机，教学的每一个其他可能是至关重要的人工智能

<在一次新闻发布会上公布功能的自动驾驶仪的斯拉S型，发生在十月2015年，伊隆*马斯特斯拉CEO说，每一个驱动程序将"教练专家"对于每个模型S.每个车就能改善它们的功能、自治、学习从他的司机，但更重要的—当一个特斯拉将学习从你的驱动程序，这方面的知识将分布在其余的汽车特斯拉的。

<<跨id="更283363">

<很快，业主的S型已经注意到的功能的自汽车逐渐改善。 在一个例子中，"拉"做错了早退出的高速公路，迫使他们的主要手动举行车上正确的路线。 之后仅仅几个星期，所有者说，汽车是不再使过早退出。

<大段引用><"引人注目的是，改善发生得太快，"所述的业主之一的斯拉.

<智能系统，例如那些配备有最新的软件，用于机学习，而不只是变得更聪明了，他们变得更聪明更快和更快。 理解的速度，这些系统的发展，可能特别困难的部分管理的技术进步。

<雷库兹韦尔撰写了大量上存在的差距的了解男子，描述的所谓的"直线"图的技术变革和"指数"的变化速率发生，现在。 近二十年之后写的一个重要的论文，其他所谓的"法律的加速返回"--理论的渐进式改革，描述的变化的速度方面的改善、系统相连接的设备的开始分享知识，加速自己的改善。

<大段引用><"我认为这可能是最重要的指数趋势在大赦国际，"说Hod李碧菁教授的机械工程和电脑科学在哥伦比亚大学。

<"所有指数的技术趋势具有不同的"商"，他说。 "但是，这可能是最大的一个。" 在他看来，这种"机的教训"—当设备传播知识，以彼此(不要混淆机学习)是一个重要的步骤，以加速改善这种系统。

<"有时这一合作，例如，当一个机从中学习的其他，如果他们群的意识。 有时候这是一塌糊涂，像军备竞赛两个系统之间的下棋与每一个其他"。

<李碧菁认为，这种发展的艾它是强大的东西，部分原因是，消除了需要培训的数据。

<大段引用><"数据燃料的机学习，但即使是机器很难获得某些数据—这可能是危险的，慢，昂贵，或者不可能实现的。 在这种情况下，机器可以分享其经验或者创建一个综合的经验，为相互补充或替代数据。 事实证明，这不是一个软弱的效果是在事实zamovlennya和指数".

<李碧菁举了例子的一个最近出现的突破DeepMind，该项目AlphaGo零，因为指示性的艾学习，而培训的数据。 许多人都熟悉AlphaGo，大赦国际机学习，这已经成为世界上最好去玩家，在研究的大量数据，包括数以百万计的游戏玩的。 AlphaGo零能够击败他，甚至没有看训练数据简单地通过研究规则的游戏和玩你自己。 然后，他殴打的最好的中世界的国际象棋游戏后八个小时的培训。

<想象成千上万的这些AlphaGo零即时分享他们所学的知识。

<它不只是玩具。 我们已经可以看到多么强大影响的速度在其业务可以改善他们的设备。 一个例子是工业技术的数字双软件模型的计算机模拟了发生了什么设备。 想象一下如果汽车是来看看里面自己并展示了他的照片的技术。

<例如，蒸汽轮机的数字双可以测量水蒸气的温度、转子的速度，冷启动和其他数据来预测的失败和警报的技术人员对防止代价高昂的维修。 数字双胞胎使这些预测，探索自己的业绩，并依靠的模型开发的其他蒸汽涡轮机。

<尽快机开始学习他们的环境在强大的新方法，其发展是加速由于数据交换。 集体智慧每个蒸汽涡轮、散布于整个星球，可以加快预测能力的每个单独的机。 在那里将一辆汽车没有司机，将有数以百计的其他司机，他们将研究你的车，给予知识的每一个人。

<不要忘记，这一切才刚刚开始。