内容简介：本报记者 骆轶琪 深圳报道12月7日举行的2018大湾区机器人与人工智能大会上，多名业内人士表示，业界正在寻找打开当前深度神经网络架构的突破口。12月11日，在接受21世纪经济报道记者的专访时，深醒科技创始人、首席科学家袁培江表示，依靠粗暴的数据驱动是有阈限的，当前深度学习的方法很快会遇到天花板。业界正在谋求算法数据可解释性、模型合理性的进一步探索。 “技术永远是基于一定概率，目前的深度学习是一个不能解释的‘黑盒子’，人和机器面对同一个东西表现的特征，所得出的结果是不同的。”他解释道。
本报记者 骆轶琪 深圳报道
12月7日举行的2018大湾区机器人与人工智能大会上，多名业内人士表示，业界正在寻找打开当前深度神经网络架构的突破口。
12月11日，在接受21世纪经济报道记者的专访时，深醒科技创始人、首席科学家袁培江表示，依靠粗暴的数据驱动是有阈限的，当前深度学习的方法很快会遇到天花板。业界正在谋求算法数据可解释性、模型合理性的进一步探索。 “技术永远是基于一定概率，目前的深度学习是一个不能解释的‘黑盒子’，人和机器面对同一个东西表现的特征，所得出的结果是不同的。”他解释道。
为此，越来越多的人开始挖掘深度神经网络架构之外的模式，中国自动化学会副理事长陈俊龙12月7日向记者介绍，今年初他提出一个新的架构：宽度学习系统的网络架构。按照目前的测试，其应用时耗费的神经元和所需速度是深度学习的“至少一半”。
在从机械性学习走向“认知”乃至学会“推理”、并能够掌握“思考方式”的过程中，人工智能技术将涉及更多学科和更深层次领域的交融。同时，与应用的结合仍是其不可或缺的一环。
突破算法“黑盒子”
袁培江向记者指出，理论上机器学习掌握了所有存储在其中的数据，就可以达到100%准确度，但目前尚未达到。“准确率从90%到99.99%会发展很快，但到小数点精确到更后面时，技术瓶颈会越来越明显。”他表示。
陈俊龙有同样的观点，他表示，“现在的人工智能是根据人设定和提供的架构来做，是机械智能。做到面部识别快速，算法快捷，是早期的基本AI应用。但对人的思维和动作认知，机器还没有这个能力。”
他认为，在认知和感知层面，AI目前仍面对很多困难，至少要10-20年的摸索。
再往后，更困难的是对脑科学方面的研究。这涉及研究人脑的思维机制，目标是教会机器学习和认识人类的思想。
在2018大湾区机器人与人工智能大会上，德国汉堡大学教授张建伟也提到，当前的弱人工智能更多是将数据自下至上地递进学习。下一步机器学习要融合其他强人工智能的学习方法，包括融入自上而下的知识、全局化地优化、进化算法实现可泛化的学习等。
因此，对深度神经网络架构逐渐显示出的技术迭代短板，令业内开始思考其他可替代性的架构模型。比如今年初，陈俊龙提出了宽度网络架构。
他向21世纪经济报道记者解释道，宽度学习和深度学习网络架构，本质上是结构和算法的差别。据介绍，深度神经网络学习架构，是在结构固定以后才开始学习。那么此后学习期间如果出现不准确，就要重新设计网络、再学习一次。
宽度则是设计好网络后，当面临学习不准确的情况，可以随时以横向的方式进行增量扩充，即通过增加神经元，以提高准确度。
袁培江则强调，当前业界一种观点是，不能单纯做“黑盒子”，“我们会追求，对机器做出的判断这个过程既能够做得对，也能够说得清。这可能是一个发展的必然过程。”他向记者指出，接下来将探讨的方向包括，对于数据的可解释性，模型的合理性，将先验知识或者知识图库的结合等方面。否则深度学习模型很快会遇到天花板。举例来说，在医疗领域，很多种类的癌症识别率已经可以达到98%。但为什么达到这个水平并不知道，同时不同病种结果不同，所以要找到机器学习的机制，做好迁移学习；另外要摸清为什么能够做到这样的识别率。
智能2.0时代的应用
科研技术和行业应用落地永远是相辅相成的角色，在AI领域尤其如此。通过将往期应用经验交给机器学习，可以一定程度提升机器的识别效率和准确度。
图灵机器人董事长俞志晨12月11日向记者分析道，随着技术的深化，应用方面正走在智能2.0向3.0进化的阶段。
他指出，智能1.0时代更多表现在语音交互方式层面提供服务，在2.0时代将对语义理解有更大要求，并与视觉交互相融合。“现在我们对多模态交互方式的要求越来越高，至少每2-3年会有一个新阶段的跨越。”
作为初创企业，图灵机器人的技术发展策略就是深挖一个主场景，即儿童市场。
“我们发现一些近年比较火的基于软件的聊天机器人，在基础技术服务上已经出现发展瓶颈，现在的创新更多是在内容生成等层面，而不是底层技术。”俞志晨认为，儿童场景将高度依赖软硬件的结合，其发展空间会比纯互联网产品前景更宽。
袁培江也向记者强调，创业企业首先讲求的是AI场景落地，即保持产业化的“火种”，此后当大量从业者涌入这个行业时，就要及时意识到发展的瓶颈在哪里。若无法持续解决痛点，产业迟早会陷入与如今VR行业同样的困境中。为此，深醒科技的策略是寻求更多合作落地，包括技术和应用两个层面。
陈俊龙告诉记者，从目前的实验来看，其研究的宽度学习落地到应用中，与深度学习可以落地的应用场景并无差别。但由于宽度学习的增量学习速度加快，在同样准确度条件下，宽度学习架构的资源消耗（包括时间、神经元所需数目等）是深度学习的至少一半。
“中国在AI应用上在世界范围内是绝对领先，但基础科学的早期算法都是源自国外的开源。这种情况下，我们是否能基于之前学过的东西，形成一套更重要的理论很重要。宽度学习只是其中一个算法学习。”陈俊龙如此指出。（编辑：黄锴）
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
Mobilizing Web Sites
Layon, Kristofer / 2011-12 / 266.00元
Everyone has been talking about the mobile web in recent years, and more of us are browsing the web on smartphones and similar devices than ever before. But most of what we are viewing has not yet bee......一起来看看 《Mobilizing Web Sites》 这本书的介绍吧!
