当前位置:人工智能行业动态 → 正文

MIT人工智能教授:深度学习是这个时代的炼金术

责任编辑:editor005 作者:薛芳 |来源:企业网D1Net  2018-01-28 17:12:55 本文摘自:腾讯科技

2018年1月28日上午,《麻省理工科技评论》新兴科技峰会EmTech China于北京国贸大酒店正式召开。Tomaso Poggio,MIT计算机科学&人工智能实验室教授发表演讲——《深度学习:从炼金术走向化学》。

以下附上演讲全文:

今天我想和大家谈一下人工智能领域正在发生什么。首先,我想说说我们在人工智能最近所取得的一些成功,尤其是过去五年,以及我们人工智能未来可能在哪里取得突破。然后,深度学习。深度学习有点像我们这个时代的炼金术,但是需要从炼金术转化为真正的化学。这样我们才能知道,深度学习在未来到底可以实现什么。

过去五年,人工智能领域最重要的两个成就是:AlphaGo和自动驾驶。我在这行待得够久了,因此两个领域都有我的学生:一个是AlphaGo的Hassabis先生,他是DeepMind员工,现在在谷歌;另外一个就是Moblieye的CEO Amnon Shashua,他现在已经加入了英特尔。

接下来我们可以看一下过去23年机器学习取得了哪些进步。

23年以前,我和Hassabis希望可以把计算机视觉和机器学习进行整合,然后创造出一个学习系统辨别行人。在这个短片中,我们可以看到机器识别出了行人和信号灯,基本上每秒钟会出现10个错误,当时是1995年,所以我们对这个结果还是非常满意的。

但是,Moblieye后来做到了每30英里只出现1个错误,把错误率降至当年的百万分之一,可以看出机器学习的准确性显著提高。

AlphaGo和Moblieye所取得的进步,背后是什么动因呢?

首先我认为是机器学习的算法,第一是深度学习,第二是强化学习,他们都是来自于认知科学以及神经科学。

深度学习的架构最早是在60年代研究猴子的视觉系统时被发明出来的,从而更好地研究他们大脑在学习时的神经结构,然后一直到Fukushima 提出了首个量化模型,再到20年前现代版的HMAX被提出。这些架构都是一脉相承的——从脑科学到现在的深度学习,本质上都是一样的层级架构。

从下到上,神经的等级越来越高。这个结构的局部中并没有很多的连接,每一个高级的神经元只会和下一个等级的神经元相联系。

2012年我们也开发出了AlexNet,它也是性能最好的一个架构。基于神经科学,我们通过工程学的研究并不断地发展。这是很重要的,因为我们还没有真正实现人工智能。

深度学习可以帮助我们解决10%的难题,剩下的90%呢?我的答案是我们可能也需要来自神经科学以及认知科学的研究,我们需要更好地了解人的思维和大脑。这也是我们MIT大脑、心智和机器中心(CBMM)在研究的问题,五年前我们开始开展相关的研究。

我们的使命就是要在理解认知方面获得新的进步,同时也需要去了解整个智能的架构和智能背后的科学原理。关于智能的科学会帮助我们回答最宏大的问题,了解生命的起源包括宇宙的起源,以及时间的源头。大脑中智能的产生,是科学现在需要解决的元问题。

CBMM想通过以下三条路径解决这个问题。

一:计算机科学+机器学习

二:神经科学

三:认知科学

我们会同谷歌这样的商业公司合作,探索在工程和科学领域合作的可能。

过去几年中,技术发展和理论发展、包括深度神经网络领域的发展很显著。要了解深度神经网络的运作原理,需要回答背后的三个基本问题:

逼近理论:深层网络什么情况下会比浅层网络更有效?

最优化:应该如何设计经验风险函数?

学习理论:为什么深度学习不会产生过拟合?

这三个问题是机器学习的奠基石。他们的答案很复杂,要解决这种问题,我们需要一开始就思考深度学习的一些技术理论,以及它的局限性。

现在是应用人工智能的黄金时代,因为深度学习及其工程应用,终于帮助我们将传统的人工智能科学理论应用于了工程实际,而且能够为我们进行赋能。假如我们可以超越深度学习的理论,可以更好的去了解人类智能的话,我们也可以更加深刻地了解我们人类到底是什么。

关键字:人工智能 一线 谷歌

本文摘自:腾讯科技

MIT人工智能教授:深度学习是这个时代的炼金术 扫一扫
分享本文到朋友圈

关于我们联系我们版权声明友情链接广告服务会员服务投稿中心招贤纳士

企业网版权所有©2010-2018 京ICP备09108050号-6

^