人工智能

Jason Yosinski坐在美国加州旧金山的一个小型玻璃办公室内,陷入了对人工智能的沉思。作为优步公司的研究科学家,Yosinski正为在笔记本电脑上运行的人工智能(AI)进行“脑外科手术”。

很多AI将改变人类现代生活,例如优步的无人驾驶汽车,Yosinski的程序是一个深度神经网络,其架构或多或少受到了大脑的启发。正如人类大脑一样,这个程序很难从外部理解:它是一个黑箱。

这一特殊的AI能通过大量的标注图像被训练,从而识别像斑马线、消防车、安全带等物体。但它能够识别Yosinski和摄像头前面的记者吗?Yosinski放大了其中一个AI的独立计算节点(神经元),从而查看是什么引发了其响应。

两个幽灵般的白色椭圆状物体浮动在屏幕上。这个神经元似乎已经学会了如何探测人脸轮廓。他说:“它会对你我的面部做出反应,也会对不同大小、不同颜色的人脸做出反应。”

不过,没有人训练这种网络识别人脸。在训练图像中,人类不被标注,但是网络确实在学习识别人脸,也许是与人脸一同出现的物体,比如领带、牛仔帽。该网络如此复杂,以至于人类无法理解其做出的决策。

而Yosinski的探索虽然指明了部分道路,但总体状况依然不清楚。他说:“我们有令人惊叹的模型,但实际上并不理解它们,而且这种情况在逐年恶化。”

深度学习

2017人工智能将带来四大变革,你都知道吗?

据美国媒体7月16日报道,2017年人工智能将带来四大变革:聊天机器人、医疗服务、生物特征识别软件和专属你的APP。

第一大变革聊天机器人。研究表明,现如今大部分人希望商业场所能够随时提供服务。某公司研发出的聊天机器人,可以满足不同客户的需求。不论你是要订飞机票还是订外卖,聊天机器人都可以为你提供服务,而且你很难察觉你是在和机器人说话。

人工智能所带来的第二大变革,是医疗服务方面。软件能够根据病人以往的病史进行分析诊断,从而为病人提供准确的治疗,减少医疗事故的发生。这种软件能够和医生的工作相辅相成,帮助医生更好地为病人提供治疗。

第三大变革生物特征识别软件。在人工智能的帮助下,生物特征识别软件能够轻松地推测出一个人的心情好坏。网络广告公司和电视节目供应商都希望采用这项技术来了解顾客对他们的满意度。

谷歌DeepMind拓展人工智能新方向:教AI行走

DeepMind技术公司已经开发出多种人工智能方案,其不仅击败了全球最顶尖的围棋选手,同时亦在数十种传统视频游戏当中创下新纪录。如今,这家由谷歌持有的技术厂商开始着眼于更为复杂的发展方向:指导AI如何行走。

DeepMind公司这一项目的建立思路并非创建一套步行AI,而是立足于动作模拟为机器学习技术开发新的测试工具。根据DeepMind研究团队发表的博文,项目的最终目标在于打造出"灵活自然的动作行为,确保其具有复用能力并适应任务解决过程中的各类需求。"

围棋等项目虽然本身相当复杂,但却具有明确的目标,因此对人工智能方案而言相对易于处理; 在另一方面,DeepMind团队解释称,教导AI如何完成跳跃或者反向翻转等身体动作则要困难得多。该团队指出,"在为人工系统进行运动技能传授时,对复杂行动的准确描述通常是其中最为困难的部分。"

DeepMind公司今天发布了三份研究论文,具体探讨了其用于教导AI处理运动任务的实际方法。其中第一篇论述了如何通过给予"前进"这样一项简单目标帮助AI学习如何超过障碍。其中一部分AI代理采用与人类相似的双足运动模式,但也有一部分模拟简单的四足动物运动模式。

人工智能爆炒中的冷思维,深度学习的地板和天花板在哪里?

作者: 王萌
无论在中国市场还是欧美市场,对人工智能,尤其是深度学习技术的炒作已经到达白热化的巅峰,各路AI创业公司、项目和技术如雨后春笋。一夜之间,工人、司机、医生、律师、法官、新闻记者、股票交易员甚至码农和黑客都被铺天盖地的人工智能审判日阴影所笼罩(人工智能,提前到来的职业杀手),而过于与人工智能毫不沾边的IT电子消费产品,例如路由器、扬声器、手环、手机APP甚至豆浆机等“智能产品”都纷纷贴上了人工智能的新标签。

在各路新老媒体和“专家”的鼓噪下,人工智能似乎成了一把万能的锤子,任何行业、任何职业、任何应用似乎都可以被人工智能取代甚至革新,但是关于人工智能真正的价值和局限性,参与这波炒作的国内媒体和专家们几乎没有人去关心。正如IT经理网专栏作者赵敏在《让AI发光发热莫发烧》一文中引用的北航计算机学院刘连忠教授的话:

“外行鼓噪情有可原,许多科学技术工作者有时也故意混淆视听。AI现在太热了,不过很快会降温,因为AI自己还只能循序渐进的发展着。”

25 个你需要知道的人工智能术语

作者:Sarah Davis
译者:牟云飞

人工智能不再是定义模糊的流行词汇,已经成为了更为精确的指代,在这样的背景下,理解人工智能领域的术语越来越成为一种挑战。本文就为大家总结一些人工智能领域最重要的术语。

A

算法(Algorithms):一组用于人工智能、神经网络或其他机器的规则或指令,以帮助它自己学习;分类、聚类、推荐和回归是四种最常见的类型。

人工智能(Artificial intelligence):机器模拟人类智力和行为做出决策、执行任务的能力。

人工神经网络(ANN):这种学习模型,模拟人脑运作,从而解决传统计算机系统难以解决的任务。

自主计算(Autonomic computing):系统自适应自我管理自身资源用于高级计算功能的能力,而无需用户输入。

C

人工神经网络之几何原理Ⅰ:单(隐藏)层神经网络

本文旨在通过几何方法来阐述为何人工神经网络能够有效地工作。

人工神经网络之几何原理
(Geometric principle of Artificial Neural Networks)

本文探讨的人工神经网络仅仅为最简单的ReLU神经元所构成的普通神经网络(非CNN和RNN),且只探讨了单(隐藏)层的分类这一个经典的场景。

基本约定

为了方便讨论和图像化, 全文使用的激活函数均为ReLU, 原始输入的X为二维向量。

实例1

下图为一个最简单的人工神经网络,其包含两个节点的输入层,两个节点的输出层,以及三个节点的隐藏层。该网络可以用于解决输入为二维向量的二元分类问题,其输出为两种分类的概率。

人工神经网络之几何原理Ⅰ:单(隐藏)层神经网络

○ 输入层 - 2维向量X

计算机视觉可能会影响我们发展人工智能的五种方式

原作者:KEN WEINER, GUMGUM
译者:李凌

这对于我们在计算机视觉领域工作的人来说是一个令人激动的时刻——我们将看到计算机视觉系统与人工智能相结合,来创造并实现各种新的可能性。在几星期前纽约举行的LDV Vision Summit上,我总结出了计算机视觉系统将会影响人工智能的五个重要观点:

1.智能小助手在视觉上开战

随着我们的系统越来越接近于“人性化”——就像人工智能,它将更需要视觉数据来进行学习和处理其他数据。在LDV 峰会上,Evan Nisselson说到:“这是所有主要公司都想在激烈的竞争中拥有我们的活动视觉数据的原因之一。”“为了做到这一点,他们需要拥有摄像机。”例如,亚马逊最近为其以Alexa作为语音助手的智能设备—— Echo,添加了一台摄像头,而Google(Lens)和Facebook最近又发布了新的增强现实研究的声明。

2.光学器件足以引导无人驾驶车

原作者:Salk Institute
译者:李凌
原文链接:https://www.sciencedaily.com/releases/2017/06/170608145602.htm

也许你认为无人驾驶汽车这个目标是无法很快成为实现,那么有这种想法的不止你一个人。而用计算机编程来识别某个对象,这在技术上是非常具有挑战性的,特别是连我们的科学家们都不能完全明白大脑是如何做到的。

图片:右图显示了大脑的V1和V2区域是如何使用边缘和纹理信息来对像左图中泰迪熊的形象进行描绘
图片:右图显示了大脑的V1和V2区域是如何使用边缘和纹理信息来对像左图中泰迪熊的形象进行描绘

现在,Salk研究所的研究人员已经分析了大脑关键部分的神经元(称为V2)是如何对自然场景作出反应,从而更好地进行视觉处理并加深理解的。 这项研究工作在2017年6月8日的《自然通讯》杂志中进行了描述。

“AI+安防”技术变革如何颠覆我们的生活?

人工智能(Artificial Intelligence),英文缩写为AI。它是研究、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。 人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。

近年来,全球各大巨头公司以及各细分领域创业公司纷纷入局人工智能,随着人工智能不断攻破人类智力防线,显而易见,不久的将来大部分人的工作会被机器所取代。

日本政府打算今年前制定好几项计划,包括从2020年开始允许无人机运送包裹,从2022年开始允许无人驾驶卡车商业化运营等;

亚马逊获得美国商标专利局的无人机快递包裹「标签内置降落伞」新专利,这项技术可帮助包裹在空中脱落时软着陆,或在未来被亚马逊应用于PrimeAir无人机快递服务中;

美国临床肿瘤学会在年度会议中披露的数据显示,IBM的Watson给出的癌症治疗方案大部分时候与医生的建议十分吻合。IBM公司也宣布,其用于帮助医生诊断和治疗患者的癌症护理产品已在分布全球的九家新医疗中心投入使用。

对人工智能的一点思考

我觉得计算能力不是产生智能的本质原因。人类大脑的计算能力有限却有逻辑推理能力。目前计算机的运算能力远远超过人类的运算能力,却无法产生类似的学习和逻辑推理能力。

人脑使用概率模型,通过组合概率和可能性来得出结论,从而创造出各种假设,并随着新接收到的信息而连续调整。随着大脑的成熟,变得更加专业化以执行复杂的功能,因此也变得不那么灵活,越来越难以随着时间而改变。年长的学习者发展出了有偏见的观点,因为他们更多地了解世界并且加强某些神经连接,这阻碍了他们基于很少的信息来形成具有创新性的假设和抽象理论的能力。你知道的越多,你就越依赖于你知道的东西,而对新的东西则不能保持一个开放的态度。

数学精确逻辑不能容错,微小的错误会在计算积累中不断放大。人脑的逻辑完全不同,是基于统计的结果,所以可以忽略不具有规模的异常错误。人类语言就是这种思维的体现,并且在语言逻辑之上支撑了数学逻辑。可否看成,人类大脑是通过结构来存储规律,然后过滤出一种概率分布,利用统计给出最后的结果。结果代表的是一种趋势和倾向。

同步内容
--电子创新网--
粤ICP备12070055号