微信号:inkfish-talk

介绍:分享人工智能相关技术的学习和实践收获

Andrew Ng\/徐伟谈人工智能发展的现状与未来

2016-04-16 02:05 inkfish

周四晚,机器学习研究会组织了超级大咖深度解析人工智能发展的现状与未来的在线活动。百度的Andrew Ng/徐伟与大家分享了他们关于人工智能的思考和建议。


深度学习技术的现状和未来发展


基于大量的标注数据,能够训练出精度非常高的神经网络。对于大多数监督学习问题来说,深度学习都将超越传统算法。目前深度学习创造的价值,主要集中在监督学习问题(X->Y)。这些监督学习问题,并不仅局限于Y是布尔类型或者整数的情况,还扩展到更复杂的情形。比如:

  • 图片摘要(Image Captioning) - X:图片, Y:摘要

  • 机器翻译(Machine Translation) - X:英文文本,Y:法文文本

  • 基于图像的问答(Image Query Answering) - X: (图像,问题), Y:答案

  • 语音识别(Speech Recognition) - X: 音频片段, Y:文本


在非监督学习问题上,深度学习的潜力还不明确。 列举了一个比较成功的非监督学习的例子:Word Embedding。提到Word Embedding实际上运用了上下文作为监督,把类似的问题归结为弱监督学习问题,并预计深度学习可能在这个领域突破。[Andrew/徐伟]


语音识别:会逐步使用End-to-end学习。数据集规模是影响识别性能的重要因素。最近Andrew组基于Attention模型的效果很好。他们深受Alex Grave在CTC工作上的影响。仍然存在的两大挑战:(1) 涉及更多上下文场景的长句子效果仍然不如人类; (2) 理解文本内容,而不仅仅是转录 [Andrew]


图像方面:Deep Residual Network在ImageNet的结果非常好 [徐伟]


视频方面:运算能力还是一个重大瓶颈 [徐伟]


目前深度学习模型的主要难点:记忆,知识表示以及推理,还不能很好地利用已有知识库。[徐伟]


无人驾驶


Andrew表示百度无人驾驶已经是他参与的第4个无人驾驶项目,但首次看到清晰的实现路径(2018开始提供商用无人驾驶服务,2020年开始规模化生产)。他详细介绍了百度有别于其他公司的不同战略:TRAIN TERRAIN (铁轨战略)


1. Don't try to roll out autonomous vehicles everywhere all at once. Instead, start from a small region (such as a shuttle route or small city), and grow from there.

2. Realize that computer-driven cars are not the same thing as a human-driven car. They behave differently: They never drive drunk. But, they don't understand a policeman's hand gestures. Make sure people in the“autonomy enabled”regions have realistic expectations.

3. Design autonomous cars to be clearly recognizable, so that people can immediately spot them for what they are.

4. Make the behavior of the autonomous cars highly predictable. Predictability, even more than cleverness, leads to safety.

5. Implement modest infrastructure changes in the autonomy enabled regions to make sure the cars understand what they need to do. For example, give emergency workers a clear way (such as a wireless becon) to communicate with the car. Make sure the roads are well maintained, with clearly painted lines. And so on.


个人非常认同这个铁轨战略,尤其是其中的两点:Behave Differently和Behave Predictable。

  1. 关于Behave Differently, 个人一直认为人工智能并非需要全面模仿人类。完全可以为了目标,牺牲与人类的相似性。对于语音识别/语音合成,需要遵循人类标准,因为我们需要机器人与人类进行自然的交流,让机器适应人类,而不是人类适应机器。但有些场景并没有必要以人为标杆。如果把人类作为上帝设计的一个产品,那么人类的设计必定包含了上帝的设计折中。人类大脑也可能是一个折中,记忆和“智能”的折中?也许我们并不需要一个跟人类一样的大脑,而更需要一个与人类大脑互补的大脑。飞机,虽然不像鸟类一样扑腾翅膀,但飞得更快。机器人是否一定需要两条腿或者四条腿呢? 是否能够实现复杂空间移动目标就可以?因此,无人驾驶完全没必要跟人类行驶在相同的马路上,遵守一样的规则。铁路不就自己开辟新道路去了嘛。

  2. Behave Predictable甚至是与无人驾驶设备交互的必要条件。可预测性,确保提前预判成为可能。


关于机器人

Andrew/徐伟都表示针对特定领域和任务的机器人正在快速发展,但通用的类人的机器人还比较遥远。


对人工智能从业人士的职业发展建议

人工智能大有可为,Andrew鼓励大家坚持死磕,日进有功




阅读线上分享全部记录点击下方“原文链接”

 
inkfish 更多文章 一个人工智能的乐观预测? 什么是智能? 计算机求导的四种方法 二元数及其在自动微分中的应用 从Trie到Double Array Trie
猜您喜欢 oracle秘境探索之11g tablespace prellocation IT圈装逼速成指南 交叉点以黄金合作伙伴参与第五届iWeb 峰会,共建HTML5生态 达内6月份java就业喜报来袭|最高薪资10800元 Windows核心编程基础开篇:计算机体系结构分层入门讲解