مصدر: الولايات المتحدة الأمريكية الخوارزميات والرياضيات
هذه المقالة عن 3800 كلمة ، اقترح القراءة 10+ دقائق.
لالاختناقات التقنية التعلم العمق، جامعة تسينغهوا، تشانغ بو، والعديد من الأكاديميين الآخرين، يتم إعطاء الأساتذة الأفكار البحثية الخاصة.
مقدمةفي المؤتمر CCF-GAIR، أكثر من الأكاديميين من قيادة كليات العلوم والهندسة الداخلية والخارجية جامعة تسينغهوا، جامعة كاليفورنيا، بيركلي وستانفورد، وHIT آخرين تجمعوا فى شنتشن، لتبادل أحدث أبحاثهم. وعلى الرغم من شرائح كل دراسة مختلفة، ولكن من خلال العروض الفنية في جميع أنحاء، وليس تجنب حقيقة أن عدد من الأكاديميين إما بشكل مباشر أو غير مباشر، لخوارزميات التعلم العميق "حرجة".
خطاب، ومرة أخرى أوضحت أن التعلم العميق من العيب، ثم نشير، في السنوات المستقبل المنظور، مع تقدم البحث، لحظة من خوارزميات التعلم عميقة ستسحب تدريجيا المذابح.
ومع ذلك، جنبا إلى جنب الأوساط الأكاديمية في تطبيق صناعة، وسوف تجد تركيز الصناعة تهبط في مجال التكنولوجيا. ما يسمى الأرض لسيناريوهات لا تعد ولا تحصى تجميعها في الطبيعة. حتى بالنسبة للشركات AI لاستكشاف الأعمال واستخدام التكنولوجيا المناسبة في حل المشاكل العملية هو العبء الأكبر.
ولذلك، فإن دراسة متعمقة معيبة، هذه المشكلة لا يمنع التطور المحتملة قصيرة الأجل من منظمة العفو الدولية حظة لا يقاوم، والقيود المفروضة على التكنولوجيا لا يعني أنه سيكون لديهم للقيام شركة AI شيء.
ولكن المترفعة الدراسة دائما تقود التكنولوجيا AI لهذه الصناعة، ولكن أيضا المحرك الرئيسي لأرباح الشركات والتغيرات الصناعة.
لذلك، في عمق التعلم والأزيز خلال الوقت الراهن، علينا أن نحاول الوقوف على الأكاديميين من "الكتف" لرؤية أبعد. رجال الأعمال في الوقت نفسه إلى الأرض، ولكن أيضا يجب أن لا ننسى أن ننظر إلى النجوم.
على الرغم من أن هذا الأمر ليس موضوعا جديدا، ولكن لا يوجد لديه وسيلة لحل المشكلة في هذه الصناعة. تم إعداد هذه المقالة لنقل بعض الأفكار الجديدة المقدمة من قبل الباحثين الأكاديميين.
العلل آلة التعلم ذلك نابع من سوء فهم ل"كبير"لحظة، هذا المصطلح في أغلب الأحيان ذكر آلة التعلم، والتعلم العميق والشبكات العصبية، مع مجموعة من المفاهيم في الرياضيات لفهم العلاقة بين هؤلاء الثلاثة، تليها العلاقة بينهما يتم تضمين، التي تحتوي على التعلم العمق تعلم الآلة تتضمن دراسة متعمقة الشبكة العصبية. حيث طبقات أربعة أو أكثر يمكن أن يسمى عمق التعلم الشبكة العصبية، والتعلم هو عمق نموذجي للتعلم الآلة.
في عام 1950، هذا الهيكل خوارزمية الشبكة العصبية يبدو، إذن، ينبغي أن تسمى اسمها الرسمي المستقبلات، ولكن يحتوي بالفعل على طبقة المدخلات، والمخرجات طبقة مخفية طبقة من الهيكل العام الكلاسيكية، ومع الضمني عدد طبقات وصف أعمق ما يمكن أن تصبح أكثر دقة.
ومع ذلك، فإن الشبكة العصبية هو نوع من خوارزمية الموجهة نحو المدخلات، وبالتالي فإن نوعية النتيجة ستعتمد على مقربة من "اللانهاية" من بيانات النظام. وهكذا، بحلول عام 2000 لا يوجد اندلاع ثورة الإنترنت، فقد كان في المرحلة مهجورة.
كما تعلمون، عمر تراكم الإنترنت كميات كبيرة من البيانات والحوسبة السحابية قوة مشغلي زادت جلبت بشكل كبير إلى حد كبير إطلاق إمكانات خوارزمية التعلم عميقة (الشبكات العصبية العميقة)، وبالتالي أيضا إلى عصر كاملة من الذكاء الاصطناعي والصناعة تطبيق لتزدهر. تشير البيانات إلى أن في عام 2017 حجم السوق من الذكاء الاصطناعي للصين بلغ 21690000000 يوان، بزيادة قدرها 52.8، ومن المتوقع أن السوق في 2018 سوف تصل 33900000000 يوان.
ومع ذلك، مع نضوج صناعة التطبيقات، فضلا عن الرغبة في الجميع حقا "الذكية"، لذلك عد قوة القيود وعمق التعلم الخوارزمية نفسه، كشفت يدع مجالا للشك.
"مفهوم الشعب في" البيانات الكبيرة "ونحن نعتقد أن بيانات الكبير هو مختلف تماما، لذلك أخذوا معالجة الصور، وكمية البيانات ترتيب مليارات تبدو عالية، ولكن بالنسبة لنا، هو في الواقع هو 'عينة صغيرة. لأن كمية البيانات التي يمكن تدريب حقا نموذج جيد، يجب أن يكون يميل إلى ما لا نهاية، وذلك حتى كميات كبيرة من البيانات لديها لتدريب نموذج، والنموذج المثالي للاستخبارات بين، ولكن أيضا الفرق في الطبيعة. "من طبيعة خوارزمية، ويشير أستاذ جامعة كاليفورنيا في بيركلي في الهندسة الكهربائية وعلوم الحاسوب ما يي أيضا إلى القيود المفروضة على التكنولوجيا الحالية الساخنة.
وهكذا من الأكاديميين ويتوجه المستثمرون في الشركات AI، وتبحث عن التكنولوجيات الجديدة والاتجاه أصبح التركيز الآن.
في التقرير الافتتاحي عن الاجتماع، جامعة تشانغ بو تسينغهوا الرغبة الأكاديمي الجميع للتفكير في "كيفية التحرك نحو الذكاء الاصطناعي صحيح" لديها تصبح نغمة للمؤتمر لمدة ثلاثة أيام، ولكن يعكس أيضا تطوير هذه الصناعة لهذه المرحلة، ومطالب الجماهير.
استكشاف اتجاهات جديدة طريقة معالجة البيانات، والأفكار الأساسية والأفكار التقنية1. البيانات مستوى التجهيز الفضاء ناقلات الدلالي أو مدخل من توسيع.
شهد التكنولوجيا، "السقف"، بدأ العديد من الخبراء لوضع مفهوم "بيانات صغير" إلى الأمام، ولكن الذكاء الاصطناعي عميد جامعة تسينغهوا أكاديمي تشانغ بو لا أعتقد أن حجم كمية البيانات لحظة الأكاذيب المشكلة الأساسية، وأشار إلى والتقليدية سوف AI ثلاثة عناصر لا تجلب الاستخبارات الحقيقي.
"تقييم النتائج التي تم الحصول عليها في مجال الذكاء الاصطناعي، يمكننا أن ننظر من خمسة أشياء: هزم ديب بلو بطل العالم في الشطرنج البشري؛ هزم IBM اثنين بطل العالم السابق في لعبة الأمريكي تلفزيوني في، 2015 ومايكروسوفت تفعل التعرف على الصور على ImageNet ، نسبة الخطأ أقل قليلا من الإنسان، بايدو، أعلن IFLYTEK أيضا دقة التعرف على أقل قليلا من الإنسان والهزيمة AlphaGo لي شيشي الصينية التعرف على الكلام جملة واحدة في الأشياء الأولين تصنف على أنها فئة، وبعد ثلاثة أشياء يمكن أن يكون. تصنف على أنها نوع آخر.
واتفق على أن العناصر الثلاثة التي هي خمسة أشياء تحدث: البيانات الكبيرة، لتعزيز قوة العد وخوارزميات الذكاء الاصطناعي جيدة جدا. ولكن أعتقد أننا يغفل عامل واحد هو أن كل هذه الإنجازات يجب أن يستند إلى المشهد المناسب. "
وبعبارة أخرى، فإن تنمية الذكاء الاصطناعي لا تجنب أوجه القصور في الظروف الراهنة، وبالتالي آلات ذكية يمكن أن تقوم به إلا وفقا للقواعد، لا توجد مرونة، ولكن أيضا من ذكاء من الناس يريدون، وهذا هو الوضع الحالي لتطوير AI.
"لدينا الآن الأساليب الأساسية من العيوب الذكاء الاصطناعي، ولكن يجب علينا التحرك نحو AI لديه القدرة على فهم، وهذا هو الذكاء الاصطناعي صحيح." وقال الأكاديمي تشانغ بو في خطابه.
فما هو الحل إذن؟ بواسطة تدريجية، والكلام تشانغ Yuanshi إعطاء فكرة، والاتجاه الفني وتشير الفضاء ناقلات الدلالي.
"أولا وقبل كل شيء، عليك أن تكون واضحا أن سبب آلات القائمة تفتقر إلى المنطق هو أنه لا يوجد لديه الحس السليم".
قبل التحقق التجريبي، وإنشاء الحس السليم لا يعزز كثيرا من أداء الجهاز تشانغ بو أكاديمية للعلوم. والجهاز هو أيضا الخطوة الأولى لتأسيس قاعدة معرفية الشركات الذكاء الاصطناعي لتعزيز أداء النظام. "الولايات المتحدة في عام 1984 للمشاركة في مثل هذه قاعدة المعرفة الهندسية، لذلك ما زلت لم مصنوعة بالكامل من أن ينظر إليها، للتحرك نحو الذكاء الاصطناعي صحيح، والذكاء الاصطناعي لفهم، هو طريق طويل جدا".
ولكن حتى على أساس إقامة قاعدة المعرفة، حتى يكون هناك فهم الذكاء الاصطناعي لا يزال غير سهلة. تريد تعزيز ذكاء الخطوة الثانية، عرض تشانغ Yuanshi، هو العالم العاطفي والفكري للوحدة وجلب نقلة نوعية في تطوير والتي سوف الذكاء الاصطناعي.
"لقد كان التعلم العميق قادرة على تعزيز بشكل كبير في تطوير الذكاء الاصطناعي والتقنيات الرئيسية التي شخصا البيانات العددية يمكن الحصول عليها في ناقلات، والذي يستخدم على الجهاز، ولكن حتى الآن، والسلوك (ناقلات الميزة) والبيانات ( رموز ناقلات) ويستخدم دائما جنبا إلى جنب مع الصعوبات التي تواجه البحث العلمي، وهذا يحد من آلات تصبح أكثر "ذكاء".
ليس ذلك فحسب، من منظور أمني، فإن النظام التي تعتمد على البيانات النقي هو أيضا مشكلة كبيرة - متانة الفقراء، عرضة للكثير من التدخل. وهكذا، في تدريب عدد كبير من العينات، فإن النظام يجعل خطأ كبيرا. مثل اسرة شانغ، رئيس كوانغ لأن الشركات الأخرى وقال أيضا أنه حتى معدل دقة نموذج نظام تدريب لمدة تصل إلى 99، ولكن من الناحية العملية، فإن النظام لا يزال جعل الكثير من الخطأ "معاق ذهنيا".
"نأتي الآن إلى حل مثل هذا، وهذا هو الفضاء ميزة ناقلات والرموز المتوقعة على الذهاب متجهة فراغ، وهذا الفضاء نسميه الفضاء ناقلات الدلالي."
كيف نفعل؟ وقال تشانغ Yuanshi:
- أولا، لا بد لنا قبل تضمينها (المضمنة) في ناقلات رمز ، في محاولة لإبقاء لا تضيع دلالات.
- والثاني هو رفع (أسانسير)، جنبا إلى جنب مع الانضباط العصبية إن الفضاء ميزة لرفع الفضاء الدلالي.
"فقط من خلال معالجة هذه القضايا، ونحن سوف تكون قادرة على خلق نظرية موحدة، لأنه في طرق المعالجة الماضي، والتصور والإدراك تختلف، وبالتالي فإن اثنين ليست نفس البعد، لا يمكن أن عملية موحدة. ولكن إذا كنا قادرين على إدراك والاعتراف تعرف المتوقعة في نفس المساحة، نتمكن من بناء إطار نظري موحد لفهم وحل المشاكل في الفضاء ناقلات الدلالي. هذا هو هدفنا، ولكن هذا العمل صعب للغاية ".
2. إن الفكرة الأساسية من التخريب، أو مستقبل الحوسبة غامض.
وقال "سواء خرائط المعرفة، الفضاء ناقلات الدلالي أو غيرها من العمق الحالي للتعليم والتدريب، لأنها تستند إلى نظرية الاحتمالات الإحصائية، المنطق الضبابي ليست كذلك، والتي تقوم على مجموعة ضبابية تستند نظرية". جريئة جدا، من، أستاذ علوم الحاسوب المستوى العقائدي في جامعة ولاية يوتا التزام مدى الحياة Hengda الأفكار الهدامة معينة.
في الواقع، المنطق الضبابي ليست مفهوما جديدا. في عام 1931، أثبت كورت غودل أن في شكل من الأبحاث المنشورة في نظرية الأعداد (أي منطق الحسابي) أنظمة "نظرية النقص"، ولدت المنطق الضبابي. في عام 1965، ورقة على الدكتوراه مجموعة ضبابية L.A.Zadeh في جامعة كاليفورنيا نشرت، بمناسبة أول نظرية رياضية الإنسان يصف بنجاح عدم اليقين.
"الآن مجال الكمبيوتر، وإما 0 أو 1، ونحن تصف الكثير من عناصر عدم اليقين بين 0-1، في الواقع، في عملية وصفها هي السبب في النتائج. مع اثنين من زجاجات المياه، على سبيل المثال، وزجاجة العلامة المائية 'هو احتمال أن الماء النقي هو 0.91، ويتم وضع علامة زجاجة أخرى من الماء على "نقاء الماء هو 0.91"، الذي من شأنه أن تختار زجاجة من ذلك؟ من الواضح، من شأنه أن تختار هذا الأخير. هنا عملية التفكير من الحكم المنطق الضبابي هو، لأن هذه الأخيرة إلى حد وصفه غامضة في الأساس ".
في الوقت الحاضر، على غرار نظام منطقي الكلاسيكية (حساب التفاضل والتكامل والجبر الخطي، والبيولوجيا وغيرها من التخصصات مستمدة)، وشكلت المنطق الضبابي تدريجيا نظام منطقي الخاص بها.
ومع ذلك، وحتى أفضل تكنولوجيا، جنبا إلى جنب مع احتياجات التطبيق لإظهار مزاياه. في هذا الصدد، كما قام البروفيسور تشنغ اهتماما خاصا، لذلك اختار مجال التشخيص المبكر للأبحاث سرطان الثدي. "حتى الآن، وقد تم تصميم العينة لدينا أكثر من عشرين بلدا في جميع أنحاء العالم، وأكثر من خمسين فريقا للاستخدام".
أستاذ تشنغ في الرأي، التكنولوجيا الموجودة هناك عيوب واضحة جدا، ونحن بحاجة لتغرق القلب يأتي وتحليل المشكلات، وبالتالي لاستكشاف سبل تحسين. "نحن الآن في محاكاة موجات المخ الكهربائية، ولكن في الواقع ليس هناك إشارات كهربائية فقط في الدماغ، وهناك تفاعل كيميائي. والكثير من الناس يفعلون معالجة الصور الطبية، ومعالجة الصور هو حقا فقط، وليس الدواء معالجة الصور، من بينها أن هناك فرقا كبيرا جدا ".
3. الأفكار الفنية: مجمع كبير للبسيط
لحظة، ووجه عدم إحراز تقدم في مجال التكنولوجيا، هو منظمة العفو الدولية القلق الواضح. تختلف عن الأفكار الفنية المحددة المذكورة أعلاه الأساتذة زميل، أستاذ ما يي هو أشبه المجتمع العلمي، "لو شون"، وقدم صورة من المرضى الذين يعانون من العروض PPT من الأوراق ذات جودة عالية، إلا أن إعادة توقظ الجميع إلى منظمة العفو الدولية التفكير.
"الشبكات العصبية، وبيانات الاستيراد هناك تغيير طفيف، تصنيف سوف يكون هناك تغيير كبير، وهذا ليس اكتشافا جديدا، في عام 2010، واجهت مثل هذه المشكلة، ولكن حتى الآن لم يتم حلها." يبدأ سكب خطابه، ما يي أنه أبرزت "كليشيهات"، وعاء من الماء البارد لا يرحم إلى عدد كبير من الناس تفاؤلا AI عمياء.
تقنية التعرف صحيحة، يحاول ما يي أيضا للحصول على تصحيحها.
"في التعرف على الوجه، والسماح للخوارزمية قوية، ألف مرة أكثر صعوبة من كتابة AlphaGo".
واضاف "الجميع يقول أن الشبكة العصبية وأكبر كلما كان ذلك أفضل، وهذا هو مجرد هراء."
موضع سخرية، وتعمل في مجال البحوث لعدة سنوات، ما يي يعطي بلده الاتجاه التفكير: "الخوارزمية حقيقية ذات جودة عالية يجب أن يكون معظم بسيطة، مثل التكرار، العودية، فضلا عن ADMM الكلاسيكية، وهذه خوارزمية بسيطة جيدة جدا، ومن المفيد أيضا ".
خاتمةالمقبل، وتنمية الذكاء الاصطناعي وليست متفائلة، والتنمية الصناعية خاصة ستدخل فترة لطيف، ولكن هذا لا يعني الأوساط الأكاديمية والصناعة سوف تضطر إلى القيام بأي شيء.
كما أشار الأكاديمي تشانغ بو خارج، "نحن على طريق AI صحيح الآن لا تذهب بعيدا، بالقرب من نقطة البداية، ولكن منظمة العفو الدولية دائما على الطريق، ويجب أن نكون مستعدين ذهنيا، وهذا هو سحر الذكاء الاصطناعي. "
- انتهى -تسينغهوا الانتباه - بيانات أكاديمية تشينغداو للعلوم قناة الصغرى الرسمية منصة الجمهور " بيانات الإرسال THU "أيتها الأخوات ولا". إرسال البيانات THU "لرعاية المزيد من المحاضرات ونوعية المحتوى.
