首页 首页 人工智能 查看内容

神经网络与人工智能到底啥关系?听听专家们怎么说

木马童年 2019-1-23 23:00 226 0

业界专家指出,目前所讨论的人工智能(AI)其实只是神经网络的误称。神经网络其实还无法实现基本的人类推理和理解力,它们只是在建构人工智能漫漫长路上所用到的工具之一... 神经网络(neural network)已经发展到“技 ...

业界专家指出,目前所讨论的人工智能(AI)其实只是神经网络的误称。神经网络其实还无法实现基本的人类推理和理解力,它们只是在建构人工智能漫漫长路上所用到的工具之一...

神经网络(neural network)已经发展到“技术炒作周期”(hype cycle)的颠峰。但根据日前参加“图灵奖”(Alan Turing award)50周年纪念活动的专家们表示,神经网络技术看似具有广泛的用途且前景无限,但实际上仍处于发展的早期阶段,同时也存在许多局限性。

在这次活动的一场专题讨论上,几位专家表示,目前所讨论的人工智能(artificial intelligence;AI)其实是神经网络的误称。神经网络其实还无法实现基本的人类推理和理解类型。相反地,它们只是在建构人工智能漫漫长路上所用到的工具。

由于图灵(Alan Turing)认为总有一天机器的智商将会超过人类,因此讨论深度学习(deep learning)特别有意义。美国加州大学柏克莱分校(UC Berkeley)电脑科学教授兼人工智能研究员Stuart Russell指出,“图灵预测人工智能将超过人类智能,而届时将是人类末日。当然,如果够幸运的话,我们可以把机器关掉。”

神经网络与人工智能到底啥关系?听听专家们怎么说

UC Berkeley教授Stuart Russell

Stuart Russell目前正在撰写有关人工智能领域的新版教科书。他表示,“在实现人工智能之前至少有6个重要问题需要突破,但我很肯定人工智能时代一定会来临,因此,我将终其一生致力于从事这一领域。”

Russell还指出,神经网络只是打败世界围棋冠军的Google AlphaGo系统之一部份。

“AlphaGo……是一个经典的系统……而深度学习成就了该系统的两个组成部份……但他们发现使用具表达性的程式,更有助于学习这一游戏规则。端对端的深度学习系统需要……从过去数百万场棋弈游戏而来的资料,进而算出下一步落子点。尽管人们做了很多努力,但这种系统不适合西洋双陆棋和国际象棋。”Russell表示,而且有些问题所需的资料集庞大到令人难以置信。

Russell把当今的神经网络视为“某种突破……能够满足1980年代人们提出的愿望……但它们缺少编程语言的表达能力,以及支援资料库系统、逻辑编程和知识系统的陈述性语义。 ”

神经网络还缺乏人类解决问题的强大预先理解能力。“深度学习系统永远无法从强子对撞机(Hadron Collider)的原始资料中发现希格斯玻色子(Higgs boson)”,他补充道,“我担心人们过度看重利用巨量资料(big data)与深度学习来解决我们面临的所有问题。”

神经网络与人工智能到底啥关系?听听专家们怎么说

UC Berkeley教授Stuart Russell表示,神经网络是朝向人工智能迈进的重要步骤之一

自驾车、影像辨识的限制

神经网络在自动驾驶车和影像辨识等领域的发展前景看好,但也有其局限性。

“我一直在研究自动驾驶车……这一类系统必须具备可靠性。”在加拿大多伦多大学(University of Toronto)教授机器学习课程并负责Uber先进研究中心的Raquel Urtasun表示,“这对神经网络来说极具挑战性,因为它们不擅长对不确定性进行建模。”

神经网络与人工智能到底啥关系?听听专家们怎么说

神经网络“会说汽车出现在那里的可能性有99%……但你无法容忍任何误报……而当你出错时,也必须知道为什么会出错。”

她同意Russell所说的“深度学习无法解决我们面临的所有问题”。将神经网络和绘图模型组合在一起“是一种有趣的研究领域”,它有助于系统获得人类拥有的某些先验知识。

但由于其局限性,使用者必须“了解机器学习系统可能出现偏见……有时还会作出不公平的决策,”她指出。

Urtasun将当今神经网络的成就归功于“使训练效果更好的一些技巧,但在过去25年来,这些核心演算法并没有根本性的改变。突破部份来自于巨量资料的实现,以及让训练更大规模的模型成为可能的最佳化硬体。”

尽管如此,深度学习“成就了以往我们在健康、交通领域中无法想像的应用——现在我们几乎在任何地方都能见到它们的身影。”

目前在Google Cloud休假研究的首席科学家李飞飞(Fei-Fei Li)也认同处于炒作颠峰的神经网络存在实际的前景与限制。她同时也是史丹佛大学人工智能实验室主任,不久前才刚在史丹佛大学上完该校学生人数最多的课程——770人选修的神经网络课程。

Li指出,现在正是起始阶段的结束时刻,机器学习已经从实验室的实验过渡到商业部署了。广泛的工业与科学领域“正受到庞大的资料和资料分析功能的深远影响。”

尽管如此,“我们解决大多数问题带来的愉悦感并不真实。虽然我们赞扬ImageNet在影像辨识领域取得了成功,但我们很少谈到它的失败……在推理等方面仍然面临诸多的挑战。”

“例如在房间起火时,人工智能演算法仍然能够下出完美的围棋招数。”她引用另一位研究人员杜撰有关深度学习缺少情景理解能力的笑话时表示。

更广泛的说,“我们对于人类认知的理解程度还非常有限。正因为此,这两个领域都处于非常早期的阶段。”

在不久的将来,多智时代一定会彻底走入我们的生活,有兴趣入行未来前沿产业的朋友,可以收藏多智时代,及时获取人工智能、大数据、云计算和物联网的前沿资讯和基础知识,让我们一起携手,引领人工智能的未来!

人工智能 神经网络 深度学习 智能 编程语言 自动驾驶
0