人工智能

如何给非专业人士讲解什么是深度学习?

作者:王咏刚

去年开始,工作中需要做许多有关 AI 科普的事情。很长时间里一直在想,该如何给一个没有 CS 背景的人讲解什么是深度学习,以便让一个非技术的投资人、企业管理者、行业专家、媒体记者乃至普通大众明白深度学习为什么会特别有效,理解 AI 是如何帮助人们解决具体问题的。中间经由 Quora 一篇简短回答的启发,大致形成了用水流脉络来比拟神经网络的想法。曾经在面向银行界、教育界、投资界人士的演讲中,尝试过基于这个比喻的讲解方法,效果很不错。慢慢就形成了这样一篇文章,最近也被收进了李开复和我合著的科普书《人工智能》中。

【注】特别需要说明的是,本文对深度学习的概念阐述刻意避免了数学公式和数学论证,这种用水管网络来普及深度学习的方法只适合一般公众。对于懂数学、懂计算机科学的专业人士来说,这样的描述相当不完备也不精确。流量调节阀的比喻与深度神经网络中每个神经元相关的权重调整,在数学上并非完全等价。对水管网络的整体描述也有意忽略了深度学习算法中的代价函数、梯度下降、反向传播等重要概念。专业人士要学习深度学习,还是要从专业教程看起。

从根本上说,深度学习和所有机器学习方法一样,是一种用数学模型对真实世界中的特定问题进行建模,以解决该领域内相似问题的过程。

宜家正在考虑在家具当中集成人工智能

家具零售商宜家有可能在未来推出内建人工智能技术的家具产品。该公司的丹麦创新实验室Space10目前正在调查人们在虚拟助手中想要看到的内容,这意味着这家瑞典制造商可能会考虑在未来将AI技术嵌入家具当中。

Space 10进行的这项调查旨在确定客户想要在智能家具的虚拟助理中获得何种信息。在大多数情况下,这些问题围绕着你对助理性别的偏好(男性,女性和中性)以及用户希望AI助手是否更加人性化或机器人化。
调查进一步询问用户是否希望虚拟助手反映用户的价值观和世界观,是否希望虚拟助手检测用户情绪并对情绪作出反应,甚至遵循与用户相同的宗教信仰。

它还涉及诸如隐私等问题,要求用户指出是否可以收集用户数据,以及在什么情况下AI可以收集用户数据,以改善整体互动体验。

宜家以前只推出了无线充电台灯和智能灯泡两种高科技解决方案。但是,有一天用户从沙发起身的时候,会听到一个神秘的机器人声音,询问用户是否想要调整灯光。

宜家正在考虑在家具当中集成人工智能

AISpeech Inside:这款音箱基于MIPS君正X1000处理器

北京君正是国内外领先的嵌入式CPU芯片及解决方案提供商,也是思必驰的深度合作伙伴,君正X1000处理器即应用了思必驰自然语言交互技术,能够实现语音识别、语音合成、智能对话等功能,语音交互体验十分人性化。

基于MIPS的X1000是北京君正第一款针对物联网而设计的处理器,具备超低功耗、超高性能、语音交互等优点,主要针对智能家居应用,通过思必驰语音技术,让传统家居产品初步具备人工智能,性价比极高,非常具有竞争力。圣塔斯S1 Wi-Fi智能音箱即应用了该方案,目前该款音箱已经正式开启京东众筹。

 AISpeech Inside:这款音箱搭载了君正X1000处理器

 AISpeech Inside:这款音箱搭载了君正X1000处理器

 AISpeech Inside:这款音箱搭载了君正X1000处理器

 AISpeech Inside:这款音箱搭载了君正X1000处理器

 AISpeech Inside:这款音箱搭载了君正X1000处理器

 AISpeech Inside:这款音箱搭载了君正X1000处理器

 AISpeech Inside:这款音箱搭载了君正X1000处理器

AISpeech Inside:这款音箱搭载了君正X1000处理器

AISpeech Inside:这款音箱搭载了君正X1000处理器

AISpeech Inside:这款音箱搭载了君正X1000处理器

文章来源: 北京君正

黑暗之心:人工智能内心藏着哪些黑暗?

据TechnologyReview报道,当机器人决定走特定路线前往仓库,或无人驾驶汽车决定左转或右转时,它们的人工智能(AI)算法是靠什么做出决定的?现在,AI还无法向人们解释自己做出某项决定的理由,这或许是个需要搞清楚的大问题。

2016年,美国新泽西州蒙茅斯县(Monmouth County)安静的公路上出现一辆奇怪的无人驾驶汽车。这是芯片制造商英伟达的研究人员开发出的试验车,尽管它看起来与谷歌、特斯拉以及通用汽车公司研发的无人驾驶汽车没什么不同,但它展现出AI的更多力量。

帮助汽车实现自动驾驶堪称是令人印象深刻的壮举,但同时也让人感觉有点儿不安,因为现在我们还不是非常清楚汽车如何作出决策。汽车传感器收集的信息被直接传给庞大的人工神经网络,后者可对数据进行处理,然后发出相应指令,指挥汽车方向盘、制动以及其他系统运行。

表面看起来,它似乎与能与人类驾驶员的反应相匹配。但是当其发生意外事件,比如撞上树或闯红灯时,我们可能很难从中找出原因。这些AI算法非常复杂,甚至就连设计它们的工程师都无能为力。现在我们还没有办法设计出这样的系统:它总是能够向人们解释为何要做出上述决定。

未来机器人会咋看人类?递归神经网络之父:像蚂蚁

4月19日消息,据《卫报》报道,谈到机器人的未来,递归神经网络之父、德国计算机科学家尤尔根·施米德胡贝(Jürgen Schmidhuber)在受访时表示,“未来机器人对我们的关注将会如同我们对蚂蚁的关注一样。”他还称,人工智能将会在2050年超过人类智能。

机器智能

在柏林西部的一个仓库后面的一个工作室中,一群国际科学家在讨论我们的机器人未来。一位来自一家大型欧洲汽车厂商的工程师在发表一份谨慎乐观的无人驾驶汽车进展报告。他解释道,机器人汽车正在学习分辨汽车和行人、骑自行车者等相对容易受伤害的移动物体。有的机器人汽车已经比人类更善于分辨不同的狗的品种。“但当然,这些都只是小进展。”他说道。

接着,一位体格健壮的、身穿淡灰色西装的男子上台。“不久之后,最聪明、最重要的决策者可能不会是人类。”他说,脸上带着在向青少年讲解成长烦恼的家长般的怜悯微笑,“我,我们并不是濒临又一次工业革命,而是濒临一种新型的生命,它更像是一种创世大爆炸。”

尤尔根·施米德胡贝被称为那个将会被首批拥有自主意识的机器人认作父亲的人。该现年54岁的德国科学家所开发的算法让我们能够跟我们的计算机通话,也让我们的智能手机能够将普通话翻译成英语,但他并不是很热衷于未来机器人的存在将主要是为人类服务的说法。

为什么深度学习会突然改变你的生活?

过去三年中对人类社会影响最大的技术浪潮无疑是人工智能,而为人工智能的发展带来突破性拐点的当属深度学习。眼下,Google、Amazon、Facebook、微软、IBM 等各大技术巨头已在不遗余力地推进深度学习的研发和落地,更有大量优秀的初创公司崭露头角。

深度学习是什么?其发展路径和关键时刻有哪些?未来可能如何演进?分享《财富》杂志刊登的这篇深入浅出的文章,希望对你有所启发。

过去 4 年,读者无疑已经注意到大范围的日常技术在质量方面已经取得了巨大突破。

其中最明显的就是我们智能手机上的语音识别,它的功能已经比过去好得多了。当我们用语音命令打电话给配偶时已经能联系上对方了。因为接线的不是美国铁路局或者一头愤怒的公牛。

实际上,我们现在越来越只需跟计算机讲话就能实现互动,对方也许是 Amazon 的 Alexa,苹果的 Siri,微软的 Cortana 或者 Google 的众多语音响应功能。百度称,过去 18 个月其客户语音接口的使用量已经增至原来的 3 倍。

人工智能+黑客=? 细思极恐……

随着政府机构开始把安全重点转向具备自学能力的自动化系统,网络安全人士也开始纷纷担心黑客对这些系统产生的影响,这甚至成为了他们最大的担忧。

科技网站GCN近日撰文称,人工智能技术的发展对网络安全构成了挑战,因为与防御者相比,黑客更容易操纵机器学习算法,从而获得自己想要的结果。

根据维基百科的解释,对抗性机器学习(Adversarial machine learning,以下简称“AML”)是一个“机器学习与计算机安全的交叉学科……其目的是在垃圾信息过滤、恶意软件监测和生物特征识别等对抗性设置中安全部署机器学习技术。”

人工智能+黑客=? 细思极恐……

据宾夕法尼亚州立大学谷歌安全项目博士尼古拉斯·帕珀诺特(Nicolas Papernot)介绍,AML希望在对抗性环境中应用机器学习算法后,能够更好地理解这些算法——所谓对抗性设置,指的是“任何一个让攻击者因为财务动机或其他动机而迫使机器学习算法采取不端行为的设置。”

人工智能诞生60周年 展望机器学习的未来发展

1952年,Arthur Samuel在IBM公司研发了一款西游跳棋程序,这个程序具有自学习能力,可以通过对大量棋局的分析逐渐辨识出每一棋局中的“好棋”与“坏棋”,从而不断提高机器的跳棋水平并很快下赢了Samuel自己。1956,也就是在60年前的达特茅斯人工智能会议上,Samuel介绍了自己的这项工作,并发明了“机器学习”一词。

在计算科学历史上,“机器学习”有着多种定义,普遍的观点认为“机器学习”就是计算机利用数据和“经验”来改善算法系统自身的性能。斯坦福大学对机器学习的定义是在没有明确编程指令的情况下,让计算机自行采取行动的科学。通过已有数据产生“学习算法”模型后,再应用到新的数据集上,从而对新的情况做出策略性判断,这就是所谓“预测”。可以说,机器学习是关于“学习算法”的科学,而人工智能则是研究开发具有智能的机器。

2016年是人工智能诞生60周年。在最近十年,随着大数据和云计算(大规模计算)的发展,机器学习进入了发展的黄金期。2016年12月17日,在2016机器智能前沿论坛上,中外专家探讨了机器学习的未来发展与展望。

机器学习进入发展黄金期

Imagination 关于2017年的十大猜测

1、2017年硬件安全问题将会更加明显:安全问题非常关键,可以说成也安全,败也安全,就如今形势而言,无疑会变得更糟。如今越来越多的互联设备会遭到攻击。在2017年多领域的安全措施将会被广泛接受,这是保护嵌入式设备非常必要的一种方式。

2、人工智能领域会大放异彩:2017年我们会看到很多面向AI的专用芯片上市以及AI方面可论证的技术出现。开发AI专用芯片的公司需要考虑快速增长的需求,不仅要满足本地处理数据的需要,还要将数据上传到云服务器进行处理和整合。

3、手工技术逐步转向半自动化:2017年我们会看到很多手工技术向半自动化技术方面的转变,例如汽车、无人机以及一些机器人相关应用。因为这些技术刚开始逐步兴起,我们会看到更进一步的发展。

Imagination 关于2017年的十大猜测

人工智能的未来在于神经形态芯片,将取代CPU

《连线》杂志近日撰文指出,神经形态芯片(neuromorphics)被设计专门用于模仿人类大脑,他们可能很快取代CPU。以下为文章内容摘要:

类似于苹果Siri这样的人工智能服务,都需要把用户问题传输到遥远的数据中心,然后通过数据中心的运算再传回答复。此类人工智能服务需要依托云计算,是因为目前的电子设备还没有足够的计算力,来运行机器学习所需的超强处理算法。

目前绝大多数智能手机中配置的CPU,都无法单独支持在设备中运行像Siri这样的系统。不过理论神经科学家、加拿大人工智能初创公司Applied Brain Research联席首席执行官克里斯·艾利斯密斯(Chris Eliasmith),对新型芯片将会改变这一切充满了信心。

“许多人都认为摩尔定律已走向终结,这意味着使用同样的方式,我们将无法廉价的获得‘更多计算力’,”艾利斯密斯说。在他看来,神经形态芯片的快速发展将会解决这一问题。虽然神经形态芯片并不广为人知,但若干家大型芯片制造商已在开发此类芯片。

传统CPU的处理指令基于“时钟时间”--信息如同被节拍器管理一样按一定的时间间隔发送。神经形态芯片在芯片中模拟人脑同步处理多种数据的能力。根据图像、声音或其他信号的变化,神经元可以改变与其他神经元之间的联系。所以说,这些神经形态芯片模拟的是人脑的神经网络,可以实现人脑的部分功能。

同步内容
--电子创新网--
粤ICP备12070055号