<dl id="rtil1"></dl>
<div id="rtil1"></div>

    <dl id="rtil1"><ins id="rtil1"><thead id="rtil1"></thead></ins></dl>
    <div id="rtil1"><tr id="rtil1"><object id="rtil1"></object></tr></div>
      <div id="rtil1"></div>
      <div id="rtil1"></div>
        <em id="rtil1"></em>
        <sup id="rtil1"><ins id="rtil1"></ins></sup>

        <progress id="rtil1"></progress>

          <dl id="rtil1"></dl><dl id="rtil1"></dl><progress id="rtil1"><tr id="rtil1"><object id="rtil1"></object></tr></progress><em id="rtil1"></em>
          <span id="rtil1"><address id="rtil1"></address></span>

            <div id="rtil1"></div>
            <em id="rtil1"></em>

            用戶名:

            密碼:

            驗證碼:

            當前位置:新媒動態 > 科技新聞 > 科技前沿 >

            康奈爾大學教授John Hopcroft:人工智能的前沿研究及對社會的影響

            2017-09-28 17:17 記者觀察網 點擊次數 :

            2017年7月9日,由浙江省人民政府指導,杭州市人民政府主辦,ACM(美國計算機協會)、IEEE(美國電氣和電子工程師協會)、中國人工智能學會、浙江省委人才辦公室、浙江省科技廳協辦的“未來已來”全球人工智能高峰論壇在浙江杭州未來科技城拉開帷幕。億歐作為支持媒體參與了本次報道。

            圖靈獎獲得者、康奈爾大學教授約翰霍普克洛夫特(John Hopcroft)發表了《人工智能的前沿研究和對社會的影響》重要講話。

            大家好,我感到非常高興能夠來到這個峰會,和大家討論一下關于人工智能現在的革命。人工智能已經產生了非常革命性的影響,會根本改變人們的工作和生活。那對于人工智能的影響,它其實就相當于之前我們已經發生過的農業革命和工業革命。而這些國家和人民都必須要不斷的改變自己,才能夠從人工智能中獲益。

            一個新的革命正在不斷的發生,讓我們把信息和工作變得越來越自動化,這些工作會消失,一些舊的工作永遠不會再來了。然而,到底有多少人口比例是需要工作,才可以滿足社會的正常運作呢?我們還將面臨一系列社會問題,所以我今天要和大家講一下現在的信息革命和它背后的驅動力

            過去幾年,我們一直讓體力活變得自動化,而現在我們讓智力活也變得自動化了。我們已經給了很多體力工作者做培訓,他們可以完成一些自動化的工作。之后他們可能還會隨著自動化技術的到來而失業。

            那么,革命背后的驅動力是什么呢?在1960年,人們做了一個非常簡單的,關于神經網絡的模型。我們可以把人類的數據分成兩部分,看一下這個數據能不能線性分布。如果數據不能線性分布的話,就會把這些數據影射到更高的位度,這是20年前科學的研究結果。而這也是我們對于自動化機器背后的推動力,需要支持項量機數據,完成更高位度影射的工作。

            什么是項量機,如果把數據影射到更高的網絡,可以看一下這個方程式中,它是一個核心程序的方程式。它可以進行圖像識別,可以識別主要的用戶。大家在講到人工智能的時候,我想要指出有很多事情并不需要任何AI的編碼,它們只需要一些計算能力就可以完成。

            在過去70年有深度學習的發展,為什么會有深度學習呢其實是由于一個競爭叫做圖像識別競賽,它是有120萬個圖像,有1千個不同的類別。在這個競賽中,大家就是要設計出一個電腦的程序,識別出越來越多不同類型的圖像。誰能識別多,誰就贏。我們可以看到2011年這個錯誤率最低是25%,2012年下降到15%。兩年之后,也就是2014年,Googlenet出現,把錯誤率下降到1.67%。2015年resNet出現了,把錯誤率下降到3.57%。如果用人來做,錯誤率是5%,計算機比人類的實力更強,它們的錯誤率更低。它們也可以完成100層次的深度學習,人們可以將深度學習應用到各個領域,并且獲得成功。但是他們還沒有完成的是,為什么深度學習可以產生這么好的效果,基本上在圖像識別領域,他們有一個機制叫做卷積層。

            在卷積層中有一個個小的窗口,把圖像分成不同類別。在卷積層中分成了三層,還有另外三層叫做全連接層,最后會出現柔性最大值的傳輸函數。我們通過不斷調節網絡中的闡述,就可以調節最后出現的結果,這個就叫做監督式學習,會給神經網絡或者計算機網絡提供一個培訓的項目,并且能夠讓他們自主的進行學習,產出一個好的結果。

            可能大家有點擔心的一件事情,之前有些人說,深度學習的機制是騙人的。你可能把這個圖像編輯成貓,或者改了幾個象素,那么深度學習程序就會把貓的形象轉變成了一個汽車的形象。就是相當于一種虛偽欺騙性的深度學習,我們不希望深度學習成為這樣一種機制。而我們發現這種欺騙性的深度學習不是一個大的問題,因為我們發現在更改象素的時候,象素不再和相鄰象素相關聯。在深度學習的程序中,可以告訴你到底哪些象素是互相關聯的,是起作用的,然后你可以防止這個象素的變更導致圖像最后的變更。

            有些人對人工智能非常有興趣,他們做了一些研究。他們每隔10秒就在十字路口拍一張照片,探測出人先通過還是車先通過。他們把這些圖片都連接起來放到向量機中,把合成的照片都放到向量機中,產生一個矩陣。如果說矩陣是L+S的話,就會判斷出在這個十字路口接下來會發生什么事情。這個和AI沒有什么關系,只是拍了一張照片進行研究,但這些都是從計算能力演變過來的。對于計算不僅僅是一個基本的計算,而同樣也融入到生物學,對于生物學有很大的發展。

            我先給大家說一下對于AI的想法,我一般問的問題,AI是真實的嗎。就目前來看的話,人工智能實際上是一個更高領域的模式識別。實際上AI的項目現在還沒有辦法萃取一個事物的精華,知道它的功能,AI現在并沒有辦法了解這些。它知道一個自行車長什么樣子,可能在未來40年的革命之后,它就能夠幫助我們了解一些事物的特性。

            AI的變革,在20年前有一個知識向量機,現在基本上在每一個商業領域都廣泛的應用。另外一些發展,就是一些巨大的及能力,大量的數據,還有溝通能力。之后在2011年,也就是六年前,深度學習出現了。大概在三年之前,我們可以做一個無監督的學習。當然每年都會有更多的突破,有人說感覺所有的公司都在往AI方向發展,但我覺得并不是這樣。因為有可能在工業革命的過程當中,每一個公司都想往制造、交付上來做。

            美國和中國有哪些區別?實際上中國和德國對于我們現在正在發生的變革有更多的意識。而且政府想問對于人口如何應對,同樣德國也在考慮這個問題。不幸的是,美國似乎并沒有明白這樣會發生的變革。在中國,我們關注更多的是它的應用,我可以明白這個原因,因為這肯定是可以驅動經濟。我們關注更多的不是背后的理論,美國關注更多的是它背后的理論,最大的區別是教育系統。在中國一個教職工和教學機構,都是通過他們帶來了多少研究基金和發布的論壇來進行評比。在美國,我們評估這個教職工和學校,是通過教學質量和專業聲譽作為評判的。

            我想給中國一個建議,就是改變我們評估這個教職工和學校的評估矩陣。另外,我也想說基礎和應用研究的區別。一些人認為區別在于研究的基礎性,實際上并不是這個原因。而實際上的區別是關于我們為什么要做這個研究,應用研究是因為一些國家或者公司提出一個需求。在美國,應用的研究是在一個國家的實驗室里面關注于他們特定解決的問題。而基礎的研究是因為某一個教職工對某一個話題感興趣,并沒有任何實用的價值。

            最后我想和大家說,我們現在是在變革之中,所有個人、公司和國家都能夠意識到即將到來的革命。并且能夠做好計劃,讓它為我們創造巨大的價值。

            謝謝。



            (此文不代表本網站觀點,僅代表作者言論,由此文引發的各種爭議,本網站聲明免責,也不承擔連帶責任。)

            (責任編輯:主編)
            文章人氣:
            (請您在發表言論時自覺遵守互聯網相關政策法律法規,文明上網,健康言論。)
            用戶名:
            驗證碼:
            首頁 | 新聞資訊 | 財經股票 | 科技新聞 | 汽車資訊 | 娛樂八卦 | 體育新聞 | 房產樓市 | 旅游資訊 | 健康養生 | 明星時尚 | 主持人主 |
            湖北11选5预测