人工智能

关于深度学习,看这一篇就够了

2016 年一月底,人工智能的研究领域,发生了两件大事。

  先是一月二十四号,MIT 的教授,人工智能研究的先驱者,Marvin Minsky 去世,享年89 岁。

  三天之后,谷歌在自然杂志上正式公开发表论文,宣布其以深度学习技术为基础的电脑程序 AlphaGo, 在 2015年 十月,连续五局击败欧洲冠军、职业二段樊辉。

  这是第一次机器击败职业围棋选手。距离 97年IBM 电脑击败国际象棋世界冠军,一晃近二十年了。

  极具讽刺意义的是,Minsky 教授,一直不看好深度学习的概念。他曾在 1969年 出版了 Perceptron (感知器) 一书,指出了神经网络技术 (就是深度学习的前身) 的局限性。这本书直接导致了神经网络研究的将近二十年的长期低潮。

  神经网络研究的历史,是怎样的?

  深度学习有多深?学了究竟有几分?

  

  人工智能研究的方向之一,是以所谓 “专家系统” 为代表的,用大量 “如果-就” (If - Then) 规则定义的,自上而下的思路。

  人工神经网络 ( Artifical Neural Network),标志着另外一种自下而上的思路。

人工智能与机器学习:两者有何不同?

在过去几年,人工智能和机器学习频繁出现在技术新闻和各种网站上。两者常常被用作同义词,但许多专家认为它们存在微妙且重大的区别。

当然,专家们自己有时对于那些区别到底是什么也意见不一。

然而一般来说,有两点似乎很清楚:第一,人工智能(AI)这个术语的历史比机器学习(ML)更早;第二,大多数人认为机器学习是人工智能的一个子集。

最能清楚表示这种关系的图形之一来自英伟达公司的官方博客。它提供了一个很好的起点,有助于了解人工智能和机器学习之间的区别。

人工智能VS机器学习――首先,什么是人工智能?

计算机科学家对人工智能有诸多不同的定义,但究其核心,人工智能包括像人类那样来思考的机器。当然,很难确定机器是不是在“思考”。因此实际上,建造人工智能需要建造擅长处理人类擅长的那类工作的计算机系统。

创造像人类一样聪明的机器这个想法可以一直追溯到古希腊人,当时流传神创造自动机方面的神话。然而实际上,这个想法直到1950年才真正流行起来。

关于人工智能的七大常见误解

 如果你是商界英才(而不是数据科学家或者机器学习专家),你也许对主流媒体宣传的人工智能(artificial intelligence,AI)已经耳熟能详了。你在《经济学人》和《名利场》杂志上读过相关文章,你看到过特斯拉自动驾驶的煽情文章,听到过史蒂芬? 霍金讲述人工智能威胁人类的耸人听闻,甚至迪尔伯特关于人工智能和人类智能的玩笑你都知道。

马斯克:人类是人工智能的最好载体

据国外媒体报道,SpaceX公司创始人伊隆·马斯克(Elon Musk)本周接受采访在谈及人工智能技术时指出,其对人工智能技术想到的最好结果就是人类与人工智能的混合体。

马斯克在接受采访时指出,“我认为 ,如果我们能够将大脑皮层与数字化扩展设备通过神经链接起来,那么久能够将人工智能整合进人体,从而人类就演进成了人工智能和人类的共生体。如果这种技术能够普及,那么我们就能够有效解决控制问题。我们不必再担心科幻小说中人工智能独裁者的出现,因为我们本身就属于人工智能的范畴。这是我所能想到的最好结果。”

马斯克在谈及人工智能以及遗传学的同时,更多的讨论了人类大脑如何与外接电脑设备相连接。“我认为外联设备连接至人类大脑需要更高带宽的接口,目前我们主要受到带宽限制……一旦解决了这一点,我们就拥有自我的收发电邮以及具备电脑、手机以及应用等功能。我们就会成为超人,但目前我们受限于大脑皮层与高级数字设备之间的连接带宽问题,这对于我们的未来非常重要。”

此外,当被问及博士学位是否有用时,马斯克指出,“大多数没有……有些是的,但大多数没有。”马斯克没有多谈SpaceX公司有关的风险。但谈及面对创新中的各种挑战时,马斯克承认,“事实上有时我感到相当强烈的恐惧感。并不是说我无所畏惧,而是会强烈感觉到这种恐惧感,只是当事情足够重要时,你会坚信,会克服恐惧坚持下去。”

AAAI主席Rao Kambhapati:深度学习虽火,但不适合协作机器人

8月26日至27日,在中国科学技术协会、中国科学院的指导下,由中国人工智能学会发起主办、中科院自动化研究所与CSDN共同承办的2016中国人工智能大会(CCAI 2016)在北京辽宁大厦盛大召开,这也是本年度国内人工智能领域规模最大、规格最高的学术和技术盛会,对于我国人工智能领域的研究及应用发展有着极大的推进作用。大会由CSDN网站进行专题直播,并由百度开放云提供独家视频直播技术支持。

国际人工智能促进会(AAAI)主席、美国亚利桑那大学教授Rao Kambhapati参加了本次大会,在会上做了主题为《Planning Challenges in Human-Machine Collaboration》的演讲,并接受CSDN记者专访,分享了他从事人工智能研究的故事,讨论了研究协作机器人的技术路线,并就中国学者在全球人工智能领域应当如何能够有所作为给出了自己的建议。


国际人工智能促进会(AAAI)主席、美国亚利桑那大学教授Rao Kambhapati

人工智能、机器学习、深度学习三者之间的同心圆关系

今年早些时候,当谷歌 DeepMind 团队的 AlphaGo 打败了李世石时,媒体就用人工智能、机器学习和深度学习这三个术语来描述 DeepMind 是如何取得胜利的。这三个名词都是 AlphaGo 大胜李世石的原因中的一部分,但是它们并不相同。下面我们就来解释一下。

人工智能
理解三者之间关系的最简便方法就是将它们视觉化为一组同心圆——首先是最大的部分人工智能——然后是后来兴旺的机器学习——最后是促使当下人工智能大爆发的深度学习——在最里层。

2

从萧条到繁荣

自从 1956 年几个计算机科学家在达特茅斯会议上聚集并开辟了人工智能这一领域,人工智能就进入了我们的想象,并在实验研究中进行着酝酿。在过去的几十年里,人工智能以及轮番被誉为人类文明取得最美好未来的关键,或者是作为一个头脑发烧的轻率概念被扔进了科技垃圾堆中。坦白说直到 2012 年,它就这样在二者之间交杂。

人类是如何一步一步拥有了智慧机器的?

公元前300多年,亚里士多德说,如果一台机器能自己做很多有用的事,岂不是可以把人类解放出来?
之后,人类发明了些用齿轮、发条控制的机器,比如水车、火车、机械加法机、能进行加减乘的穿孔卡片计算机。
这些机器提升了生产效率,但是一点也不聪明。

人类想要一台聪明的机器。

计算机科学萌芽

两千多年后,一位叫“图灵”的科学家提到了一个具有极强运算能力的计算装置。一条纸带被分隔成小方格,每个方格有不同的颜色。一个能通过移动来读写纸带的机器头。机器头能通过目前的状态进行下一步的动作。

1

(图灵机模型)

图灵设计的这一计算模型证明了通用型计算机的存在,后人称之为“图灵机”。为了纪念图灵在计算机方面的贡献,人们设立了计算机界的诺贝尔奖——图灵奖。

图灵机是第一次纯数学的“加减乘除与或非”的符号逻辑与实体世界之间建立联系,而我们现在所拥有的关于人工智能的想法便是从这一刻开始延伸。

拐点到了,探一探人工智能的“美好未来”

摘要: 当人工智能发展的拐点到来,围绕“底层-中层-顶层”的技术和产品架构的生态圈将逐渐成形。其中:底层为基础资源支持层,由运算平台和数据工厂组成;中层为AI技术层,通过不同类型的算法建立模型,形成有效的可供应用的技术;顶层为AI应用层,利用中层输出的AI技术为用户提供智能化的服务和产品

当我在桌面上挥动胳膊,就可以修改文本信息流的方向;

当我专心阅读的时候,屏幕就会出现提醒,而新闻也会显示出更多的章节;

整个房间所有的物体都如同眼睛一样盯着我的各种行为,主动为我送上我想要的资讯;

在高速公路上,沿途经过的建筑,往往只显示针对我的广告,因为他们认识我的车

……

美国硅谷互联网科技界的预言帝凯文·凯利,在他的新著作《必然》里用整整一个章节的内容来阐述当人工智能与媒体融合而可能产生的场景,简直如同做梦一般。在凯文·凯利看来,这将是塑造未来30年的趋势必然之一。

人工智能先驱、未来学家雷·科兹威尔也有类似的预言:到了2020年,我们将成功通过逆向工程制造出人脑。2030年末,计算机智能将赶上人类。2045年,人工智能会掌管全球科技发展。至此之后,人工智能的摩尔定律被打破,科技将呈现爆炸式发展。

【观点】机器学习未必就是人工智能?

也许把机器学习当作人工智能是个“美丽”的时代错误。人工智能强调的是“人工”创造的“智能”,机器学习是“机器”自主从数据中找出“知识”。当数据少和人能推导控制时,“人工”的特性比较明显,人们会认为机器学习是人工智能的一部分。这种智能“人工”的创造从1950年代到本世纪初尤其明显。没有数据,机器很难学习到充分的知识,人的知识便在智能的实现中起到关键作用。因而许多情况下机器学习是实现人工智能的重要辅助工具。

然而随着数据量,数据复杂度,和应用复杂度指数式增长,机器学习有望独立于人工智能。各种应用和各种数据有其自我特征和规律,将来可能建立机器学习科学,从而更加科学地实现机器学习,这可能也有人工参与应用这种科学和技术,并不能因此就把另外一个机器学习“世界”归为人工智能。就像物理世界有其规律,当人类社会发现物理定律,了解物理世界,进而利用物理定律改变世界,我们并不能就因此就说物理世界是人工创作的。

随着时间的推移,人工智能和机器学习的区别就会越来越明显,二者又相互促进。机器学习的发展很大程度上来自数据科学和应用的驱动,直接的表现又好像是人工智能的发展和成就,人工智能和数据科学的发展也是机器学习变的更科学有效。

人工智能:巨头们的游戏 人才和数据是关键

文/杨剑勇 来源:传感物联网

人工智能有望成为未来10年乃至更长时间内科技产业发展焦点,不论是科技巨头,或是知名学府,均作为未来发展重点,人工智能以前所未有的方式入侵着我们的世界。

自上世纪50年以来,科学界对人工智能的研究从未停止,近年来,由于机器学习的迅猛进步,人工智能被视作未来发展方向,也是科技领域的下一个趋势。不过,人们也担心人工智能带来威胁,尤其不少知名人士把人工智能视作为邪恶,开发人工智能即召唤邪恶,其中特斯拉CEO马斯克最为典型,甚至表示未来人类将会成为人工智能的宠物。

同步内容
--电子创新网--
粤ICP备12070055号