基于大數(shù)據(jù)的人工智能

1、基于大數(shù)據(jù)人工智能-張鈸院士| 首屆世界智能大會(huì) 基于大數(shù)據(jù)的人工智能第1頁(yè) 張鈸 1935年3月26日出生于福建福清，計(jì)算機(jī)科學(xué)與技術(shù)教授，俄羅斯自然科學(xué)院外籍院士、中國(guó)科學(xué)院院士，清華大學(xué)教授、博士生導(dǎo)師?，F(xiàn)任清華大學(xué)人工智能研究院院長(zhǎng)。 主要從事人工智能理論、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、分形和小波等理論研究；以及把上述理論應(yīng)用于模式識(shí)別、知識(shí)工程、智能機(jī)器人與智能控制等領(lǐng)域應(yīng)用技術(shù)研究基于大數(shù)據(jù)的人工智能第2頁(yè)和國(guó)際先進(jìn)水平相比，中國(guó)人工智能處于什么位置?看起來這幾年，中國(guó)在學(xué)術(shù)研究方面取得很多進(jìn)展，在主要國(guó)際會(huì)議、主要期刊雜志上，中國(guó)論文也占了相當(dāng)比重。中國(guó)有數(shù)量龐大網(wǎng)民，在網(wǎng)絡(luò)數(shù)據(jù)上占有

2、相當(dāng)優(yōu)勢(shì)地位，中國(guó)市場(chǎng)需求巨大實(shí)際上在基礎(chǔ)、算法研究上，中國(guó)和世界頂尖水平還相差甚遠(yuǎn)。人工智自1956年誕生至今，一直是美國(guó)在引領(lǐng)人工智能領(lǐng)域發(fā)展。美國(guó)和加拿大等國(guó)科學(xué)家還在不停創(chuàng)新，假如我們不重視基礎(chǔ)/算法理論研究，要趕上或超出世界先進(jìn)水平是有困難?；诖髷?shù)據(jù)的人工智能第3頁(yè)基于大數(shù)據(jù)深度學(xué)習(xí)深度學(xué)習(xí)提出，在人工智能領(lǐng)域中是一個(gè)重大突破。以往，人工智能只能用來處理人們對(duì)它非常了解，而且能夠清楚將它表示出來問題，深度學(xué)習(xí)拓展了人工智能所能處理問題邊界。深度學(xué)習(xí)含有一定通用性深度學(xué)習(xí)是一個(gè)大眾化工具，它大大延展了每個(gè)人處理問題領(lǐng)域，只要擁有這個(gè)領(lǐng)域充分?jǐn)?shù)據(jù)就能夠做研究。比如在圖像識(shí)別（微軟）和語(yǔ)

3、音識(shí)別（baidu）領(lǐng)域機(jī)器都超出了或略低于人類基于大數(shù)據(jù)的人工智能第4頁(yè)深度學(xué)習(xí)成功三大法寶數(shù)據(jù)計(jì)算資源算法 AlphaGo用了兩個(gè)多星期時(shí)間，學(xué)了7千萬局棋局。最好棋手一生中所下棋局是百萬級(jí)，而AlphaGo下過棋局是幾十億級(jí)。 除了數(shù)據(jù)和計(jì)算資源之外，AlphaGo能夠在兩三周里學(xué)到幾千萬個(gè)棋局，靠是學(xué)習(xí)算法，它自己能自己下棋，靠是強(qiáng)化學(xué)習(xí)算法，基于大數(shù)據(jù)的人工智能第5頁(yè)滿足四個(gè)條件機(jī)器才能超出人類 人工智能在處理以下類型問題時(shí)，不論問題多么復(fù)雜，都可能做到甚至超出人類水平。（1）有充分?jǐn)?shù)據(jù)（或知識(shí)）（2）完全信息（3）確定性（4）單領(lǐng)域。 只要符合這四個(gè)條件，而且依靠深度學(xué)習(xí)三大法寶基

4、本都能夠到達(dá)或者超出人類水平。基于大數(shù)據(jù)的人工智能第6頁(yè)下一步怎么辦Google一個(gè)模型能夠?qū)W全部任務(wù)：在一個(gè)網(wǎng)絡(luò)里，一個(gè)模型里同時(shí)學(xué)習(xí)了八項(xiàng)任務(wù)，包含機(jī)器翻譯，圖像識(shí)別，圖像解釋等。并得出結(jié)論：這些任務(wù)之間不但不會(huì)相互干擾，在一定程度上還略微有幫助。當(dāng)前北美還在引領(lǐng)這些發(fā)展，假如中國(guó)只低頭用深度學(xué)習(xí)去處理應(yīng)用問題，要到達(dá)引領(lǐng)是不可能。人工智能現(xiàn)在做不到舉一反三，人工智能現(xiàn)在學(xué)習(xí)是舉一百反一。我們要處理小樣本甚至零樣本學(xué)習(xí)問題基于大數(shù)據(jù)的人工智能第7頁(yè)深度學(xué)習(xí)并非萬能需要大量樣本。有些問題極難獲取很多樣本推廣能力差。不能舉一反三不可了解性。深度學(xué)習(xí)建立系統(tǒng)，實(shí)際上跟人思緒很不一樣基于大數(shù)據(jù)的人

5、工智能第8頁(yè)為何機(jī)器學(xué)習(xí)效率這么低不了解性要讓計(jì)算機(jī)認(rèn)識(shí)一只貓，就要用各式各樣樣本在不一樣背景下貓去訓(xùn)練它，而且只有跟它相近背景、相近角度拍下貓它才認(rèn)識(shí)，假如背景變了，貓拍攝角度變了它也不認(rèn)識(shí)了，所以這是它一個(gè)根本性問題，它不了解。魯棒性差基于大數(shù)據(jù)的人工智能第9頁(yè)今后方向-人機(jī)合作人機(jī)合作關(guān)鍵機(jī)器如何理解人。自然語(yǔ)言理解：機(jī)器可以聽懂人類用自然語(yǔ)言發(fā)命令人如何理解機(jī)器深度學(xué)習(xí)導(dǎo)致機(jī)器不可理解性：深度學(xué)習(xí)建立系統(tǒng)，實(shí)際上跟人思路很不一樣。為什么機(jī)器思路跟人不一樣：因?yàn)闄C(jī)器要用專業(yè)語(yǔ)言處理任務(wù)。比如機(jī)器怎么識(shí)別貓：它只是從一些局部特征，局部紋理來識(shí)別，而不是從貓整體。機(jī)器要取得整體特征是非常困難，所以它都是在利用局部特征，在一個(gè)特征空間里去認(rèn)識(shí)貓，和人認(rèn)識(shí)貓角度完全不一樣，基于大數(shù)據(jù)的人工智能第10頁(yè)怎樣利用深度學(xué)習(xí) 深度學(xué)習(xí)時(shí)代依靠是數(shù)據(jù)，計(jì)算機(jī)在向量空間處理數(shù)據(jù)。缺點(diǎn)是做出來東西是不可了解，跟人做法完全不一樣。研究方向?qū)ふ抑虚g量，即“語(yǔ)意向量空間”兩大任務(wù)怎樣把文本符號(hào)東西變成向量怎樣將數(shù)據(jù)向量空間提升到語(yǔ)意中基于大數(shù)據(jù)的人工智能第11頁(yè)總結(jié)深度學(xué)習(xí)不是我們突破，深度學(xué)習(xí)只是展示了突破希望，因?yàn)樯疃葘W(xué)習(xí)并沒有結(jié)構(gòu)真正智能。重點(diǎn)