福彩网官方网站|2017彩票官方手机投注|
设为首页 设为首页 加入收藏 加入收藏 网站地图
[请登陆][免费注册]
搜 索

深度学习的下一站在哪里
出自:中国科技网

近日,人工智能领域传来好消息——美国计算机学会宣布将2018年图灵奖颁发给深度学习领域三位先驱——约书亚·本吉奥、杰弗里·辛顿和雅恩·勒昆,?#22253;?#22870;他们推动深度神经网络成为计算机技术的重要组成部分。感谢他们拯救了AI、改变了世界。

之前,?#30340;?#26377;人提出“深度学习已死”的基调,让深度学习的热度大大下降,而此消息一出,犹如按下重启键,人们再次将目光锁定深度学习。那么,作为人工智能的一?#20013;?#24335;,目前深度学习如何突破瓶颈,迎接新一代人工智能的到来?让我们听听国内外专家如何说。

已然改变人们生活

事实上,用深度学习进行分析的目的在于识别真实数据中的真?#30340;?#24335;。如果这种建设性能力可应用于总结经验、设?#21697;?#26696;?#32422;?#35760;录历史,甚至能够以惊人的逼真性反馈于人们的身体,那么现实与幻想之间的界线将变得非常模糊。

“深度学习虽然有种种局限,但在很多领域已然切切实实发挥作用,?#28909;?#22312;语音识别、机器翻译等,这是一些可算作‘无限但可枚举’(Infinite but enumerable)的数据对象。在这些领域中,训练数据集及其变种可?#22253;?#25324;大部分我们可能遇到的?#23548;?#25968;据,深度学习可以解决。”新一代人工智能产?#23548;?#26415;创新战略联盟联合秘书长、科大讯飞副总裁兼AI研究院联席院长李世鹏在接受科技日报记者采访时指出。

他说:“而另外一些领域则属于‘无限也不可枚举’的数据对象,?#28909;?#35828;自动驾驶场景下的各种环境图像和视频,计算机视觉中通用识别问题的数据对象等。这些问题,深度学习可能会解决其中某些子问题,但整体来看,会出现不?#20204;?#20840;球人工智能计算机视觉领域奠基人之一艾伦·尤尔教授所提及‘深度学习在计算机视觉领域已至瓶颈’的问题。”

“?#23548;?#19978;,深度学习主要依赖于大量的数据和数据标注。在医疗领域,可对采集到?#36132;?#20010;病例数据库的医学影像进行分析,供放射学和病理学方面训练,帮助医生做出更为精准高效的诊断,实现大规模应用。不过,对于应用本身其是受限的,因为很多领域并无那么多数据,?#35009;?#22826;多真正意义上的训练。如在自动驾驶领域,正常驾驶很多的数据可以采集到,但有些非正常数据像事故方面却很难采集。” 远望智库人工智能事业部部长、图灵机器人首席战略官谭茗洲认为。

法国泰雷兹集团首席技术官马克·厄曼表示:“在众多的人工智能技术中,深度学习是为我们所熟知的一种。当你拥有大量的数据和少量知识的时候,它是一种非常强大的技术。例如,人脸识别,但是这需要采集大量的图像来训练。在许多情况下,用于学习的数据库极为庞大,有时候需要千万甚至几亿数据。学习方法也有快慢之别,但是本质上来说,它不及人类大脑聪明。”

可行方法扬长避短

“深度学习肯定不是解决通用人工智能问题的全部,但是人类探索机器智能的必经之路。我们应该意识到现在深度学习的一些限制,要做的是扬长避短——用可行的方法解决现在可以解决的问题。”李世鹏指出。

如何解决数据短缺问题?李世鹏说,目前很多科学家在对?#25628;?#31350;。一类是从数据源方面解决,?#28909;紓?#20511;助更高效的数据标注工具帮助人快速获取更多标注数据、用对抗网络生成数据等;一类是从深度学习算法本身改进,?#28909;?#36801;移学习、少样本学习、无监督学习和弱监督学习等。

我们看到,AI在自动驾驶领域若达到99.9%的准确率,也意味着很多次驾驶活动中可能出现一?#20301;?#22120;不能处理或者不能处理得很好的例子。这是否说明自动驾驶就不能做了?“当然不是。解决方法是通过人机耦合?#35789;?#29616;稳定可靠的人工智能。”李世鹏答?#39304;?

李世鹏解释道,今天的人工智能?#35789;?#22312;可以发挥得很好的领域,也不?#21069;?#20998;之百可靠。在一些不是很关键的领域,某些AI技术也许是可用甚至好用,但在某些关键领域却?#23545;?#19981;能符合要求。因此,不要把人工智能当作万全技术,在设计一个产品或者系统时,要充分考虑机器失败的时候,人类怎么能很好地接手。

具体而言涉及两个问题:一是系统如何识别什么情况下它处理不好,就是说在AI给出某种决定的同时,也给出做此决定的可信度。在可信度很低的情况下,是否可以唤醒人类接应?

另一个是人机如何和谐地在一起工作,这涉及到用户体验设计和AI的结合。至少AI在现阶?#20301;?#21482;是作为提高人类效率的工具,所以在用户体验设计中应该做到不需要人时刻盯着,但在有状况时应及时提醒反馈给人类无缝接手。

探索未来突破之路

国内外专家表示,尽管人工智能的发展水平令人瞩目,但目前的人工智能系统有一定智商没情商、会计算不会“算计”、有专才无通才。就目前既有的解决方法,还不够具有革命性,要让未来的AI更“智慧”,需要加强对人类大脑等方面的研究,探索突破深度学习瓶颈之路。

“尤尔等指出的组合模型训练及用组合数据测试,实质上应该认为是个分解过程,但难点就在于分解。就像计算机视觉里最难的问题是图像或物体分割一样,这本身可能需要更多高层次上的语义理解。更具颠覆性的方法是赋予AI引擎一些推理功能,?#35789;?#27809;有见过的数据,?#26448;?#36890;过推理进行解决。”李世鹏指出。

李世鹏进一步说,脑科学和?#29616;?#31185;学的发展给我们很多启示,MIT等一些大学院所的科学家正沿着这条路?#30701;?#32034;。其实,上世纪90年代盛行的专家系统很多时候就是给机器一些规则(推理法制),让机器按规则去推理从而解决一些问题。但专家系统的问题是规则制定本身是件很麻烦的事,远不及今天数据标注来得简单。将来的思路可能?#20999;?#35201;深度学习从大数据中归纳出一些可以解释的规则,然后,将它们应用到新的数据中去解决问题。知识图谱和深度学习的结合也许是这条路线的一个实用分支。

在某些方面,我们发现深度学习如同挖掘机一样,能够采集相当多的数据,然而,却不像小孩子那样,不需要千万次的学习即会认出自己的母亲。

厄曼说,这是因为?#23548;?#19978;孩子?#19979;?#22920;是将多?#20013;?#24687;混合在一起判定,其中包括形象、气味、身体接触、出生记忆?#32422;?#35768;多复杂因素。尽管深度学习是受到生物启发,基于我们所说的神经元,但是,当你与神经科学家交谈时,会觉得深度学习仅是一种对人脑的过于简单的再现,人脑可?#26085;?#22797;杂得多。所以深度学习只是AI使用的众多技术中的一种,希望其他技术可以对其加以补充。

“正如现在的自动驾驶,只能说是试水阶段,其技术本身肯定不是主要依赖深度学习,而是多模态感知,运算也不是简单依赖于视觉,而是与人类认识这个世界一样,通过眼、耳、鼻、舌、身、意多个感知来综?#20808;现?#32780;人?#21592;?#36523;在大多数情况下不依赖于大量数据,而是借助‘触类旁通’等能力。因此,人脑科学、计算机科学、生理学和?#29616;?#31185;学等跨界交融应用才是未来AI的发展方向。”谭茗洲指出。

他认为,深度学习是一个好的开始,但是不能解决一?#24418;?#39064;,需要和更高维度的方?#38477;?#21152;。而跨学科的研究会在语义、知识图谱、机器记忆、想像、逻辑推理等类人脑的领域,弥补深度学习的一些短板。

 

 

0
文章收入时间: 2019-04-02
相关信息
百度和人民日报联合成立“人工智能媒体实验室” 2019-09-20
《陕西省新一代人工智能发展规划(2019-2023年)》发布 2019-09-19
视芯捐赠台师大AI芯片开发系?#24120;?#32467;合教学推动AI应用发展 2019-09-06
AI要做到像人一样机智,或许还需百年 2019-09-04
腾讯联手医库云加快AI在临床?#23548;?#20013;的转化应用 2019-09-04
李开复:AI+时代是传统产业的历史机遇 2019-09-03
算力与算法供需缺口的解决之道 2019-09-03
百度发布全自研昆仑?#21697;?#21153;器:基于自研AI芯片 2019-08-30
北大黄铁军:神经形态芯片大规模应用材料是关键,未来几年将影响AI 2019-08-27
旷视拟IPO将成为AI第一股 经营周期内利润为正 2019-08-27
 
SEMI简介 | About SEMI | 联系我们 | Privacy Policy | semi.org
Copyright © 2018 SEMI®. All rights reserved.
沪ICP备06022522号
沪公网安备31011502000679号
福彩网官方网站