中科院院士張鈸提出人工智能“四要素”:知識、數據、算法與算力

2020 年 7 月 9 日,世界人工智能大會雲端峯會以“智聯世界 共同家園”爲主題,以“高端化、國際化、專業化、市場化、智能化”爲特色,集聚全球智能領域最具影響力的科學家和企業家,以及相關政府的領導人,圍繞智能領域的技術前沿、產業趨勢和熱點問題發表演講和進行高端對話。會上,中國科學院院士、清華大學人工智能研究院院長 張鈸教授發表演講《邁向第三代人工智能》。以下爲 InfoQ 帶來的現場報道(直播鏈接: https://ai.worldaic.com.cn/ )。

以下爲演講實錄,內容未經本人確認,由 InfoQ 依據現場視頻進行整理:

第一代人工智能

張鈸院士介紹到,第一代人工智能主要依靠知識驅動,從而對問題進行推理、決策等等。

一個比較知名的案例就是1971年,斯坦福大學建立的專家系統,通過將醫生診斷的過程作爲推理機制放進計算機,並以此來診斷血液傳染病。由於內科醫生都不是專業的傳染病專家,因此這樣的計算機輔助系統可以幫助醫生做診斷。

而第一代人工智能最具代表性的成果,就是IBM推出的深藍國際象棋程序,它在1997年打敗了當時的世界冠軍卡斯帕羅夫。

張鈸院士認爲,深藍成功的祕訣有如下幾點:

它據有知識與經驗,因爲它已經學習過700000盤象棋大師下過的棋局,並且有象棋大師參與對8000個評價函數參數的調試;此外,深藍採用了α-β剪枝算法,同時還有IBM爲它提供的強大算力,使它能夠以平均每秒8-12步的搜索深度進行“思考”,這遠非人類象棋大師能做到的。

總結起來,第一代人工智能優勢如下:

但是,第一代人工智能的缺陷也很明顯:

因此,爲了能夠解決更多複雜的問題,第二代人工智能出現了。

第二代人工智能

張鈸院士介紹到,第二代人工智能就是以深度學習爲代表的智能技術。

它能夠模擬人類的感知,但是沒法像人類學習知識一樣。以圖像識別爲例,首先要給模型輸入大量的圖片,告訴它長成什麼樣的是馬,這樣模型才能學會分類;然後再用沒訓練過的圖片進行輸入,讓模型進行識別,如果可以識別,則說明它的識別率達到了某一高度,通常用百分比來表示。

僅從圖像識別或語音識別領域來說,現在不少模型已經可以達到或超過人類水平,比如著名的ImageNet比賽,2015年微軟推出的識別系統其誤識率已經低至3.57%,遠低於人類5.1%的誤識率。

詳細來說,深度學習優勢有以下兩點:

也正因如此,深度學習受到了更加廣泛地關注。

應用深度學習最典型的例子,要數著名的圍棋程序AlphaGo了。

從2015-2017,短短三年的時間裏,通過深度學習的應用,使得AlphaGo從業餘5段水平成長到到專業棋手水平,從專業棋手又升級成世界一流的高手,最後,AlphaGo Zero的誕生更是擊敗了以前的AlphaGo,成爲了超世界水平的圍棋高手。

張鈸院士分析道,AlphaGo的成功來自三個方面:數據、算力、算法。

與深藍一樣,它也大量地學習了圍棋大師的棋局,還有更加豐富的算法作爲支撐,同時它也擁有在當時相當強大的算力來進行處理。

但是,第二代人工智能仍然有一些侷限性:

張鈸院士舉例說明:下圖中的雪山放在已經訓練過的模型中,模型認爲這座雪山有94%可能性是阿爾卑斯山,然而當研究人員在其中加入了很小的噪聲干擾後,模型就將雪山錯誤地識別成了狗:

張鈸院士說:“深度學習雖然識別率很高,但是它不夠安全、不夠可靠,且不可解釋。”

第三代人工智能

由於前兩代人工智能都各有優劣,因此,第三代人工智能要解決的問題就是:

張鈸院士認爲,只有從技術上取得突破,才能推進創新應用,因此,綜合第一代知識驅動型AI與第二代數據驅動型AI,張鈸院士提出了第三代人工智能的四要素:知識、數據、算法、算力

張鈸院士也舉了幾個例子來對第三代人工智能進行了簡要說明。

計算機如何識別一匹馬?前兩代人工智能的方法是:將馬的局部特徵分析出來,與其他動物作比較,通過局部特徵進行區別,即黑箱學習。

但是,這樣的AI只能學習局部,不能進行高級學習,因此張鈸院士認爲要要借鑑人腦的模型。

他介紹到,僅僅是將人腦中稀疏放電這一特徵放進模型中去,就可以看到系統能夠分辨出人臉的輪廓,並檢測出語義的特徵。

但是,張鈸院士也表示,目前在這一領域的研究還是初步工作,未來需要全世界一起努力,共同取得更大的進步。

雖然目前的AI系統在棋類遊戲,這樣的完全信息博弈中取得了不錯的成果,但是在牌類這樣不完全信息博弈的遊戲中,表現仍然比較弱。因此,需要在對抗環境中進行訓練。

比如,張鈸院士的團隊就利用遊戲對AI系統進行對抗訓練,使其能夠即時處理複雜多樣的任務。

基於知識的強化學習,能夠幫助模型進行更加正確的決策。

另外在自動駕駛問題上,張鈸院士也建議加入知識,通過強化學習的方法進行訓練,從而讓無人車更好地應對突發情況,以及更加複雜的路況。

總結

在演講的最後,張鈸院士提到:人類智能最重要的表現就是隨機應變,舉一反三,因此要充分應用的只是數據、算法和算力,知識也是非常重要的一環。通過不斷地解決不完全信息、不確定性、動態環境下的問題,人們離達到真正的人工智能才能更進一步。

張鈸院士認爲,第一、第二代人工智能不過是智能時代的序幕,而第三代人工智能纔是大戲的開始,希望全世界能夠一起努力,解決問題,取得進步。

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章