通信網(wǎng)banner.jpg)
相關(guān)專(zhuān)題：
本報(bào)記者 駱軼琪 深圳報(bào)道
12月7日舉行的2018大灣區(qū)機(jī)器人與人工智能大會(huì)上，多名業(yè)內(nèi)人士表示，業(yè)界正在尋找打開(kāi)當(dāng)前深度神經(jīng)網(wǎng)絡(luò)架構(gòu)的突破口。
12月11日，在接受21世紀(jì)經(jīng)濟(jì)報(bào)道記者的專(zhuān)訪(fǎng)時(shí)，深醒科技創(chuàng)始人、首席科學(xué)家袁培江表示，依靠粗暴的數(shù)據(jù)驅(qū)動(dòng)是有閾限的，當(dāng)前深度學(xué)習(xí)的方法很快會(huì)遇到天花板。業(yè)界正在謀求算法數(shù)據(jù)可解釋性、模型合理性的進(jìn)一步探索。 “技術(shù)永遠(yuǎn)是基于一定概率，目前的深度學(xué)習(xí)是一個(gè)不能解釋的‘黑盒子’，人和機(jī)器面對(duì)同一個(gè)東西表現(xiàn)的特征，所得出的結(jié)果是不同的�！彼忉尩馈�
為此，越來(lái)越多的人開(kāi)始挖掘深度神經(jīng)網(wǎng)絡(luò)架構(gòu)之外的模式，中國(guó)自動(dòng)化學(xué)會(huì)副理事長(zhǎng)陳俊龍12月7日向記者介紹，今年初他提出一個(gè)新的架構(gòu)：寬度學(xué)習(xí)系統(tǒng)的網(wǎng)絡(luò)架構(gòu)。按照目前的測(cè)試，其應(yīng)用時(shí)耗費(fèi)的神經(jīng)元和所需速度是深度學(xué)習(xí)的“至少一半”。
在從機(jī)械性學(xué)習(xí)走向“認(rèn)知”乃至學(xué)會(huì)“推理”、并能夠掌握“思考方式”的過(guò)程中，人工智能技術(shù)將涉及更多學(xué)科和更深層次領(lǐng)域的交融。同時(shí)，與應(yīng)用的結(jié)合仍是其不可或缺的一環(huán)。
突破算法“黑盒子”
袁培江向記者指出，理論上機(jī)器學(xué)習(xí)掌握了所有存儲(chǔ)在其中的數(shù)據(jù)，就可以達(dá)到100%準(zhǔn)確度，但目前尚未達(dá)到�！皽�(zhǔn)確率從90%到99.99%會(huì)發(fā)展很快，但到小數(shù)點(diǎn)精確到更后面時(shí)，技術(shù)瓶頸會(huì)越來(lái)越明顯�！彼硎尽�
陳俊龍有同樣的觀點(diǎn)，他表示，“現(xiàn)在的人工智能是根據(jù)人設(shè)定和提供的架構(gòu)來(lái)做，是機(jī)械智能。做到面部識(shí)別快速，算法快捷，是早期的基本AI應(yīng)用。但對(duì)人的思維和動(dòng)作認(rèn)知，機(jī)器還沒(méi)有這個(gè)能力�！�
他認(rèn)為，在認(rèn)知和感知層面，AI目前仍面對(duì)很多困難，至少要10-20年的摸索。
再往后，更困難的是對(duì)腦科學(xué)方面的研究。這涉及研究人腦的思維機(jī)制，目標(biāo)是教會(huì)機(jī)器學(xué)習(xí)和認(rèn)識(shí)人類(lèi)的思想。
在2018大灣區(qū)機(jī)器人與人工智能大會(huì)上，德國(guó)漢堡大學(xué)教授張建偉也提到，當(dāng)前的弱人工智能更多是將數(shù)據(jù)自下至上地遞進(jìn)學(xué)習(xí)。下一步機(jī)器學(xué)習(xí)要融合其他強(qiáng)人工智能的學(xué)習(xí)方法，包括融入自上而下的知識(shí)、全局化地優(yōu)化、進(jìn)化算法實(shí)現(xiàn)可泛化的學(xué)習(xí)等。
因此，對(duì)深度神經(jīng)網(wǎng)絡(luò)架構(gòu)逐漸顯示出的技術(shù)迭代短板，令業(yè)內(nèi)開(kāi)始思考其他可替代性的架構(gòu)模型。比如今年初，陳俊龍?zhí)岢隽藢挾染W(wǎng)絡(luò)架構(gòu)。
他向21世紀(jì)經(jīng)濟(jì)報(bào)道記者解釋道，寬度學(xué)習(xí)和深度學(xué)習(xí)網(wǎng)絡(luò)架構(gòu)，本質(zhì)上是結(jié)構(gòu)和算法的差別。據(jù)介紹，深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)架構(gòu)，是在結(jié)構(gòu)固定以后才開(kāi)始學(xué)習(xí)。那么此后學(xué)習(xí)期間如果出現(xiàn)不準(zhǔn)確，就要重新設(shè)計(jì)網(wǎng)絡(luò)、再學(xué)習(xí)一次。
寬度則是設(shè)計(jì)好網(wǎng)絡(luò)后，當(dāng)面臨學(xué)習(xí)不準(zhǔn)確的情況，可以隨時(shí)以橫向的方式進(jìn)行增量擴(kuò)充，即通過(guò)增加神經(jīng)元，以提高準(zhǔn)確度。
袁培江則強(qiáng)調(diào)，當(dāng)前業(yè)界一種觀點(diǎn)是，不能單純做“黑盒子”，“我們會(huì)追求，對(duì)機(jī)器做出的判斷這個(gè)過(guò)程既能夠做得對(duì)，也能夠說(shuō)得清。這可能是一個(gè)發(fā)展的必然過(guò)程�！彼蛴浾咧赋觯酉聛�(lái)將探討的方向包括，對(duì)于數(shù)據(jù)的可解釋性，模型的合理性，將先驗(yàn)知識(shí)或者知識(shí)圖庫(kù)的結(jié)合等方面。否則深度學(xué)習(xí)模型很快會(huì)遇到天花板。舉例來(lái)說(shuō)，在醫(yī)療領(lǐng)域，很多種類(lèi)的癌癥識(shí)別率已經(jīng)可以達(dá)到98%。但為什么達(dá)到這個(gè)水平并不知道，同時(shí)不同病種結(jié)果不同，所以要找到機(jī)器學(xué)習(xí)的機(jī)制，做好遷移學(xué)習(xí)；另外要摸清為什么能夠做到這樣的識(shí)別率。
智能2.0時(shí)代的應(yīng)用
科研技術(shù)和行業(yè)應(yīng)用落地永遠(yuǎn)是相輔相成的角色，在AI領(lǐng)域尤其如此。通過(guò)將往期應(yīng)用經(jīng)驗(yàn)交給機(jī)器學(xué)習(xí)，可以一定程度提升機(jī)器的識(shí)別效率和準(zhǔn)確度。
圖靈機(jī)器人董事長(zhǎng)俞志晨12月11日向記者分析道，隨著技術(shù)的深化，應(yīng)用方面正走在智能2.0向3.0進(jìn)化的階段。
他指出，智能1.0時(shí)代更多表現(xiàn)在語(yǔ)音交互方式層面提供服務(wù)，在2.0時(shí)代將對(duì)語(yǔ)義理解有更大要求，并與視覺(jué)交互相融合。“現(xiàn)在我們對(duì)多模態(tài)交互方式的要求越來(lái)越高，至少每2-3年會(huì)有一個(gè)新階段的跨越�！�
作為初創(chuàng)企業(yè)，圖靈機(jī)器人的技術(shù)發(fā)展策略就是深挖一個(gè)主場(chǎng)景，即兒童市場(chǎng)。
“我們發(fā)現(xiàn)一些近年比較火的基于軟件的聊天機(jī)器人，在基礎(chǔ)技術(shù)服務(wù)上已經(jīng)出現(xiàn)發(fā)展瓶頸，現(xiàn)在的創(chuàng)新更多是在內(nèi)容生成等層面，而不是底層技術(shù)�！庇嶂境空J(rèn)為，兒童場(chǎng)景將高度依賴(lài)軟硬件的結(jié)合，其發(fā)展空間會(huì)比純互聯(lián)網(wǎng)產(chǎn)品前景更寬。
袁培江也向記者強(qiáng)調(diào)，創(chuàng)業(yè)企業(yè)首先講求的是AI場(chǎng)景落地，即保持產(chǎn)業(yè)化的“火種”，此后當(dāng)大量從業(yè)者涌入這個(gè)行業(yè)時(shí)，就要及時(shí)意識(shí)到發(fā)展的瓶頸在哪里。若無(wú)法持續(xù)解決痛點(diǎn)，產(chǎn)業(yè)遲早會(huì)陷入與如今VR行業(yè)同樣的困境中。為此，深醒科技的策略是尋求更多合作落地，包括技術(shù)和應(yīng)用兩個(gè)層面。
陳俊龍告訴記者，從目前的實(shí)驗(yàn)來(lái)看，其研究的寬度學(xué)習(xí)落地到應(yīng)用中，與深度學(xué)習(xí)可以落地的應(yīng)用場(chǎng)景并無(wú)差別。但由于寬度學(xué)習(xí)的增量學(xué)習(xí)速度加快，在同樣準(zhǔn)確度條件下，寬度學(xué)習(xí)架構(gòu)的資源消耗（包括時(shí)間、神經(jīng)元所需數(shù)目等）是深度學(xué)習(xí)的至少一半。
“中國(guó)在AI應(yīng)用上在世界范圍內(nèi)是絕對(duì)領(lǐng)先，但基礎(chǔ)科學(xué)的早期算法都是源自國(guó)外的開(kāi)源。這種情況下，我們是否能基于之前學(xué)過(guò)的東西，形成一套更重要的理論很重要。寬度學(xué)習(xí)只是其中一個(gè)算法學(xué)習(xí)�！标惪↓埲绱酥赋�。（編輯：黃鍇）
