70年代却适用于今天的AI讨论,这一事实足以表明其先见之明。现代AI忽视或不知道许多之前的批评,只有时间才能证明它们是否会很快遇到同样的历史障碍。我在这里提到的点并没有真正涵盖神经网络的历史和发展,但它们经历了类… — AndrewOMartin, 2016-08
为什么你必须在评论开头指责我转移目标?我甚至不喜欢球类运动。为什么在互联网上很难进行一场像样的对话?这是一个严重的问题,我坚持这一点。完全可能——甚至很容易——制造算法、系统、程序等等,它们能解决一个问题、执行一个任务,别的什么也不做。见鬼,你可以训练一只狗执行一个任务。坐下,男孩!男孩坐下。它只知道做这个。自达特茅斯会议以来,80%的人工智能研究成果都是这样的。过去十年中99%的人工智能研究成果都是这样的。我整个研究领域(我是研究归纳逻辑编程的博士生,即使对此一无所知,名字也能给你一个概念)今天被普遍认为是“失败”,因为它没能足够快地从“我们能解决这个问题的一个实例”发展到“我们能解决这个问题的任何实例”。研究人员承诺这只是像你说的“泛化”问题,不断调整直到一切在现实世界中也能像在积木世界中一样工作,但资助来源不听,然后我们经历了一个冬天[1]。从现在的角度看,你所做的有什么不同?我们… — YeGoblynQueenne, 2021-07
相关视频
- 60年代的无敌游戏:Dr NIM · Stand-up Maths · 11:39
- 东京的日本搬家公司是什么样的 · Paolo fromTOKYO · 13:55
- 莱特希尔关于人工智能的辩论:“通用机器人是海市蜃楼” · Pierre-Yves Oudeyer · 1:23:12
- 氟 - 元素周期表视频 · Periodic Videos · 6:41
- 欧文·芬克尔 | 诺亚之前的方舟:一次伟大的冒险 · The Institute for the Study of Ancient Cultures · 58:19
- 现代字典 by Raymond Hettinger · SF Python · 1:07:41
- React 的今天与明天以及 90% 更干净的 React 与 Hooks · React Conf · 1:35:29
- 超现实数(写第一本书)- Numberphile · Numberphile · 14:06
- 《暗黑破坏神》:经典游戏事后剖析 · GDC Festival of Gaming · 1:17:43
- 神经网络和反向传播的详细入门:构建micrograd · Andrej Karpathy · 2:25:52
- 但什么是神经网络?| 深度学习第一章 · 3Blue1Brown · 18:40
- Jim Simons(完整版访谈)- Numberphile · Numberphile2 · 1:00:43
- Steve Jobs 2005 年斯坦福大学毕业演讲 · JoshuaG · 14:34
- AlphaGo - 电影 | 完整获奖纪录片 · Google DeepMind · 1:30:28
- Transformer,LLM 背后的技术 | 深度学习第 5 章 · 3Blue1Brown · 27:14
- Alan Kay - 正常被认为有害 · powerfuloutlet · 1:07:26