觀點 | 港科大張潼教授最新發言:對人工智慧發展的一些思考
2019 年 4 月 18 日,「新消費新動力——2019 年樂信合作伙伴大會」在深圳舉行,國際著名機器學習專家、香港科技大學教授張潼出席會議並發表主旨演講,在演講中他提到 AI 發展的關鍵要素,以及現在難以解決的問題,我們將來需要研究的方向,雷鋒網 AI 科技評論將他的發言內容整理如下,有刪減。
大家好!非常高興能夠在這個場合與大家分享 AI 的相關技術。我們現在站在了 AI 時代,AI 在很多場景中改變了行業。比如產生新的人機互動方式,這種產生從新的終端開始——由之前的電腦到手機、再到現在的智慧音響裝置等,這些裝置對於智慧互動的要求越來越高,AI 在其中產生了非常大的作用。還有像無人車、機器人等一系列物理裝置能夠進入到人們的生活中,這也指日可待。再就是跟今天的主題更加相符合的,即 AI 滲透進各行各業,能夠幫助各行各業賦能產生更大的價值。
AI 相關技術以及發展
人工智慧從技術上分為多個層次,最基礎的層次就是硬體、晶片、伺服器等,再往上是機器學習等各種 AI 技術,繼續向上是各個應用方向,如計算機視覺、語音處理、自然語言處理和大資料統計分析等,特別是大資料統計分析,在金融行業有非常多的應用,再往上有很多技術點,之後就可以制定行業解決方案,最終賦能各個行業。
為什麼說 AI 最近有了廣闊的發展?主要基於兩個因素:一是大資料在近年來急劇升溫,包括感測器、雲端計算的發展、資料收集能力和儲存能力的加強等,這導致資料越來越多;二是計算能力的增強,從 80 年代的個人電腦到 90 年代網際網路、再從 CPU 到多核 CPU、GPU、異構計算等,在計算能力上也有了很好的基礎。在此之上,近些年,特別是近十年左右,機器學習有了非常好的發展,在工業界取得非常多的應用,在原來的層次上使效果有了很好的提升。
早期的機器學習,它的方法是人工對具體的問題抽取出一些特徵,在特徵上做統計分析,這種方法目前在很多產業還是有應用,但從上一個十年開始,在一些場景上大家可以用深度學習技術把這些方法取代掉。深度學習的技術是端到端的學習,把人手工提取特徵這一部分用機器取代了。
怎麼做到這一點?有兩個要求,一是資料量更大,基於大資料才能學習這種特徵;二是計算的要求更多,如果 80 年代做,算力不夠,要算十年或一百年,現在一天就算出來了。強大的計算能力和大資料取代了一些人工,造就了深度學習的巨大成功。這一成功也帶來了它的倡導者,包括三位主要的深度學習研究人員 Yoshua Bengio, Yann LeCun, Geoffrey Hinton 獲得 2018 年圖靈獎,這也說明計算機界對人工智慧、機器學習給予了非常大的肯定。
在一些單一的場景下,針對具體的問題,AI 的確產生了非常好的能力,甚至能超過人。有些人看到現在的 AI,會有一些不切實際的預期,覺得 AI 無所不能。實際上並不是這樣。
早期,2010 年開始的 ImageNet 競賽直接導致了深度學習的發展,2012 年,透過採用 GPU 運算,迅速把傳統的方法取代了。這是一個單一的場景,ImageNet 比之前的資料集大很多,透過大的算力,逐漸取得成果。近些年,比較著名的案例就是 AlphaGo,AlphaGo 下圍棋能夠贏得人類,這是同一套思路在同一個問題上,用了非常多的模擬資料、自對弈,透過學習更多的棋局,透過更大的計算能力,比如谷歌 TPU 等新型硬體,然後又用了一些比較好的演算法,三個方向同時發展,導致在單一場景上取得了非常強的能力,也讓人覺得 AI 能夠取代人類。
於是人們會經常問一個問題,如果 AI 能夠下圍棋,是不是所有事情都能做了?其實並不是,是有缺陷的。下圍棋是一個單一的任務,差不多的任務如玩遊戲,目前玩的是《星際爭霸》,從下圍棋到跟人類打《星際爭霸》,AI 進行了漫長的遷移,而這個遷移需要非常特別的定製化的演算法和方式。從現在 AI 的情況來講,可遷移性並不強。
未來的挑戰和應用
將來會怎麼樣?一方面還是沿著大資料在工業界的很多應用場景。比如我研究機器學習,我更關注的是在資料較小的複雜場景下怎麼學習得更好,能夠實現現在不能做的任務。
舉一個例子,無人汽車用的場景非常複雜,如果我給一個機器學習模型看了很多白天的影像,讓它進行影像分類與識別,在真實的應用場景上給的是夜晚的影像,在夜晚影像上,機器學習演算法的效果就會非常差。
另外比如說語音識別,在安靜的情況下我訓練了一個系統,它的能力可以超過人類,但是如果在複雜噪音的情況下,它的效能就會下降,並不比人類更強。
此外,模型的可遷移性並不強,包括在一些小的資料集上會產生一些問題,解決這些問題非常重要,這些問題一旦解決了,很多的應用場景就能夠得以實現,包括無人駕駛,還有機器人在物理世界做一些具體的任務,因為物理世界極具多樣性,如果我們有更好的學習能力,就能夠使這些成為可能。
再往後就更復雜了,我們能夠理解世界,表達世界,甚至模擬世界將會發生什麼事情,我們具有語言表示、邏輯思考等能力,但是機器目前並不行,而且並沒有好的實現手段。我覺得人工智慧還有很長的路要走,將來還有很多值得研究的地方需要我們去攻關。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/29829936/viewspace-2642232/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 對PHP開發框架的一些觀點PHP框架
- 對人工智慧的應用、發展及其影響的思考人工智慧
- 碼教授告訴你人工智慧未來的發展人工智慧
- 對話 | 港科大教授權龍:為什麼三維重建才是計算機視覺的靈魂?計算機視覺
- 個人發展的思考
- 專案開發中對成長的一些思考
- 資訊化發展思考
- 關於中國和中國軟體發展的一些思考 (轉)
- 部門老大的發言引發的思考
- 世界銀行:危機時代下對發展的再思考
- 關於未來美顏濾鏡發展的幾點思考
- 由作業題引發對C++引用的一些思考C++
- DataWorks資料埋點的設計及未來發展的思考
- 遊戲開發的最新發展趨勢分析遊戲開發
- 專案管理的最新發展(轉)專案管理
- [分散式]對高併發流量控制的一點思考分散式
- 人工智慧發展的歷史人工智慧
- 【人工智慧】面對人工智慧的發展,人類該何去何從?人工智慧
- 思考-前端學習發展之外的事物前端
- 對於人工智慧的思考人工智慧
- 人工智慧的幾點思考人工智慧
- 易觀:2017中國人工智慧產業發展分析(附下載)人工智慧產業
- 由整合ARouter引發的一些思考
- 軟體過程的發展的思考 (轉)
- 碼教授告訴你專家系統的產生與發展
- 新加坡工程院院士陳義明教授論人工智慧與機器人的近況與發展人工智慧機器人
- 英國薩里大學金耀初教授:看進化計算在人工智慧領域的未來發展人工智慧
- 人工智慧發展歷史人工智慧
- 談談我對Ui設計師的一些觀點UI
- Sql Server之旅——終點站 nolock引發的三級事件的一些思考SQLServer事件
- CheatSheet:人工智慧觀點人工智慧
- 對ThreadLocal的一些思考thread
- 對於人生的一些思考
- 從錨點到關鍵點,最新的目標檢測方法發展到哪了
- UI設計發展最新趨勢UI
- 對中國自發產生的軟體企業的思考——(4)管理和人:微觀 (轉)
- iOS 點贊功能高併發的思考iOS
- 關於開發流的一點思考