寻求真正的人工智能——深度学习

Google 想要建造“星际迷航”中的计算机,成为一种高级的人工智能。要做到这一点,他们需要突破传统的">思维方式,寻求新的路径。在接受 Slate 网站的采访时,搜索产品主管 Tamar Yehoshua 曾说,“我们需要想出做事的新方法”。

这种新方法是什么?我们并没有确切的答案。不过,从 Google 高管的一些言论中,可以看到一些线索。新的方法与“深度学习”有密切关联。Wired 网站曾采访 Google 的工程主管 Kurzweil,提到了 Google 内部的大规模人脑模拟项目,就是用“深度学习”来重新构建人工智能,在其中一次实验中,机器智能从大量的 Youtube 视频中习得了“猫”的概念。对于这个项目,Google 的官方博客曾有过报道,署名有两个人:一位是项目主管 Jeff Dean,另一位是客座教授 Andrew Ng。

Andrew Ng 是斯坦福大学的教授。如今,他和 Google 的许多研究员一起,试图构建着一种新的人工智能系统。Wired 网站介绍了 Andrew Ng 走向“深度学习”的道路。

在 Andrew Ng 年幼的时候,他梦想着构建像人类一样思考的机器,但是,当他上了大学之后,发现当时的人工智能研究令人失望,于是他放弃了。直到他看到“单一算法”的假设,才重新拾起对人工智能的兴趣。“单一算法”是 Jeff Hawkins 所推崇的方向。作为 Palm 的创始人,Jeff Hawkins 曾在移动市场取得了卓越的成就,但是他对人工智能的兴趣更为浓厚。他在 2005 年的时候成立了 Numenta 公司,试图构建一套大脑运行的理论,并想要开发一套算法来实践这种理论。这是在人工智能研究上开辟的新方向,试图将神经科学与计算机学结合起来,使机器以人脑的方式进行思考。

人类的智力基于单一的算法。这种理论重新激发了 Andrew Ng 对人工智能的兴趣,改变了他的职业生涯。他说,在人工智能研究的早期阶段,一种普遍的观点是,人类的智力来自上千个单一功能体的合作。因此,工程师们认为,要构建人工智能,他们需要构建上千的个体计算模型,一种算法模仿语言,另一种算法处理谈话等等。这是一项难以达成的艰巨任务。

但是,研究表明,大脑其实是一个通用的机器,它能够被调试,适应不同的工作任务。如今,Ng 正在进行一种新领域的研究:深度学习。通过将计算机科学和神经科学结合,机器能够以人类大脑的运作方式来处理数据。

长久以来,在计算机工程师与神经科学家之间缺乏合作,其结果就是,工程师们的人工智能系统并未模仿人脑的运作方式,是一种伪智能系统。“深度学习”是向新方面迈出的第一步。这是在构建一个能够模仿人脑行为的神经网络。你只需要给系统一些数据,它就能自己发现概念。

当然,要达到自己的梦想,还有很长的路要走。Andrew Ng 说,“我们显然还没有找到正确的算法。这将需要几十年的时间。这不会是容易的事情,但是我觉得,希望是存在的。”

(责任编辑:吕光)

时间: 2024-10-27 21:25:02

寻求真正的人工智能——深度学习的相关文章

360副总裁颜水成博士:技术与产品并重,1×1卷积让深度学习更出彩 | CCF-GAIR 2017

7 月 7 日,由中国计算机学会(CCF)主办,雷锋网与香港中文大学(深圳)承办的CCF-GAIR 2017全球人工智能与机器人峰会在深圳大中华喜来登酒店如期开幕.奇虎360副总裁.首席科学家.IEEE Fellow.IAPR Fellow颜水成博士带来了主题为<深度学习:精度极限VS用户体验>的演讲.这是大会首日最后一场演讲. 作为360 人工智能研究院院长,颜水成博士曾在新加坡国立大学领导机器学习与计算机视觉实验室,他的主要研究领域是计算机视觉.机器学习与多媒体分析,其团队提出的"

哺乳动物大脑神经元也能做深度学习,未来10年神经科学与人工智能将迎突破

神经网络受生物神经网络启发而来,但大脑里的学习过程真如深度学习那样吗?这个问题的答案有望实现更强大的深度学习模型,也有助于进一步了解人类的智能. 12月5日,CIFAR研究员.多伦多大学的Blake A. Richards和同事在期刊eLife发表了论文<尝试用分离的树突进行深度学习>(Towards deep learning with segregated dendrites)[1].他们在论文中提出了一种算法,对大脑中可以如何进行深度学习进行了模拟.他们构建的网络表明,某些哺乳动物神经元

专访 | 杨强教授谈CCAI、深度学习泡沫与人工智能入门

7 月 22 - 23 日,由中国人工智能学会.阿里巴巴集团 & 蚂蚁金服主办,CSDN.中国科学院自动化研究所承办,作为独家直播合作伙伴的第三届中国人工智能大会(CCAI 2017)将在杭州国际会议中心盛大开幕. 作为大会主席,香港科技大学计算机与工程系主任.AAAI Fellow 杨强教授最近接受了大会记者专访.这次访谈干货满满,其中有不少话题是杨强教授首度公开谈及,比如下一个 AI 突破口.深度学习泡沫.AI 之路心得.本科生入门 AI.好学生要能教导师学习,等等. (点击阅读杨强教授历史

语音识别的前世今生 | 深度学习彻底改变对话式人工智能

CNET科技行者 8月21日 北京消息:"语音识别"的终极梦想,是真正能够理解人类语言甚至是方言环境的系统.但几十年来,人们并没有一个有效的策略来创建这样一个系统,直到人工智能技术的爆发. 在过去几年中,人们在人工智能和深度学习领域的突破,让语音识别的探索跨了一大步.市面上玲琅满目的产品也反映了这种飞跃式发展,例如亚马逊Echo.苹果Siri 等等.本文将回顾语音识别技术领域的最新进展,研究促进其迅猛发展进程的元素,并探讨其未来以及我们距离可以完全解决这个问题还有多远. 背景:人机交互

2016深度学习统治人工智能?深度学习十大框架

2015 年结束了,是时候看看 2016 年的技术趋势,尤其是关于深度学习方面.新智元在 2015 年底发过一篇文章<深度学习会让机器学习工程师失业吗?>,引起很大的反响.的确,过去一年的时间里,深度学习正在改变越来越多的人工智能领域.Google DeepMind 工程师 Jack Rae 预测说,过去被视为对于中型到大型数据集来说最佳的预测算法的那些模型(比如说提升决策树(Boosted Decision Trees)和随机森林)将会变得无人问津. 深度学习,或者更宽泛地说--使用联结主义

简单读懂人工智能:机器学习与深度学习是什么关系

引言:随着AlphaGo战胜李世石,人工智能和深度学习这些概念已经成为一个非常火的话题.人工智能.机器学习与深度学习这几个关键词时常出现在媒体新闻中,并错误地被认为是等同的概念.本文将介绍人工智能.机器学习以及深度学习的概念,并着重解析它们之间的关系.本文将从不同领域需要解决的问题入手,依次介绍这些领域的基本概念以及解决领域内问题的主要思路. 本文选自<Tensorflow:实战Google深度学习框架>. 从计算机发明之初,人们就希望它能够帮助甚至代替人类完成重复性劳作.利用巨大的存储空间和

专访刘昕博士:深度学习与人工智能

刘昕,博士毕业于中国科学院计算技术研究所,师从山世光研究员.博士阶段主要从事人脸识别与深度学习技术的研究与工业化应用,作为第一主力或并列第一主力获得ICCV 2015 年龄估计竞赛亚军.ICCV 2015 文化事件识别竞赛冠军和 2015 年度阿里巴巴天池大规模图像检索竞赛总决赛冠军.2016年8月起,担任人工智能初创公司中科视拓公司CEO,并先后获得两轮投资,投资人包括线性资本.紫牛基金.明势资本和安赐资本. ArchData技术峰会将于9月9日上海徐汇区田林路COCOSPACE开幕,在大会之

深度学习之Google Deepmind的alphago人工智能算法技术演变历程

  一.简介   有些人会有如下质疑"alphago都用了蒙特卡洛搜索树了,这变成了一部分搜索问题了并不是人工智能算法了或者说不够智能了",但我的拙见是人在思考问题的时候除了直觉.经验判断.逻辑推理之外也会去枚举.搜索,所以我觉得算法包含一部分搜索并不能直接说该算法这不够智能或者这不是智能算法了,我觉得更多的是要考虑该算法在该类问题上如何去刻画出人类的直觉.经验判断.逻辑推理等.   最近大家比较关心的围棋人机大战(alphago vs 李世石)中,deep mind基于Nature2

中国人工智能学会通讯——当知识图谱“遇见”深度学习 1.1 知识图谱与深度学习融合的历史背景

大数据时代的到来,为人工智能的飞速 发展带来前所未有的数据红利.在大数据的 "喂养"下,人工智能技术获得了前所未有 的长足进步.其进展突出体现在以知识图谱 为代表的知识工程以及深度学习为代表的机 器学习等相关领域.随着深度学习对于大数 据的红利消耗殆尽,深度学习模型效果的天 花板日益迫近.另一方面大量知识图谱不断 涌现,这些蕴含人类大量先验知识的宝库却 尚未被深度学习有效利用.融合知识图谱与 深度学习,已然成为进一步提升深度学习模 型效果的重要思路之一.以知识图谱为代表 的符号主义,以