江苏龙网

  1. 首页 > 资讯 > 资讯 > >

第一财经@行业观察：世界人工智能发展究竟到了什么水平？第一财经2020-07-20 07:45:070阅

徐英瑾
关于人工智能在当今科技界的发展水平 ， 学术界、产业界和媒体界可能会有不同的看法 。 我经常听到的一个说法是：现在基于大数据与深度学习的人工智能是一种完全新颖的技术形态 ， 它的出现能够全面地改变未来人类的社会形态 ， 因为它能够自主进行“学习” ， 由此大量取代人类劳力 。
【第一财经@行业观察：世界人工智能发展究竟到了什么水平？第一财经2020-07-20 07:45:070阅】我认为这里有两个误解：第一 ， 深度学习并不是新技术；第二 ， 深度学习技术所涉及的“学习”与人类的学习并不是一回事 ， 因为它不能真正“深度”地理解它所面对的信息 。
深度学习不是新技术
从技术史角度看 ， 深度学习技术的前身 ， 其实就是在20世纪80年代就已经热闹过一阵子的“人工神经元网络”技术（也叫“连接主义”技术） 。
该技术的实质 ， 是用数学建模的办法建造出一个简易的人工神经元网络结构 ， 而一个典型的此类结构一般包括三层：输入单元层、中间单元层与输出单元层 。 输入单元层从外界获得信息之后 ， 根据每个单元内置的汇聚算法与激发函数 ， “决定”是否要向中间单元层发送进一步的数据信息 ， 其过程正如人类神经元在接收别的神经元送来的电脉冲之后 ， 能根据自身细胞核内电势位的变化来“决定”是否要向另外的神经元递送电脉冲 。
需要注意的是 ， 无论整个系统所执行的整体任务是关于图像识别还是自然语言处理 ， 仅仅从系统中单个计算单元自身的运作状态出发 ， 观察者是无从知道相关整体任务的性质的 。 毋宁说 ， 整个系统其实是以“化整为零”的方式 ， 将宏观层面上的识别任务分解为了系统组成构件之间的微观信息传递活动 ， 并通过这些微观信息传递活动所体现出来的大趋势 ， 来模拟人类心智在符号层面上所进行的信息处理进程 。
工程师调整系统的微观信息传递活动之趋势的基本方法如下：先是让系统对输入信息进行随机处理 ， 然后将处理结果与理想处理结果进行比对 。 若二者吻合度不佳 ， 则系统触发自带的“反向传播算法”来调整系统内各个计算单元之间的联系权重 ， 使得系统给出的输出与前一次输出不同 。 两个单元之间的联系权重越大 ， 二者之间就越可能发生“共激发”现象 ， 反之亦然 。 然后 ， 系统再次比对实际输出与理想输出 ， 如果二者吻合度依然不佳 ， 则系统再次启动反向传播算法 ， 直至实际输出与理想输出彼此吻合为止 。
完成此番训练过程的系统 ， 除了能够对训练样本进行准确的语义归类之外 ， 一般也能对那些与训练样本比较接近的输入信息进行相对准确的语义归类 。 譬如 ， 如果一个系统已被训练得能够识别既有相片库里的哪些相片是张三的脸 ， 那么 ， 即使是一张从未进入相片库的新的张三照片 ， 也能够被系统迅速识别为张三的脸 。
第一财经@行业观察：世界人工智能发展究竟到了什么水平？第一财经2020-07-20 07:45:070阅
文章图片
图1/2如果读者对于上述技术描述还似懂非懂 ， 不妨通过下面这个比方来进一步理解人工神经元网络技术的运作机理 。 假设一个不懂汉语的外国人跑到少林寺学武术 ， 师生之间的教学活动该如何开展？有两种情况：第一种情况是 ， 二者之间能够进行语言交流（外国人懂汉语或者少林寺师傅懂外语） ， 这样一来 ， 师傅就能够直接通过“给出规则”的方式教授他的外国徒弟 。 这种教育方法 ， 或可勉强类比基于规则的人工智能路数 。
另一种情况是 ， 师傅与徒弟语言完全不通 ， 在这种情况下 ， 学生又该如何学武呢？唯有靠如下办法：徒弟先观察师傅的动作 ， 然后跟着学 ， 师傅则通过简单的肢体交流来告诉徒弟 ， 这个动作学得对不对（譬如 ， 如果对 ， 师傅就微笑；如果不对 ， 师傅则棒喝徒弟） 。 进而 ， 如果师傅肯定了徒弟的某个动作 ， 徒弟就会记住这个动作 ， 继续往下学；如果不对 ， 徒弟就只好去猜测自己哪里错了 ， 并根据这种猜测给出一个新动作 ， 并继续等待师傅的反馈 ， 直到师傅最终满意为止 。 很显然 ， 这样的武术学习效率是非常低的 ， 因为徒弟在胡猜自己的动作哪里出错时会浪费大量的时间 。 但“胡猜”二字恰恰切中了人工神经元网络运作的实质 。 概而言之 ， 这样的人工智能系统其实并不知道自己得到的输入信息到底意味着什么——换言之 ， 此系统的设计者并不能与系统进行符号层面上的交流 ， 正如在前面的例子中师傅是无法与徒弟进行言语交流一样 。 而这种低效学习的“低效性”之所以在计算机那里能够得到容忍 ， 则缘于计算机相比于自然人而言的一个巨大优势：计算机可以在很短的物理时间内进行海量次数的“胡猜” ， 并由此遴选出一个比较正确的解 。 一旦看清楚了里面的机理 ， 我们就不难发现：人工神经元网络的工作原理其实是非常笨拙的 。
“深度学习”应该是“深层学习”
那么 ， 为何“神经元网络技术”现在又有了“深度学习”这个后继者呢？这个新名目又是啥意思呢？
不得不承认 ， “深度学习”是一个带有迷惑性的名目 ， 因为它会诱使很多外行认为人工智能系统已经可以像人类那样“深度地”理解自己的学习内容了 。 但真实情况是：按照人类的“理解”标准 ， 这样的系统对原始信息最肤浅的理解也无法达到 。


推荐阅读


上一篇：IT之家：曝苹果游戏手柄采用Lightning接口，支持无线充电IT之家2020-07-20 07:44:580阅

下一篇：「IT之家」惠普推出星14 x360变形本：十代酷睿+触控屏IT之家2020-07-20 07:45:410阅