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

怀进鹏:人工智能仍有计算瓶颈 智能汽车值得关注

2016-08-29 11:49
退思
关注

  第三是所有推进的逻辑基础都是基于因果与关联,关联之间的联系是不是改变了我们的方式或者从科学价值的角度来说,我们一致认为科学有因果关系,我们是按照想象建立数据之间的关系,最后图谱以后最后形成最后的因果关系,我们才能得到逻辑,因此从数据作为分析的基础,能产生智能来看,我们还有一些需要思考和待继续研究的问题。以我们已经假定的事情来解释,从解释当中进一步开展工作。所以除了过去的人工要求以外,可以通过多层、深度来解决自动化,这个自动化,人类对问题的理解的差异性,就像我们常讲的三岁小孩儿来看图识子的时候不是一样,所以这里就会有很多新的方式。

  在这里分享一下我们实验室对这个问题主要从数据和智能方的思考,第一,如果人工智能走向产业或者成为一个独立的门类,那它的科学性在什么地方?无论计算能力多么好,无论数据多大,总有一个基本的问题,就是数据科学的科学是什么?所以计算机科学当中算法是重要的,复杂性是来提供重要的基础。有关这方面的内容,不展开讲,过去每一个时点在计算复杂性都有重大的突破,但是二十世纪大数据时代,我们经常说从IT到DT,从IT到新IT,传统的信息技术到智能技术,在这个过程当中就会有一些新的变化。二是有没有数据基础。如果数据关联就能成为科学,计算的复杂性也是重要的。第二,我们是否能够有它的工业系统能给出的技术,因为我们毕竟对它的逻辑和因果关系不太了解,所以我们知道哥德尔定律,对的就是一定能证明的,能证明的东西必须是对的。在这样一个开放系统下,通过这样数据的关联是否能建立因果关系?

  数据库的成长,从早期外设问世,催生数据管理需求,将数据库从文件系统中分离出来。面对新的问题,数据库的发展本身也面对很多挑战。这是第一个问题,数据是否能成为科学,表现在计算的领域和对话系统是不是有机会。二是计算模型是否存在重要的突破,问题表现在是不是走到了一个转折点,这个转折点表表现在器件和系统。因为最近关于非意识存储所呈现的计算联动的新的架构的重新思考,这为技术的工程化实际上业提供了一种思考。

  左边这张图表达的是从过去摩尔定律之后特别是沿着传统的路线发展过程当中,我们看到从硬盘再到Flash过程当中的新的机构,以便创造出新的应用的方式。自然的一个想法是计算和存储的融合是不是一个重要的支撑点。

  分布式系统层面中,有很多新的机会,包括内存计算为基础的,所谓数据流的计算、图计算的系统,这样一个计算系统为我们处理计算的方式是不是完整的,这样模式的延伸就是现在处理最重要的。

  三是我们经常在一起讨论的智能一致性的问题,群体智能的可行性问题。通过整合其他学科的知识对亿我们认知的能力进行不断的完善,在这个领域像李生理事长所讲的是智能的最高阶段,也是我们期待的过去想超越的,在原来图灵测试基本方式又走向了新的应用。这个领域的发展空间现在非常多的,而且也出现了很多积极的效果,这方面的效果也推动了社会在学术界、产学界的新期待。

  总体来说,我觉得人工智能在技术发展当中仍然出现计算的基本瓶颈问题,就是虽然计算能力很大,有千万亿,又要延续百亿的计算机。现在处理结构也给我们带来了很多新的思考,最后是学习效率,这些是所看到的新问题。人们期待的通过一种通用的模型,再加上对人脑计算的发展来进行思考,所以如果顺着第二第三条方式交叉的话,设务脑可能也是一个数据处理系统,由此引入第二条研究的途径,对脑科学的认识和模拟是否能够对智能产生重要的影响,这些领域我也把前面第三个问题和它相关的联系在一起,表现的对话系统和一些记忆芯片,这个领域也有很多工作开展。

  对应前面计算产生智能,数据作为源头来开始,在认知和模拟脑方面一直在开展这项工作,特别是最近几年,美国和欧盟分别启动了重要的脑科学的计划,也在不断的探索这个领域的发展模式,所以说到这里,计算产生智能,人脑和脑科学的研究也在于智能,以前开玩笑,张老师跟别人调侃,我们作为人来说,对脑的认识是有局限的,有局限的人的脑力去研究人的脑,是不是我们进入了一种新的悖论,所以应该从数据和计算产生智能,来看待这个特征,因为我们理解上的局限性会影响我们研究问题的有效性。但是这两种方式,如果最后是一种计算系统,我们就可以把计算机在外部模拟计算和重要的方法和计算模式有效的和脑科学结合,也许会产生不一样的事情。怎么去融合这两条路径?我觉得从事信息领域的人和从事神经科学的人也正在探讨这个方向。

<上一页  1  2  3  4  5  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