侵权投诉
焊接机器人 喷涂机器人 搬运机器人 装配机器人 切割机器人 其它机器人
订阅
纠错
加入自媒体

小i机器人朱频频:人工智能从2014年进入第三次高潮

2016-06-17 15:21
林契于宸
关注

  深度学习是目前最火热的词,给一个确切的目标、资源,可以数字化模型化的任务,理论上都可以解决。图象识别,人脸、OCR和大规模图象分类上非常好的应用,效果非常明显。这是做人脸识别的,这个图是一个什么东西呢?大家可以看一下,这个图就是计算机通过深度学习的方法,挑取的过程。在计算机的眼里,人脸长的是这样的,其他的细节被忽略掉了,因为不需要那么多的细节来表达这个人脸,他只需要掌握这样一个特征,就可以标签到这个人。

  在云识别方面,有非常大的提升,自从在云识别方面进行了应用以后,大家的能力都在往上涨,语音识别的效果也是在慢慢的趋同,不同的是,大家在不同的场景,不同的领域,不同的情况之下,用不同的数据去做训练。比如说手机里面、电话里面,语音识别拿来训练的数据有些不同。

  深度学习的应用

  深度学习的典型应用,在自然语言做支持的机器翻译方面,取得的成果非常明显。在这个过程当中,根本就不懂这个语言到底是什么东西,只是机械的做一个对应的关系,但是对应的结果可能会非常的流畅,表达出来的句子也非常的地道。这些句子原本就是人写的句子,他的训练素材是什么呢,就是一句中文对一句英文。

  在英文句向量里面是怎么做的呢?不是从词的角度来去做输入,不是用词的角度来做输入的,是用字母来去做输入,这个模型就会变成一个非常巨大的模型。一个单词有多少个字母,这个时候不是做一个整体的放到训练系统里面去,而是一个字母一个字母的放进去,希望可以找出里面更深层次的关系。这个东西训练出来的模型会非常巨大无比,但是效果会非常好。

  有时候放到中文里面,那怎么办呢?中文里面没有这种字母的概念,所以可以用单字的方法进行训练,甚至是在国内有人在尝试,包括我们在做一些实验。什么样的方法呢?把一个字拆成部首,然后放到机器里面去训练,试图也找出关系,在这个实验的过程中会发现,繁体字的效果更好,这也很显然,因为繁体字里面带有词的更原始的意义所在。

  深度学习存在的问题

  深度学习现在的确非常火热,但是问题也是非常的多。在学术界也是到处用深度学习的方法解决这个问题,又解决那个问题,解决的问题好,就发一个很好的文章。我跟很多学术界的大佬们沟通的时候,大家也对这个非常的忧郁,大家并没有深入的研究,只是拿去做了应用。到底为什么这样?其实很多人并不知道,里面有很多的问题。参数跟系统设计是需要不断的去尝试的,现在没有特别好的指导方法,而且机器最后选择的特征不可解释,而且非常容易被干扰。在不同的任务网络里面,结果可能完全不一样。如果数据不好,还有参数选择不好,特别容易发生过拟合的状态。计算量也非常巨大,时间也非常紧。

  对于NLP等认知智能,尤其大量需要上下文、背景知识、尝试等任务,目前进展有限。你可以想象这个过程,你在处理人脸识别的时候,基本上所有的数据都给到了机器训练系统,但是要去训练自然语言的时候,你给他的东西表面上是一句话,一段文本,但是这里面一句话,一段文本里面每一个词所代表的含义却是非常丰富的,尤其是映射到某一个领域空间里面的含义,你并没有告诉他这个过程,所以说这个训练只是训练一个非常表面的因素。认知智能,想要做进一步的拓展,需要大量的背景的知识和常识,才能更好的处理对话的过程。所以对我们来说,重要的工作就是借大量的这样一些背景的知识和常识,去驱动认知智能的方法,怎么获取呢?用机器学习的方法和深度学习的方法,从大量的数据里面去挖掘做这个事情。

  因为非常强的计算能力、大量的重要的数据、更先进的机器学习方法,人工智能现在迎来第三次的高潮,有可能会发展非常快,有可能会迎来一个大爆发。大家也担心,大爆发以后,计算机智能超过人类怎么办?我们可以分为几种类别,计算智能,这个已经远远超越人类了,比人类强的不是一点半点。第二类是感知智能,我们能听的,能看到的,能感觉到的这样的一些东西,现在随着发展,云识别也好,图象识别也好,已经达到甚至是超越了人类的水平了,而且感知智并不是人类所独有的智能,显然不是。因为一个动物,也能够感知,一个动物也能够看,甚至是它的能力比人类要强很多。比如说狗鼻子可以识别到的东西比人类强很多,所以感知方面并不是人类最强的能力,人类最强的能力是在大脑里面去做认知的部分,也就是说我们整个人类对世界的一些认知,我们是用知识的形式给保存下来,并且用知识的形式去进行传承。我们每一个人类经过学习以后,我们并不需要对这个世界重新开始认知,我们是站前面人的肩膀上面再去探索。人工智能所要处理的重要的事情就是语言,知识和常识。

  智能机器人介绍

  现在再说说智能机器人,人工智能和智能机器人是密不可分的。作为一个完整的智能机器人,有三个端正要素,感觉、运动和思考,感觉要靠感知智能来支撑,运动是靠运动智能来支撑。运动智能非常复杂,比如说谷歌收购了一家公司,做了一个东西是你怎么踹也不倒,可以在雪地里面行走,可以在非常复杂的山里行走,说穿了这就是一个非常好的算法,一个可以适应各种复杂环境的算法,真正的做好非常的不容易。

  美国有很多的机器人,比如说模拟了一个推门的动作,走楼梯的动作,非常笨重,比人类远远不如。即使那个状态,也是现在人工智能在研究的最厉害的技术了。在智能机器人运用人工智能,是特定场景中更稳定的、更可靠的运动方法。智能机器人在银行的展厅里面,可以通过一些室内定位和导航的算法,在这个里面进行巡航,能够指引人类去走。你要去模拟人类的腿去走路,显然是不合适的。我们看到很多的实际商用的机器人,下面是用轮子,因为稳定,成本低,不容易坏,可以解决当前的应用场景。最重要的就是思考能力,思考能力就是认知智能去驱动的。

<上一页  1  2  3  4  5  6  7  下一页>  余下全文
声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号