中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频

如果說大眾對(duì)AI的期望是一名大學(xué)生，那么如今的AI還只是一名“小學(xué)生”，會(huì)學(xué)習(xí)，會(huì)有歸納，有結(jié)果輸出，但還不會(huì)舉一反三、隨機(jī)應(yīng)變。

這意味著，如果無人駕駛場景中遇到突發(fā)情況時(shí)，AI能足夠快給出判斷嗎？我們能信任AI給出的判斷嗎？而應(yīng)對(duì)這些缺陷，目前AI在框架上又有哪些性能提升空間？

帶著這些問題，記者在2020年世界人工智能大會(huì)上一路追尋。

    01    

AI仍是“小學(xué)生”：

走不出黑箱

中科院院士何積豐表示，思考是對(duì)現(xiàn)有知識(shí)的加工和消化，并產(chǎn)生新知識(shí)的過程，相比于單純學(xué)習(xí)，對(duì)人工智能而言需要更進(jìn)一步。

事實(shí)上，目前人工智能已經(jīng)發(fā)展到第二代，通過神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)模擬人類的感知。數(shù)據(jù)、算力和算法是AI深度學(xué)習(xí)的三大要素。

那么，只會(huì)學(xué)習(xí)的AI如何打敗了會(huì)思考的專業(yè)圍棋大師？答案是數(shù)據(jù)！

據(jù)中國科學(xué)院院士、清華大學(xué)人工智能研究院院長張鈸介紹，Alpha go在參加比賽前有6000萬盤棋局的學(xué)習(xí)，但一名圍棋大師學(xué)習(xí)的棋局只有百萬級(jí)。

AI以量取勝。這也是目前AI的運(yùn)用主要集中在聲音識(shí)別、圖像識(shí)別等方面的原因。由于聲音、圖像數(shù)據(jù)可以隨時(shí)生成，能自我復(fù)制，幾乎是無窮盡的。從本質(zhì)上講，AI是統(tǒng)計(jì)學(xué)，有了海量數(shù)據(jù)支撐，能夠提升AI算法準(zhǔn)確度。

但如今AI產(chǎn)出的結(jié)果并非完全令人滿意。

由于深度學(xué)習(xí)通過數(shù)據(jù)層層分割，AI只能從局部識(shí)別，而非整體。AI識(shí)別一張阿爾卑斯山圖片的準(zhǔn)確率達(dá)94.39%。但如果給這張圖片加上一層色彩躁點(diǎn)，盡管生成的新圖片人類肉眼幾乎看不出太大異樣，但AI識(shí)別的結(jié)果卻是一條大黃狗，識(shí)別率達(dá)99.99%?？梢?，AI只能識(shí)別物體，而不會(huì)真正理解含義。

遺憾的是，深度學(xué)習(xí)是黑箱算法，技術(shù)人員無法獲知AI為何會(huì)產(chǎn)出上述結(jié)果。不可解釋，帶來的是對(duì)AI不安全、不可靠等方面的擔(dān)憂。

在中科院院士、清華大學(xué)人工智能研究院院長張鈸看來，目前的AI主要依靠數(shù)據(jù)、算力（蠻力）來解決完全信息和結(jié)構(gòu)化環(huán)境下確定的問題，解決的問題很有限。面對(duì)復(fù)雜環(huán)境中的突發(fā)狀況，比如無人駕駛突發(fā)路況，AI仍力不從心。

AI這位小學(xué)生距離畢業(yè)典禮仍有很長的路要走。

    02    

前路漫漫，畢業(yè)無期。但同時(shí)，《IT時(shí)報(bào)》記者也發(fā)現(xiàn)，AI小朋友的“學(xué)習(xí)狀態(tài)”正在調(diào)整。AI框架的優(yōu)化，讓我們看到在算力和算法上的提升。

根據(jù)中科院計(jì)算所高性能計(jì)算機(jī)研究中心主任譚光明的分享，從2013年起，利用計(jì)算機(jī)GPU加速深度學(xué)習(xí)已成為業(yè)內(nèi)趨勢，而多節(jié)點(diǎn)并行計(jì)算逐漸成為主流。

深度學(xué)習(xí)發(fā)展早期，AI往往采用單節(jié)點(diǎn)的訓(xùn)練模式，只是隨著更大的數(shù)據(jù)和更深層次的模型（從AlexNet、ResNet、NasNet直至AmoebaNet）被提出，意味著計(jì)算機(jī)需要更大的內(nèi)存和計(jì)算能力。

當(dāng)單GPU訓(xùn)練也無法承受應(yīng)用的負(fù)載時(shí)，AI企業(yè)不得不采用邊緣計(jì)算的形式為其解壓?！胺植际交虿⑿杏?jì)算將在AI框架中變得尤為重要?！弊T光明表示。

據(jù)悉，目前無論是國外的TensorFlow、PyTorch還是國內(nèi)的曠視天元MegEngine、百度飛槳都設(shè)計(jì)了分布式深度學(xué)習(xí)框架。

但是這一框架依然有著遺憾，比如算法的性能和精度。

Batch Size（批量取樣規(guī)模）指的是深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)中一次訓(xùn)練所選取的樣本數(shù)，其大小會(huì)影響計(jì)算模型的優(yōu)化程度和速度，也會(huì)直接影響GPU內(nèi)存。

如果把計(jì)算模型看作是一頭奶牛，那么批量取樣規(guī)模是牧草。大量的牧草能提供奶牛豐富的營養(yǎng)，產(chǎn)出的牛奶質(zhì)量越高。只是奶牛消化牧草需要時(shí)間，產(chǎn)奶也需要過程。因此，目前妥協(xié)于GPU內(nèi)存情況和計(jì)算速度，AI企業(yè)不得不將批量取樣規(guī)模調(diào)整到較小的數(shù)值，犧牲了準(zhǔn)確度。

Facebook曾在1小時(shí)內(nèi)完成了ImageNet的訓(xùn)練。當(dāng)時(shí)Facebook采用的手段是將GPU的線性擴(kuò)展到256個(gè)規(guī)模，并將8K作為批量取樣規(guī)模的選擇，能達(dá)到76%的準(zhǔn)確率。與此類比，Google將批量取樣規(guī)模從128上調(diào)至1024，但達(dá)到的準(zhǔn)確率只有57%左右。

根據(jù)中科院研究院在2019年IEEE舉辦的一場峰會(huì)上發(fā)表的成果，計(jì)算模型在訓(xùn)練前后期，AI的學(xué)習(xí)效果顯著不同，并提出了訓(xùn)練前期用8K批量取樣規(guī)模，后期用64K批量取樣規(guī)模的可變Batch Size計(jì)算策略。如同先給奶牛少部分牧草，促進(jìn)消化，再提升牧草量，保證產(chǎn)出的牛奶質(zhì)量。

效果顯而易見，相比Facebook，這套新計(jì)算策略能在ImageNet上將訓(xùn)練時(shí)長從1小時(shí)縮短至25分鐘。

值得一提的是，在分布式計(jì)算框架下，中科院還采用了“決策樹”模型，將決策樹作為選擇器，為不同網(wǎng)絡(luò)層確定合適的數(shù)據(jù)布局。

事實(shí)上，如果AI根據(jù)經(jīng)驗(yàn)判斷提取的數(shù)據(jù)，往往不一定是最優(yōu)解。因此，有了“決策樹”，目前能達(dá)到95%以上的預(yù)測精度，要知道運(yùn)用傳統(tǒng)方法，達(dá)到90%的預(yù)測精度并不容易。

或許從理論和技術(shù)上，AI正加快速度走向小學(xué)畢業(yè)的終點(diǎn)。

    03    

AI的小學(xué)畢業(yè)典禮，是多位演講嘉賓愿意暢想的未來，屆時(shí)AI將真正擁有“智慧”，即隨機(jī)應(yīng)變、舉一反三。

借鑒人腦模型，可能是AI的未來。如果AI能夠理解識(shí)別的語義，可以像人類一樣一眼就明，當(dāng)遇到特殊情況時(shí)，能更快識(shí)別，做出合理判斷。

知識(shí)、數(shù)據(jù)、算法和算力是張鈸認(rèn)為的第三代人工智能四個(gè)要素。

有了知識(shí)的AI有何不同？

事實(shí)上，目前AI能做的只有在確定環(huán)境和完全信息條件下的推理和決策。從AI玩圍棋、國際象棋上看，本質(zhì)上是一場決策的概率學(xué)。

當(dāng)現(xiàn)實(shí)生活中，人們面對(duì)的更多是“博弈”。以玩德州撲克為例，AI還需要了解的是對(duì)手的心理，在對(duì)抗環(huán)境下做出決策。

不確定的環(huán)境、不完全的信息、動(dòng)態(tài)變化的場景，對(duì)AI而言計(jì)算并不容易。

或許從理論上， 我們可以看到第三代AI運(yùn)用于更大范圍的場景的可能。人工智能正在飛速發(fā)展，這一天似乎并不遙遠(yuǎn)。

“序幕已經(jīng)拉開，大戲即將上演！” 張鈸說。 

作者／IT時(shí)報(bào)記者  孫鵬飛

編輯／挨踢妹

排版／黃建

圖片／采訪對(duì)象、DeepMind

來源／《IT時(shí)報(bào)》公眾號(hào)vittimes