A前瞻官网
前瞻网
a 当前位置: 前瞻网 » 资讯 » 产经

让人工智能更智能的途径?研究人员表示不能只靠深度学习

分享到:
 Emma Chou • 2018-06-25 15:29:53 来源:前瞻网 E1493G0
100大行业全景图谱

在过去的五年里,人工智能中最热门的东西就是一个被称为深度学习的分支。简单来说,这个宏伟命名的统计技术,为计算机提供了一种通过处理海量数据来学习的方法。由于经过深入的学习,计算机可以轻松识别人脸并识别口语,从而使其他形式的类似人类的智能突然变得触手可及。

谷歌,Facebook和微软等公司已经投入到深度学习中。初创企业追求从癌症治疗到后台自动化的所有事情,都在鼓吹他们的深度学习技能。该技术的感知和模式匹配能力正在应用于改善药物发现和自动驾驶汽车等领域的进展。

但现在,一些科学家开始质疑,深度学习到底是不是真的那么有深度。

在最近的一些对话,在线评论和冗长的散文中,越来越多的AI专家们警告说,对深度学习的迷恋现在可能会导致目光短浅和过度投资,并在以后出现破灭。

“那里没有真正的智能。”加州大学伯克利分校的教授迈克尔·乔丹(myopia)说,他是四月份发表的一篇文章的作者,旨在调节围绕AI的崇高期望。 “我认为,过于相信这些蛮力算法是一种错误信仰。”

一些专家警告说,危险是AI将遇到技术壁垒并最终面临普遍的反弹,这是20世界50年代人们熟知的人工智能模式。研究人员说,尤其是深度学习,这种担忧正在被技术的局限所推动。

前瞻经济学人

图片来源:NYT

深度学习算法训练一批相关数据(如人脸图片),然后提供越来越多的数据,从而不断提高软件的模式匹配精度。虽然这项技术已经取得了成功,但结果主要局限于可以获得大量数据集并且任务已经很好定义的领域,如标记图像或将语言翻译为文本。

技术在更加开放的智能领域 —— 即意义、推理和常识知识 —— 中挣扎。虽然深度学习软件可以立即识别数百万字,但它对“正义”,“民主”或“插手”等概念不了解。

研究人员已经表明,深度学习很容易被愚弄。比如对于相对像素较低的情况下,该技术可能会误认为乌龟是步枪或停车标志。

在今年年初发表在科学论文网站arXiv.org上的一篇广泛阅读的文章中,纽约大学教授加里·马库斯提出了这样一个问题:“深度学习是否正在靠近一堵墙?”他写道:“在通常情况下,深度学习提取的模式比最初出现的模式更肤浅。”

艾伦人工智能研究所首席执行官奥伦·伊佐尼说,如果深度学习的范围有限,那么现在可能会投入了太多金钱和精明的头脑。 “我们冒着失去其他重要概念和途径的风险在推进AI。”他说。

在辩论中,一些研究小组,初创公司和计算机科学家对人工智能方法表现出更多的兴趣,这些方法解决了一些深度学习的弱点。首先,西雅图的非营利实验室艾伦研究所在2月份宣布,它将在未来三年投资1.25亿美元,主要用于教机器产生常识知识的研究——- 一项名为亚历山大项目(Project Alexandria)的举措。

虽然这一方案和其他努力各不相同,但他们的共同目标是比深度学习更广泛和更灵活的智能。而且他们的数据通常要少得多。他们在构成中经常使用深度学习作为其中一种成分。

华盛顿大学艾伦研究所的研究员和计算机科学家Yejin Choi说:“我们不是反深度学习。” “我们试图拔高AI的视线,而不是批评工具。”

前瞻经济学人

图片来源:NYT

那些其他非深度学习工具通常是以新方式采用的旧技术。在硅谷的初创公司Kyndi,计算机科学家正在编写Prolog代码,这是一种可以追溯到20世纪70年代的编程语言。它是为AI的推理和知识表达方面而设计的,它处理事实和概念,并尝试完成并不总是明确定义的任务。深度学习来自AI的统计学方面,称为机器学习。

本杰明·格罗索夫,AI三十年的研究员,5月加入Kyndi担任首席科学家。格罗索夫说,他对Kyndi的“将AI两个分支联合起来的新方法”印象深刻。

初创公司首席执行官Ryan Welsh表示,Kyndi已经能够使用非常少的培训数据来自动生成事实、概念和推论。

他说,Kyndi系统可以训练10到30个10-50页的科学文件。 Kyndi的软件一经培训就可以识别概念,而不仅仅是文字。

在为三家大型政府机构工作时(拒绝透露名字),Kyndi一直在要求其系统回答这个典型问题:技术是否已在“实验室环境中展示”?威尔士说,Kyndi计划可以准确推断出答案,即使该短语没有出现在文件中。

而且Kyndi的阅读和评分软件很快。威尔士说,人类分析师平均需要花费两个小时才能阅读一篇冗长的科学文献,并在一年内可能阅读1,000篇。他表示,Kyndi的技术可以在七个小时内读取这1,000个文件。

Kyndi作为一个不知疲倦的数字助理,识别需要人类判断的文件和段落。 “目标是提高人类分析师的生产力。”威尔士说。

Kyndi和其他人都认为,在AI中面临一些更为艰巨挑战,终于是的时候了。这反映了深度学习的轨迹,在最近爆发的数字数据爆炸之前几十年没有取得什么进展,而且越来越快的计算机推动了其性能的飞跃,即所谓神经网络。这些网络是松散地类似于生物神经元的数字层。 “深度”是指很多层。

超深度学习营还有其他充满希望的迹象。 Vicarious是一家初创的开发机器人,可以像人类一样迅速地从任务转向任务,去年秋天在《科学》杂志上发表了有前景的研究成果。 AI技术从相对较少的例子中学习,以模仿人类视觉智能,使用的数据比深度学习模型的效率高300倍。该系统还突破了验证码的防御功能,即在网站上进行扭曲的字母识别测试,以阻止软件入侵者。

代理人,其投资者包括埃隆·伦马斯克,杰夫·贝佐斯和马克扎克伯格,是在A.I.中企业家追求新路径的突出例子。

“深度学习让我们得以一瞥所承诺的沃土,但我们需要投资于其他方法。”人工智能专家、总部位于加州联合城的Vicarious联合创始人Dileep George说。

五角大楼的研究机构国防高级研究计划局提出了一项计划,旨在开展大学研究,并提供一个非商业网络,用于分享技术思想,以模拟人类常识推理,而缺乏深度学习。 如果获得批准,该计划即Machine Common Sense将于今年秋季开始,最有可能运行五年,总资金约为6000万美元。

“这是一个高风险的项目,问题比任何一家公司或研究组都要大。”管理达帕个人助理计划的大卫·盖宁说,该计划十年前结束,并生产出后来成为苹果Siri的技术。

本文来源前瞻网,转载请注明来源。本文内容仅代表作者个人观点,本站只提供参考并不构成任何投资及应用建议。(若存在内容、版权或其它问题,请联系:service@qianzhan.com) 品牌合作与广告投放请联系:0755-33069875 或 hezuo@qianzhan.com

p5 q0 我要投稿

分享:

品牌、内容合作请点这里:寻求合作 ››

前瞻经济学人微信二维码

前瞻经济学人

专注于中国各行业市场分析、未来发展趋势等。扫一扫立即关注。

前瞻产业研究院微信二维码

前瞻产业研究院

如何抓准行业的下一个风口?未来5年10年行业趋势如何把握?扫一扫立即关注。

前瞻经济学人 让您成为更懂趋势的人

想看更多前瞻的文章?扫描右侧二维码,还可以获得以下福利:

  • 10000+ 行业干货 免费领取
  • 500+ 行业研究员 解答你的问题
  • 1000000+ 行业数据 任君使用
  • 365+ 每日全球财经大事 一手掌握
  • 下载APP

  • 关注微信号

前瞻数据库
企查猫
前瞻经济学人App二维码

扫一扫下载APP

与资深行业研究员/经济学家互动交流让您成为更懂趋势的人

下载APP
前瞻经济学人APP

下载前瞻经济学人APP

关注我们
前瞻经济秀人微信号

扫一扫关注我们

我要投稿

×
J