انقر على رأس تألق الحياة أسبوع!

من خلال الحصول على فترة مظلمة من الشبكة العصبية لمعرفة عمق من الثلاثة الكبار، وصلت أخيرا في لحظات الخفيفة العالية - 27 مارس 2019، ACM (جمعية ComputingMachinery، رابطة آلات الحوسبة) أعلن جيفري هينتون (جيفري هينتون)، يانغ Likun (يان ليكون) ويوشع بن جيو (YoshuaBengio) أصبحت جائزة تورينج 2018.

صور من amturing.acm.org

أصدرت جائزة تورينج في نفس اليوم، يمكن ماستر Xiqie لي بان (CherriM.Pancake) قال ACM عند تقييم ثلاث مساهمات في مجال الذكاء الاصطناعي، "العمل هينتون، LeCun Bengio بشكل مستقل وجنبا إلى جنب لوضع الأساس النظري لعمق تعلم الشبكات العصبية في هذا المجال، من خلال تجارب ومشاريع عملية إظهار مزايا عمق الشبكات العصبية".

في النهاية ما هو "التعلم العميق"؟

في الواقع، فإن تعريف عمق التعلم والذكاء الاصطناعي كما هو، والناس العاديين في كثير من الأحيان المزعجة الفم، ولكن في الواقع لا اقول واحد. إذا كان لديك للوصول الى القاع، لمحة من 27 مايو 2015 والثلاثة الكبار معا نشرت ورقة بعنوان "التعلم العميق" (التعلم العميق). الورق المستخدم هو إجماع الصناعة، نسخة مبسطة نسبيا: "أسلوب التعلم العميق هو استخدام الشبكات العصبية لحل مشكلة تعلم الآلة. فيما بينها، والشبكة العصبية هي استعارة". وقالت خطوة الشهر حالة الأموال الدائمة له (الذكاء الاصطناعي، جمعية الذكاء الاصطناعي لرابطة النهضة للتقدم) في أعلى جنة مؤتمر الذكاء الاصطناعي AAAI الدولية برنامج كقضاة، دكتوراه في علوم الكمبيوتر بعد تخرجه من جامعة كاليفورنيا في ديفيز، انضم أيضا واتسون IBM كعالم استخراج البيانات.

رئيس ACM جوائز كلمة يمكن أن يفهم من نقطة بسيطة من الرأي، "المساهمات الثلاث في مجال التعلم العميق، وبالتالي فإن خوارزمية تصبح أكثر دقة."

الشكل | صور خريطة الشبكة

هذا "شبه" يبدو خفيف الوزن، وراء هينتون، الذي منذ واصلت في 1980s الجهود.

والفائزين، "التعلم العميق" من الداخل في نفس الوقت لا ننسى أن OpenAI Yier يا Sucikewei الجملة يهنئ رئيس الاقتراض عالم (IlyaSutskever)، "كنا خارج النظام، في محاولة لإثبات أن الطريق التقليدي خاطئ، ومع ذلك، تجدر الإشارة إلى أن فترة وجيزة أصبحنا الأرثوذكسية".

التقليدية Sucikewei الفم، فمن الماضي نموذج الحوسبة التقليدية، مثل لعب الورق مثل الكمبيوتر، ومكتوب على أساس يدويا على معارف الخبراء كأساس لتوجيه قوالب قاعدة جيدة، والخوارزميات التي صممها الاصطناعي محددة مسبقا آلة لتنفيذ. في دراسة متعمقة، سيقوم الكمبيوتر لا تحصل على تعليمات محددة حول كيفية حل هذه المهمة، "يمكن للكمبيوتر يفكر مثل البشر، فهي تعتمد على الحدس وليس القاعدة." وهذا كان هينتون التمسك بالرأي، وهو أيضا أول من فكر واحد آلات عالم والعلاقات الإنسانية.

فيلم "الذكاء الاصطناعي" اللقطات

على مر السنين، وقد عمق الشبكة العصبية في الشك الصناعة والبرد "، ويرجع ذلك أساسا إلى انخفاض العصبي في وقت مبكر نموذج الشبكة التعقيد، فقط 3-4 طبقات، لا يمكن التعامل معها على نطاق واسع، والبيانات المتنوعة، مع الخوارزميات التقليدية الأخرى من ليس هناك ميزة بدأت الأمور تتغير في السنوات الأخيرة، والتقدم في مجال الحوسبة المتوازية والجديدة خوارزمية الشبكة العصبية، فقد وجد أن الشبكات العصبية متعدد الطبقات ردا على نمط البيانات الضخمة تعكس ميزة لا يصدق. "Sogou إلى ذكاء Q & باحث مشارك وقال ريشة المجلة.

هينتون تشجيع استخدام آلة التعلم بحوث الذكاء الاصطناعي، وهو مستوحى الدماغ البشري - مرة واحدة، هينتون صديق لأعماله الهولوغرام وصف، والعديد من سطح الجسم تنعكس يتم تسجيلها ضوء وتخزينها في قاعدة بيانات ضخمة. يفكر في كيفية عمل الدماغ، أن كتلة من الخلايا متصلة بواسطة خرائط العصبية معا، ونقل المعلومات بينهما - من هنا، هينتون الراغبين في استكشاف نظام التعلم الجهاز من خلال الطريقة التي يعمل بها الدماغ البشري. " اقترحت الشبكة العصبية الاصطناعية "(الشبكات العصبية الاصطناعية)، وضعت مسؤول الأساس لدراسة تعلم الآلة.

في الواقع، أنت وأنا تقديم نظرية تكنولوجيا التعرف على الكلام، معالجة اللغات الطبيعية والحياة الأخرى المعنية تتعلق ثلاث منها الكامنة.

على سبيل المثال، قد تكون قادرا على إدراك دقة أدوات الترجمة على الانترنت ديك ترقية الضخمة؟ أيضا متنوعة المشتركة من المنتجات الترجمة إلى التطبيق العملي لوسائل الموقع لإثبات قدرتها على "الترجمة الآلية" خلال العامين الماضيين جميع أنواع اجتماع الراقية - قال المتحدث الضيف على خشبة المسرح مع لهجة باستمرار، وبجوار الترجمة إسقاط ضخمة أداة الجملة غير توقف الترجمة من قبل الحكم. وعلى الرغم من السخف في بعض الأحيان، ولكن حتى أكثر غرابة هو أنك لن تكون مذهلة قدرات الترجمة الآلية لها.

2 منذ سنوات، يمكنك استخدام أي من الترجمة الآلية على الانترنت، والمنطق الذي يستند إليه أيضا تدور حول الخصائص الإحصائية الأساسية وحجم القالب، فيما يتعلق بقواعد القالب، على سبيل المثال، مثل سلسلة من قبل قالب يحتوي على جميع أنواع الأحكام، وآلة رؤية الحكم، لأول مرة مع جميع أنواع القوالب للتطبيق. مرة واحدة في الجملة القياسية ليست كافية، وهناك لا يتوافق مع القالب الأصلي، فإن جودة الترجمة الانخفاض. واضاف "اذا كنت مثلي الحوار الحر، وسوف تجد أن الترجمة ليست بطلاقة في. وعموما، هذا هو الجهاز 'القدرة' الفقراء نسبيا". وقال ريشة.

"الذكاء الاصطناعي: نهج الحديثة" هذا AI دائرة الكتاب المقدس، المذكورة في الفصل الأول من الكتاب: منظمة العفو الدولية لديها أربعة اتجاهات، 1) كما يظن الناس؛ 2) تتصرف مثل الناس؛ 3) التفكير العقلاني؛ 4) تعمل بعقلانية. إلى ريشة وأضاف، "هينتون الذي تركز الاهتمامات البحثية الحالية في الفئة الثالثة، وهذا هو، والسماح للآلة يمكن التفكير بعقلانية، وأنها تريد أن تعرف" ذكي "في نهاية المطاف هو ما، وكيفية وضع هذه الأجهزة" فهم " للتعبير؟ ولكن في هذه المرحلة من أبحاثهم إلى حد ما يعتمد على بعض الإنجازات في علم الأعصاب، يمكننا ان نقول ان أبحاثهم يرتبط أيضا إلى العنصر 1، وهو "مثل الناس يعتقدون" المحتوى. "

بغض النظر، هينتون وغيرها الجهود، وبالفعل دقة الترجمة الآلية، وخاصة في الطلاقة الدلالية واستعادة الأساسية إلى المستوى الإنساني. حتى عام 2017 WMT (ورشة عمل حول الترجمة الآلية، الترجمة الآلية قمة المنافسة الدولية) الاعلان الرسمي للنتائج، على سبيل المثال: صوت التفاعلية Sogou مركز تكنولوجيا - في اللغة الإنجليزية ونظام الترجمة الآلية المقدمة من فريق، وفاز في أول تقييم اتجاهين اليدوي .

"الذكاء الاصطناعي: أزمة انقراض" اللقطات

هينتون عمق نظرية التعلم، و "العودة انتشار" الخوارزمية أوسع مجموعة من التطبيقات. بعد وضع مفهوم الفعلي إلى الأمام في عام 1986، وحتى كمية البيانات بما فيه الكفاية كبيرة، ونموذج أيضا تعزيز القدرات التدريبية، وكانت قدرة خوارزمية لتظهر .

في نفس الوقت، واحدة من تورينج جائزة الفائز جيو هذه الإنجازات البحثية في مجال اللغة هي أيضا جيدة جدا. انه استخدم لغة "منفصلة vectorized" للقيام نموذج اللغة، التي أصبحت أساس الشبكات العصبية في معالجة اللغة الطبيعية. وقد شارك في هذا جيو نشرت ورقة، "العصبية نموذج اللغة احتمال" (A العصبية الاحتمالية اللغة النموذجي)، وكلمة الأبعاد عالية جزءا لا يتجزأ من (عالية-Dimentional كلمة التضمينات) وصفها بأنها معنى الكلمة. في وقت لاحق وكان هذا المقال على الأبحاث NLP (مثل الترجمة، ومسابقات ومسابقة مهمة بصرية) لها تأثير عميق.

خطوة الشهر المال الاطلاع من خلال هينتون نشرت الصحف "العودة انتشار" الخوارزمية، وقال المنشور، "العودة انتشار التعلم نموذج قادر على خوارزميات المفتاح حساب التدريب عمق مريحة للشبكة العصبية الحديثة، فإنه يمكن جعل على أساس التدرج تراجع مقارنة مع التدريب التقليدي لأداء مليون مرة أسرع ". هذا هو السبب في الترجمة الآلية يمكن أن تكون التنمية منغ جين المفاجئة في عامين فقط، وتستخدم في صناعة الاستعارة هي، "هذا هو النموذج الذي يأخذ أسبوع من التدريب، وقضى 20 عاما من الفرق".

خريطة | الرؤية الصينية

وهذا بالطبع تستفيد أيضا من أجهزة الرسومات المحدثة، قوة الحوسبة المتوازية. في السابق، أحرز الشبكة العصبية في "التعرف على الصور" تقدما هائلا في هذا المجال، ويستمد النظرية الكامنة وراء المنطق من الطالب هينتون، واحدة من الفائز جائزة تورينج يانغ Likun من CNN (التلافيف الشبكات العصبية، والالتواء الشبكة العصبية) وقال انه سوف يعود يدخل نشر خوارزمية CNN، واخترع تقاسم الوزن، وتجميع وغيرها من الحيل لجعل CNN هو في الحقيقة أكثر المتاحة. بالإضافة إلى مساعدة التفاف الروبوتات الشبكة العصبية ورؤية المركبات الذاتية، ولكن يتم تطبيق الشيء الرئيسي على التعرف على الوجوه والأشياء وإشارات المرور.

كما ذكر رئيس لكلمة جوائز ACM، "لا أحد في جيوبهم الهواتف الذكية يمكن أن تواجه التقدم في معالجة اللغة الطبيعية ورؤية الكمبيوتر".

الكل في الكل، والعودة انتشار تكنولوجيا الشبكة العصبية هي أساس كل على التوالي، انها "سهلة" هو أيضا يجعل مباشرة على الشبكة العصبية لاطلاق النار حتى دائرة الكمبيوتر. "في السنوات الأخيرة، والتعلم الآلي والمواد ذات الصلة تناقش أساسا التعلم العميق، على الأقل أكثر من نصف النسبة." المال الخطوة لمدة شهر وغالبا ما تكون بعض من أعلى المراجعين مؤتمر الذكاء الاصطناعي - بسبب مجال الكمبيوتر المتغيرة باستمرار، وإرسال عموما المقال في الاجتماع، بدلا من فترة طويلة من المجلات الاستعراض.

الجميع المشاركين في الدراسة المتعمقة

وعموما، هينتون، الذي إنجاز الدراسات هو جزء لا يتجزأ من العوامل المواتية، وهناك أيضا بيانات النموذج. مع البيانات كبيرة بما يكفي، فإن تأثير النموذج سيكون على ما يرام، ولكن اذا كان النموذج لا يكفي جيدة، بغض النظر عن مقدار البيانات عديمة الفائدة.

ثم، تأتي البيانات من؟ بالطبع، أنت وأنا خلقت. أكثر المثال النموذجي هو "إدخال رمز التحقق" هذا السلوك. وكان عاملون في دراسة متعمقة وقال بابتسامة: "خسرنا هذا الرمز هو في الواقع عمل الذكاء الاصطناعي".

نظام الرمز الأكثر استخداما على نطاق واسع هو اختبار reCAPTCHA (تماما الآلي العامة لاختبار تورينج أخبر كومبيوتر والبشر بصرف النظر، التمييز بين الانسان والآلة النظام الآلي اختبار تورينج)، وقد حصلت الشركة من قبل Google، وتحمل معظم الشبكات في العالم التحقق الانسان والآلة.

فيلم "الذكاء الاصطناعي" اللقطات

أدخل مدونة لقواعد السلوك في وقت مبكر فقط للتحقق من أنك حقا للبشرية، ولكن يوم واحد، واحد من مؤسسي اختبار reCAPTCHA، لويس فون اهن (لويس فون اهن) يعتقد فجأة: "إذا كان الإنسان مع الآلة جيدة خاصة بهم، لا يمكن أن يكون استخدام رمز التحقق النظام للسماح البشر والآلات معا من أجل حل المشكلة؟ "

الفكرة في عملية التنفيذ هو استخدام جوجل اختبار reCAPTCHA لمساعدة علامة البيانات - وهذا هو الأكثر شيوعا، جوجل ستريت فيو من الصعب تحديد الأرقام والرموز إضافة رمز التحقق، يرجى علامة مساعدة المستخدم. وهذا المستخدم هو الآلاف والآلاف من أنت.

هذا هو الترتيب المعنى الحقيقي للتحقق من أصل رمز إلى العمل. في الموقع الرسمي اختبار reCAPTCHA، وجوجل أيضا وصفت علنا وضع اختبار reCAPTCHA الجمهور في حين أن البيانات والتدريب الذكاء الاصطناعي "التعهيد الجماعي" النموذج.

في المستقبل القريب، سوف الحب الظاهري والحكمة من زيادة الذكاء الاصطناعي تصبح جزءا من اختيار حب الناس. (توضيحات: شارلوت فو)

التسمية، والافتراض هو عمق التعلم. أنت وأنا وتشارك فعليا في كمية تراكم البيانات التعلم من العمق، حتى اندلاع العملية الفنية برمتها.

وفي الوقت نفسه، فإن الدراسات الثلاث في مجال الشبكات العصبية كما يؤدي مباشرة التعلم العميق من النمو الهائل في الصين. "وقال بعد يانغ Likun للصين العام الماضي، الشركات الصينية ترى دراسة بحثية الحماس عمق مباشرة على تويتر الشعب الصيني تطرف (تفعل أكثر من اللازم) حقيقة أن يعني أن حماسنا مليئة رغوة." تشيان خطوة May'm متشائم نوعا ما، "التكنولوجيا الحالية يمكن أن تحقق دراسة متعمقة لمدى وتوقعات الناس ليست متسقة تماما. يمكنك الحصول على عشرة آلاف الصور من القطط لتدريب الجهاز، يمكن للآلة يقرروا بسرعة ما إذا كان القط أمام الصورة، ولكن عليك أن تدع القط الجهاز لا يزال من الصعب جدا العثور على أكثر من عنصر واحد عن والصورة ".

وبطبيعة الحال، والمستقبل هو دائما لا يمكن التنبؤ بها، ولكن عمق التعلم لتغيير تيار الحياة، أنت وأنا على ما يبدو قد شعرت.

جائزة تورينج الملف الفائز

جيفري E هينتون

نائب رئيس جوجل الهندسية وزميل أبحاث كبير المستشارين العلميين ناقل معهد أستاذ جامعي متقاعد في تورونتو.

وقدم مساهمة كبيرة، ومجال الرؤية الحاسوبية تدريب الشبكة العصبية. في عام 2012، وقال انه تحسن الشبكة العصبية الإلتواء، وحققت نتائج مذهلة في تقييم ImageNet الشهير.

يان ليكون

رئيس الفيسبوك معهد بحوث الذكاء الاصطناعي، واحد من مؤسسي مركز العلوم البيانات في جامعة نيويورك.

وقال انه سيتم العودة انتشار يدخل خوارزمية CNN (الشبكات العصبية الالتواء)، واخترع تقاسم الوزن، وتجميع وغيرها من الحيل لجعل CNN هو في الحقيقة أكثر المتاحة. كما وضعت كان LeNet5-- 1998 أول نطاق واسع CNN التجارية، وأنتجت مجموعة كلاسيكية من البيانات MNIST هينتون يسمى "آلة التعلم في ذبابة الفاكهة"، و.

يوشوا بيجيو

ألقت قسم علوم الحاسب وبحوث العمليات أستاذا في جامعة مونتريال، كما تعلم العميق "الثلاثة الكبار" في دانيال واحد فقط لا تزال تعمل في المجال الأكاديمي.

من حيث إطار التعلم العميق، الشبكة العصبية المتكررة (RNN)، ضد الخوارزمية، والتعلم توصيف والعديد من تراكمت البحث العلمي والتنمية في السنوات الأخيرة، وقد لعبت صعود التعلم العميق دورا كبيرا في تعزيز.

نحن نبحث في

• "أنا وكيل أعمالي": كيف النجوم المقدمة؟

• من جاي ليون لونغ تشنغ: أنا 11 عاما Starchaser الطريق

ينتمي المادة على "أسبوع الحياة" كل شيء، نرحب إحالتها إلى دائرة الأصدقاء ، طبع يرجى الاتصال الخلفية .

انقر لقراءة النص الأصلي، اليوم سوق الحياة ، وجدت أن أكثر الأشياء الجيدة.