周志华:机械学习技术是AI应用的关键

2019-05-17 09:42:52 来源: 网易智能 热度:
6月1日上午,2018中新人工智能高峰论坛在南京举行。会上,南京大学计算机科学与技术系主任、人工智能学院院长、欧洲科学院外籍院士周志华发表了演讲,阐述了他对付机械学习前沿思虑。周志华表示,机械学习无所不在,很多AI应用眼前关键支撑便是机械学习技术。

周志华称,从技术上看,神经网络其实是个简略的数学函数,颠末过程迭代嵌套得出的体系。在一些图像视频处理任务中,深度神经网络有时候并不是最佳的抉择。

“当咱咱咱们从新审视神经网络模子的时候,提出是不是可以或许或许基于不行微构件停止深度学习?”周志华介绍说,他的团队最近提出了一个叫做“深度丛林”的模子,这且个“非神经网络”,且不应用BP算法训练的深度学习模子。周志华透露,这个模子目前已经与蚂蚁金服合作,应用在反套现的检测上,目前机能表示很好。

对付机械学习可以或许或许解决的任务,周志华认为,围棋属于封闭静态环境的任务,他不是“最难的任务”,以往的机械学习就可以或许或许解决这种封闭静态环境任务。“咱咱咱们本日面对的是静态凋谢环境下的机械学习挑衅,最关键的便是鲁棒性。”周志华称,这就请求AI必需很好的应对未知环境,是通往鲁棒人工智能的中央关键。

在AI产业睁开方面,周志华认为,目前AI普遍应用的代表是互联网行业,因为后者拥有大批的数据。但是,未来在一些数据量小的领域可能应用远景更大。

周志华在末了表示,AI产业睁开真正必要的是人才网网,“与一样平常软件产业相比,AI产业将更凸显小我豪杰主义”。(小羿)

如下是演讲内容:

周志华:王部长、李院士,各位引导、各位同伙,大家上午好!

首先刚才掌管人报到的这个题目和我实际讲的题目有一点点差别,我本日跟大家汇报的这个题目是“对付机械学习前沿的一点思虑”,因为我本人重要是从事机械学习方面的研究。

前段光阴咱咱咱们经常都听说如今咱咱咱们处于一个大数据的时代,但是我想如今咱咱咱们统统人都非常清楚,这个大数据并不意味着真正直的价值,要获得数据里面的价值,咱咱咱们就必必要停止有用的数据阐发,而本日咱咱咱们要颠末过程计算机来停止数据阐发,就必必要停止机械学习。前面很多嘉宾讲到的人工智能的应用里面,最关键的支撑原因便是机械学习。

本日我想谈一谈对付机械学习方面的一些思虑,首先因为我是从学术研究动身,所以我先谈一谈对付技术上的一些考虑。

本日咱咱咱们谈到人工智能的高潮也好,还是人工智能的产业也好,其实很大程度上便是因为机械学习技术,分外是里面的深度学习技术取得了弘大的进展。所以咱咱咱们可以或许看到各种各样的应用中,分外是在图像、视频、语音,包含咱咱咱们如今用到的讯飞这么一个实时的翻译器,其实眼前都有很多深度学习的技术在起感化。

但是如果咱咱咱们本日问到一个成就,深度学习是什么呢?我想绝大部分人的回答,通常都说深度学习便是深度神经网络。我给大家看一个例子,有一个很驰名的学会叫siam,它有一个旗舰的报纸叫《Siam News》,它里面谈到机械学习深度学习便是一个后代。当咱咱咱们要谈深度,这里面每个节点是什么东西呢?以往咱咱咱们从生理学上获得一点基本的启发,如果一个细胞获得很多的信号,这个简略的现象在1943年就被两位学者总结成为了这么一个简略的数学公式,非常的简略,便是几个加和,再减掉一个数,再用函数处理一下,这个公式不停到本日咱咱咱们还在应用。本日咱咱咱们看到这么复杂的深度学习体系,它的奥秘是什么呢?最基本的单位便是它。所以咱咱咱们可以或许看到所谓的神经网络也好,深度神经网络也好,便是一个简略的函数。

在2012年的时候,在这个驰名的比赛获胜的网络用了8层,在2016年的时候用到了1207层,所以这是一个非常弘大非常庞大的体系,咱咱咱们怎么样让这些体系工作起来呢?这里面用到很多技能。但是非常重要的,咱咱咱们可以或许或许看到这个里面最基本的单位便是咱咱咱们刚才说到的这个函数,是连续可为的。本日深度神经网络的胜利和它末了应用的基础构建是应用了可为的构建,这个是密不行分的。

如今很多的学者在反思,第一个便是太多超参数,咱咱咱们如今大批的光阴都花在调参数上,甚至大家觉得这件工作好像不应该是科学技术的工作,好像是一个别力活。另外有的结果咱咱咱们还很难重复,别的另有很多很多的成就。

另外咱咱咱们就算不从学术上考虑的话,因为大家有的时候会你咱咱们学术上做什么我不关怀,能给我提高机能就好。其实就算从这个角度来看,咱咱咱们可以或许或许看一看本日深度神经网络所获胜,有好的效果的,重要是哪些应用呢?重要触及到图像、视频、语音如许的任务。但咱咱咱们其实有大批的任务不是这些,比如说咱咱咱们在电商里面做图像推荐,就不是这些任务。这里面有大批买机票的,有订旅馆的等等,可以或许或许看到即使在本日绝大多数获胜的模子还不是深度神经网络。

本日的深度神经网络是多层的,可参数化的可微分的非线性模块构建的,必要用BP算法来训练的如许一种模子。本日咱咱咱们认为有一个很前沿的成就,便是能不能基于不行微构建来停止深度学习?比如说深度学习是不是就等于深度神经网络?咱咱咱们有没有可能在图像、视频、语音之外更多的任务,获得更好的机能?

最近咱咱咱们自己的研究,在这方面做了一点点工作,咱咱咱们提出了一个新的模子,叫做深度丛林,这不是一个基于深度神经网络的模子,但是在很多任务上已经取得了深度神经网络的模子。

这件工作最近也有一些反响,如果大家存眷最近的新闻可以或许或许看到咱咱咱们和蚂蚁金服公司合作,做到蚂蚁金服反套现的技术上,这还是一个开头,是一个非常初的技术,未来再睁开上来会有更多的机遇。

在咱咱咱们提出深度丛林之后,国际上有很多学者也在反思深度学习这个领域,比如说Keras的创始人说可微层因此后模子的基本弱点。以往咱咱咱们知道深度学习很有用,但其实深度学习这个屋子里面只要一种是叫深度网络学习模子。但是另有其余的模子,本日咱咱咱们可以或许或许看到深度学习的效用在大多数领域里面已经应用得相当充足了,当咱咱咱们有了新的模子之后,有没有可能在更多的领域有获得一种更多的价的?可能这是一个值得探究的偏向。

第二个部分,我想谈一谈机械学习技术新的任务。人工智能学界很早就知道对这种规矩明白的棋类游戏,机械学习一定会超过人类。咱咱咱们说围棋棋盘361个点,每个点上有三种可能,所以它的可能性是3的361次方。咱咱咱们宇宙中如今统统知道的原子的个数是10的80次方,这实际上奉告咱咱咱们什么呢?如果你靠强力计算,一个状况一个状况去评估,哪怕量子计算机做进去,或许更壮大的计算机做进去,围棋成就也是解决不了的,所以这不是一个单单靠强力计算能解决的工作,必必要有聪慧的算法。但是聪慧的算法如今已经有了。

从另外一个角度,其实比围棋更艰难的成就很多,因为围棋有一个很基本的假设或许说共性的条件,便是精确感知,我下围棋的时候棋子落在什么地方大家都看得很清楚,不会把你遮起来,而且大家对什么获胜这一点也有共识。

有很多成就不是如许的,咱咱咱们平时打麻将,便是不完备信息,你只能看到桌上的牌,看到自己的牌,其余几家牌看不到,实际上打麻将这件工作就比围棋更难。大家可能觉得如今有些打麻将的游戏已经打得很好了,这是为什么?很多程序面前是作弊的,你看不到大家的牌,他能看获得。另外麻将的牌张数只要136张,张数比较少,如果张数到达361张,和围棋棋盘一样,咱咱咱们就可以或许或许有严厉的数据证明它比围棋复杂得多。

总的来说,它属于一种封闭环境、静态环境的任务。咱咱咱们以往的机械学习其实重要就在解决如许的任务,咱咱咱们假定很多东西不变的,咱咱咱们假设评估偏向恒定等等,但是本日咱咱咱们解决的任务偏向变了,比如说咱咱咱们一条破冰船开到两极去,它看到的险情在变的,偏向还会多样化等等,所以咱咱咱们本日的任务是在凋谢环境下怎么样更好地做机械学习,这时候好的时候要好,坏的时候也不能太坏。

如果咱咱咱们看看国际上对付人工智能睁开的讨论,国际人工智能大会有一个主席的申报,便是由学会的主席来对未来做一个判断,他的题目便是说“通往鲁棒的AI”,跟着人工智能际趸竦煤氪睁开,咱咱咱们越来越多高空对高危险应用。这个鲁棒的人工智能怎么来呢?就请求咱咱咱们的体系必必要可以或许或许很好地应对未知环境,实际上用咱咱咱们的话来说便是凋谢环境,所以凋谢环境下的机械学习是咱咱咱们这个领域分外要存眷的工作。

第三方面,我想简略地谈一谈对付人工智能产业睁开的一点粗浅的设法主意。

本日咱咱咱们可以或许看到人工智能技术在很多产业普遍应用,但是如果大家问到底什么产业是代表性的呢?我想重要便是互联网行业。人是什么?很基本的一个原因是他咱咱们积聚了大批的数据,咱咱咱们的机械学习技术也好,人工智能技术也好,是供给了利用数据的办法。其实咱咱咱们马上就可以或许看到,颠末十多年的极力,咱咱咱们统统的行业可以或许说都有很多的数据。事实上人工智能技术可以或许进入统统这些领域,所以本日咱咱咱们应该问的不是说人工智能技术在哪些领域可能能用得好,而是应该问的是下面人工智能技术会在哪些领域获得更大的提高。

我想如今人工智能技术已经用得很好的领域反倒不太容易获得更大的提高,如今用得比较少的领域用进去之后可能进展会更大。未来的话人工智能技术确切就应该像电力一样,迟早会进入统统的行业。

人工智能产业睁开到底必要什么呢?是不是必要设备呢?其实不是的,咱咱咱们基本不必要什么特别周详设备,是不是必要数据呢?如今数据遍地都是。真正必要的是什么呢?其实真正必要的是人才网。

分外是和一样平常的软件产业比,人工智能产业应该是一个非常凸现小我豪杰主义的行业。前几天如果大家存眷新闻,可能看到有一件,咱咱咱们组里面一个还没有毕业的门生被一个研究企业聘任去做守业指点,高校毕业进去的人才网网一定要在企业里面颠末两三年的打磨以后能力做这个事。以往咱咱咱们做软件的话,一个软件一定要有很多人来做。本日人工智能这个行业它的代表性便是它是软件业里面的一个明珠,个别人的聪慧才智在哪个方面获得算法上的打破,可能就真的带来临盆力。所以本日这个行业的特色,就决定咱咱咱们人工智能的人才网网造就是分外重要,所以如今可以或许说进入了一个全球增强人工智能人才网网年月。

但是高程度人工智能人才网造就的造血能力,咱咱咱们认为它真的会导致产业中央竞争力的差别,而且人工智能人才网造就基地会间接增进人工智能产业人才网急剧构成。

最近咱咱咱们南京大学树立了一小我工智能学院,咱咱咱们也盼望从泉源做起,为国度造就高程度人工智能人才网网。南京政府也非常支撑咱咱咱们这个学院的树立,我也迎接各位以各种办法来支撑咱咱咱们南京大学人工智能学院,谢谢!

推荐阅读:HGX-2:Nvidia推出的集AI和高机能计算于一身的平台

任务编辑:张樑

友情链接:新民通讯-追踪大时代的全球资讯  世博涂料网  吉林教育新闻网  中国汽车租赁网  河南省教育信息  中国科技新闻网  四川绵阳职业技术学院  中国历史知识网  中加信息资讯网  最新网络新闻网