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

工程院院士李德毅:特斯拉车祸引思考 机器人将使人类自身更智能

2016-07-15 09:02
一分日元
关注

  全新的驾驶脑如何设计?

  完全自动驾驶,如何跑赢最后一公里

  回顾近十年来的比赛和里程碑试验,智能车各种感知和认知手段相互依存、彼此缠绕,在各类比赛场、测试场,智能车表现千奇百怪、反反复复。

  我们困惑过,迷茫过,试来试去。换车、换平台、加电源、换模块,通过多车交叉验证和常态试验,终于理出了头绪,形成全新的驾驶脑设计!

  以前,强调知识驱动人工智能发展。例如计算智能超过人的智能(单个人或者几个人的智能),但是,计算机毛病也很多,如计算、存储分工明确,做不到交互。在认知过程当中,人脑神经元之间的交互,以及任何外部世界的交互不可能复制。

  以往,记忆不能存储是人类智能的显著表现,计算机却不能遗忘。而深度学习的四个重要局限是:学习参数具有随意性,不能保证算法的收敛性,缺少反馈机制,大量数据样本缺少累计性、相互之间没有持续。此外,与规则程序的巨大差别是,深度学习的学习成果不具有可解释性。

  今天,知识和数据双轮驱动着人工智能。机器人通过大样本和深度学习,终于可以聪明到足以改变程序中的参变量、甚至自身局部代码。人工智能的核心不仅仅是算法,更是学习,大数据环境下充分发挥碎片化大数据认知的机理。克服宏观认知的形式化困难,细分约束区间,通过大量微观认知的形式化,降低形式化难度,缩小在线推理范围,生成数据定义的软件,让程序围着数据转。

  2011年余斌和计算机所下九路围棋

  四问AlphaGo,思考人机大战本质

  人工智能诞生已有60周年。人工智能从走路到奔跑的过程,有两个典型案例——围棋脑和驾驶脑。

  中国人工智能协会在一次博览会上,曾跟中国围棋总队总教练余斌下了一次棋:Lingo对阵九段棋手。最后,Lingo赢了。当时舆论普遍认为,电脑9路盘围棋,两三年或可抗衡人类,但19路盘围棋,还看不到机器战胜人类的可能。

  围棋难在哪里?围棋想围住对方,在某个状态下应对的步骤比象棋要多的多。手筋、弃子、劫争等战术战略运用,既有逻辑思维,更注重形象思维、大局观,本质上是一个拓扑动力学问题。

  从统计角度看,一个特定的棋局有250种可能的期望走法(决策),沿着某种走法深入下去,可达到150层,因此计算和推理量巨大。

  AlphaGo突破传统程序,搭建了两套模仿人类思维的深度卷积神经网络:承担棋局态势评估。

  棋类高手与人工智能发展成果积累对决,是让棋手当测试员的一种科学试验;是一个人与一群人(棋类高手加上人工智能高手)对决;是一个生物人与人与机器混合生物之间的对决。

  本质上,人机大战是“人机——机人”大战!

  AlphaGo仅仅是一个围棋脑,还不是一个围棋手,更不是围棋机器人。它根本就没有眼和手,没有感知和行为能力;没有情绪,没有情感,不能分析对手的心理状态,不能现场与对手展开心理战,缺失交互认知能力。

<上一页  1  2  3  4  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