人工智能于是以显得更加广泛，完全每天都有关于人工智能新进展或新的应用于的报导。人类对它的点子有多少理解？我们又该如何希望去研究它？我们对人工智能的理解我们今天所理解的人工智能中，大部分都遵循深度自学的规则，即向机器输出一组数据以及想的输入结果，机器据此产生算法来解决问题。
然后系统不会反复这一过程，大大自学。这被称作神经网络。
用于这种方法来创建人工智能是十分适当的，因为计算机的编码速度比人类要慢。如果换作人类，有可能必须用一辈子的时间来手工编码。麻省理工学院电子工程和计算机科学教授TommiJaakkola说道：“如果你享有一个小型神经网络，你有可能很更容易就解读它。
但是，一旦这个神经网络不断扩大，直到享有数千层，而每层可超过数千个单位，那么就不那么更容易解读了。”我们于是以处在人类与这些系统正面交锋的时代。在人类信任机器之前，我们必需解决问题一个问题，即让这些机器展开自我理解。
那么，我们用什么办法来做这一点呢？1.反败为胜算法。在图像识别中，当计算机辨识它所自学过的模式时，必须对机器展开编程运算，以分解或改动图片。以《创世纪》一图为事例，它运用了谷歌DeepDream技术展开图片改动，人工智能参予其中，调整了图像中一只狗的方位。由此，我们可以了解到对于人工智能来说，狗的形象是什么样的。
首先，它主要辨识头部（这是狗的主要特征）；其次，电脑的辨识方式是将其定位到亚当（图像左侧）和上帝（图像右侧）的中间。总结一下就是，DeepDream技术被运用于一幅刻画亚当问世的图像，人工智能被拒绝找寻狗并改动它的方位。2.辨识它所用于的数据。
如此一来，人工智能接管指令，记录自学概要，并根据提醒重点“学好”它此前用于过的文本。麻省理工学院台达电子教授ReginaBarzilay首先研发出有这种解读方法，人类可以借以研究那些擅长于在数据中找寻模式、并做出适当预测的人工智能系统。
CarlosGuestrin是华盛顿大学的机器学习教授，他研发了一种类似于的系统，该系统需要挑选数据并对自己的自由选择做出非常简单说明。3.监控单个神经元。
Uber人工智能研究室的机器学习研究员JasonYosinski发明者了这种方法，用于探测器来检测哪一幅图像可以性刺激神经元。这让我们可以通过推理小说找到人工智能最必须的是什么。然而，这些方法在相当大程度上是违宪的。
正如Guestrin所说：“我们的终极梦想是让人工智能与人类对话，并向人类说明它的不道德，而这一梦想仍未几乎构建。想享有确实的可理解式的人工智能，还有很长的路要回头。”为什么人类必须更为理解人工智能？理解这些系统的工作方式是很最重要的，因为它们早已被应用于医药、汽车、金融和聘用等行业，而这些领域对我们的生活产生了根本性的影响。
如果把这么艰难的任务转交我们不理解的东西，那就过于可笑了。当然前提是，人工智能是真诚的，也会因为人类的不道德或疏失而受到影响。企图解读机人工智能的核心问题，只不过是一件极具紧张感的事情。如果我们需要极致地预测人工智能不道德，那么就可能会褫夺它们特有的自律智慧。
我们必需忘记一点，人类有时连自己做出的要求都无法解读，更加不用说人工智能了。意识问题一直是一个谜，也于是以因为有这一谜题的不存在，世界才更为有意思。不过，DanielDennet也警告说道，面临人工智能的“入侵”，我们必须自问：“人类对人工智能的拒绝是什么？对自己的拒绝又是什么？”那么，这些有可能将迅速掌控世界却又不几乎为人类所解读的机器，我们应当如何设计和研发它们呢？换句话说，人类要如何为这些转变世界的“神”编程？让我们拭目以待。
本文来源：尊龙凯时公司官网-www.xhjek.com