神经网络在世界范围内蓬勃发展，许多人都有一个逻辑问题：“神经网络可以取代人吗？”我们采访了各个领域的专家和 ChatGPT 语言模型来寻找答案。
斯坦福大学近日发布了《 2023年人工智能指数报告》。报告称，并不是每个人都对神经网络的扩展感到高兴：许多人担心他们的工作、数据机密性，以及面对面交流的减少。
您是否应该担心自己的未来？
您应该怎样做才能避免被留在劳动力市场的边缘？
让我们试着找出答案。
什么是神经网络
神经网络是一种模仿人脑功能的机器学习 中东手机号码清单 算法。它由许多互连的“神经元”组成，这些计算元素处理输入数据并产生结果。
图像
从数学上讲，神经网络只是一个具有大量变量的函数。如果我们考虑例如识别图片中的图像的任务，那么图片的每个像素都被用作这个函数中的变量，这称为神经网络。也就是说，有条件的话，如果我们的图片有1024×1024个像素，那么就会有这么多的变量。而且因为变量太多，这个函数就变得非常智能。
作者形象
爱德华·乌尔索夫
莫斯科国立大学数据科学家、欧洲核子研究中心研究合作伙伴
AI的可能性是无限的吗？
神经网络绘制图像、编写文本、配音、查找代码中的错误、制作动画图片、创作音乐……看起来人工智能的可能性确实没有限制，但事实上并不完全如此。
人工智能基于深度学习，在某些领域可以实现高精度。但神经网络也有其局限性。例如，它们可能需要大量的训练数据，并且如果训练集（输入数据集）中不存在某些数据，则神经网络可能会产生错误的结果。
图像
神经网络不是经过编程的，而是经过训 如何在 2022 年成功扩大数字营销力度 练的，因此即使在开发人员未描述的情况下它也可以产生结果。这是人工智能之间的主要区别——它可以更有创意、更快速地解决问题。真相就像一个人一样，不一定是真的。
作者形象
弗拉基米尔·捷连季耶夫
此外，人工智能需要高性能计算基础设施 B2B 传真线索 才能运行。早在 2012 年，谷歌 就创建了一个神经网络，可以学习识别图像中的猫。这需要 1000 台服务器和 16,000,000 个内核。想象一下同一个 ChatGPT 需要哪些资源。
图像
我认为现在我们刚刚达到神经网络的最大增长率，未来会放缓。我们现在拥有足够的计算能力来训练庞大的网络。这一切都归结为这样一个事实：现在我们需要提出一些新的架构，即从内部对系统进行质的改变。
有些人认为炒作将会消退，每个人都会忘记 Midjorney 和 ChatGPT。是的，互联网上提及神经网络的数量很可能很快就会减少。但这并不意味着神经网络本身将会消失。
图像
我相信神经网络有潜力对生活和商业的各个领域产生重大影响，其意义堪比全球互联网的出现。
神经网络并不是一项创新；它们是在 20 世纪发明的。只是当计算能力达到所需水平时，这项技术就已经蓄势待发了。我们可以看到自上个十年中期以来神经网络的影响：从面部识别技术到在线翻译开始工作得更好这一事实。
图像
现在您已经可以看到使用神经网络自动执行一些以前由人们执行的任务的示例。例如，这可能是大量数据的处理和分析、信息的自动排序和分类、图像和语音识别。然而，我们不应该假设神经网络可以完全取代所有领域的所有人类工作者。神经网络有其局限性，无法在许多任务中取代人类的存在和交互性。
