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

第四范式首席科学家杨强教授:未来人工智能会让二流科学家失业

2016-09-13 05:56
人在旅途20
关注

  另外,联接主义在人脑研究中大行其道的,但在计算领域并不是如此,深度学习可能是一个例外。但其他的——比如说符号主义的搜索——大部分都是孤立的,是单CPU大规模算法在进行,而不是并行,这些都是需要探索和发现的。但我们回来说,人工智能可以借鉴人类大脑,但不应该被人类大脑所局限。我们最后可能会发现,新的人造的智能结构,可能人脑也没有,(但可能外星人有)。所以,可能还有一些新的智能算法在等待我们来发现。如果真是那样,那也不错。

  机器之心:对话系统是现在比较热的研究领域,科技巨头也都提出bots,目前在这方面还存在哪些研究难点吗?

  杨强:对话系统的一个难点是把目标引入,如果你只会聊天但不会实现目标,那就没有商业前景;另外一个目标是如何把规则和统计学习结合好,因为有些特殊领域是需要有规则来规范的。第三个目标是怎么样把个性化引入,这就是迁移学习所应该发挥的价值。如果把三者统一在一个系统里完整实现,可能还需要有很长的研究,如果能做出来,那就是解决对话问题的一个非常优美的方法。

  关于迁移学习,去年Science那篇文章Human-level concept learning through probabilistic program induction里提到的单个例学习,即oneexample learning。这实际上是一种迁移学习的做法,他们把一个问题分解成参数学习和结构学习两种,他们发现如果参数学习如果能够从别的地方迁移过来,那只做结构学习就可以了,而结构学习恰恰又特别好用,只需要一个例子就可以解决了。所以前面用了迁移学习,后面用了结构学习,就把oneexamplelearning实现了,是这样一个trick。这给我们带来一个很好的概念,就是说在对话系统中,你就可以把自然语言的结构学习和参数学习分开,采取分而治之的办法。

  机器之心:比如说在自然语言处理方面。那迁移学习应用自然语言方面会有独特优势吗?能实现不同语言间的迁移吗?

  杨强:可以实现不同语言之间的迁移。很多迁移学习的任务会比机器翻译的任务要简单,机器翻译需要很高密度的数据来对应每一句话,你要收集很多的平行语料,但是有很多学习任务并不需要做语言之间的关系,比如说分类、聚类,像这样不需要机器翻译的,就可以用迁移学习来建立两种语言(可以看成是两个领域)之间的共同表示,就是一个中性语言,通过这个中性语言进行迁移。

  机器之心:Chris Manning SIGIR2016主题报告Natural Language Inference,Reading Comprehension and DeepLearning中有一页有一个形象的「压路机」比喻,列了深度学习在哪一年会对特定领域的传统算法进行「碾压」,比如说语音是在2011年、视觉是2013年、自然语言处理是2015年,IR是2017年。您对此怎么看?KDD应该在哪年?

  KDD(数据挖掘)和IR是有区别的,IR是赋予机器搜索的能力,自动化为主要代表,主体并不需要引入人,所以用机器学习比较合适。但是KDD的最终目的是为人服务,所以是离不开人的。因为KDD和数据挖掘中没有人,是全自动的话,那就是机器学习了。所以,如果是为人而发掘知识、为人做解释,就需要比深度学习更多的东西:虽然里面很多东西可以用深度学习来解决,但深度学习里有很多东西是不可解释的,所以从这一点上来,仅仅用深度学习来做数据挖掘说是不合适的。在和人打交道这一方面,深度学习不可能碾压KDD。数据挖掘是为人做数据分析的辅助工具,而机器学习则是力图模拟人的行为。对于两者的区别,我做过一个比喻:你训练一只狗,若干年后,如果它忽然有一天能帮你擦鞋洗衣服,那么这就是数据挖掘。如果有一天,它化妆成狼外婆跑了,那这就是机器学习。

  但是,深度学习确实可以取代某些算法。另外,我觉得KDD和IR的基因还是不一样的,这得看原领域和深度学习的重合度:做KDD研究的很多人是从数据库过来的,他们是的目的是管理信息,这就不能仅仅引入机器学习;同时,KDD的有些人是机器学习过来的,他们可以引入深度学习。但,也有心的问题:那就是模型的可解释性怎么办?如何向人类解释模型的功能和结构?因此,KDD为深度学习引入了这样一个契机——不是深度学习碾压KDD,而是KDD和深度学习一起来发挥作用。

  机器之心:机器学习对基础科学研究有什么重要的推动和价值?许多科学研究现在面对着海量的实验,观测数据,比如天体物理,粒子物理,生命科学,材料科学等,机器学习会在基础科学研究中发挥重要作用吗?

  杨强:机器学习对基础科学的发展应该有很大促进,在这些传统科学领域,很多人可能现在没有意识到人工智能可能带来的影响,但我们看到,深度学习的出现,只是计算机出现以来的数字革命中的一环。下一步到底要到哪儿去?是不是有可能要把科学家变成「数据民工」?比如说,把天文学家就变成操纵望远镜的天体数据的民工,把生物学家变成摆弄小白鼠的生物数据的民工?虽然这是一个未来可能出现的极端现象,但从计算机革命的角度来说,这个未来并不是不可能!当然,科学家可以去创造一些理论并去验证它,但这样的科学家的助手们可能会变成一些机器人。所以,整个科学研究会出现一个本质上的变化。

<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

机器人 猎头职位 更多
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