江苏龙网

  1. 首页 > 人文 > >

人工智能的应用突破在不断的涌现，人工智能遇到的挑战( 二 )


另外在一些类似的确定性高的环境中 ， AI的表现也不错 。 例如语言的识别 ， 在拥有某些具体数据集的情况下 ， 机器可以比人类表现更好 。 所以如果用当前最先进的深度学习技术 ， 结合具体的结构化环境和具体的任务 ， 人工智能表现会非常优秀 。
在技术层面 ， 最近几年 ， AI已经开始学习“未标注”的数据 。 例如在自然语言处理方面的Bert技术 。
还有一个技术在理论方面也有了重大进展 ， 例如神经网络的运行模式 ， 这也是未来的研究重点 ， 可以让我们了解如何训练神经网络 。
从工业化的角度看 ， 技术发展前景明朗的领域都是和“终端”有关 ， 包括硬件层面 ， 模型层面 。 以终端为导向的机器学习 ， 能够降低人工智能工具的门槛 。 例如在硬件方面：云计算、边缘计算、车载工具甚至其他的一些硬件设备等等 ， 能够让AI变得更加“亲民”
杨强：感谢张潼教授 。 接下来让我们有请英国帝国理工学院郭毅可教授 。
人工智能的应用突破在不断的涌现，人工智能遇到的挑战
文章图片
郭毅可：人工智能在过去十年取得了比较巨大的进步 ， 主要体现在两方面：第一是自动特征提取 ， 第二是我们可以从很多压缩数据中进行学习 。
我们现在处于一个数据驱动的AI时代 ， 所有人都觉得数据越多越能促进AI的发展 。 其实从人类自身角度看 ， 人类不是一个以数据为驱动的体系 ， 我们是通过不断的学习知识来丰富自己对世界的认知 。 所以 ， 只有将机器自动化和知识结合起来才能创造更大的效能 ， 当前已也经有相关研究把一些模型和知识结合起来 。
另外 ， 我们非常重视的一点是人工智能要做正确的事情 ， 但正确到底是什么意思呢？机器又如何能够识别哪些是正确的 ， 哪些是不正确？当前的一些工作表示 ， 在很多的虚拟环境当中 ， 机器都能够做出正确的选择 。 但是在真实的世界当中 ， 正确和不正确之间的边界是很模糊的 。
所以 ， 这一代的人工智能在“识别”方面取得了进展 ， 而“认识”属于下一代的AI领域 。
人工智能遇到的
杨强：郭毅可提到了很好的问题 ， 我们如何让人工智能领会错误和正确之间的区别呢？这也是当前人工智能的一个“短板”
关于“短板”我谈一下我自己的经验 ， 人工智能在学习现有经验 ， 适应不断变化的环境方面（举一反三的能力）其实进展并不顺利 。 也就是说机器现在还无法有效的从小数据当中或者从经验的例子当中进行举一反三推理 。
现在我把问题抛给各位嘉宾 ， 你认为人工智能的一个大的是什么？先从戴文渊开始 。
人工智能的应用突破在不断的涌现，人工智能遇到的挑战
文章图片
戴文渊：第一个是AI认知门槛 ， 这是企业在AI应用中面临的普遍问题 。 我举一个例子 ， 我昨天去拜访了一家餐饮巨头 ， 他们想要把线下的业务放到线上 ， 改变业务模式 。 传统上 ， 他们进行线下业务 ， 但是疫情后 ， 他们发现只有5%的营收是来自于线下的 ， 95%的营收是通过线上数字化渠道来的 。 此前他们的营销模式是让门店员工给线下客户派送消费券 ， 再给客户做一些产品推荐和附加服务 ， 需要花费很多的人力和物力 。 如果是通过线上化渠道 ， 这样大的任务量 ， 是不可能通过人工来完成的 。 所以 ， 这是个非常适合AI的场景 ， 可以通过AI让机器来完成线上化的营销、推荐等 ， 不需要由人来做 。
但核心问题是 ， 这些AI应用需要数据科学来构建 ， 但传统企业没有足够的数据科学家 ， 就没有办法解决这些问题 。 我们现在数据科学家数量远远不够 ， 就算是MIT的数据科学家也不能解决所有企业的所有需求 。 所以 ， 需要让普通者或者JAVA工程师 ， 也能够AI应用 。 这也是为什么过去五年我们把很多的时间都花在了自动机器学习（AutoML）的研究上 。 因为它能够让普通者去学习构建足够好的AI应用 。 所以 ， 现在的数据科学家太少了 ， 我们必须要努力发展低门槛的AutoML技术 。


推荐阅读


上一篇：弃婴|女子瞒着男友与他人生子后弃婴 二审法院改判对其收监

下一篇：京报理论|“飞夺泸定桥”是虚构的吗？