人物专访

张钹:深度学习拓展人工智能边界

发布:opticseditor阅读:1246时间:2017-8-16 10:13:48

近年来,深度学习的提出,在人工智能领域中是一个重大突破。以往,人工智能只能用来解决人们非常了解,而且能清楚表达的问题,例如医疗诊断,人们大体上能说清楚一个症状是由什么疾病引起的;例如下象棋,每下一步都能够说明它的理由,等等。但这些问题、领域都非常有限,而深度学习的意义在于,它拓展了人工智能所能解决问题的边界。


深度学习具有一定的通用性。比如现在人们利用深度学习来做图像识别,不一定要具备非常丰富、专业的图像知识,外行也能做。所以,深度学习是一种大众化的工具。而且,即便你对这个领域没有很深入的了解,但只要拥有充分的数据,就能够做研究。

正是因为有了深度学习,目前机器人在语音、图像识别、下围棋等很多以往都被认为是人类最擅长的领域全面超过人类。谷歌研发的AlphaGo打败李世石、战胜柯洁就是例子。

为什么机器下围棋能够超过人类?为什么人工智能在图像识别的某些方面会超过人类?我认为数据、计算资源和算法是深度学习成功的三大法宝。人们常常感慨大数据的力量、计算资源的力量,但是没有看到背后算法的重要性。比如AlphaGo能够在两三周内,学到几千万个棋局,能够自己和自己下围棋,靠的正是强化学习算法。

但是,人工智能的发展依然受到多个条件的限制,即大量的数据、完全的信息、确定性的信息和单领域(单任务)。只有这4个限定条件达成后,机器才有可能达到或者超过人类的水平。比如说我们可以利用医疗数据来做大数据处理,像某些疾病的医疗诊断、医疗图像的识别,只要符合这4个条件,人工智能都可以做,而且经过努力,可以达到或者超过人类水平。但是,在现实生活中,大量的工作并不符合以上4个条件。

应该说,人工智能现在还做不到像人类那样举一反三。推广能力差、鲁棒性差等局限使得人工智能要超过人类只是特定意义上的可能,其实它在很多方面还不如人类。人工智能现在学习的是举一百反一。它需要经过几千万甚至上亿的样本训练,学过的才能够识别。因此,这里有大量的研究工作要做。

来源:中国科学报

> 免责声明
网站内容来源于互联网、原创,由网络编辑负责审查,目的在于传递信息,提供专业服务,不代表本网站及新媒体平台赞同其观点和对其真实性负责。如对文、图等版权问题存在异议的,请于20个工作日内与我们取得联系,我们将协调给予处理(按照法规支付稿费或删除),联系方式:021-69918579。网站及新媒体平台将加强监控与审核,一旦发现违反规定的内容,按国家法规处理,处理时间不超过24小时。 最终解释权归《中国激光》杂志社所有。

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!