深度|一篇文章解读人工智能的原理及产业升级机会

640?wx_fmt=jpeg

来源:人工智能腾讯数码

摘要:人工智能看上去高高在上,实际上前沿科技公司都寄希望于这种长期研究为其目前的业务带来新的发展机会,神经网络、机器学习、深度学习构建了人工智能基础,本文阐述了三大基础是如何运作和实现人工智能。


人工智能如今已经成为科技产业所讨论的普遍话题。这项技术已经被应用在了Gmail、自动驾驶汽车和照片整理上面,Mark Zuckerberg甚至还打算开发一位人工智能管家。但问题在于,人工智能这个概念有点太科幻了,它总是让人想起操纵宇宙飞船的超级计算机,而不是特别聪明的垃圾邮件过滤器。如此一来,人们已经开始担心人工智能会在何时造反并统治人类了。


科技公司在一定程度上也鼓励着人们忽略人工智能到科幻人工智能之间的差距,但当你试图去理解计算机所做的事情时,就会很容易了解到它们的区别。本文要讲的就是人工智能在消费应用领域里最常见的应用方向,当前技术的限制,以及为什么说我们还没必要担心机器人的崛起。


神经网络、机器学习和深度学习到底是什么


这3个名词如今拥有相当高的出现频率。它们可以被看作是3个不同的层次:神经网络位于底层,它是建立人工智能的计算机结构;机器学习是下一层,它是可以在神经网络上运行的一个程序,可训练计算机在数据当中寻找特定的答案;深度学习处在顶层,这是一种在最近10年里才流行起来的特性类型的机器学习,而它的流行主要得益于廉价处理性能和互联网数据。


神经网络的概念可以追溯到50年代人工智能的开端。简单来说,它是一种建造计算机的方式,使其看上去像是一个卡通化的大脑,当中由神经一样的节点连结成网络。这些节点本身都很笨,只能回答最基本的问题。可一旦组合在一起,它们就可以解决复杂问题。更为重要的是,有了正确的算法之后,它们还能拥有学习能力。


纽约大学计算机科学教授ErnestDavis这样介绍道,假如你想让计算机学习如何过马路,在传统编程方式下,你需要给他一套非常具体的规则,告诉它如何左右看,等待车辆,使用斑马线等等,然后让它尝试。而在面对机器学习时,你只需向它展示10000部安全横穿马路的视频(以及10000部过马路被车撞的视频)就行了。


640?wx_fmt=png


在这件事上面,如何让计算机吸收视频当中的所有信息是一大难点。在过去的几十年里,研究者尝试过各种办法来教计算机,其中就包括增强学习和遗传算法。前者需要你在计算机达成目标时给予其奖励,以逐渐优化最佳解决方案;后者则会以类似物竞天择的方式对解决问题的不同方法进行对比。


在如今的计算机领域,有一种教学方法变得特别实用,那就是深度学习。它是机器学习的一种类型,会利用神经网络中的诸多层面以不同的抽象化方法对数据进行分析。当深度学习系统面对着一幅画时,神经网络的每一层会对其进行不同程度的放大。底层可能会关注5x5像素网格,然后判断是否有东西在当中出现。如果有的话,它上面的那一层就会开始查看该网格是如何适配到更大的图案中的。这个过程会逐渐累计起来,让软件利用逐步分解的方式去理解哪怕是最复杂的数据。


接下来,假设我们想要使用深度学习让计算机了解到猫的样子,我们首先需要利用神经网络的不同层面来识别猫身上的不同元素:爪子、脚掌和胡须等。然后,神经网络会观察一大堆猫和其他动物的图片,并被告诉哪些是猫哪些不是。随着时间推移,它会记住哪些层面是重要的,并增强或忽略当中的部分联系。比如说,它可能会发现爪子和猫具备强烈的关联,但同样会出现在其他动物身上,因此它就知道去寻找爪子和胡须同时出现的情况。


这是一个漫长而又重复的过程,系统会根据反馈缓慢提升自身能力。在这个过程当中,人类可以去纠正计算机,而如果网络本身拥有足够多的标签数据,它也能自己进行测试,来查看如何利用自身的所有层面才能产生最准确的结果。认出一只猫已经如此困难,那些需要去识别世间万物的系统的复杂程度也可想而知。这也正是为什么微软会推出一款应用来辨别不同品种的狗。在我们人类看来,杜宾和雪纳瑞之间的区别可能非常明显,但计算机在能够分清两者之前需要去定义大量的区别。


这就是谷歌、Facebook和其他公司所使用的技术吗?


大体上讲的确如此。


深度学习技术如今已经被应用在了各种日常任务上面。许多大公司都拥有自己的AI部门,Facebook和谷歌还通过软件开源的方式公开了自己的研究成果。谷歌甚至推出了一个为其3个月的免费在线课程来介绍深度学习。学术研究者或许可以相对低调地进行研究,但这些企业几乎每周都会为这项技术推出创新的应用方式,从微软的情绪识别网页应用到谷歌的超现实DeepDream图像。这也正是我们在最近会频繁看到深度学习相关信息的原因:大型消费类技术公司都在捣鼓这项技术,并向我们分享自己奇奇怪怪的工作成果。


但是,虽然深度学习在语音和图像识别方面具备出色能力,但它同样存在相当多的限制。这项技术不仅需要大量的数据和微调,它们的智慧也是狭窄且脆弱的。就像认知心理学家GaryMarcus所说的,这种热门技术“缺乏呈现因果关系(比如疾病和症状)的方式,在学习抽象概念上面也存在困难。它无法执行逻辑推理,在整合抽象知识(比如某个物体的名称、用途和使用方式)上面也还有很长的路要走。”换句话说,深度学习并没有任何常识。


640?wx_fmt=jpeg


举个例子,在谷歌的一个研究项目当中,他们首先向神经网络呈现哑铃的样图,然后让它独立生成一张图片。从结果来看,神经网络所生成的图片还不错:一根横向握把连接着两个灰色的圆环。但握把的中间总是会出现手臂肌肉的轮廓,这是因为训练时所用图片当中通常都有健身爱好者举着哑铃。深度学习或许可以了解到成千上万图片当中哑铃的基本视觉属性,但它永远都不能作出认知上的跨越,认识到哑铃并没有长胳膊。这种问题并不单单存在于常识的范畴。由于检验数据的具体方式,深度学习网络还能被随机的像素图案所欺骗。


不过这种限制可以被巧妙地隐藏。就拿Siri这样的数字助手为例,它们经常可以理解用户的命令,或是抖点小机灵。但就像计算机科学家HectorLevesque说指出的那样,这些小花招恰好显示出了人工智能和真正的智能之间巨大的差距。他提到了图灵测试,称在这项挑战中取得最佳成绩的机器都会利用小花招来让人们认为它正在和自己讲话。它们会使用笑话、引用、情绪爆发、错误引导和所有的语言回避来混淆和干扰提问者。没错,在去年通过图灵测试的计算机号称自己是一位13岁的乌克兰男孩,这也成为了它偶尔出现无知遣词不当的借口。


Levesque认为,测试人工智能的一种更好方式是向计算机提出超现实但逻辑合理,同时需要广泛因果知识才能回答的问题,比如“鳄鱼可以参加越野障碍赛马吗?”,或者是“棒球运动员可以在帽子上粘上小翅膀吗?”可想而知,计算机在尝试回答这些问题之前需要拥有多么大的知识储备。


如果这不是人工智能,那它是什么?


这正是使用人工智能这个名词的困难之一:它太难以去定义了。业界对此所达成的共识是,只要机器完成了一项之前只有人类才能做到的任务——比如玩国际象棋或认脸——那它就不再被认为是智能的标志了。就像计算机科学家LarryTesler所说,智能指的是那些机器还做不到的事情。而即便计算机能够完成某些任务,它们也无法取代人类智慧。“我们说神经网络就像人类大脑,但事实并非如此,”Facebook人工智能研究团队主管YannLeCun说道,“这就好像飞机不是鸟一样。它们不能扇动翅膀,也没有羽毛或肌肉。”如果我们真得创造出了人工智能,它也“不会像人类或动物的智慧”。比如说,我们就很难去想象一个智慧体会没有自我保护的意识。


许多AI领域的业内人士都不认为我们会创造出具备真正有感知能力的人工智能。“目前的方式无法(让人工智能)具备灵活性,或是处理多任务和执行编程范围之外任务的能力。”MIT大脑、思维和机器中心Andrei Barbu教授这样说道。他还提到,效率的AI搜索不过是创造出为解决特定问题微调过的系统。尽管研究者曾经尝试过无人监管的机器学习——让系统观察未被分类和标记的数据——但这目前还处于非常初级的阶段。谷歌就有一个类似的神经网络项目,通过随机观察来自1000万部视频的缩略图,它最终教会自己猫的样子,但制作者并未公布任何除此之外的能力。就像LeCun在2年前出席Orange Institute的一场活动时所说的:“我们不知道如何进行无监督学习,这是最大的障碍。”


作为一个研究项目,人工智能还经常会受到夸张宣传的影响。当一种新方法被发现且研发进度加快时,评论者(通常还包括计算机科学家)会大胆假设这种发展速度会很快让机器人管家成为现实。纽约时报早在1958年就曾有过类似报道,当中把一种非常早期的AI形式——可以分辨左和右的区别——描述为电子“胚胎”,未来某天将能够“走路、交谈、观察、书写、繁殖,并具备自我存在意识。”当这类承诺未能兑现时,该领域便会陷入所谓的AI寒冬,也就是悲观主义盛行和资金减少的时期。历史上出现过十几次小规模的AI寒冬,70年代末和90年代初还有两次大寒冬。虽说每一个科研领域都会经历类似的时期,但值得注意的是,很少有一门学科会如此“可靠地”让自己的信徒一再失望,以至后者为此想出了一个专有名词。


人工智能只不过是噱头和糊弄人的把戏吗?


这样说有些以偏概全了。如何看待人工智能取决于你对它有着怎样的期待。我们的机器的确越来越智能,但这并不是我们可以轻松归类的。就拿特斯拉的自动驾驶软件为例,公司总裁ElonMusk将其描述为一种汇集数据的“快速学习网络”,好让旗下所有汽车在同时进行学习。这个研究项目的最终目的不会是一般的人工智能,但它的整个计算机网络的确会具备相当高的智能性,这也就是被LeCun称作是“隐形智能”的东西。


640?wx_fmt=jpeg


试想一下,未来你将拥有一台不会出差错的自动驾驶汽车,当中还有一位先进的数字助手。这或许是Levesque教授看不上眼的那种欺骗把戏,但却能让任何人将其当作人类来对待。你们会在早上上班时互相说笑话,聊聊新闻,安排自己的行程表,或是在需要时改变目的地——一切都会在这部不仅了解道路规则、还能应对其他车辆的自动驾驶汽车中进行。到了那时,我们真的还会在乎这种人工智能到底是真是假吗?


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/494060.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

可自由扩展的圆角矩形制作方法

转自&#xff1a;http://golen.blog.sohu.com/96114249.html 制作一个好的web标准站点,扩展性要多考虑,扩展性做的好的网站,会给后期的维护和升级会带来很大的方便.现在总结一下我做web以来,可扩展的圆角矩形的制作方法:方法一:命名:round.gif: 代码如下: <!DOCTYPE html PU…

GE刚刚换帅,就向艾默生出售智能平台业务?刚刚换帅,GE又向艾默生出售智能平台业务,未来究竟何去何从?...

来源&#xff1a;路透社、知识自动化等物联网智库 整理发布摘要&#xff1a;智能平台出售背后&#xff0c;GE和艾默生各自有何打算&#xff1f;GE多事之秋能否迎来回春转机&#xff1f;昨晚&#xff0c;据消息&#xff1a;艾默生电气公司(Emerson Electric)同意收购通用电气&am…

豆瓣加载动画实现

最终效果如下 ValueAnimator类API 简介 ofFloat(float… values) 构建ValueAnimator&#xff0c;设置动画的浮点值&#xff0c;需要设置2个以上的值setDuration(long duration) 设置动画时长&#xff0c;默认的持续时间为300毫秒。setInterpolator(TimeInterpolator value) 设…

下一次 IT 变革:边缘计算(Edge computing)

来源&#xff1a;云头条摘要&#xff1a;外媒 ZDnet 发布了此篇边缘计算领域的重要文章&#xff0c;详细分析了各机构不同的定义、市场状况、前景等&#xff0c;经编译&#xff0c;供各位参考数十亿物联网设备和5G网络这两股力量必将推动计算工作负载的部署方式发生深远而重大的…

WebService入门

webservice 的概念&#xff0c;解决什么问题&#xff1f; webservice 就是一个应用程序&#xff0c;它提供一种通过web 方式访问的api. 解决两个系统或者&#xff08;应用程序&#xff09;之间的远程调用….. 调用是跨语言&#xff0c;跨平台… webservice 最基本的组成部分…

Google联手Facebook 要在AI研究上搞什么大事?

来源&#xff1a;网易智能 摘要&#xff1a;Google和Facebook宣布&#xff0c;使开源机器学习框架PyTorch与Tensor-Processing Units&#xff08;TPU&#xff09;进行合作。这种伙伴关系标志着人工智能研究合作进入新时代。“今天&#xff0c;我们很高兴地宣布&#xff0c;Goog…

WebService之CXF框架

本文主要包括以下内容 ant工具的使用利用cxf实现webservicecxf与spring整合 ajax访问webservice ant 工具 1、为什么要用到ant这个工具呢&#xff1f; Ant做为一种工具已经广泛被使用&#xff0c;并且历史悠久。 使用ant的内置命令&#xff0c;可以编译java源文件(javac)…

Java之IO操作总结

所谓IO&#xff0c;也就是Input与Output的缩写。在java中&#xff0c;IO涉及的范围比较大&#xff0c;这里主要讨论针对文件内容的读写 其他知识点将放置后续章节 对于文件内容的操作主要分为两大类 分别是&#xff1a; 字符流字节流 其中&#xff0c;字符流有两个抽象类&…

谷歌无人车离奇车祸曝光:人类安全员睡着后,误触关闭了自动驾驶

来源&#xff1a;量子位离奇&#xff0c;真离奇。一场已经被掩盖数月的谷歌无人车&#xff08;Waymo&#xff09;离奇车祸&#xff0c;刚刚被The Information曝光。车祸的发生地&#xff0c;就在距离谷歌加州山景城总部不远的高速公路上。那是一个六月的早晨。一辆Waymo无人车正…

强烈推荐:240多个jQuery插件

概述 jQuery 是继 prototype 之后又一个优秀的 Javascript 框架。其宗旨是—写更少的代码,做更多的事情。它是轻量级的 js 库(压缩后只有21k) &#xff0c;这是其它的 js 库所不及的&#xff0c;它兼容 CSS3&#xff0c;还兼容各种浏览器&#xff08;IE 6.0, FF 1.5, Safari 2.…

揭秘|超乎想象!未来50年将出现的九大黑科技……

来源&#xff1a;世界科技创新论坛Insititute for the Future是一家专门做预测的研究机构。该机构的首席研究总监Mark Frauenfelder详细描述了人类在未来能够用上&#xff0c;而今天却仍被认为不可能发生的事物。赶快一起来看看这些未来将出现的黑科技吧。1、大脑移植&#xff…

Android手绘效果实现

效果图 原理 大概介绍一下实现原理。首先你得有一张图&#xff08;废话~&#xff09;,接下来就是把这张图的轮廓提取出来&#xff0c;轮廓提取算法有很多&#xff0c;本人不是搞图像处理的&#xff0c;对图像处理感兴趣的童鞋可以查看相关资料。如果你有好的轮廓提取算法&…

干货|120页精华PPT详解工业机器人本体设计运算及仿真

来源&#xff1a;哈尔滨工业大学摘要&#xff1a;120页精华PPT详解工业机器人本体设计运算及仿真未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能&#xff0c;互联网和脑科学交叉研究机构。未来智能实验室的主要工作包括&#xff1a;建立AI智能系统智商评测体…

环信SDK集成

利用环信SDK可以实现即时通讯&#xff0c;但在集成的过程中碰到了不少的坑。 注意 选择项目路径&#xff0c;这里以最新版环信demo为例 注意&#xff1a;环信的ChatDemoUI这个demo里边因为研发的同事为了照顾老版本的AndroidStudio使用者&#xff0c;已经用eclipse生成了bui…

协作机器人先驱宣布倒闭!累计融资10.3亿元,贝佐斯投资八轮

来源&#xff1a;量子位一家机器人领域的头部玩家&#xff0c;还不是说倒下就倒下了。上个月&#xff0c;协作机器人的先驱Rethink Robotics刚刚宣布出售第2500个机器人产品&#xff0c;而昨天&#xff0c;就又宣布关门大吉了。CEO Scott Eckert在接受外媒The Robot Report采访…

YOLOv8改进 | 2023注意力篇 | MSDA多尺度空洞注意力(附多位置添加教程)

一、本文介绍 本文给大家带来的改进机制是MSDA&#xff08;多尺度空洞注意力&#xff09;发表于今年的中科院一区(算是国内计算机领域的最高期刊了)&#xff0c;其全称是"DilateFormer: Multi-Scale Dilated Transformer for Visual Recognition"。MSDA的主要思想是…

贝索斯专访:亚马逊帝国大规模业务转型的秘诀

来源&#xff1a;机器之能摘要&#xff1a;这篇文章简明、清晰地揭示出这家似乎没有边界、无拘束公司成功「转身」背后的逻辑与秘诀。与美国的其它科技业巨头不同&#xff0c;亚马逊并没有一个总的企业园区。在其全球的 57.5 万名雇员中&#xff0c;有 4.5 万名员工和管理人员位…

2018及过去20年诺贝尔化学奖获奖者及其贡献!

来源&#xff1a;科学网摘要&#xff1a;2018及过去20年诺贝尔化学奖获奖者及其贡献&#xff01;2018年诺贝尔化学获的获得者为美国科学家Frances H. Arnold, George P. Smith和英国科学家George P.Winter&#xff0c;他们利用进化的力量为人类造福。获奖的内容分别是研究酶的定…

RxJava学习入门

RxJava是什么 一个词&#xff1a;异步。 RxJava 在 GitHub 主页上的自我介绍是 “a library for composing asynchronous and event-based programs using observable sequences for the Java VM”&#xff08;一个在 Java VM 上使用可观测的序列来组成异步的、基于事件的程序…

解读2018年诺贝尔化学奖成果:用进化的力量解决化学问题

来源&#xff1a;新华网摘要&#xff1a;新华社斯德哥尔摩&#xff11;&#xff10;月&#xff13;日电 科普&#xff1a;用进化的力量解决化学问题——解读&#xff12;&#xff10;&#xff11;&#xff18;年诺贝尔化学奖成果地球的生命经过长期进化最终获得强大的适应力&am…