人工智能技術(shù)現(xiàn)狀
人工智能技術(shù)現(xiàn)狀
最近十年興起的新一波的人工智能熱潮，已經(jīng)在工業(yè)，交通，教育，娛樂，生活甚至在軍事等方面改變了人類社會(huì)。當(dāng)前，人工智能的研究方興未艾，這次人工智能的熱潮主要得益于以下幾個(gè)方面技術(shù)的發(fā)展，下面是學(xué)習(xí)啦小編為你整理的人工智能技術(shù)現(xiàn)狀，供大家閱覽!
人工智能發(fā)展技術(shù)現(xiàn)狀
1.深度學(xué)習(xí)：作為本次人工智能革命的發(fā)動(dòng)機(jī)，深度學(xué)習(xí)已經(jīng)在諸多領(lǐng)域取得突破性進(jìn)展，例如圖像識(shí)別，語音識(shí)別，自然語言處理，還有最近全球矚目的AlphaGo圍棋程序。與傳統(tǒng)機(jī)器學(xué)習(xí)模型相比，深度學(xué)習(xí)能從海量數(shù)據(jù)中自動(dòng)提取高度抽象的特征，在很多特定任務(wù)上能達(dá)到甚至超越人類的表現(xiàn)。
2.強(qiáng)化學(xué)習(xí)：與監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)一樣，強(qiáng)化學(xué)習(xí)是第三種機(jī)器學(xué)習(xí)框架。它適用于人工智能對(duì)自身所處環(huán)境或要求執(zhí)行的任務(wù)未知的情況，強(qiáng)調(diào)如何基于目前的環(huán)境而進(jìn)行決策，逐步根據(jù)環(huán)境給予的獎(jiǎng)懲反饋，調(diào)整自身的參數(shù)和決策策略以取得最大化的預(yù)期利益。從另一個(gè)角度看，這相當(dāng)于生物進(jìn)化和優(yōu)勝劣汰。例如，AlphaGo通過與自身的無數(shù)次博弈進(jìn)行強(qiáng)化學(xué)習(xí)提高下棋水平。
3.人工智能專用芯片：除了算法和模型，近年來計(jì)算硬件的發(fā)展也推動(dòng)了人工智能高速發(fā)展。使用英偉達(dá)圖像處理器(GPU)進(jìn)行矩陣運(yùn)算大大加快了深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度。隨后，各種基于可編程邏輯門陣列(FPGA)的人工智能專用芯片層出不窮，英偉達(dá)也推出了專為人工智能應(yīng)用設(shè)計(jì)的加速卡。人工智能專用芯片能在很低的功耗下達(dá)到傳統(tǒng)CPU集群的計(jì)算能力，同時(shí)保持很小的體積，使得人工智能廣泛應(yīng)用于移動(dòng)設(shè)備。
4.大規(guī)模機(jī)器學(xué)習(xí)：數(shù)據(jù)是訓(xùn)練人工智能系統(tǒng)的必要條件，如何快速地收集，存儲(chǔ)與處理海量數(shù)據(jù)是人工智能發(fā)展的一個(gè)重要問題。數(shù)據(jù)庫系統(tǒng)和大規(guī)模機(jī)器學(xué)習(xí)算法的研究也是當(dāng)前的一大研究熱點(diǎn)。
5.云計(jì)算技術(shù)：云計(jì)算大大降低了大規(guī)模機(jī)器學(xué)習(xí)的硬件成本。用戶可以按其所需靈活租用高性能硬件，而不需要付出時(shí)間和金錢成本去調(diào)研，采購以及維護(hù)管理機(jī)器學(xué)習(xí)任務(wù)所需的硬件設(shè)備。這極大地方便了中小企業(yè)和創(chuàng)業(yè)者快速搭建自己的機(jī)器學(xué)習(xí)系統(tǒng)。同時(shí)，云計(jì)算平臺(tái)往往會(huì)部署主流機(jī)器學(xué)習(xí)工具，讓非機(jī)器學(xué)習(xí)領(lǐng)域研究者也可以快速入門。
當(dāng)前，基于機(jī)器學(xué)習(xí)的人工智能取得了很多令人矚目的成果。但目前機(jī)器學(xué)習(xí)的一個(gè)很多局限是需要大量標(biāo)注好的數(shù)據(jù)來進(jìn)行學(xué)習(xí)。展望人工智能的未來，我們?cè)撊绾螐募夹g(shù)方面更好的發(fā)展人工智能呢?
1.開源代碼和共享數(shù)據(jù)：目前，人工智能之所以能在全球范圍內(nèi)快速發(fā)展，得益于高質(zhì)量的開源代碼，其中不乏有谷歌微軟等知名公司的作品。有了開源代碼，小型企業(yè)和研究機(jī)構(gòu)可以在短時(shí)間內(nèi)重現(xiàn)最先進(jìn)的技術(shù)為己所用，并在此基礎(chǔ)上做進(jìn)一步提升，推進(jìn)人工智能的發(fā)展。然而在當(dāng)下，由于涉及到企業(yè)利益和用戶隱私，企業(yè)共享數(shù)據(jù)并不常見，而高質(zhì)量的標(biāo)注數(shù)據(jù)恰恰是訓(xùn)練人工智能系統(tǒng)所必需的。
2.政府公開數(shù)據(jù)：過去數(shù)十年里，通過實(shí)現(xiàn)電子化政務(wù)，政府都累積了大量的數(shù)據(jù)，但大部分?jǐn)?shù)據(jù)都只是沉淀起來卻從沒有被利用。這些數(shù)據(jù)對(duì)于分析特定領(lǐng)域乃至整個(gè)社會(huì)的運(yùn)轉(zhuǎn)，預(yù)測未來趨勢(shì)都有極大的作用。因此，政府應(yīng)該建立良好的開放數(shù)據(jù)機(jī)制，在保護(hù)居民隱私的前提下，將利于民生的數(shù)據(jù)公諸于眾，并鼓勵(lì)從中發(fā)掘有用的信息，利用人工智能技術(shù)促進(jìn)社會(huì)發(fā)展。同時(shí)，政府也應(yīng)該主動(dòng)收集有用的數(shù)據(jù)以備未來所需，例如各地各行業(yè)的經(jīng)濟(jì)數(shù)據(jù)，交通和教育，醫(yī)療等數(shù)據(jù)。
3.特定領(lǐng)域的人工智能：人工智能技術(shù)在學(xué)術(shù)界取得重大進(jìn)展的同時(shí)，也該走出實(shí)驗(yàn)室服務(wù)社會(huì)。一些傳統(tǒng)領(lǐng)域，例如交通管理，醫(yī)療診斷和法律咨詢，仍在使用傳統(tǒng)的，基于固定策略結(jié)合人的經(jīng)驗(yàn)的方法。如今，有了海量的歷史數(shù)據(jù)和先進(jìn)的人工智能技術(shù)，智能交通，智慧醫(yī)療和人工智能律師成為了可能。這將大大緩解由于醫(yī)生和律師等專用人才缺乏所帶來的壓力，將人類從復(fù)雜繁瑣的勞動(dòng)中解放出來。
4.機(jī)器認(rèn)知與推理：目前人工智能技術(shù)多數(shù)使用數(shù)值的方式來表示信息，而沒有形成類似人類思維中的“概念”，更不能進(jìn)行歸納，推理，知識(shí)遷移，因此只能在特定領(lǐng)域里完成特定任務(wù)。想要實(shí)現(xiàn)通用人工智能，必須賦予其綜合多個(gè)領(lǐng)域的信息，進(jìn)行認(rèn)知與推理的能力。
5.無監(jiān)督學(xué)習(xí)：互聯(lián)網(wǎng)上有著取之不盡的海量數(shù)據(jù)，但絕大部分?jǐn)?shù)據(jù)都是未標(biāo)注的。相對(duì)于監(jiān)督學(xué)習(xí)，無監(jiān)督學(xué)習(xí)框架有希望能夠充分利用這些數(shù)據(jù)，而不需要花費(fèi)大量的人力物力去標(biāo)注訓(xùn)練數(shù)據(jù)，這大大減少了訓(xùn)練機(jī)器學(xué)習(xí)模型的成本。另一方面，無監(jiān)督學(xué)習(xí)更加接近人類的學(xué)習(xí)與認(rèn)知方式：從混沌未知的世界中學(xué)習(xí)知識(shí)。
6.小樣本學(xué)習(xí)：深度學(xué)習(xí)目前取得了巨大成功，但其局限性也很明顯，即它需要大量的數(shù)據(jù)及計(jì)算資源去訓(xùn)練模型。從這方面上說，深度學(xué)習(xí)與人的學(xué)習(xí)能力還相差很遠(yuǎn)，例如小孩只需幾張貓的圖片就能學(xué)習(xí)準(zhǔn)確地識(shí)別貓，而深度學(xué)習(xí)模型則需幾百萬張的圖片。人駕駛汽車行駛了幾千公里就是老司機(jī)了，而自動(dòng)駕駛則需行駛幾百萬公里才能訓(xùn)練到令人滿意的效果。小樣本學(xué)習(xí)更接近人類的智能模型，小樣本學(xué)習(xí)能力的發(fā)展能夠?qū)⑷斯ぶ悄芗夹g(shù)應(yīng)用到更多更廣泛的領(lǐng)域。小樣本學(xué)習(xí)研究的一個(gè)重大突破是三名分別來自麻省理工學(xué)院、紐約大學(xué)和多倫多大學(xué)的研究者在2015年提出的Bayesian Program Learning方法，并利用它解決 “看一眼就會(huì)寫字”問題。
7.模型的可解釋性和穩(wěn)定性：人工智能另外一個(gè)難題就是機(jī)器學(xué)習(xí)模型的可解釋性和穩(wěn)定性。目前大部分機(jī)器學(xué)習(xí)模型都是“黑盒”模型，很難讓人理解。當(dāng)模型出現(xiàn)失敗，我們很難理解到底是哪里及為什么出錯(cuò)了，在醫(yī)療領(lǐng)域，無法解釋的模型很難讓病人及醫(yī)生接受。而且模型穩(wěn)定性也一直是個(gè)問題，例如給圖片加些白噪音，深度學(xué)習(xí)模型會(huì)給出令人大跌眼鏡的預(yù)測結(jié)果。要想人工智能普遍被接受并應(yīng)用到人們生活當(dāng)中去，必須以人們能夠理解模型為前提。然后才會(huì)獲得信任，促使其產(chǎn)業(yè)化，大規(guī)模生產(chǎn)。
8.多學(xué)科交叉研究：目前在一些特定領(lǐng)域上，人工智能系統(tǒng)取得了相當(dāng)好的結(jié)果，但和人腦相比，沒有任何一個(gè)人工智能系統(tǒng)能夠具有像人腦一樣的自適應(yīng)性，魯棒性等等。未來的人工智能發(fā)展需要多學(xué)科(例如腦科學(xué)，心理學(xué)，哲學(xué)，社會(huì)學(xué)，教育等) 交叉研究。
9.如何約束人工智能：隨著人工智能進(jìn)入人們的生活，各種對(duì)于人工智能的擔(dān)心接踵而來。約束人工智能的行為，使之更好的服務(wù)人類而不被濫用和失控，不僅是倫理和政治問題，也是技術(shù)需要解決的問題。1942年，阿西莫夫在他的小說中提出著名的機(jī)器人三定律作為機(jī)器人的行為準(zhǔn)則，然而技術(shù)上的實(shí)現(xiàn)還遠(yuǎn)未完善。
猜你喜歡：