机构名称：
¥ 1.0
近年来，降低人工智能风险已成为人们努力的议题。这些善意的努力源于对人工智能技术快速发展所带来的不确定未来的真正担忧。以目前的形式，这些努力不太可能成功。我们想要证明的是，在我们的社会向广泛使用人工智能技术过渡的过程中，开发深度学习的基本数学理论是管理风险的先决条件。在这种情况下，理论是指遵循物理和工程原理，识别精确的可测量数量并用数学方法描述它们的模式，而不一定证明严格的定理。统计推断和优化理论最近取得了重大进展，这主要得益于神经网络的实证成功，这让我们希望，这样的理论确实是可能实现的，而且触手可及。不可否认，即使是全面的深度学习理论也不能保证在不久的将来成功过渡到人工智能社会。但是，如果我们不具备基本的理解，我们肯定无法控制或防止人工智能系统的滥用，因为它们的行为已经达到或超过了人类行为的复杂性。以前从未有过一项技术在对其基本原理的理解如此之少的情况下得到如此广泛和如此迅速的部署。鉴于快速发展的人工智能对社会的影响，这是一个紧迫而重要的问题。
机器学习理论在降低人工智能风险方面的必要性
主要关键词
相关文件推荐
