基础理论研究是人工智能持续发展的保证

640?wx_fmt=jpeg

来源:图灵人工智能

摘要: 人工智能的主流技术的发展大致经历了三个重要的历程。


 人工智能的主流技术的发展大致经历了三个重要的历程。1956-1965年,人工智能的形成期,强调推理的作用。一般认为只要机器被赋予逻辑推理能力就可以实现人工智能。不过此后人们发现,只是具备了逻辑推理能力,机器还远远达不到智能化的水平。1965-1990年,人工智能的“知识期”。这一时期,人们认为要让机器变得有智能,就应该设法让机器具有知识。


后来人们发现,知识获取相当困难。1990年至今,人工智能进入“机器学习期”。随着各种机器学习算法的提出和应用,特别是深度学习技术的发展,人们希望机器能够通过大量数据分析,从而自动学习出知识并实现智能化水平。这一时期,随着计算机硬件水平的提升,大数据分析技术的发展,机器采集、存储、处理数据的水平有了大幅提高。特别是深度学习技术对知识的理解比之前浅层学习有了很大的进步,Alpha Go和中韩围棋高手过招大幅领先就是人工智能的高水平代表之一。


人工智能发展的62年中,有高潮,有低潮,呈现波浪式前进,螺旋式提升。1960年代,人工智能大发展, 1970年代,人工智能处于低潮,特别是神经网路、机器翻译等的研究项目大量取消。1980年代,人工智能发展迎来了“日本五代机”大好时光。但是到1988年,“日本五代机”研究没有达到预期的目标,引起人们反思人工智能的研究。1991年,人工智能顶级刊物“Artificial Intelligence”第47卷发表了人工智能基础专辑,指出了人工智能研究的趋势。Kirsh在专辑中提出了人工智能的五个基本问题:


(1) 知识与概念化是否是人工智能的核心?

(2) 认知能力能否与载体分开来研究?

(3) 认知的轨迹是否可用类自然语言来描述?

(4) 学习能力能否与认知分开来研究?

(5) 所有的认知是否有一种统一的结构?


这些问题都是与人工智能有关的认知问题, 必须从认知科学的基础理论进行探讨。基础理论研究是为获得关于现象和可观察事实的基本原理及新知识而进行的实验性和理论性工作,它不以任何专门或特定的应用或使用为目的。


在过去的几年间,由于神经网络,或者“深度学习”方法的飞速发,人工智能已经发生了一场变革,这些人工智能方法的起源都直接来自神经科学。1943年,心理学家麦克洛奇(W S McCulloch) 和数理逻辑学家皮兹 (W Pitts) 在《数学生物物理公报 (Bulletin ofMathematical Biophysics)》上发表了关于神经网络的数学模型,提出了MP神经网络模型,开创了人工神经网络的研究。


神经计算的研究以建设人工的神经网络作为开端,这些神经网络能计算逻辑函数。不久之后,有人提出了另外的一些机制,认为神经网络中的神经元可能可以逐步地从监督式的回馈或者非监督方法中有效的编码环境统计下进行学习。这些机制打开了人工神经网络研究的另一扇大门,并且提供了当代对深度学习进行研究的基础。费尔德曼(Feldmann) 和 巴拉德(Ballard) 的连接网络模型指出了传统的人工智能计算与生物的“计算"的区别, 提出了并行分布处理的计算原则。


1985年,欣顿(Hinton)和塞杰诺斯基(Sejnowsky) 提出了一个可行的算法,称为玻耳兹曼(Boltzmann) 机模型。他们借用了统计物理学的概念和方法,首次提出了多层网络的学习算法。1986年,鲁梅尔哈特(Rumelhart) 和 麦克莱伦德(McClelland) 等人提出并行分布处理(Parallel Distributed Processing, 简称PDP) 的理论。一群神经科学和认知科学家意识到,他们的研究属于平行分布式处理(PDP)。


当时,大多数的人工智能研究都集中在基于序列计算建立逻辑处理系统,这一概念部分是受到这样一种思路的启发——人类的智能包含了对符号表征的处理。但是,在有一些领域,越来越多的人意识到,纯粹的符号方法可能过于脆弱,并且在解决人类习以为常的现实问题时,可能不够灵活。取而代之的是,关于大脑基础知识的不断增加,指出了一个非常不一样的方向,强调动态和高度平行信息处理的重要性。基于此,PDP兴起提出了一个思路:人类的认知和行为来自动态的、分布式交互,并且基于神经网络内单一类神经元的处理单元,通过学习进程来对交互进行调整,他们通过调整参数,以将误差最小化,将反馈最大化。在各个地方,神经科学为架构和算法的范围提供了初步指导,从而引导人工智能成功应用神经网络。


除了在深度学习发展中的神经科学发挥重要作用之外,神经科学还推动了强化学习(RL)的出现。 强化学习方法解决了如何通过将环境中的状态映射到行动来最大化未来奖励的问题,并且是人工智能研究中使用最广泛的工具之一。深度 Q 网络(DQN)通过学习将图像像素的矢量转换为用于选择动作(例如操纵杆移动)的策略,在 Atari 2600 视频游戏中展现出专家级的水平。DQN 的一个关键因素是“体验重播”(experience replay),其中网络以基于实例的方式存储训练数据的一部分,然后“离线重播”,从过去新发现的成功或失败中学习。体验重播对于最大限度地提高数据效率至关重要,避免了从连续相关经验中学习的不稳定的影响,使网络即使在复杂、高度结构化的顺序环境中,也能学习可行的价值函数。


体验重播直接受理论的启发,这些理论旨在了解哺乳动物大脑中的多个记忆系统如何相互作用。动物的学习行为是由海马和新皮质中互补学习系统为基础。DQN 中的重播缓冲区可以被视为一个非常原始的海马,使计算机能够进行辅助学习,就像在生物大脑里发生的那样。后续工作表明,当具有高度奖励价值的事件重播被优先考虑时,DQN 中体验重播的好处得到了增长,正如海马重播似乎更偏好能够带来高水平强化的事件一样。


存储在内存缓冲区中的体验不仅可以用于逐渐将深度网络的参数调整为最佳策略(就像在 DQN 中那样),还可以根据个人经验支持快速的行为变化。事实上,理论神经科学已经证明了情景控制的潜在好处,在生物大脑的海马中,奖励动作序列能够在内部从快速可更新的记忆库中被重新激活。此外,当获得的环境经验有限时,情景控制特别优于其他的学习机制。最近的人工智能 研究已经吸取了这些想法来克服深度强化学习网络学习慢的特性,开发了实现情景控制的架构。这些网络存储特定的体验,并且基于当前情况输入和存储在存储器中的先前事件之间的相似性来选择新的动作,考虑与之前的事件相关联的奖励。


智能科学是由脑科学、认知科学、人工智能等构建的前沿交叉学科,研究智能的基本理论和实现技术。脑科学从分子水平、细胞水平、行为水平研究人脑智能机理,建立脑模型,揭示人脑的本质。认知科学是研究人类感知、学习、记忆、思维、意识等人脑心智活动过程的科学。人工智能研究用人工的方法和技术,模仿、延伸和扩展人的智能, 实现机器智能。智能科学是实现人类水平的人工智能的重要途径,引领新一代人工智能的发展。


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/494915.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

鼠标关机后仍然发光的实用解决方法

现在朋友们用的鼠标大多数都是光电鼠了,但是大家注意到这样一个现象没有呢?就是在正常关机以后鼠标仍然在继续发光而不会灭,为什么呢??如何才能解决这样的问题呢??下面就介绍一下“让鼠标在关机…

kettle创建mysql资源库

步骤: 1. 创建一个库: create database xxx; 2. 创建kettle用户,密码也为kettle 3. 给kettle用户使用xxx 库的权限。 4. 刷新权限,使权限生效。 代码: create database xxx; DROP USER kettle10.150.xx.xx ; CREATE USER ket…

代换链表入口节点

题目: 给定一个链表,返回链表开始入环的第一个节点。 如果链表无环,则返回 null。为了表示给定链表中的环,我们使用整数 pos 来表示链表尾连接到链表中的位置(索引从 0 开始)。 如果 pos 是 -1,…

新AI技术破解“人脑密码”的艰辛历程

来源:人工智能大健康摘要: 就智能感知而言,如何获取人类脑部思维同样是业内长期探索的问题。就智能感知而言,如何获取人类脑部思维同样是业内长期探索的问题。可以预见的是,单纯通过思维指令来控制人工智能的行为&…

JavaScript事件捕获与事件冒泡原理 IE和DOM之间存在哪些主要差别

事件——怎样使用事件以及IE和DOM事件模型之间存在哪些主要差别。 (1)冒泡型事件:事件按照从最特定的事件目标到最不特定的事件目标(document对象)的顺序触发。 IE 5.5: div -> body -> document IE 6.0: div -> body -> html -&…

mysql为什么选错索引?怎么解决?

mysql为什么选错索引? 在进行慢SQL分析的时候,有时候我们会发现explain的扫描行数和慢日志中的行数相差很大,那explain中的rows这个扫描行数是怎么判断的? 其实MySQL在真正开始执行语句之前,并不能精确的满足这个条件…

复制带随机节点的链表

题目: 给定一个链表,每个节点包含一个额外增加的随机指针,该指针可以指向链表中的任何节点或空节点。 要求返回这个链表的深拷贝。 解题思路: 这道题的一个难点就是链表中的随机指针,我能想到的就是在这个链表的每个节…

北斗三号系统第九、十颗组网卫星三大看点

来源:新华网29日,北斗三号第九颗、第十颗卫星在西昌卫星发射中心腾空而起,此次发射的两颗卫星是北斗导航全球组网从最简系统迈向基本系统的首组卫星。北斗的建设,像一场马拉松比赛,既考验耐力又比拼速度。作为“北斗大…

写代码这条路,能走多远?

职场危机感似乎是每个人在职业生涯都会遇到的话题,我对这种危机处境和自己曾遇到的问题进行了一番思考, 参考了其他人的一些结论并结合自身的经历,设计了应对的初步方案。 通过这篇文章,希望能给大家一些启发,也欢迎大…

【笔记】用正则匹配字符串的方法摘抄

<script type"text/javascript"> <!-- var zhengze /as/g; alert(typeof zhengze) var zfc asjkkjkjasjkjlkjas; //正则的方法 aa zhengze.exec(zfc)//返回找到第一个as&#xff0c;一般会配合index使用 bb zhengze.test(zfc)//返回的是否找到as的bool…

AMD VS 英特尔:芯片制造实力似乎正在发生逆转!

来源&#xff1a;网易智能参与: 天门山据国外媒体MarketWatch报道&#xff0c;芯片制造业似乎正在发生重大变化&#xff0c;AMD好像成为和对手英特尔竞争的赢家。在这两家芯片制造商本周公布季度财报之后&#xff0c;分析师表示&#xff0c;英特尔陷入产品延迟和管理上的不确定…

把数组排列成最小的数(详解)

题目&#xff1a; 输入一个正整数数组&#xff0c;把数组里所有数字拼接起来排成一个数&#xff0c;打印能拼接出的所有数字中最小的一个。例如输入数组{3&#xff0c;32&#xff0c;321}&#xff0c;则打印出这三个数字能排成的最小数字为321323。 题目解析&#xff1a; 看到…

Linux tar命令详解

tar -c: 建立压缩档案 -x&#xff1a;解压 -t&#xff1a;查看内容 -r&#xff1a;向压缩归档文件末尾追加文件 -u&#xff1a;更新原压缩包中的文件 这五个是独立的命令&#xff0c;压缩解压都要用到其中一个&#xff0c;可以和别的命令连用但只能用其中一个。下面的参数是根…

人工智能预测AI系统的“心灵”与“行为”

来源&#xff1a;中国科学网任何同Siri或Alexa有过令人沮丧的互动体验的人都知道&#xff0c;数字助理无法同人类媲美。而它们需要的是被心理学家称为“心智理论”的东西—— 一种意识到其他人的信念和欲望的能力。如今&#xff0c;计算机科学家创建了能窥探其他计算机“心灵”…

Linux grep命令详解

Linux grep命令用于查找文件里符合条件的字符串。 grep指令用于查找内容包含指定的范本样式的文件&#xff0c;如果发现某文件的内容符合所指定的范本样式&#xff0c;预设grep指令会把含有范本样式的那一列显示出来。若不指定任何文件名称&#xff0c;或是所给予的文件名为&q…

java基础1

1. 变量须先声明&#xff0c;再赋值&#xff0c;才使用。 &#xff08;1&#xff09;方法内的变量叫局部变量&#xff0c;方法外的变量叫成员变量 &#xff08;2&#xff09;基本数据类型&#xff1a;4类8种。 其余的叫引用数据类型。 &#xff08;3&#xff09;变量作用域&…

Firebug控制台详解[转]

Firebug是网页开发的利器&#xff0c;能够极大地提升工作效率。 但是&#xff0c;它不太容易上手。我曾经翻译过一篇《Firebug入门指南》&#xff0c;介绍了一些基本用法。今天&#xff0c;继续介绍它的高级用法。 Firebug控制台详解 作者&#xff1a;阮一峰 控制台&#xff0…

跳石板(详解)

题目链接&#xff1a; https://www.nowcoder.com/practice/4284c8f466814870bae7799a07d49ec8?tpId85&&tqId29852&rp1&ru 题目分析&#xff1a; 这道题就是计算从N开始加&#xff0c;最少加几次等于M&#xff0c;前提条件是每次相加的数必须是当前数的约数 思…

Python面试题大全(一):基础知识学习

目录 Python基础 文件操作 1.有一个jsonline格式的文件file.txt大小约为10K 2.补充缺失的代码 模块与包 3.输入日期&#xff0c; 判断这一天是这一年的第几天&#xff1f; 4.打乱一个排好序的list对象alist&#xff1f; 数据类型 5.现有字典 d {a:24,g:52,i:12,k:33}请…

智能机器人与系统高精尖创新中心2018年度开放基金项目申报通知

来源&#xff1a;机器人大讲堂摘要&#xff1a;为推动中心的基础研究和关键技术的自主创新&#xff0c;聚集和培养优秀青年科技人才&#xff0c;使中心成为国内智能机器人与系统领域高水平科学和技术研究的重要基地&#xff0c;特设立开放基金。智能机器人与系统高精尖创新中心…