人工智能

期待人工智能突破鲁棒性可解释性局限

近些年,人工智能受到了极大的关注,其主要还归功于深度学习的兴起,极大地推动了机器人控制、计算机视觉、语音识别、自然语言处理等领域的进展,使得很多传统的AI任务取得了一些突破性的进展。例如,在大规模图像数据分类上,1000个类别的分类任务等一些指定的任务,前五个结果的识别错误率深度学习的算法甚至低于人类的水平。当然,最具影响力人工智能系统还数DeepMind公司推出的Alpha Go围棋系统,数度打败了人类的九段棋手。另外,还有一些人工智能系统,在某些特定的任务上,如写诗、作画、音乐生成、写字上甚至通过了图灵测试(注:图灵测试中的测试用户组的专业水平会很大程度影响测试的最终结果和结论)。例如DeepMind的唇语识别系统,甚至也超过了人类唇语识别专家的水平。本文将对当前人工智能的现状做一些初步的思考和探讨。

强化学习带来AI新时代

你怎么存活于大数据和人工智能结合的时代?

【编者按】这篇文章最初以“Digitale Demokratie statt Datendiktatur”的名字出现在Spektrum der Wissenschaft(科学美国人的姊妹出版物)。作者是Dirk Helbing、Bruno S. Frey、Gerd Gigerenzer等9位著名教授(文后附作者介绍),主要论述了大数据与人工智能对未来社会经济、政治、安全、法律等相关问题的影响,讨论了数字革命和数字时代策略,并对成功实现数字社会给出具体的建议。

发展背景:大数据与人工智能

数字革命正如火如荼地进行着。每年我们产生的数据量都在翻倍,每分钟我们在Google搜索、在Facebook上发帖,不久我们周围的事物都将与互联网相连。据估计,在10年的时间内,将有1500亿个网络测量传感器,比人类总数多20倍,而且,数据量将每隔一段时间翻一番。许多公司已经在努力把“大数据”变成“大商机”。这将如何改变我们的世界?一切都将变得智能,我们将不仅拥有智能手机,还有智能家居,智能工厂和智能城市,甚至于出现智能国家和更智能的地球。

为什么说持续学习才是AI的关键

作者 | Ben Lorica.
编译 | 无阻我飞扬

随着越来越多的公司开始在不同的环境中进行试验和部署机器学习,展望一下未来的系统是极好的。今天,典型的序列是收集数据,学习一些底层的结构,通过部署一种算法,系统地捕捉到你学过的东西。收集,准备,和丰富正确的数据 — 特别是训练数据 —这是必不可少的,应该说收集反馈数据仍然是想要使用机器学习公司的一大瓶颈。

未来的人工智能系统将依赖于持续学习,而不是离线训练的算法。人类以这种方式学习,人工智能系统也将越来越有能力这样做。想象一下第一次前往一间办公室并且被障碍物绊倒。下一次你再去到那个地方 — 也许只是几分钟以后 — 你很可能就会知道要当心绊倒你的物体。

有许多应用和场景具有相似探索性质的学习。设想一个Agent与环境相互作用的同时,为了完成一些指定的任务,努力学习采取什么样的行动,以及要避免哪些行为。

我们已经看到了强化学习(RL)近期的一些应用。在RL中,目标是学习如何将观察和量度映射到一组动作上,同时试图最大化一些长期回馈。(RL这个术语经常用来描述一类问题和一组算法)虽然深度学习获得了更多的媒体关注,但在大家熟知的AI圈子里,有许多有趣的关于RL的新事态发展。研究人员最近将RL应用于游戏,机器人,无人驾驶,对话系统,文本摘要,教育和培训,以及能源利用。

AI哲学家:人工智能应该先研究细胞而不是大脑

从一开始,我们就被告知,智能与大脑是密不可分的。智力是智能的一个非正式的同义词,而且,对天赋和智慧的任何讨论都将大脑作为隐喻。自然地,当技术发展到人类决定在机器中复制人类智能的时候,我们的目标是在人工智能中模拟大脑。

但如果这是错误的呢?如果所有关于创造“神经网络”和机器人大脑的讨论都是一种误入歧途的做法呢?如果在推进人工智能方面,我们抛弃了大脑的比喻,转而支持更小的细胞呢?

这种反直觉的方法正是Ben Medlock的工作,他不是你的普通人工研究员。作为SwiftKey的创始人(一家使用机器学习参数来设计智能手机键盘应用的公司),他的日常工作是围绕人工智能系统如何能增强我们已经在我们的电子设备上使用的标准工具。

但是Medlock却像一个人工智能哲学家。他的想法不是思考如何在短时间内从短信中减少几秒钟的时间。他希望推动人工智能研究和开发领域的范式转变,以及我们如何定义智力。

“我过着这种双重生活,”Medlock说。“我与SwiftKey的合作一直围绕着你如何使用人工智能,让它变得实用。从某种意义上而言,这是我的日常工作。

“但是,我也花了相当多的时间思考人工智能发展的哲学意义,而智能是一种非常具有人类价值的东西。”这种想法让他想到了人类生活的基石——细胞。

深度学习:远非人工智能的全部和未来

作者:Fabio Ciucci

人工智能的这一波热潮毫无疑问是由深度学习引发的,自吴恩达等人 2011 年发表「识别猫」研究后,深度学习及其引发的技术已经在图像识别、游戏等任务中超越人类,并让机器学习技术的应用带入人们的生活。这种 AlphaGo 背后的技术是否是未来人工智能的方向?Fabio Ciucci 给出了他的看法。

现在每一个人都在学习,或者正打算学习深度学习(DL),它是目前人工智能诸多流派中唯一兴起的一个。各个年龄阶段的数十万人学习着免费和收费的深度学习课程。太多的创业公司和产品的命名以「深度」开头,深度学习已然成了一个流行语,但其真正使用实际上很少。绝大多数人忽略了深度学习只占机器学习领域的 1%,而机器学习又只占到了人工智能领域的 1%。余下的 99% 则被用来处理实践中的绝大多数任务。一个深度学习专家无法与人工智能专家划上等号。

普通程序员如何向人工智能方向转型?

眼下,人工智能已经成为越来越火的一个方向。普通程序员,如何转向人工智能方向,是知乎上的一个问题。本文是我对此问题的一个回答的归档版。相比原回答有所内容增加。

一. 目的

本文的目的是给出一个简单的,平滑的,易于实现的学习方法,帮助 “普通” 程序员踏入AI领域这个门。这里,我对普通程序员的定义是:拥有大学本科知识;平时工作较忙;自己能获取的数据有限。因此,本文更像是一篇 “from the scratch” 的AI入门教程。

二. AI领域简介

AI,也就是人工智能,并不仅仅包括机器学习。曾经,符号与逻辑被认为是人工智能实现的关键,而如今则是基于统计的机器学习占据了主导地位。最近火热的深度学习正是机器学习中的一个子项。目前可以说,学习AI主要的是学习机器学习。

但是,人工智能并不等同于机器学习,这点在进入这个领域时一定要认识清楚。关于AI领域的发展历史介绍推荐看周老师写的《机器学习简介》。下面一个问题是:AI的门好跨么?其实很不好跨。我们以机器学习为例。

人工智能空前火爆 “智能时代”真的到来了吗?

当下,人工智能可谓热度空前。

自“阿尔法狗”(AlphaGo)完胜人类围棋顶尖高手后,有关人工智能的讨论就从未停歇。一时间,贴着人工智能标签的项目如雨后春笋般涌现,与人工智能业务相关的公司股价更是一路看涨。

不过,对于“人工智能”概念的暴热,也存在着“看多”与“看空”的分歧。有人认为,人工智能将是下一个“风口”,酝酿着大量新的产业、新的价值;而也有人说,这只不过是资本热潮下的又一轮泡沫,将很快破灭。

对于“山雨欲来风满楼”的人工智能,我们究竟应该如何看待它的这次兴起?

深度学习引爆智能热潮

人工智能(Artificial Intelligence)被认为是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。通俗来讲,人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。

这一概念最早是在1956年的达特茅斯夏季会议上提出的,它从诞生到现在经历了61年的历史,发展过程中充满坎坷。它的每一次崛起都伴随着某种重要技术的突破,而每一次遭遇瓶颈,也是由于人们对其过高的期望,超出了技术能达到的水准。

人工智能发展的背后 网络安全该如何保障?

随着万物互联时代的来临,互联网以“开放”“包容”的姿态接纳各类型设备的接入,在带来更加便捷生活的同时,各类意想不到的网络安全隐患便悄悄的潜伏在我们周围。进入2017年,WannaCry 病毒与Petya 病毒席卷全球,在短短几小时内袭击100多个国家和组织机构,对于人们的心理、财产和隐私信息产生了严重影响。

如今,网络安全的边界愈发模糊,如何利用人工智能更好地结合与提升网络安全产业将会成为行业领域的研究热点。未来十几年,人工智能将无处不在,其强大的计算能力、深度学习的能力与“天生自带”的自动化属性相结合,将为人工智能装上前进的发动机,在不断完善解决问题的同时,也在不断与更多的领域相结合。

值得关注的是,由于网络病毒数量与类型的逐渐上涨,让网络安全再度受到了前所未有的关注,同时随着人工智能的迅速发展,其优越的自动化作用在网络安全防御和攻击方面发挥着越来越重要的作用。

在Gartner发布2017年度新兴技术成熟度曲线报告中,无处不在的人工智能已经部署在深度学习、自动驾驶、目标识别、人脸识别、人机对话、认知计算、商业无人机(无人机)、对话用户界面、企业分类法和本体管理、机器学习,智能微尘、智能机器人,智能空间等等新兴技术领域。

人工智能将在汽车出行领域产生颠覆性变革

近日,罗兰贝格与腾讯汽车联合发布《中国汽车行业人工智能应用报告》,分析了人工智能的发展对汽车领域的影响,其在汽车与出行中的应用,以及中国消费者对自动驾驶的消费偏好。报告指出,人工智能对汽车全价值链有着不同程度的影响,短期内主要影响营销及车主使用,而长期来看,人工智能技术将会对汽车出行生态产生颠覆性变革。

经过对算法研究的知识准备与硬件计算性能的提升,人工智能即将迎来新一波的发展热潮。短期来看,人工智能将对汽车行业价值链偏下游环节带来一定的价值增值和精准化运作的效率提升,例如通过采集客户的交通、电信等消费行为数据来建立客户全生命周期的数据生态,构建以应用场景为导向的机器学习算法,或是对精准营销、金融风控和产品个性化定制等场景产生洞见及应用。

长期而言,人工智能技术将推动无人驾驶车辆的大规模应用,并随着无人驾驶出租车的出现,汽车出行领域将发生颠覆性的变革。无人驾驶出租车的有效载客时间高于传统出租车80%,成本却只有传统出租车的12%。它还能节省40%的停车空间,平均减少30%的交通拥堵时间,帮助改善城市空间布局和优化城市交通。

语音识别的前世今生 | 深度学习彻底改变对话式人工智能

“语音识别”的终极梦想,是真正能够理解人类语言甚至是方言环境的系统。但几十年来,人们并没有一个有效的策略来创建这样一个系统,直到人工智能技术的爆发。

在过去几年中,人们在人工智能和深度学习领域的突破,让语音识别的探索跨了一大步。市面上玲琅满目的产品也反映了这种飞跃式发展。本文将回顾语音识别技术领域的最新进展,研究促进其迅猛发展进程的元素,并探讨其未来以及我们距离可以完全解决这个问题还有多远。

背景:人机交互

多年来,理解人类一直都是人工智能的最重要任务之一。人们不仅希望机器能够理解他们在说些什么,还希望它们能够理解他们所要表达的意思,并基于这些信息采取特定的行动。而这一目标正是对话式人工智能(AI)的精髓。

对话式AI包含有两个主要类别:人机界面,以及人与人沟通的界面。在人机界面中,人类与机器往往通过语音或文本交互,届时机器会理解人类 ( 尽管这种理解方式是有限的 ) 并采取相应的一些措施。图1表明,这台机器可以是一个私人助理或某种聊天机器人。

同步内容
--电子创新网--
粤ICP备12070055号