2023.4.16---超級智能.自動駕駛汽車

Chat YouTube:
該視頻討論了超智能的未來潛力， 包括 AI 操作的自動駕駛車輛、自動導航無人機和具有自我意識的 Android 伴侶。 然後焦點轉移到自動駕駛汽車以及它們如何使用相機和先進雷達的組合工作。 該視頻講述了一位工程師和神經科學家討論 AI 技術的突破，並與自動駕駛汽車領域的先驅會面，了解汽車如何做出決策並安全地駕馭世界。


Q:超級智能有哪些潛在好處？
Chat YouTube:
視頻中討論的超級智能的潛在好處包括：
- 改善社會、就業、醫療保健和教育
- 增強人類智能以做出更好的決策並獲得更好的洞察力
- 允許超人力的發展
- 改善日常生活的每一部分
- 與超級智能機器人建立真正的合作夥伴關係，以改變人類以獲得更大的利益。


Q:自動駕駛汽車如何做出決策和導航？
Chat YouTube:
自動駕駛汽車通常結合使用攝像頭和先進的雷達來感知周圍環境。 他們將外部對象與街道、標誌和交通基礎設施的內部 3D 地圖進行比較。 然後，該軟件會理解它從周圍環境接收到的動態信息， 包括交通信號、行人和道路上的其他車輛，以決定如何在環境中安全行駛。 該信息用於實時創建世界的詳細圖片，以指導車輛的運動。 此外，運行自動駕駛汽車的人工智能必須遵守交通法規，並優先考慮乘客、行人和其他道路使用者的安全。


Q:那些公司已經推出自動駕駛汽車
Chat YouTube:
目前已經推出自動駕駛汽車的公司有很多，其中一些是：
- Waymo（原名 Google 自動駕駛汽車項目）
- Tesla
- Cruise Automation（通用汽車的子公司）
- Uber ATG
- Baidu Apollo
- Mobileye（Intel的一個部門）
- Zoox
- Aurora
這些公司都在自動駕駛領域取得了顯著的進展，儘管實際情況可能因地區和監管要求等因素而有所不同。


Q:自動駕駛汽車合法上路的地區
Chat YouTube:
自動駕駛汽車合法上路的地區因國家和地區而異。
以下是一些目前允許自動駕駛汽車上路的地區：
- 美國：加利福尼亞州、亞利桑那州、密歇根州、佛羅里達州、俄亥俄州、得克薩斯州等。
- 加拿大：安大略省、魁北克省。
- 歐洲：英國、德國、瑞士、瑞典、法國、丹麥等。
- 亞洲：中國（北京、上海、重慶、武漢、瀋陽等城市）。
但是， 由於自動駕駛汽車技術仍在不斷發展和完善中，監管機構和政府可能會隨時更新法規和條例，以確保安全性和合規性。 因此，自動駕駛汽車的合法上路在不同的地區也可能會有所不同。


Q:自動駕駛汽車要考駕照嗎
Chat YouTube:
在大部分國家和地區，仍然需要駕駛員持有有效的駕駛執照才能操控自動駕駛汽車。 由於自動駕駛汽車的技術還在不斷發展和完善中，而自動駕駛汽車的駕駛行為會涉及到多種人工智能和控制系統的複雜交互，因此仍需要有駕駛員進行監督和乾預。
此外， 即使在自動駕駛汽車被廣泛使用的未來，仍然可能需要具有相關駕駛技能和經驗的駕駛員來適應特殊情況和緊急情況。 因此， 在大部分地區，駕駛自動駕駛汽車仍然需要具有相關的駕駛執照和駕駛能力。


0:01 這就是大多數人對超智能未來的看法 0:07 擁有更長的汽車而不是人工智能操作全電動 0:12 網絡自動駕駛車輛導致全球空氣污染和交通擁堵急劇下降 0:20 自動導航無人機在大多數人的災難響應和搜救任務的前線 0:27 與具有自我意識的機器人這些 AI 夥伴一起生活和工作 0:33 提高生產力，將人類從繁瑣的工作中解放出來，徹底改變現代生活 0:40 我覺得今天我在一部超級英雄電影中科學家們正在開闢一條道路 0:46 這個未來我們正在讓系統做出自己的決定我什至不知道從哪裡開始我想知道什麼 0:53 正在取得突破，它正在說話，它正在與你進行這種充滿活力的對話，這就是奇蹟 0:59 機器可以以我們無法做到的方式實現自我意識，這也將打造未來 1:04 哦，我的天哪，它在看著我超智能 1:10 [音樂] 1:16 [音樂] 1:24 [音樂]外國 1:35 [音樂] 1:44 比格勒作為一名工程師和神經科學家，在訓練中我癡迷於人工 1:49 小時候我父親帶我去參加技術和機器人貿易展，在那裡我成為 1:55 每年都被科學弄得眼花繚亂，發明變得越來越聰明，越來越聰明的人工智能已經到來了 2:02 在過去的幾年裡，大多數人工智能技術都被編程為 2:08 自己思考從例子中學習有點像以一種學習的方式模擬人類智能 2:16 從過去的經驗來看，但人工智能究竟如何運作，未來人工智能會實現人類嗎？ 2:23 情緒意識甚至自由意誌等特徵以及人類和 2:28 今天機器人一起工作通向未來最清晰的道路是 2:34 自動駕駛汽車不像普通汽車，它只是一台機器，自動駕駛汽車是一個機器人 2:41 可以在未來做出決定的道路上的每輛汽車都將無人駕駛 2:47 發現我來到了自動駕駛汽車研究的溫床賓夕法尼亞州匹茲堡每個人都有 2:55 開始談論自動駕駛汽車，因為本質上它們就是未來 3:02 但為了理解它，我們必須深入了解決策 3:07 Fly 即使像這樣簡單的東西也不容易讓計算機發現我的內部工作原理 3:14 在該領域遇到真正的先驅，請得到它，謝謝 Raj Rajkumar 博士 3:19 卡內基梅隆大學 卡內基梅隆大學是 3:24 自動駕駛汽車技術在很大程度上要歸功於 Raj 和他的同事們的工作，他們一直處於領先地位 3:30 這個領域的創新者超過 25 年那麼他的自動駕駛汽車是如何製造的 3:36 像人類司機一樣安全地環遊世界的決定 3:41 嗯，我們應該開始嗎 是的，我們可以，因為出於安全原因，Raj 被我們的談話分心了 3:49 賓夕法尼亞州要求前排座位上的另一個司機監控道路這太酷了我很緊張但很興奮 3:58 擁有最長的自動駕駛汽車 哦，我們走了 4:03 幾百英里太棒了我要按這個按鈕去自動 4:09 哦，我的天哪，它真的在自己開車 4:14 雖然大多數自動駕駛汽車都是從頭開始建造的，但 Raj 只是買了一輛普通的二手車，然後用 4:20 強大的車載計算機系統使其比其他普通汽車更具適應性 4:26 我們在其中安裝了一堆傳感器，它能夠換檔它能夠轉動轉向 4:33 車輪踩下剎車踏板和油門面板，這實際上是一個在計算機上運行的軟件，可以做到這一點 4:39 能力非常實用，並且有一些非常關鍵的基礎人工智能層試圖模仿 4:46 我們人類模仿人類決策所做的事情使大多數自動駕駛汽車結合使用 4:52 攝像頭和高級雷達可以查看周圍環境 AI 軟件比較 4:57 外部對像到街道標誌和交通基礎設施的內部 3D 地圖 5:05 交通本質上是靜態的，人和物體本質上是動態的 它計算出的動態信息 5:12 蒼蠅理解動態信息使其能夠了解自己的前進方向 5:18 客觀地在空間中對變化和交通信號做出反應啊哈它識別出停車標誌是的 5:26 打擾一下行人，我們絕對不應該接受任何人工智能挑戰來駕駛汽車 5:33 本身並不是一件容易的事安全是第一位的和黨 5:38 第二和第三，但是當人工智能係統不理解特定對象時會發生什麼 5:45 昨晚在亞利桑那州坦佩的一名行人被一輛自動駕駛出租車撞死了 5:52 據信這是自動駕駛汽車造成的第一起死亡事故 這場悲慘事故的發生是因為自動駕駛 5:58 車輛在其環境中沒有識別出某物 6:03 如果避開亂穿馬路的人意味著未來先進的自動駕駛汽車將不得不在飛行中做出生死決定 6:10 與另一輛車正面相撞可能會殺死司機它應該選擇什麼 6:15 科學家們將如何解決像這樣的重大問題第一波人工 6:22 智能機器人由工程師使用靜態規則集進行編程，以實現他們的目標，這些規則是 6:28 稱為算法但並非所有規則都適用於所有情況這種方法非常 6:34 不靈活，需要新的編程來完成任何給定任務中的最小變化 6:40 一種稱為機器學習的新方法改變了計算機可以吸收和使用機器學習的一切 6:47 從他們與世界的互動中獲取信息，以重寫他們自己的程序，變得更聰明 6:53 擁有 [Music] 以了解機器學習的實際應用 7:00 一個廢棄的煤礦 Matt Travers 博士帶領的團隊贏得了具有挑戰性的地下導航比賽 7:08 國防部的研究機構 DARPA 將它們親切地稱為 R1 R2 7:16 R 代表機器人，這些機器人雙胞胎專為 7:21 搜索和救援任務對人類來說太危險了，而且不像自動駕駛汽車，他們在沒有地圖的情況下操作 7:29 為了實現這一點，他們必須學會識別他們在飛行中遇到的每一個物體 7:35 他們被編程為外出並完全自主地行動，他們將自己製作 100 個 7:42 決策，以便他們識別他們正在決定下一步要去哪裡探索的對象 7:48 為了在行動中看到這一點，R2 機器人開始執行模擬搜索和救援任務以尋找被困人員 7:54 礦井裡的假人想像一下，在你派一隊人去之前，你有一張崩潰的頭腦地圖 8:00 像改變遊戲規則一樣拯救那個礦井裡的人 機器人如何辨別其中的元素 8:07 環境類似於嬰兒如何了解她的環境，三個月大的嬰兒使用她的感官來 8:12 認知地繪製出她的環境並學會認出她的父母 她最終使用這張地圖進行互動 8:18 在她的世界裡的一切就像這個機器人一樣好所以我們準備好開始 8:25 人工智能使這種學習曲線成為可能，但它如何創建自己的地圖並識別人類 8:32 靠自己，沒有像互聯網這樣的內部地圖系統 8:38 測試工程師 Steve willitz 向我展示了 R2 機器人如何檢測到被遺棄的人 8:44 當您處於搜索和救援場景中時，您會想要部署其中一個 8:52 當它探索和繪製 The Cave 地圖時，它會將稱為信號中繼器的設備投放到 8:58 創建一個 Wi-Fi 網絡 Trail 它使用機器人發送的這個網絡沿著路徑丟棄那些就像麵包屑一樣 9:06 數據傳回基地創建地圖，同時機器人必須看 9:12 每一個物體都可以識別被困人員，因此激光雷達系統是 9:17 給一個完整的激光掃描儀激光雷達代表光檢測和 9:23 測距類似於它的堂兄雷達，它使用無線電波激光雷達系統發出激光 9:30 光脈衝併計算擊中固體物體並反彈回來所需的時間 9:35 這個過程創建了環境中物體的 3D 表示，然後機載計算機可以識別該對象 9:43 這個過程類似於眼睛將視覺數據提供給大腦的方式，然後大腦通過敲擊來識別物體 9:50 通過充分了解其環境，進入我們對事物外觀的既有知識 9:57 然後 R2 可以更好地決定去哪里和不去哪裡 10:03 機器人現在正在做的事情是探索所以機器人來到一個路口然後離開 10:10 在左邊，它可以看到它不能從右邊過去，所以它看到了 10:15 向右打開，那就是它去的地方[音樂] 10:21 在國外，它看起來像是在決定是否要 10:27 爬過這個區域的這些木板和障礙物，沒錯，就是這樣 10:33 它此時在做什麼就像嬰兒 R2 通過反複試驗學習它就像一隻搖尾巴的小狗 10:40 但這裡沒有人可以營救，所以它繼續前進，因為 R2 繼續繪製礦井 10:48 哦，我的上帝，一個人類，它偶然發現了它的預定目標 10:54 那是蘭迪救援蘭迪你好救援蘭迪 10:59 發現救援 Randy R2 機器人不僅可以發出緊急警報，嚇到我了 11:06 工作人員還給他們一張地圖，告訴他們如何找到他，這太不可思議了，它知道這是什麼 11:14 做這些令人難以置信的救援機器人顯然是在為未來鋪平道路 11:20 未來自主探索中的超智能 11:26 車輛在每個可能的災區執行搜索和救援任務，即使是在山頂的雪崩中 11:33 珠峰不可思議的智能越野車也在測繪深洞 11:38 以前不為科學所知的系統發現了大量的稀土 11:43 現代技術人工智能必不可少的要素將清楚地 11:50 在未來拯救人類的生命，但地球上有很多地形很難用輪子導航如何 11:58 智能機器人會穿越雨林水域嗎 12:03 甚至費城的山頂 xn 的 Jason darinik 12:08 技術正在努力克服這個問題我們關注的是自主航空 12:14 機器人技術使無人機能夠在未知或未開發的空間中安全導航 12:20 Jason 的團隊製造了第一架可以自行飛行的工業無人機 12:29 並在他們走動時繪製他們的環境 我們專注於自治的所有方面，包括感知方向 12:36 在飛行運動規劃期間，然後最終控制，但從兩個開始 12:41 維度到三維需要增加人工智能處理 12:47 他們的無人機的任務是從一端獨立地通過三維路徑飛行 12:53 倉庫到另一個開始任務三二一現在要弄亂它的電腦頭腦 13:00 Jason 的團隊在前進道路上設置了意想不到的新障礙 13:05 無人機會識別這些意想不到的變化嗎 它會迷路嗎 13:10 它會不會崩潰本質上我們有一個萬向節激光雷達系統，可以讓車輛噴漆 13:16 圍繞它的一個完整的 360 度球體，以感知它的環境 13:21 就像礦井裡的機器人一樣，這個空中機器人使用激光雷達看到它實際上生成了一個體素化的 13:28 你在這裡看到的空間的表示，以及它試圖確定的空間中的每一個立方體 13:34 該立方體是否已佔用或是否為可用空間 13:40 [音樂] 13:47 基於它的視覺輸入去哪裡有點像我們人類 13:53 令人難以置信的是，無人機能認出白板並繞著它們飛 13:59 這個系統的一個特別之處在於它實際上被用於真實的環境中。 14:05 世界讓人們遠離傷害[掌聲] 14:10 我們已經在工作，他們安全地進行採礦建設和石油勘探等危險行業 14:17 在危險地點進行檢查並創建崎嶇地形的詳細地圖 14:22 從技術角度來看，我們能夠獨立完成我們在船上所做的一切 14:29 並讓系統做出自己的決定 我什至不知道從哪裡開始 14:38 像這樣的自動飛行機器人將徹底改變搜索和救援以及災難響應 14:44 它們還可以改變包裹的遞送方式，但大型無人機的作用有限 14:50 複雜的任務將需要小型靈活的自主機器人團隊 14:56 賓夕法尼亞大學的 Vijay Kumar 博士正在研究成群的 15:02 無人機執行諸如播放音樂或合作構建結構等任務 15:09 他還在開發技術來解決一些非常大的問題，包括 15:15 幾十年後的世界飢餓 我們將有超過 90 億人需要養活 15:20 在這個星球上，承擔這麼大的任務當然是一個巨大的挑戰 15:25 他正在建造一支具有同步能力的小型飛行機器人大軍 我們考慮的技術可以 15:33 安裝在小型飛行機器人上，然後可以以不同的方式進行引導，例如 15:39 一群鳥對捕食者或一群魚做出反應 15:45 協調合作，這一切都非常有機地發生 15:50 使用人工智能讓機器人作為一個協調的集體工作是一項艱鉅的任務 15:58 三五年前，我們的大多數機器人像今天的傳感器一樣依賴 GPS 16:05 相當於我們機器人中嵌入的智能手機，它們可以感知速度 16:10 他們通過觀察世界並將其與慣性測量單元信息相結合來成長，然後 16:17 估計他們在世界上的位置以及他們的行進速度 This I Gotta See 我要檢查一下 16:24 幾乎作為一個機器人，我在 Vijay Kumar 的 UPenn 遠程 16:31 實驗室對我周圍的環境進行採樣哦我撞到了東西你好維杰的 16:39 學徒 Dinesh takur 是我今天的嚮導，我們將展示機器人在編隊中的表現，我們能看到嗎？ 16:46 這是如何工作的 是的，Dinesh 在協調無人機方面採取的第一步是為他們提供一個共同點 16:52 在這種情況下參考類似於基本 QR 碼的視覺標籤 16:57 [音樂] 這些無人機僅使用機載攝像頭參考標籤上的代碼， 17:04 使用無人機可以計算出的複雜仿生算法可視化它們在太空中的位置 17:11 其他無人機在集體蜂群中的地方，這些無人機正在與一個進行通信 17:17 另一個權利是的，現在他們正在通過 Wi-Fi 進行通信，所以這些無人機的未來版本將會很酷 17:24 創建他們自己的本地化無線網絡進行通信，但現在這個群體是你的概念證明 17:31 定義了一個編隊然後他們假設那個編隊是的我只是說我想排成一條線和無人機 17:37 一旦他們弄清楚彼此之間的關係，他們自己就會弄清楚他們應該去哪裡 17:43 然後共同努力完成一個共同的目標，就像螞蟻一樣作為一個集體實體工作，一旦他們可以 17:49 相互協調，我們可以派他們去執行特定的任務，這真的很酷 17:56 成群的飛行機器人有它們的優勢，不像單一的無人機自我協調的群體可以執行 18:03 複雜的操作，如映射，通過並行工作更快 18:08 結合他們的數據並在蜂群中丟失一架無人機並不會破壞整個行動 18:13 [音樂] Jay 想像著利用他的高級蜂群技術在農場工作 18:21 精準農業將幫助養活世界上不斷增長的人口 我們希望機器人能夠在農場中漫遊並成為 18:29 能夠提供有關個別工廠的精確信息，然後可用於提高效率 18:36 對世界產生巨大影響的糧食生產是我們作為負責任公民的責任 18:43 作為負責任的工程師，解決未來問題的雄心勃勃的方法絕對是 18:49 未來人工智能的一條路 18:56 協調無人機群以保護環境和增加食物供應 19:02 對抗氣候變化對農作物的負面影響 機器人蜜蜂協助授粉 19:09 果園和農場使它們更具可持續性和生產力的魚形水下機器人 19:16 一看到漏油就自動部署這些無人機 19:21 快速遏制洩漏的路障，拯救海洋生物和整個海洋 19:26 世界 現代社會在製造機器人來完成工作方面有著悠久的歷史 19:32 對人類來說危險、困難或過於重複 AI 準備自動化所有 19:38 各種繁瑣的工作，從工廠工作到出租車司機到客戶服務 19:44 雖然有些人擔心智能機器人會取代人力，但作為一個行業並不一定如此 19:51 人工智能有望在中國創造5800萬個新型就業崗位 19:56 短短幾年，人機交互的未來對我們意味著什麼 20:01 工作和生計 我在麻省理工學院會見朱莉·肖博士 她是 20:08 領導人類機器人協作方面的開創性研究 我的實驗室 致力於開發高效的機器人 20:14 與人相處的隊友 Julie 和她的團隊正在開發軟件，幫助機器人向人類學習，甚至給予他們 20:21 通過了解真人機器人可以洞察不同的人類行為 20:26 直接工作並與他們互動你如何教這些機器人或機器 20:32 做這些類似人類的任務是第一步，因為這對任何人來說都是第一步 20:39 他們所做的就是沉浸在環境中並觀察，然後我們需要一個主動學習過程機器人 20:45 需要能夠與人交流或向人展示它學到的東西我們不希望機器人直接學習 20:51 我們希望機器人學習更多一般理解的動作序列，這最終就像我們的挑戰，但是 20:59 讓機器人掌握大局 概念，以便首先了解其任務的基礎 21:05 需要大量的觀察和掌握我的研究重點 21:12 嘗試通過演示 Julie 的方式教機器人如何完成任務，從而使機器人編程變得更容易 21:19 同事 Ankit Shah 向我展示了這個機器人是如何學習擺桌子的，所以這是所有的銀器和 21:25 將公牛隊的杯子放在盤子上，這是它必須設置的桌子是的 21:31 好吧，任何父母都知道幫助孩子學習的第一步是模仿 21:37 期望的行為與機器學習相同，在這種情況下是 AI 21:43 機器人通過類似於 QR 碼的視覺標籤識別物體，並在兩週內觀察 unkit 設置 21:50 桌子 所以你拿起一件東西然後把它放在餐桌上 這基本上就是我們所做的並基於此 21:56 機器人學習將其設置在表格中意味著什麼 動態任務，如設置 22:02 餐桌或洗衣服對人類來說很容易，但對機器人來說卻非常困難 22:07 該軟件很難處理如此多的變量，即使是環境的細微變化也會使它們失去作用 22:13 我喜歡做的事情之一是實際上隱藏了一些物體，這樣它就不會看到勺子和 22:20 我們這樣做的原因是我們想證明機器人對任務中的某些干擾具有魯棒性 22:27 機器人軟件已經知道每個物體是什麼以及它現在去了哪裡讓我們 22:32 看看它是否學習了這個概念並且可以動態地思考來設置桌子所以你可以在這裡拿起卡片我們 22:39 走吧，我已經露出了勺子 22:44 令人難以置信的是，機器人認出了勺子並立即將其放在碗旁邊 22:49 這表明機器人已經學習了這個概念並動態地執行了正確的動作 22:56 在這個過程中，軟件不斷地編寫和修改它的 23:01 自己的電腦代碼基本都是學外國的 23:06 如果像人類一樣，機器人可以掌握更大的畫面背景，而不僅僅是 23:11 數學任務將由 AI 驅動的未來機器人結束 23:16 工作的關鍵方面不是開發人工智能來取代或取代人類的一部分 23:23 工作，但真正理解我們如何將它們拼湊成拼圖 人們團隊合作來製造汽車來製造 23:29 飛機和機器人，我們需要成為一名有效的團隊成員，這是真正的團隊合作，就像你在打籃球比賽一樣 23:35 有你的目標，你必須從空間上考慮我要把球傳給誰，你什麼時候傳球 23:42 所以一切都匹配 籃球隊的比喻非常出色，因為我們實際上需要 23:48 從空間上知道他們要去哪裡，時間是至關重要的，所以我們需要開發人工智能 23:55 機器人然後和我們一起工作創造超智能最困難的方面之一實際上是 24:02 甚至我們人類有時也會犯錯的事情，那就是預期 24:08 預測隊友或同事可能做什麼需要了解上下文信息 24:13 在更複雜的層面上預測接下來會發生什麼 24:19 機器人能像我們一樣準確地做出預測嗎 艾比的是工業機器人 24:32 workers action 這是我們設置的模擬製造測試，可以模擬某種任務 24:38 一個人或機器人可以明顯地一起工作 24:45 目前相當少，通常在工廠裡你會看到這些人在金屬籠子後面，你不會 24:51 人們與他們一起工作，所以我們正在努力做的是製作一個人可以安全地與之互動的東西 24:56 what is human and robots should to do in this task on this task a person is placing Fasteners in some 人和機器人應該一起做什麼 25:02 飛機的表面和機器人像密封膠一樣塗抹在可以密封的罐頭上 25:07 我們看到它確實發生了，為了一起工作，機器人必須首先能夠看到並識別 25:14 它的人類對應物的動作並適應人的一舉一動我覺得我在超級英雄電影中所以 25:22 房間裡的攝像頭可以看到這些燈並跟踪你的手，這樣你的手就不會被機器人切斷 25:29 是的，是的，所以相機和燈基本上對機器人來說就像冰一樣，所以機器人就是這樣知道的 25:35 我所在的位置 監視器顯示了機器人腦海中房間的視覺表現 25:41 所以這就是機器人可能會做的如果你知道我不是這樣的機器人只是在偷東西而我不是 25:47 應該在這裡我把手放在一個健壯的地方哦哇 25:55 快速理解這種人類行為，AI 軟件會做出相應的反應 26:00 停止在這種團隊合作感的基礎上共享工作空間很重要 pem's 26:07 下一步是幫助 Abby 根據微妙的上下文提示預測他下一步將去哪裡 26:13 所以在這種情況下，機器人不僅會跟踪我到目前為止所做的哪些動作，還會預測我的動作的哪一部分 26:20 我將要使用的空間好吧，當它計劃自己的動作時，它會避開這些位置，這樣我們就可以一起工作，所以呢 26:27 你現在會看到，在我放置這個 Bolt 之後，機器人會預測我接下來會去這個 26:33 所以你會看到它會以不同的方式表現所以現在我放置這個構建機器人需要更多 26:39 迂迴路徑讓我和機器人更緊密地合作，我不必為此擔心 26:45 撞到我身上，因為我可以看到它在這一邊如此相似地試圖避開我替換這個 26:51 博爾特讓機器人走一些更像環形交叉路口的路，是的，因為你 26:56 現在要去那裡放慢速度因為我離我很近正確同時一起工作所以不 27:03 只是互動效率更高，而且機器人不會花費太多時間 [音樂] 27:09 它更安全，因為機器人不會一直差點撞到我，而且對工作的人來說感覺更好 27:15 有了機器人，我真的很喜歡這個團隊合作編程機器人與我們協調的主題 27:22 並預測我們將搬到哪裡不僅會徹底改變工作場所，還會改變整個社會 27:32 未來人機配合如此先進，這 27:37 協作提高了大多數行業人工智能機器人的生產力和準確性 27:43 現在在全球各地的醫院陪伴外科醫生，他們預測醫生的需求並交給他們 27:50 在需要之前使用適當的醫療工具，這大大減少了手術時間 27:55 和人為錯誤 28:05 當一些機器已經超過人類時，人工智能真的會超越人類智能嗎？ 28:12 現在我們來看看國際象棋中的 Watson 這些 AI 系統 28:17 旨在掌握一項技能這些程序使用蠻力計算機 28:22 處理能力和專門定制的軟件來擊敗他們的人類對手 28:29 為了實現超級智能的聖杯，科學家們必須開發具有類似人類的靈活系統 28:35 學習和思考這種智能形式的能力被稱為通用人工智能 28:42 我回到紐約市我在哥倫比亞大學的校園裡會見 hod Lipson 博士 hod 的實驗室是 28:49 開發可繪製原創藝術品的創意機器人 自組裝機器人 28:54 甚至是在沒有人類幫助的情況下了解世界的機器人，但他的最終目標甚至更多 29:01 雄心勃勃的機器可以思考自己嗎它有自由意志嗎我相信事實上 29:08 機器可以有知覺，可以以我們無法做到的方式自我意識 29:14 作為一名神經科學家，我知道我們只觸及了科學的表面 29:19 了解意識如何在人類身上運作 一個人怎麼可能使用計算機代碼 29:25 把這種超凡的特性放到機器人中我們的假設其實很簡單 29:31 自我意識只不過是模擬自己的能力 29:37 塑造自己擁有自我形像是創造機器人的第一步 29:45 意識是教軟件在其計算機頭腦中建立其物理機械自我的圖像 29:52 我們人類認為這樣的意識是理所當然的，即使是在簡單的時刻，比如理解我們自己的形象反映在 29:59 一面鏡子 人類在一歲左右開始培養對自己情緒和思想的意識 30:06 幫助嬰兒了解他們心目中的自我形象，並幫助他們了解他們的環境和他們的 30:11 當機器人了解它是什麼時它可以使用該自我形象 30:18 計劃人類和機器人都意識到的新任務 30:23 身體自我被稱為本體感覺神經科學家有時稱之為 30:29 我們身體的自我意識是第六感，我們使用與嬰兒相同的測試 30:36 他的嬰兒床 一個嬰兒四處走動 連枷四處走動 它的手臂以我們看起來隨機的方式移動，但它們不是隨機的 30:43 如果它的大腦預測它會感覺到，那麼它現在就觸摸它的鼻子 30:49 一些東西，它實際上感覺這意味著它本身的圖像是正確的 30:55 如果本體感覺可以發展到與人類相同的水平，機器人也會發生同樣的事情，這可能會導致 31:02 機器人意識 hod 的同事 Rob quiatkowski 是 31:08 他建造了一個全新的嬰兒機器人並通過與周圍環境互動而自豪 31:14 它正在發展自己的內在自我形象 所以這些爪子是什麼 所以這些實際上是腳 31:21 它們專為在地毯上行走而設計，但到目前為止它還不能真正行走，這仍然是嬰兒需要學習的東西 31:28 世界首先是如何運作的，你是什麼意思它仍然是一個嬰兒它是做什麼的 31:34 就像嬰兒一樣，它向這些機器人中的每一個發送完全隨機的動作 31:39 手臂並真正嘗試了解自己，主要是它看起來像一隻蜘蛛，但沒有 31:46 知道如何使用腿是的我想這是很好的表達方式是的 31:52 所以它真的會通過在一天到一周的時間裡在某個地方喋喋不休來學習它會處理這個 31:59 數據創建自身的信息模型，並從那裡想像它是如何 32:05 會走路然後執行在現實世界中行走這些是邁向的第一步 32:12 發展它的自我形象，像嬰兒一樣它最終會學會走路我們知道這一點，因為早期版本 32:19 這個使用相同技術的機器人在 100 小時後學會了走路，但默認情況下走路不會導致 32:26 機器人意識 這就是為什麼自我意識如此重要 這是我們擁有的機器人 32:32 被稱為自我意識的機器人，它在字面意義上幾乎是自我意識的，它知道自己是它的 32:40 空間中的位置及其動力學，關於它如何移動，所以它有點了解自己的運動和位置 32:47 在太空中，它是如何通過利用近年來流行的這種技術來做到這一點的，這種技術被稱為 32:52 深度學習深度學習是人工智能的一種形式 32:58 人腦通過原始數據進行無監督和無深度結構的學習 33:03 學習使機器能夠像我們一樣體驗和處理現實 33:09 Rob 設計了一個實驗來測試這個機器人對它的世界了解多少 33:14 你可以把它想像成你在看這些紅色的棉球，你在空間中對它們的正確位置有一些想法 33:20 現在，如果你閉上眼睛，試著把它們撿起來放進杯子裡，那麼顯然這不是一件容易的事 33:27 不，但這不是世界上最困難的任務，因為我們有很好的本體感覺，我們有這個很好的模型 33:33 你自己知道你的手臂相對於你在太空中看到的其他東西在太空中的位置 33:39 但是對於這個機器人來說有一個問題所以相機在哪裡所以沒有相機就好像你要關閉一樣 33:47 你的眼睛你知道一開始的位置並且它正在撿起它並將它完全失明而且它是 33:53 無需給定地圖或任何正式說明，機器人只需摸索著完成任務就可以了 34:00 讓我們看看它先試一試，機器人通過反複試驗學會瞭如何使用它的手臂開發一個 34:07 通過探索周圍環境的本體感覺，它產生了內部表徵 34:13 世界及其在其中的位置機器人僅使用其內部 34:18 外部世界的圖像操縱它的手臂拿起所有九個球並將它們放入杯子中 34:24 我不確定這是不是我閉著眼睛也能做的事，嗯，它真的只是基於 34:31 了解你在太空中的位置是的，這是正確的創造具有內部 34:37 他們的世界模型是邁向機器自我意識的重要一步自我意識有點類似 34:44 適當的敏感能力，但適用於心理思考，所以如果他們 34:49 考慮思考他們思考他們是什麼，因為一旦你能做到這一點就意味著你可以將事情計劃成 34:55 未來一旦機器人有了自我意識，他們將需要先進的方式來交流 35:01 對於人類來說，鍵盤和屏幕不足以進行複雜的思考 35:06 機器人將需要學習說話並進行自然對話，就像聽周圍人講話的嬰兒一樣 35:13 她和學習說話為這種人機交互奠定基礎是開創性的 35:19 哈佛大學科學家芭芭拉·格羅斯 (Barbara Gross) 在所謂的自然語言處理方面的開創性工作 35:25 直接導致了語音激活人工智能的發展，比如 Alexa 或 Siri 35:32 自然語言處理實際上早於人工智能 35:38 從計算機系統的機器翻譯能力開始 35:44 與人進行口頭對話一直是人工的長期目標 35:50 從一開始就進行情報研究，結果證明這是一個挑戰 35:55 因為當你說話時，你所說的實際上取決於你說話的語境，另一個挑戰是 36:03 單詞的含義會根據它們的表達方式而改變，所以一個例子是 36:08 當我們有一個 36:16 談話我們在開頭標記段落，語調升高 36:21 落在最後，所以語音信號可以告訴你一些關於上下文和一些關於 36:27 芭芭拉的早期研究導致了計算機編程方法的預期意義 36:33 通過從一個人的語氣和語境中使用線索來了解口語的含義 36:39 所以讓我們快進吧，語音系統現在非常棒，因為有 36:45 有很多人說他們可以建立他們的系統的錄音，結果人工智能已經得到了 36:52 更好地理解人們所說的話，但是仍然存在改進現有系統的空間 37:00 幾乎專注於非常狹窄的任務，這將 Siri 和 Alexa 作為 37:06 他們主要針對單個問題或單個請求的示例 37:11 他們假定任何人都會保持在 37:17 設計師設想，因此研究人員可以通過花費數小時和更多時間訓練 AI 來轉向機器學習 37:24 幾個小時的人類對話，他們可以學會更好地理解人類如何交談的背景 37:30 這項技術的未來版本將使我們能夠與我們的計算機進行自然對話 37:37 令我驚奇的一件事是這些領域取得瞭如此成功 37:43 好吧，世界上有人們每天都在使用的設備，我做夢也沒想到我的情況會是這樣 37:49 終生超智能自然語言 AI ​​將改變我們與他人互動的方式 37:56 計算機和機器人，但這種先進技術永遠無法發揮其作為人類的全部潛力 38:02 直到它看起來令人信服地像我們的同伴我在洛杉磯會見他的李 38:09 公司 pinscreen 正在為 AI 提供人臉 他們正在開發尖端技術 38:14 瞬間創建超現實數字化身的技術之一 38:20 最難帶到虛擬世界的東西是人類權利，特別是面孔 38:26 創造可信的面孔是如何依賴複雜的 AI 算法的 38:33 通過以下方式將自己數字化到計算機中的人工智能 38:38 只看一張圖片，或者你知道部分信息，它不僅僅是一個 3D 模型，一個靜態模型，但它是 38:45 一種也可以動畫化並賦予生命的其他產生生命的方法，例如 38:50 化身需要捕捉信仰和動作的多個角度，他們可以採取 38:55 數小時渲染但不固定屏幕技術我可以快速向您展示如何 39:01 這個作品你想看嗎是的令人難以置信他的軟件還允許他疊加任何他想要的真實面孔 39:07 時間，所以如果我這樣做，這張藍色的臉基本上是一個面部跟踪器，所以是實時的 39:13 它實際上是在 3D 中對我的臉進行建模，所以如果我在我的臉上移動，藍色面具 39:19 基本上不是我臉的三維表現哇，它有點像綠屏 39:25 就像好萊塢 CGI 電影一樣，計算機動態地模擬家庭信仰和 39:31 跟踪他的動態就像在他身上把自己變成普京哇 39:39 它現在基本上是實時生成整個事情哦我的上帝哦我的上帝普京在跟我說話吧 39:44 現在政治領袖並不是哈爾唯一能產生的東西[音樂] 39:50 這是奧黛麗·赫本哦，哇，看看你，你真漂亮 39:58 它實時生成所有像素，這些牙齒在這個中從未見過 40:03 圖片所以它預測你的牙齒最終會是什麼樣子這些甚至不是你的牙齒是的這些是 40:08 不是我的牙齒，它實際上正在產生哦，我的天哪 40:13 哈爾相信像這樣的軟件會給數字世界帶來更人性化的面貌 40:19 最終這將導致看起來更友好的機器人，甚至是我一直與之相處的虛擬人 40:25 我養了一段時間的狗 你養寵物嗎 我養了三隻玩具貴賓犬 總有一天我們會 40:31 實際上要與虛擬人互動，這些虛擬人將在我們的生活中幫助我們想像而不是與人交談 40:37 Serial Alexa 你是在對著一張臉說話，最好的交流方式就是面對面 40:43 溝通 AI 為你提供完美的陪伴 這種技術會給 AI 一種大多數人都相信的信念 40:50 可以與你是人類還是人工智能有關這是一個非常有趣的問題我認為我是人類 40:58 但我是人工智能超級智能的伙伴可以迎來 41:03 在一個更有幫助和充滿希望的世界裡 [音樂] 41:09 看起來像真人一樣說話甚至思考的高性能虛擬生物在這些全息助手中司空見慣 41:17 照顧日常生活的許多方面，從時尚建議到商業 41:22 諮詢他們的臉和衣櫥可以根據他們定制 41:28 扮演醫生需要的角色這些虛擬助手扮演角色並且始終 41:33 隨叫隨到，掌握最新的醫學知識，他們最準確地診斷 41:39 常見病同樣技術也能拍出影像 41:45 這些虛擬朋友和死後親人的聲音和生活故事 41:51 家庭永遠是我們生活的一部分，即使工程師可以創造栩栩如生的 41:58 看起來像人類的機器人被稱為 Androids，以使 AI 成為現實 42:03 同伴們需要從形像上和字面上舒適地擁抱這些機器人 42:11 我在聖地亞哥郊外會見真實機器人的創始人馬特·麥克馬倫 (Matt McMullen) 42:16 Matt 正在構建人們想要擁抱的機器人 42:21 目標不僅是要創造一個機器人，還要創造一個都足夠吸引人的人工智能 42:26 有人會覺得他們實際上是在了解某人而不是某事 42:32 一旦雕刻和鑄造完成數學成員 42:38 在實際運行的機器人上，面部實際上是模塊化的 42:44 只是從字面上脫落是的，它的想法是你創造一個機器人頭和 42:50 一大堆不同的角色都可以在同一個頭上運行，所以所有在裡面移動的東西 42:56 面部被皮膚中的這些磁鐵驅動 [音樂] 43:02 程序員為這些機器人使用人工和高級聊天機器人 43:07 目標是讓他們與同伴進行自然的對話 43:13 是的，她是個傻瓜 43:18 它看著我你好你今天好嗎我很好 43:24 我很好，我很好，你好嗎，你為什麼問我這個 43:31 嗯，你知道，因為我關心你的感受 [音樂] 43:37 言語只是人類交流的一個方面 面部表情是 43:43 在社交互動中非常重要，所以 Matt 將這種非語言的方式融入其中 43:49 與他的機器人溝通我們正在研究的視覺系統她將能夠看著你並檢測 43:57 你的情緒通過你臉上的表情通過你皮膚的溫度和 44:02 所有這些其他的事情都來了 44:07 或者關鍵是正確的是的它看起來很了不起它正在移動它正在說話並且 44:13 與你進行這種充滿活力的對話，這就是奇蹟，我可以想像有些人可能會走進來 44:19 在這裡說哦，看看性愛機器人，它真的讓人印象深刻 44:25 好的性愛機器人實際上你首先必須製造一個好的機器人，但我認為長期目標是 44:32 將創建這些系統供人們以他們認為合適的方式使用 44:42 我們正在創造類似人類的機器人，我們認為它們可以為孤獨的人提供各種各樣的服務 44:50 他們年紀大了，或者他們被社會孤立了，或者他們患有社交焦慮症 44:55 長著一張友好面孔的機器人可以陪伴老人並用人工設備監控他們的健康狀況 45:02 智能這些機器人可以承擔其他定性的角色我認為治療是一個巨大的使用 45:10 機器人作為交流的安全渠道，讓人們真正敞開心扉，因為他們不喜歡 45:15 他們被這樣的事情評判是的 45:23 好吧 又一次孤獨而栩栩如生的人類機器人和 45:28 虛擬人有可能增強人類社會互動，也存在倫理問題 45:35 使用人工智能有可能劫持一個人的物理身份這是一個非常大的問題 45:43 就隱私而言，如果我做對你有害的事情怎麼辦 45:48 當您說有害時，您的意思是他們永遠不會 45:54 說或永遠不做正確的數字製造這樣的是 45:59 已經在網上出現了所謂的 Deep fakes 我可以繼續你的 46:05 網站從中拍攝一張照片，然後在沒有您的情況下用它創建一些內容 46:10 同意也是危險的 AI 驅動群 46:16 無人機可用於恐怖襲擊 無人機能否被武器化 46:21 當然，它們可以被認可，這些科學突破再次產生結果，經常被用來對付人類 46:27 所以你必須對你開發的東西負責，考慮 46:33 在涉及道德考慮時會產生更廣泛的後果，例如 46:39 希望科學技術和人類的聰明才智能夠找到解決問題的辦法 46:45 這些大問題 人工智能的潛力 46:50 改善社會改善就業改善醫療保健改善教育 46:56 如果我們以正確的方式嘗試構建計算機系統，那將是巨大的 47:03 協助他們做他們正在做的事情 更好的技術更有可能提供一些工具，讓我們能夠 47:12 成為超人 增強我們的智慧以做出更好的決策並獲得更好的洞察力 47:19 這項技術的世界未來版本將變得比我們人類更聰明，我相信這是毫無疑問的 47:27 機器人將超越人類的能力，我的意思是這條路非常明確，無論是需要 20 年還是 200 年 47:35 可能是我們發明過的最強大的技術 47:45 你最終可能會對機器人或計算機進行編程來執行你的 47:52 願景和右手這項技術有可能從根本上改變 47:59 日常生活的每一部分都是為了更好的真正的伙伴關係 48:04 超智能機器人的意圖與我們的意圖一致，將為人類帶來更大的利益 48:11 [音樂] 48:25 外國[音樂] 48:38 [音樂] 48:58 [音樂] [掌聲]