日期归档
供求信息
您当前的位置是:首页>>供求信息>>正文

人工智能教育践行者叶伟志:AI深度学习任重而道远

发布时间:2019-08-26  浏览次数:882   文章來源:www.midg.org

今天的技术发展成果令人印象深刻。计算机可以识别图片和视频,并且可以将语音转换为文本,这比人力资源更有效。 Google还为GoogleTranslate服务添加了一个神经网络,现在机器学习正逐渐接近翻译级别的人工翻译。现实中的一些应用也令人大开眼界。例如,计算机可以预测农田的农作物产量,其准确度高于美国农业部。机器可以更准确地诊断癌症,并且准确性优于多年来一直在医疗中的老医生。要高。

深度学习已成为当下的热门词汇。人工智能教育实践者叶伟志认为,虽然深度学习的结果不断出现,但深度学习仍存在许多问题,还有很长的路要走。

首先,当前的机器学习缺乏交互式学习的能力

现在,深度学习模型,如果在新数据集上受过训练,将会忘记最初在旧数据集上训练的所有事物。需要学习自主学习的能力。我们需要这台机器能够找到一些有价值的数据和状态。

第二种学习方式称为交互式学习。当人类学习时,除了我们自己对世界的观察,总结规则外,很多学习都来自与人的互动。

另一个重要的学习方法是创造性地学习。人类智慧的核心是拥有学习和自我创造的能力。目前的机器学习在这方面非常缺乏。

其次,目前的机器缺乏常识

一个典型的例子是自动驾驶。每个学会驾驶的人都知道,从开始到驾驶能力,可能有数百公里的行驶距离。到目前为止,谷歌的无人驾驶汽车数百万辆。公里,或没有自动驾驶完全不能做到。其中一个最重要的原因是它没有人类的常识推理能力。

其结果是它需要研究人员或工程师在每种可能的道路条件下进行特定处理。它需要在数百万公里的数据中尽可能多地覆盖交通状况和道路状况。即便如此,也无法保证能够处理遇到的一些新的道路状况。人类学会驾驶,主要是控制方向盘和踩油门,因为前方的道路是打开或减速,人类可以通过常识做到这一点。

第三,目前的机器学习很难从少量的注释数据中学习

例如,在ImageNet竞赛中,每张图片平均有数千个样本需要学习。对于人类来说,学习识别新物体并向他展示一两只眼睛可能会被学习。

如何有效地使用少量注释数据进行学习?重要的是,我们需要有一个非常好的特征表示。良好的特征表示需要学习大量数据,并且未标记的大量数据需要无监督的方式来有效地表示内部特征。很高兴学习。

如何进行无监督学习?这是通过无人监督的未来预测学习。能够对未来做出预测是智力的核心部分。物理学是对简单系统的相对准确的预测,而深度学习或人类智能是对复杂系统的近似的预测。如果我们能够对未来做出更好的预测,则意味着模型可以掌握环境和变化的本质,从而可以提取一些有用的信息,从而可以有效地用于少量的注释数据。学习。

第四,许多成功的应用程序都是基于一些标记数据来学习

对于人类而言,如果我们想要区分两只鸟,我们研究的过程是根据人类的知识总结两只鸟的长度之间的差异。之前的经验也将总结这两只鸟的头部标记。差异。人类已经接受了语言的描述,知识和经验的积累,并且可以很快地学习。如今,机器无法学习人们通过语言传递的知识和注释数据的组合。

叶秋智,丘秋咨询总经理,广东天使学会合伙人,人工智能企业应用专家,高级软件开发工程师。