人工智能的应用突破在不断的涌现，人工智能遇到的挑战( 三 )
第二个是即使我们有足够多的数据科学家 ， 即使我们可以通过让普通人AI技术 ， 如果缺乏高质量的数据 ， AI也无法实现 。 这就需要我们通过迁移学习把数据中的知识从一个领域迁移另一个新领域 ， 保证AI在新领域的应用及效果 。 过去我们一直努力发展迁移学习算法 ， 有很多优秀的迁移学习算法 。 我们发现的迁移学习 ， 虽然性能非常好 ， 但有隐私的问题 。
AI基于数据得出的一些结论被应用是可以被大家接受的方式 ， 前提是这些结论并没有记录个人具体的数据 。 最近几年我们在迁移学习隐私保护领域取得了比较大的突破 ， 联邦学习在隐私保护的基础上赋能数据共享 ， 能够把知识从一个领域迁移到另外一个领域 ， 同时也不会导致隐私暴露 。
第三个是成本的问题 ， 顶尖的互联网公司 ， 需要有很多支撑AI业务 ， 很少有公司能够承受这些成本 。 所以我们也必须研究如何降低的成本费用 。 AI不仅是硬件 ， 还有软件 ， 是硬件和软件深度融合的体系 ， 软件设计必须要基于硬件的特点 ， 硬件设计也必须结合软件的需求 ， 并且做进一步的优化 。
软硬件深度融合优化是一个降成本方向 。 以第四范式服务的某零售企业推荐场景为例 ， 过去需要采用88台传统才能支撑AI业务 ， 采用软硬一体的方式后降为8台 ， TCO（总拥有成本）降低了90% 。
文章图片
中岛秀之：深度学习是一种非常新的技术 ，但是在原始数据的处理方面还存在不足 。 如果你给模型错误的数据 ， 模型就会做出错误的事情 。
此外 ， 我们在逻辑推理的研究上已经有了很长的历史 。 我认为应该把数据处理和逻辑推理两者结合起来 ， 有机发展 。
深度学习的应用非常广泛 ， 但目前普遍适用性还不高 ， 未来深度学习应该变得更加普通性、大众化一些 。
Toby Walsh：我认为存在四个 。 第一点 ， 是让机器理解语言 。 如果机器能够理解语言 ， 在解决其它问题时就很简单 。
第二点 ， 是常识问题 。 常识没有一定的规律 ， 并且机器和人拥有不同的感官 ， 所以不可能直接学习人类的常识 ， 但这又是非常有必要的 。
第三点 ， 是小数据学习 。 人类可以从个例当中进行学习 ， 可以举一反三 ， 能够抗拒环境的变化或者灵活地根据环境做出不同的反应 ， 而机器目前做的还不够 。
第四点 ， 是人工智能的情绪感知 。 人有情感的感受 ， 而机器没有 。 如果机器想和人进行沟通 ， 首先要理解人的语言 ， 理解人的情绪 。
张潼：人工智能在具体的应用层面上表现非常不错 ， 这是在拥有大数据的具体环境的前提下 。 目前在一般的任务上 ， 人工智能的表现还很差 。
但是在解决一般的任务之前 ， 人工智能在迁移学习、小数据学习、常识学习上还有很长的路要走 ， 所以我非常同意Toby Walsh的观点 。
第二点 ， 即如何从大数据学习转向到小数据学习 。 我们需要借助知识、特定的表征等方法 ， 来解决小数据学习问题 。
第三点 ， 即常识问题 。 我们希望能够将常识注入到人工智能分 ， 让它在进行逻辑推理时变的更好 。 目前 ， 人工智能其实并没有依托人类的常识 ， 而是依托数据做出概率的推测 。
郭毅可：我同意刚才嘉宾们所谈到的所有 ， 但是我认为最基本的是 ， 在人工智能时代如何在数据和知识之间做区分和连接 。
这有点像一个物理学问题 。 在物理学中 ， 我们会进行观察 ， 根据观察数据得出一个模型 。 我们首先是基于常识来进行观察 ， 得到一些小数据 ， 再进行迁移 。 这个过程基于数据和知识之间的连接 ， 涉及小数据学习、领域适应和迁移学习 。
人工智能的未来展望
推荐阅读
- 国际在线网站|全国重新禁止人群聚集活动，阿根廷新冠肺炎确诊病例突破20万例
- 央视新闻客户端|北斗系统工程新技术应用超过70%
- 豪恩仪器 HAST高温高压加速老化箱
- 36氪|苹果App store下架超3万款应用，无版号游戏失去避风港
- 北斗系统工程新技术应用超过70%
- 北京商报 “亦庄智慧”打破几何与三维技术应用瓶颈
- 问董秘|看公司介绍产品可以应用到风力发电机上，是否属实！，投资者提问：您好董秘
- 北斗系统发言人：北斗在抗疫、抗洪中发挥重要作用 未来将全面推动其深度应用
- 北斗系统发言人：北斗系统工程新技术应用超过70%
- 东方网|东方时评丨以新担当、新突破、新作为持续推动世界经济回暖