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

人工智能大讨论:2045年人工智能超越人类靠谱么?

2016-07-18 09:02
Minor昔年
关注

  一场GoogleAlphaGo与围棋世界冠军李世石的对弈吸引了全世界的目光,也让人工智能再度成为业界讨论的热点话题。人工智能自1943年诞生以来,在几十年的发展历程中经历了多次潮起潮落,人们却从未停止过对人工智能的研究与探索。当下,摩尔定律驱动计算力不断增长,云计算、大数据、移动互联网这些趋势在影响着人类社会的生活与生产方式,也成为人工智能的催化剂,促使着人工智能不断的演进。那么,在大数据时代到来的背景下,人工智能未来会朝着什么方向发展?人工智能在未来能够超越人类么?人工智能两大流派:联结主义和符号主义孰优孰劣?近日,在百分点数据与价值国际论坛上,来自北京大学数学学院教授林作铨、东南大学计算机与工程学院教授漆桂林、普惠金融首席数据科学家李文哲以及百分点集团技术副总裁刘译璟等多位人工智能领域的专家就这些话题进行了深度讨论。

  众所周知,人类的智能主要包括归纳总结和逻辑演绎,与之对应的就是人工智能中的联结主义和符号主义两大最主要的流派。前者典型方法为神经网络、统计学习、深度学习等;而后者则包括形式语言、逻辑推理、专家系统等。这两大流派在人工智能发展历史中互有起落。而随着2006年加拿大多伦多大学教授、机器学习泰斗GeoffreyHinton在《科学》杂志发表深度学习方面的论文,深度学习在学术界以及商业界持续升温,语音识别、图像识别、自然语言处理、搜索广告等深度学习相关的应用为之大热。作为联结主义的代表,深度学习俨然成为人工智能当下最为热门的领域。

  对此,北京大学林作铨教授认为:“2006年开始迅速发展的深度学习恰恰在人工智能的基本原理方面并没有太大贡献。深度学习的本质是靠大量数据进行层级计算,第一层学习之后变成另一种表示,然后特征的抽取变成第二层,层级越多所达到的效果一定会更好;另外,深度学习每一层的计算或者所谓的学习其实本质就是应用数学问题,即解出一个信息函数,但是原则上这些非线性函数都是难计算的。因此,带来两大问题就是:首先,深度学习网络不断增加深度层级的意义;另外就是每一层级的计算的理论问题,计算数学解决不了,深度学习也解决不了。”

  东南大学计算机与工程学院教授漆桂林则认为,让机器学习具备认知和推理能力是人工智能领域下一步需要真正思考的难题,“不是所有公司都拥有Google这样的大数据能力,Google跑深度学习的效果非常好。但是换了另外一家公司却可能没那么好的效果。如何在更小数据量上面提高机器的学习能力,其实需要让它具有认知和推理能力。目前几个深度学习领域的权威专家已经在不同场合表示需要把人类的规则推理引入到神经网络,使得神经网络具有更好的解释性。”

  “人们对于深度学习的理解还没到我们想要的人工智能的程度,想要通过深度学习的模型达到人的智慧还非常难做到。”普惠金融首席数据科学家李文哲补充道。

  对于符号主义而言,认为人工智能源自数学逻辑,核心思想就是应用逻辑推理法则,在人工智能中体现就是机器定理证明。符号主义认为知识是信息的一种形式,是构成智能的基础,知识表示、知识推理、知识运用是人工智能的核心,知识通过符号表示,认知即为符号的推理过程,推理过程又可通过形式化语言来描述,并且主张通过逻辑方法来建立人工智能统一体系。林作铨教授表示:“符号主义的核心目标仍然是探寻人工智能的基本原理,属于基础研究。人工智能的原始目的之一就是通过计算机来模拟人的智能行为,探寻智能的基本原理,这个目标还远远没有达到。”

1  2  下一页>  
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