特斯拉未来新规划是AI写的 美媒 空泛 无实质内容 (特斯拉未来新车型)

凤凰网科技讯 北京时期9月3日，特斯拉公布了“秘密雄图”的第四篇章，宣称要打造“可继续的富足”。但是，美国科技媒体TheVerge发文指出， 这篇文章就像是AI写的 ， 内容空泛，无详细方案 。

第四篇章全文仅983个字，是其未来规划“秘密雄图”系列中最短的一篇。该方案初次宣布在埃隆·马斯克(Elon Musk)的社交媒体平台X上，而非特斯拉官方。

“秘密雄图4”的文风读起来像是用马斯克的聊天生成的，不只重复经常经常使用破折号，并以一种令人怀疑的乌托邦式语气描画AI和机器人的未来。

特斯拉公布“秘密雄图4”

TheVerge表示，它能否真由AI生成其实并不关键，由于最新篇章的内容过于模糊、空泛，缺乏详细方案，简直毫无实质内容。

相比之下，特斯拉2006年公布的第一篇章曾明白勾勒出公司战略：先打造电动跑车，再用其支出逐渐开发更实惠的电动车型。2016年的第二篇章则提出要制造电动半挂卡车与巴士，开发智能驾驶技术，并让客户能将车辆作为创收的智能驾驶出租车经常经常使用。2023年公布的第三篇章则将特斯拉定位为全球消弭化石燃料、推进全球转向可继续动力的指点者。(作者/箫雨)

人工智能和机器人有什么区别

关键区别是，性质不同、特点不同、运行不同，详细如下：

一、性质不同

1、人工智能

人工智能是研讨、开发用于模拟、延伸和扩展人的智能的通常、方法、技术及运行系统的一门新的技术迷信。

2、机器人

机器人是一种能够半自主或全自主任务的智能机器。

二、特点不同

1、人工智能

人工智能是包括十分普遍的迷信，它由不同的范围组成，如机器学习，计算机视觉等等，人工智能研讨的一个关键目的是使机器能够胜任一些通常要求人类智能才干成功的复杂任务。 人工智能可以对人的看法、思想的信息环节的模拟。 人工智能不是人的智能，但能像人那样思索、也或许超越人的智能。

2、机器人

机器人具有感知、决策、执行等基本特征，可以辅佐甚至替代人类成功风险、繁重、复杂的任务，提高任务效率与质量，服务人类生活，扩展或延伸人的活动及才干范围。

三、运行不同

1、人工智能

机器视觉，指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，智能规划，智能搜索，定理证明，博弈，智能程序设计，智能控制，机器人学，言语和图像了解，遗传编程等。

2、机器人

我国的机器人专家从运行环境动身，将机器人也分为两大类，即工业机器人和特种机器人。 工业机器人是指面向工业范围的多关节机械手或多自在度机器人。 特种机器人则是除工业机器人之外的、用于非制造业并服务于人类的各种先进机器人，包括：服务机器人、水下机器人、文娱机器人、军用机器人、农业机器人等。 在特种机器人中，有些分支开展很快，有独立成体系的趋向，如服务机器人、水下机器人、军用机器人、微操作机器人等。

人工智能好吗？

2022年2月，美国海军学会学报刊发了《人工智能：太软弱而无法战役？》（Artificial Intelligence: Too Fragile to Fight?）。 文章以为，人们关于人工智能的技术优势往往过于失望，美国一部分指导人甚至担忧不采用人工智能就会有失去军事技术竞争优势的风险。 虽然人工智能在一定条件下可以很好地支持作战人员或美国国防部的现有任务，但是人工智能仍具有耐久的、关键的破绽，假设国防运行程序要坚持弹性和有效性，就必需彻底了解和充沛处置这些破绽，否则在关键作战才干中采用人工智能就会在中心要害部位招致灾难性的弱点。 1.运行现状人工智能以后在美国海军中的运行现状1.1 美国海军的首要义务：开展AI！人工智能曾经成为提高美国海军和美国国防部才干的技术焦点。 美国海军部长卡洛斯•德尔•托罗（CarlosDel Toro）将人工智能列为改造美国海军力气的首要课题。 美国海军作战部长迈克尔•吉尔戴（Michael Gilday）上将也提出：人工智能在战场才干和决策灵敏性方面提供了许多有希望的打破。 1.2 人工智能破绽：降低其系统的作战预期AI技术的提高也随同着庞大的风险：由于智能化（包括人工智能）具有耐久的、关键的破绽，若要运行与国防运行中，则必需彻底了解和充沛处置这些破绽，才干坚持其有效性和弹性。 但是，目前的人工智能系统十分软弱——也就是说，在高强度的经常使用中，很容易被诈骗、损坏或容易出错。 机器学习，尤其是现代“深度学习”方法，虽然推进了人工智能的提高，但也十分容易遭到诈骗和搅扰。 人们通常以为“人-机团队”可以处置这个疑问，但是这种团队自身也存在少量疑问且十分软弱。 因此，新的AI性能系统只是看起来比原有技术优越，但是其潜在的软弱性将为作战埋下灾难性缺陷与隐患。 此外，未来运行程序中的缺点形式通常是无法见的。 因此，人工智技术虽然取得了严重提高，但往往没有充沛看法到这些提高的局限性。 造成了一种很风险的现象：冒着过度依赖技术的风险，而技术或许会大大低于预期。 1.3 美国海军指导对人工智能/人-机团队协作自觉失望陆军未来司令部司令和国防部技术采用部指导迈克•默里（MikeMurray）上将在最近的一次性电台采访中说：“我无法想象一个智能的目的识别系统不会比人类的记忆做得更好……假定你必需在训练抽认卡上有90%的成功率才有资历坐到炮手的位置上，那么依据你所看到的火炮类型，假设有正确的训练数据和正确的训练，我无法想象没有一个系统（一个算法）能够做得比90%更好，然后让人类选择能否正确、能否扣动扳机。 ”这种说法反映出，人们对人工智能的局限性以及人类与智能化之间的协调困难缺乏想象。 AI识别的成功率只是树立在有限范围内实验所取得的数据基础之上的，理想全球中并没有一个成功的案列可以证明AI的牢靠性。 尤其是过去几十年，智能化在大型关键范围系统（如航空、制造和工业控制系统）中的运行存在诸多缺陷和破绽。 因此，AI在理想全球中的运行要吸取这些阅历经验，而且要慎之又慎，只要在充沛了解AI系统自身存在的局限性，才干更行之有效地运行AI系统。 目前关于人工智能的说法往往过于失望。 过火夸张了技术希冀，人工智能并不是万能药。 相反，人工智能是一套重塑疑问及其处置方案的技术。 人工智能在军事或国度安保疑问上的牢靠运行必需确定要克制的关键疑问与限制要素，军方不能无视基本的技术理想，就急于开发新技术。 否则，军方或许会发现自己依赖于软弱的工具，无法胜任实践的作战义务。 1.4 运行AI前应明其缺陷在军事执行中，必需依据“采用新技术能否会发生未知疑问，以及能否会发生比它所要处置的疑问更风险的疑问”这个规范来细心评价新技术。 关于大型、复杂和“顺手”的疑问，“任何处置方案总比没有好”这种方式并不总是经常能行得通。 相反，干预往往会发生新的疑问。 2.优缺陷对比人类与人工智能目的识别的优缺陷对比2.1 人类识别的优势人类识别和目的识别算法既不等效也不直接可比。 二者以不同的方式执行不同的义务，并且必需依据不同的规范来权衡。 人类在目的识别义务中，不只能识别目的自身，同时还能很好地识别与目的相关的周围环境。 人类可以在了解目的识别这一概念的基础上，从总体上概括出目的自身及其所处环境的观察结果，并能大致评价出不确定要素，从而能愈加明晰地了解所识别的目的。 因此，人类的视觉和区分才干远比简易的目的识别抽认卡测试所能测量的要弱小得多。 2.2 人工智能的目的识别相比之下，人工智能系统的目的识别是空白的。 基于视觉的智能分类系统远无法到达“识别”的水平，而只是简易地解释和重复已知的形式。 这种系统不能了解选择目的的要素，也不能概括出它们编制程序要处置的详细形式。 而只是经过编程、或是从数据剖析中提取的结论。 假设遇到从未遇到的新场景，很或许就没有任何已知的形式适用，人工智能系统提供的则是毫无知识、毫无依据的指点。 2.3在复杂多变的理想全球中，AI很难描画扩展义务的目的识别性能在环境变化、设备退步或蓄意逃避和诈骗的理想全球中， 独自的图像识别不能对除了目的自身以外的周围环境启动描 述 。 人类在处置图像失真（比如，相机镜头上的灰尘或雨水、视频信号中的电子噪声、无法靠通讯图像中的丧失部分）方面要更胜一筹。 在特定图像失真上训练的模型可以接近或超越人类在特定图像失真上 的性能， 但 AI 的这种改良只是针对训练模型有较好的表现，在识别其它非训练模型中的图像失真方面性能不佳。 2.4 人类识别与目的识别算法不具有可比性虽然图像识别模型可以在简易的抽认卡测试中“优于”人类这一说法或许是真的，但是经常使用实验室数据或是在作战测试场景中，人类和算法在目的选择和识别方面的性能是同等的，正如默里将军所说，这意味着在这些义务上的性能是具有可比性的。 但是这一结论无法尽信！由于每一种状况下所做的任务是不一样的，所以生成结果的牢靠性也会有很大的不同，依赖原始性能或许会造成风险的状况。 图：2021年12月，波音公司的MQ-25型无人飞机在美国海军“乔治•H•W•布什”号航空母舰（CVN-77）的飞行甲板上正在接受指挥3.缺陷效果链有效性人工智能在运行中的缺陷3.1 对立中被诈骗目前表现最好的人工智能方法是基于深度神经网络机器学习，在简易的抽认卡资历测试中，人工智能的性能似乎超越了人类。 但是，这种性能的代价很高：这些模型会过度学习评价规范的细节，而不是适用于逾越测试用例以外的普通规则。 一个特别值得留意的例子是“对立性例子”的疑问，即由对手设计的尽或许混杂技术的情 况。 一些研讨人员指出， AI 的关键清楚特征之一就是 AI 在对立中易被对方采用的混杂技术诈骗。 为了提高人工智 能的有效性，军方必需看法到诈骗或许造成不当行为的水平，并树立相应的通常和周围系统，以便人工智能支持的决策即使在死敌试图影响他们时也能坚持稳健。 3.2 决策错误人们或许会以为，让人类介入到AI系统的决策环节中就可以处置AI自身的破绽。 也就是说，AI系统向人类介绍决策建议，或许AI系统在人类严厉监视下启动决策，这样人类就可以控制AI系统决策结果。 不幸的是，人-机团队也经常被证明是软弱的。 由于人们关于智能化的形态能否可信，以及智能化建议采取的执行能否适当会感到不确定。 1988年7月，美国“文森斯”号（CG-49）号异常击落了一架从阿巴斯班达尔国际机场下降的伊朗民航客机，要素是该舰的宙斯盾系统曾为这架民航客机分配过一个跟踪标识符，但是这个跟踪标识符后来又分配给一架对方战役机，AI系统依据这个跟踪标识符将迎面驶来的飞机描画为对方战役机，人类操作员依据这一描画也以为这是对方战役机，因此选择下令向这架飞机开战。 虽然智能化水平曾经有所提高，但如今人-机团队的软弱性曾经造成了最近几起高度智能化汽车（比如特斯拉）的撞毁事故、2017年美国海军“约翰•S•麦凯恩”号驱逐舰（DDG-56）海上相撞事故，以及2009年法航447航班在大西洋上空失事事故。 这凸显了人与机器之间的形式混杂疑问，尤其是当信息在复杂系统中传递或出现出蹩脚的人为要素时，这种疑问或许会加剧。 另一个相关的疑问是智能化的依赖，人类无法找出与机器处置方案相矛盾的信息。 评价人-机团队在这两种状况下中的性能是至关关键的——无论目的是提高平均性能还是在特定困难状况下的性能。 3.3 判别被质疑有人或许会争论说，高全体性能或特定运行程序的操作认证可以消弭这些担忧。 但这也是一种过于简化的观念。 再次想象一下默里将军提出的目的场景：假定系统有98%的准确率，但训练有素的人在相反的测试场景中只要88%的准确率。 关于战场上真正的作战人员来说，当子弹和导弹飞来飞去，命悬一线时，作战人员是会质疑系统的判别，还是会直接扣动扳机？在风险紧急的状况下，作战人员会由于AI系统的优势而选择置信AI系统具有更好的性能吗？图：一名作战专家在美国海军“约翰•S•麦凯恩”号驱逐舰（DDG-56）上的作战信息中心监测水面咨询4.军事运行悖论效果链有效性智能化军事运行上的悖论4.1 过度依赖人工智能将会使人类作战人员遭受“技艺退步”随着义务的智能化并远离日常通常，人类作战人员将遭受所谓的“技艺退步”。 因此，默里将军假想的坦克系统作战人员，虽然他们能“发现”系统的错误，但是他们并没有被授权这样做，他们被要求必需在系统的协助下执行义务。 例如，这就像普通人经常使用智能手机中的全球定位系统启动导航一样，在经常使用全球定位系统以前，普通人自己寻路的技艺本是家常便饭，但是全球定位系统启动导航后，普通人自己寻路的才干越来越差。 这种过度依赖AI系统的现象相同也会影响到飞行员、舰桥观察团队等作战人员的专业技艺。 4.2 人-机团队的影响力虽然人-机团队很软弱，但是只需每个部分都分配了正确的性能，并提供足够的支持，可以大大逾越人类或机器。 以“半电子化国际象棋”为例，人类棋手在选择走法时经常使用计算机辅佐决策，即使很弱的棋手在没有协助的状况下也能到达一个逾越全球顶级象棋巨匠和全球顶级电脑象棋程序的水平。 因此，人机一体化和关注与智能化相关的流程或许远比人类技艺或智力更有影响力。 4.3 人工智能在军事上“无法独立”！军方绝不能将人工智能运行作为“独立人工智能”。 相反，人工智能只能是人类智力和组织才干的延伸。 人工智能不是一个独立的代理，而是一个更为弱小的工具，其运行于现有作战义务的特定方面。 5.多传感器运行效果链有效性多传感器被寄希望用于处置人工智能的破绽5.1 多传感器感知优化AI才干假设独自一个系统是软弱的，那么一个融合多种传感器的系统性能会更好吗？多传感器数据输入就是指对基于视觉传感器的系统启动逻辑拓展（比如参与电磁频谱、音频、态势感知等传感器系统），从而可以增强AI系统牢靠地发现、定位、跟踪和瞄准的才干，美国海军目前正在经过“红龙”演习来评价这种方法的有效性。 应用不同范围的传感器搜集不同方面的信息，就像人类应用多个感官失掉周围信息一样。 当一团体听到的（听觉传感器）与看到的（视觉传感器）不一样时，就会惹起这团体的疑心和重新审查，从而就有或许发现潜在出现的诈骗行为。 同理，基于多传感器感知的AI系统也可以经过这种方式发现或许存在的诈骗行为。 5.2 最佳权衡仍需探求但是，这种方法能否提高了对立人工智能系统友好控制的鲁棒性，仍是一个悬而未决的疑问。 每个传感器的数据输入到一个智能化工具中依然受相反的对立技术影响。 采用多传感器会参与AI系统的复杂性，而这种复杂性则要求在以下两方面做出一种权衡。 一方面，多传感器使对手在诈骗系统方面的应战变得复杂。 另一方面，在一个模型中参与输入元素的数量和特征的复杂性也会造成在数学上无法防止地参与友好控制的或许性（由于或许的诈骗方法的数量比有效输入的数量参与得更快）。 要求更多的研讨来找到最佳的权衡。 但是，向多范围感知的转变当然不能扫除诈骗或任何特定途径的或许性。 6.需留意的准绳效果链有效性美国海军继续推进人工智能运行要求思索的准绳虽然有上述讨论，但无法否认的是，美国海军和更普遍的美国国防部运行迫切要求推进人工智能。 但是，作战人员必需睁大眼睛，他们必需在何时、何地以及如何经常使用这些技术方面极端慎重。 为了支持这种慎重，他们应该思索以下3个准绳，以便在美国国防部运行中明智地和担任任地部署人工智能系统：实践运行AI系统要求强有力的证据标明其有效性。 由于假设缺乏强有力的证据，人们就会疑心这些系统的优势能否和报道的一样好。 AI系统有或许在特定的训练数据集、环境、测试条件和假定下表现出较好的性能，但是当这些条件都出现变化时，所取得的实验结果有或许会有很大不同，所以很难将有限条件下的实验结果实践地转化为满足作战需求的理想运行。 部署人工智能系统必需具有足够的技术和社会技术安保网。 克制环境和敌方的搅扰是困难的、尚未处置的疑问。 由于人工智能是基于形式（编程或从数据中提取）启举措战的，所以当这些形式不成立时，其作战才干就会遭到内在限制。 人-机团队必需作为一个系统全体启动测试。 人类和机器擅优点置不同部分。 分配性能和组合这些才干不只不简易，而且经常违犯直觉。 要求对整个系统启动细心评价，以支持任何关于运行程序的可信度或适用性的主张。 目前，人工智能最有效的运行场景是：处置范围有限的、明晰细心定义的疑问，并确实可以很好地支持作战人员或美国国防部的现有任务。 美国指导人也正告说，在当今全球假设美国不采用最新技术，那么美国就会有失去军事技术竞争优势的风险，而眼下的燃眉之急是： 美国海军指导人必要求彻底了解和充沛处置AI系统中的破绽，这样在关键作战才干中运行AI系统，就不会在中心要害部位招致灾难性的弱点。 免责声明：本文转自学术plus，原作者宸熙。 文章内容系原作者团体观念，本群众号编译/转载仅为分享、传达不同观念，如有任何异议，欢迎咨询我们！转自丨学术plus作者丨宸熙编辑丨郑实研讨所简介国际技术经济研讨所（IITE）成立于1985年11月，是附属于国务院开展研讨中心的非营利性研讨机构，关键职能是研讨我国经济、科技社会开展中的严重政策性、战略性、前瞻性疑问，跟踪和剖析全球科技、经济开展态势，为中央和有关部委提供决策咨询服务。 “全球技术地图”为国际技术经济研讨所官方微信账号，努力于向群众传递前沿技术资讯和科技创新洞见。 地址：北京市海淀区小南庄20号楼A座电话：010-微信：iite_er

人工智能未来的开展方向

第一个趋向是，全体IT巨头将重兵规划AI云服务，AI-a-a-S，意思是人工智能即服务，将成为未来趋向。 AI是未来，曾经是不证自明的理想，新老IT巨头不只在自身业务里积极运用人工智能，同时也在积极应用云计算平台将AI服务提供应第三方。 从供应方来说呢，IT巨头们都很清楚，只需第三方经常使用自己的平台，就会把数据留在平台上，而这些数据将会是人工智能时代的一座大金矿。 从需求方来说呢，那些运行企业可以应用大公司提供的AI云服务，优化自己的竞争力。 所以，无论关于AI服务的提供商，还是经常使用AI服务的企业，这都是一种双赢的协作。 第二个趋向是，新老人工智能企业将围绕智能入口展开白热化的争夺。 在互联网时代，简直每个入口都会惹起争夺，而每个入口争夺的成功者都会变成下一个巨头。 比如在Web2.0时代，互动社交的兴起构成了社交入口，培育了Facebook和腾讯。 人工智能时代也不例外，剧烈的争夺事先，肯定会降生下一个庞大的超级企业。 人工智能时代，服务的入口关键是自然言语的语音交互，自然言语处置会是人机交互的关键形式，谁能让机器更懂人类的言语，谁就能有或许取胜。 人工智能会片面包围我们生活的方方面面，这意味着，人工智能入口的竞争会愈加惨烈，而越早介入，取得越多的用户，胜利的几率就越大。 第三个趋向是，人工智能将占领客厅，语音交互将成为主流电视运行。 智能家居概念喊了很多年了，比尔·盖茨在1995年出版的《未来之路》里就做出了明晰的描画，但是这样的描画迄今都没有成为理想，中心要素就在于用户缺乏需求。 如今随着电视屏幕尺寸增大、视频内容爆炸性增长，传统的遥控器越来越难以满足人们经常使用电视的需求，语音为主的智能搜索和智能互动正在迅速崛起，自然言语交互将会成为操纵电视机的规范方式。 三星等传统的电视厂商、Netflix和亚马逊等视频内容提供商、微软和谷歌等IT厂商都曾经或将要推出自己的以电视为中心的语音互动产品，智能家居正在从电视机切入成为理想。 第四个趋向是，智能玩具将成为AI最早成功的运行范围之一。 假设应用AI来诊断病情，或是制造智能驾驶汽车，人们往往无法容忍它犯错误。 但是玩具不同，人们对玩具的出错容忍度高。 所以，在人工智能还没方法逾越人类智能的今天，智能玩具恰恰是能够让人工智能取得初期市场认可的切入点。 理想上，如今曾经有不少成功的案例了，比如2016年底，能和人玩游戏的智能玩具Cozmo热卖到断货。 2017年更会有一大批的智能玩具上市。 中国的玩具制造业虽然弱小，但是没有什么品牌优势，假设中国的玩具公司和高科技公司协作，借助自己弱小的制造实力和市场推行实力，顺势推出自己的品牌，将会取得庞大的商机。 第五个趋向是，商用机器人将在特定的商业场景中发扬庞大潜力。 这类机器人往往针对某个特定场景而制造，比如导购、前台、送货，因此奏效水平显而易见，在小范围里也更容易推行。 很多有实力的机器人公司，都会开发可用在多个商业范围的通用型机器人，它们能顺应不同的环境，缺陷是比拟昂贵，比如日本软银的pepper机器人，每台约20万元人民币，这还不包括后续服务费和保险费。 而专业型机器人更侧重于针对性地处置疑问，但是由于才干有限，很容易被竞争对手模拟或是被吞并。 2017年，我们会在很多有一定特点的营业厅里，看到专业型机器人的身影。 未来，热点会由专业型机器人向通用型机器人转变，通用型机器人将会迅速崛起。 第六个趋向是，辅佐驾驶会成为AI的第一个大规模运行。 智能驾驶不时是人工智能范围最抢手的运行，但是由于之前特斯拉的智能驾驶性能形成了致命事故，谷歌又丢弃了自己消费智能驾驶汽车，转而和成熟的汽车厂商协作，这些理想都说明，完全成功智能驾驶，还有很长的一段路要走。 同时，各大汽车公司都在智能驾驶上启动努力，越来越多的汽车上将会性能一定的智能驾驶才干，也就是在有司机的状况下，在高速公路上，或许城市里慢速行驶的状况下成功智能驾驶。 第七个趋向是，人工智能运行会在各个运行范围迅速普及，有大数据支持的运行创业公司会迎来最好的机遇。 虽然人工智能范围的竞争十分剧烈，尤其是底层技术上的竞争，但是别忘了，真正的赢家不会发生在技术层、平台层，而是发生于运行层。 比如移动互联网的兴起，最大的赢家不是通讯运营商，而是构建了社交网络帝国的Facebook。 而运行关于创新企业来说，人工智能恰恰是它们真正的时机。 特别是在IT巨头纷繁开源的状况下，创新企业是无时机应用这些资源，成为下一个霸主的。 关于创新者来说，一定要到死敌最单薄的环节去寻觅打破口，最值得下手的中央就是数据丰厚、但是运行贫瘠的中央。 第八个趋向是，在智能芯片方面，GPU将进一步失掉更普遍的运行。 GPU，也就是我们所说的图形处置器，不时都是AI运行的主导配件处置器，在图像语音识别、无人驾驶等人工智能范围，GPU正迅速扩展市场占比。