首页 体育 教育 财经 社会 娱乐 军事 国内 科技 互联网 房产 国际 女人 汽车 游戏

人工智能“短板”如何补

2020-01-19

本年4月以来,付出宝、微信、银联相继推出了自己的刷脸付出产品,刷脸付出俨然已成为备受喜爱的下一个战场。有数据显现,估计到2022年,人脸付出运用用户将打破7.6亿人。

可是,跟着人脸辨认、语音辨认等人工智能技能的开展,其安全问题也日益凸显。近来,在承受《我国科学报》采访时,我国科学院院士、清华大学人工智能研讨院院长张钹表明,跟着人脸付出运用场合日益重要、运用规划日益扩展,其被盗用的潜在危险也越来越大。 为什么到现在还没有人盗用?是由于取得的收益太小了,不值得。

算法、数据和计算是驱动人工智能行进的 三驾马车 。可是,在香港科技大学讲席教授、微众银行首席人工智能官杨强看来,就中心算法而言,人工智能间隔 现代化 还有很长的路要走。

从初阶到现代

在近来于姑苏举办的第九届吴文俊人工智能科学技能奖颁奖典礼暨2019我国人工智能工业年会上,杨强取得了吴文俊人工智能出色奉献奖。在宣布获奖感言时,浸淫在人工智能范畴30多年的他坦言,人工智能研讨间隔抱负方针还有很长的路要走。

他以物理学为例, 物理学的终极方针之一是用一个理论解说一切的世界现象,但当咱们翻开一本人工智能范畴书本时,会看到里面有各式各样的算法,并且每一种算法只针对一个现象 。他以为,这种做法相似物理学开展初期时呈现的现象,而当物理学已开展到现代物理学时,人工智能未来也应该开展到现代人工智能,向通用型人工智能理论开展,用一个理论来解说N个智能现象。 这是咱们应该做的作业。

作为我国人工智能学会理事长,我国工程院院士戴琼海也提出了这样一个问题:当下人工智能昌盛的背面必定潜藏着危险。例如,多学科穿插促进了人工智能飞速开展,但在新办法、新原理、新技能、新运用不断涌现的一起, 咱们应该深化考虑,仅只适应这一潮流是否会导致失去人工智能发作严重革新的时机,是否应该将穿插交融从工程层面推进到基础科学层面 。

结合近两年来学术界请求国家自然科学基金的状况,国家自然科学基金委员会人工智能处处长吴国政以为,现在人工智能还处于弱人工智能的初级阶段。其标志之一是,以现在的基础理论或中心算法现状,人工智能在做数据标识时首要靠人工、手动,而机器学习的卷积神经网络是100层仍是1000层,实际上并没有科学依据,仍是在 跟着感觉走 。他期望,能够与学术界和工业界通力合作, 调研出人工智能的底子科学问题 。

新问题与新方向

在获颁2019年度吴文俊人工智能最高成就奖这一奖项后,张钹很快承受了《我国科学报》采访。谈及作为人工智能中心的算法和算力所存在的问题时,他表明 深度学习有两个阶段是出其不意的 ,一个阶段是深度学习刚面世的时分,它在下降相关范畴常识要求方面表现出极大的优势。例如,曾经做人脸辨认,在向计算机输入信号时要做许多预处理,要花许多时刻研讨它。而深度学习出来后,输入原始数据就能够了。这就使得刚从事深度学习的人和在这一范畴做了很长时刻的人没有差异。 深度学习一夜之间就成了咱们都能用的东西。这一点是大大出乎咱们预料的。

第二个阶段是运用了一段时刻之后,发现这个办法问题很大。张钹告知《我国科学报》,这首要体现在四个方面。一是不可信,表现在算法的成果无法解说。二是不安全,如十分容易受攻击、被诈骗。三是不可靠,会呈现严重过错。例如,人类或许会把骡子当作驴,而机器却或许把石头当作驴,这导致其在要害的时分是不可用的。四是推行才干差,不能触类旁通。

基于此,张钹及其团队提出开展 第三代人工智能 ,行将数据驱动和常识驱动结合起来,打破现在人工智能所存在的限制,处理常识主动获取、表达及推理等三个问题。张钹告知记者, 仅靠数据是不或许发生智能的。人类智能的柱石是常识。假如计算机处理常识的才干到达了人类的水平,那么它的智力就能够到达人类的水平。

而在杨强看来,尽管深度学习的确存在短板,例如无法处理数据孤岛的问题,关于分布式、零星数据无法有用运用,可是他以为,深度学习持续向前开展的话, 仍是有许多财富能够发掘 。例如,跟工业等各行各业深度结合。而对研讨者而言,除了深度学习,也能够另辟蹊径,如重视小数据,分布式、零星数据等。

卡脖子 问题何解

在东南大学仪器科学与工程学院院长宋爱国看来, 人工智能范畴 卡脖子 的要害技能仍是挺多的 。例如,人工智能是仿照人的感知、认知等智能行为的,可是现在咱们关于人的感知和认知机制并不是很清楚。而之所以不清楚,既是科学问题,也有技能瓶颈的原因。 由于在勘探人类大脑的思想进程方面,缺少相应的仪器,使得咱们无法得悉人类思想进程中大脑神经元的动态成像进程。

安全集团首席科学家、吴文俊人工智能出色奉献奖获奖者肖京将 卡脖子 技能分为两种,一种是归于从0到1的,全世界都没有处理方案,咱们要进行开拓性研讨。还有一种是人家有而咱们没有的,例如开源软件等。 实际上,在 卡脖子 范畴咱们有许多时机,这是咱们的时机。

现在许多学生都在做人工智能方面的作业,并且做得很快,但基本上是用国外的开源软件,搜集的数据也都是国外的。这两方面咱们要从底子上加以改动。 杨强告知《我国科学报》。他主张,为了处理 卡脖子 问题,咱们要多多鼓舞国内人工智能从业者开源并运用他们的软件,一起发起奉献自己用于测验的数据集。 这些作业往往都是没有光环的,失利的或许性很大,期望各方面都给予他们支撑。

别的,要有更多的人来做基础研讨。 由于现在以深度学习为中心的人工智能仅仅人工智能很窄的一个方面,还有许多新的方向有待咱们研讨。在国外,许多学者都在从事十分冷门的研讨,而这样的现象在国内很少看到。 杨强说。他期望,从事人工智能研讨的青年学子们除了计算机常识,还要跨学科学习心理学、认知学、大脑神经学、医学等方面常识,由于 这样的人才既具有 深 的才干,又具有 广 的才干,才干更好地进行常识搬迁 。

热门文章

随机推荐

推荐文章