但仍然存在一个无法克服的限制：在这些系统中，人们无法理解它们在做什么。正如我们所看到的，智能系统可以在不了解国际象棋情况下赢得国际象棋比赛。 这种机制在LaMDA 和他的程序员 Blake Lemoine 之间的对话中表现得尤为明显，在对话中，他本人确信奇怪的是，因为这个角色实际上也很奇怪这个聊天机器人是有感知的。对于 Lemoine 的问题“你喜欢如何度过空闲时间？”，LaMDA 回答说：“与朋友和家人一起”。
显然，LaMDA 既没有朋友也没
有家人：因此，它仅限于统计计算哪个答案在其数据库中存储的人类创建的数据中最有可能满足所提出的问题。 深度学习系统不知道如何概 BC 数据香港 括和抽象其所拥有的知识。他无法理解猫、山猫和老虎有共同的特征除非他接受过训练只能识别“猫科动物”这一类别。使用深度学习学习拿起瓶子的机器人无法重新应用这些知识来拿起杯子，而是必须重新开始训练正如《终极算法》的作者 Pedro Domingos 所解释的那样。
深度学习是否已达到极限？ – 高级
媒体实验室 增加您公司的潜力。一次一条消息。 加入社区 目前自动驾驶失败的原因 例如，无法抽象和概括所获得的概念这表明缺乏真正的理解是自动驾驶迄今为止尚未成功的原因。在这种情况下，控制汽车的深度学习系统经过训练，可以处理大量的 博茨瓦纳 电话号码 潜在场景除了识别路标、交通灯等，理论上它可以学习如何正确处理环岛、进入高速公路车道、在人行横道处停车等。 ETC。 但存在一个问题：在驾驶领域，变量和未知数增加如此之多，以至于智能系统不再能够找到指导其采取正确行为的相关性。
不过，也取得了一些成功：估值
300 亿美元的谷歌公司 Waymo 去年 10 月宣布，现在可以在凤凰城的部分地区自由使用其自动驾驶出租车车队。 看看亚利桑那州的首府，你就会明白为什么它是少数几个自动驾驶汽车成为现实的城市之一：宽阔的大道、始终平行和垂直的街道 与亨茨维尔营销公司接洽 以及低交通量都是让生活变得更加轻松的元素自动驾驶汽车。气候条件也是如此：在阳光普照的沙漠城市平均每年有 17 天下雨，安装在机器人出租车上的传感器不会因为下雨而出现能见度问题，被风吹动的树叶弄乱或因雾而变得混乱。
