English Version

首页 » 新闻中心
“人工智能与未来媒体大讲堂”第二讲“AI之ABCDE”开讲

发布日期:2017-11-13  浏览次数:


      11月7日,由北京师范大学新闻传播学院、微软、封面新闻主办,人工智能与未来媒体实验室承办的“人工智能与未来媒体大讲堂”第二讲在京师大厦9308开讲。中科院计算所研究员山世光带来了题为“AI之ABCDE”的演讲。学院执行院长喻国明、副院长张洪忠出席讲座。



嘉宾合影


 
     主持人张洪忠教授
     
      讲座主持人张洪忠教授介绍了山世光博士。山世光是中科院计算所研究员、博导,基金委优青,CCF青年科学家奖获得者,现任中科院智能信息处理实验室常务副主任,他的研究领域为计算机视觉和机器学习。在讲座中,山世光详细介绍了AI技术发展的现状、AI技术的原理以及当前发展中存在的问题,并对未来AI技术的发展提出了一些建议。

 

主讲人山世光

专项智能如雨后春笋般成长 

      山世光首先介绍了近两三年来AI技术取得的重大突破。AI在逐渐逼近甚至超越人的一些专项智能,例如象棋和围棋、同声传译、自动驾驶、人脸识别等等。在此背景下,山世光提出了AI系统的技术构成公式:AI=A+B+C。A是指算法(Algorithm),B是指大数据(Big-data),C是指算力(Computing)。算法主要包括深度学习和增强学习。目前,深度学习技术应用领域较广。深度学习是对神经网络功能的模拟,其研究受到神经科学领域研究进展的启发。深度学习的网络,就是大量的简单的神经元的互联,形成的多层神经网络。它通过逐层抽象,完成对目标的解析。为了构建这样一套系统,人工神经网络需要用有标注的样本做练习,学习大量的参数。深度学习的理论技术在上世纪八十年代中后期已经非常成熟,但是当时缺少有标注的大数据来供神经网络学习,计算机的计算能力也不足。随着技术的进步移动互联网的发展,这一理论才复兴起来。因此,对于AI系统而言,算法、大数据、算力三者缺一不可。


 通项智能路漫漫其修远兮 

      比起人工智能复杂的学习过程,人类的学习过程似乎非常简单。山世光认为,人工智能的学习与人类的学习有着很大的不同。人类在出生时,已经形成了非常复杂的大脑神经网络,这可以看做是人类的祖先在进化的过程中“大数据”学习的结果。而在后天发育的过程中,很多具体事件的“小数据”和后天习得的知识会对人类大脑加以适应性修改。因此,他提出HI(人类智能)=A+B+C+D,其中A是算法,B是书本(Book),C是算力,D是小数据(Data),这与AI的技术构成明显不同。与人相比,现有AI系统存在一定的缺陷,当前只有专科智能,没有全科智能,而专科智能过度依赖于大数据。这是因为深度学习是“归纳法”的胜利,而人类学习大量采用的是“演绎推理”。此外,深度学习基本解决了复杂相关性和非线性映射的问题,但解决不了因果推理的问题。

AI的解决需要新的方法论

       山世光指出,当前AI技术存在的挑战是:数据驱动产生的机器知识与人类知识在表示上有鸿沟。以人脸识别为例,当机器识别存在问题时,人往往无能为力,不能立刻知道通过修改哪个参数可以达到想要的结果。在这样的情况下,未来需要建立X数据驱动的机器学习方法,而不仅仅是依靠大数据。X数据就是指各种各样的数据,包括大数据、小数据、半监督数据、弱监督数据、脏数据、杂数据等等。未来的AI需要在HI的基础加上生态系统(Ecosystem),这意味着随着越来越多的专项智能出现,也许会涌现出通用智能。



 
       
      最后,山世光提出了几个建议:在基础研究方面,要重视对知识利用等相关方向的研究力度;重视对X数据驱动的机器学习方法的研究力度;重视多专项智能如何涌现通用智能。在技术和产业方面,要不遗余力地加强数据基础资源的建设;重视AI生产平台和端侧基础芯片的研发;重视AI技术引擎生产线的研发;重视AI中间件(AI-Lab)和平台系统的研发。在演讲结束后的提问环节,山世光回答了同学们在算法进化、技术资源集中、人脸识别的识错率、人工智能的网络安全风险等方面的困惑。张洪忠教授最后总结,人工智能对人们的生活产生了重大的影响,但是它只是一种技术而已,并没有想象中那么可怕。未来,北师大新闻传播学院也将继续在人工智能领域深化拓展。


 

文/王丹敏
图/陆一婷