北京儿童插座价格联盟

论坛分类
首页插座资讯社团历史行业新闻

谷歌发现全新 AI 算法“单次学习”| 人工智能突围依然存在瓶颈

只看楼主 收藏 回复
  • - -
楼主

page
1
谷歌发现全新 AI 算法“单次学习”

近日，谷歌DeepMind团队发现了一种新的方式对深度学习算法进行调整，新算法可以只通过一个例子就能识别出图像中的物体，该算法被称为“单次学习”。
 
一套算法通常需要训练大量数据才能“学会”一件事情，尤其是在计算机视觉和语音识别方向，通常在一个模型内需要喂给成千上万的图像和语音数据才能识别出某个图像/语音，而且图像和语音训练数据的获取本身就较为麻烦。
 
Facebook M 研发人员曾提到，在人工客户的指引下，计算机虚拟客服仍旧需要重复甚至百万次才能明白用户某一个简单的需求。
 
针对学习成本和过程复杂这一问题，谷歌的DeepMind团队研究员奥里奥尔·温亚尔斯(Oriol Vinyals)在深度学习系统中增加了一个记忆组件，当然，这套系统仍然需要事先分析数百种图片，训练好成型的学习模型，但此后却可以学会通过一张照片识别新的物体。
 
那么它是如何做到分析一张图片就能完成物体的检测和识别的？其实这套系统本质上是通过分析图片中的独特元素来完成识别任务。这种算法只需要看一个例子，便可达到近似于传统深度学习系统的准确率。
 
除了谷歌的“单次学习”之外，目前较为热门的“迁移学习”也是提高数据训练效率的一种方式，它可以事先把一个预先训练好的模型挪到一个类似的任务上使用，节省了训练时间。
 
深度学习的某些任务中拥有庞大的数据集，而有些相似的任务却没有那么大数据集。在这种情况下可以从前者训练好的模型中抽掉最后几层，在后者上只另外训练最后几层。如语音识别领域，当研究人员拥有大量英语数据，却缺乏葡萄牙语数据时，但由于两者均受拉丁语影响，有着一定的共性，研究者可事先拿英语语音数据训练模型，基于这个模型在葡萄牙语上训练模型的最后几层，然后对这几层的参数进行微调。
 
杨强教授曾在承办的CCF-GAIR大会中提到一点，大数据设计出来的模型用于小数据上，它的副产品就是个性化。这就是迁移学习的目的。

迁移学习分为两种：样本迁移，特征迁移。其在应用场景中则如下：
基于模型的迁移：如图像识别，训练万张顶千万张。相似度越大，迁移的概率大。 
社交网络之间的迁移：将千万人的大数据模型迁移到某个人身上。

由此可以看出，谷歌的单次学习系统与基于模型的迁移在目的上有一定的相通之处。
 
之前也有研究者开发过单次学习系统，但通常不兼容深度学习系统。而这次具有一定的突破性意义。
 
韩国先进科技学院大脑和机器智能实验室主任Sang Wan Lee说：这是一种很有趣的方法，它提供了一种新颖的方式对大规模的数据库进行单次学习。这为人工智能社区做出了技术贡献，计算机视觉研究人员可能非常重视此事。
 
任何新算法在提到效率的同时，总是无法避免它的不足。有学者对单次学习提出了质疑，他认为该套学习系统与人类的学习方法存在很大差异，可能会导致识别准确率的问题。哈佛大学脑科学系副教授山姆·格什曼(Sam Gershman)表示，人类通常是通过理解一张图像的组成元素来学习的，但在此基础上还需要一些实际的知识和尝试。平衡车可能看上去与自行车或摩托车大不相同，但它却可以使用相同的零件。上面提到单次学习是基于物体的独特元素来判断，即便计算机掌握摩托车和自行车的所有零件，但面对拥有相似零件的平衡车时，有很大概率存在误判的问题。
 
Sang Wan Lee表示，计算机的单次学习能力要比拼人类还需要经过一段时间，即便是我们自己目前也并没有揭开人类单次学习能力的秘密。
 
来源：

page
2
MIT开发自动驾驶高尔夫车：可用于室内帮助残障人士
MIT开发的自动驾驶高尔夫车
 
我们都听说过自动驾驶汽车，以及它们将如何抢走我们的工作，或者将如何改变交通行业。但是，有多少人听说过自动驾驶高尔夫车？麻省理工学院就开发出了这样的车辆，来帮助行动不便的人士四处走动。
 
在这项与新加坡的合作项目中，研究人员开发出了一款标准的、自适应的模块化自动驾驶系统，能够用于各种类型的车辆中。虽然该系统起初面向普通消费者所乘的汽车，但它后来开始在更小的使用案例中测试，以满足特定的用户需求。
 
例如这款自动驾驶高尔夫车，研究人员在室内对其进行了测试。在室内，系统需要弄清车辆在建筑中的位置，找到道路穿过基本全都一样的走廊，当然，还需要注意避免碰撞到行人和设备。当在室外使用时，这款高尔夫车也是一种可靠的代步方式，来穿过停车场和公园。
 
研究人员们的短期愿景是，希望这些轻型车辆能够部署在商场、机场、公共机构或者城市的各个角落，来帮助那些行动不便的人士。
 
有趣的是，研究人员还对试乘这款自动驾驶高尔夫车的100位普通用户进行了调查，询问他们如何看待自动驾驶技术。当试乘了这款小车之后，他们对自动驾驶技术的信任度似乎显著提升。这显示出，随着自动驾驶技术更加流行，我们有理由相信它将会很快得到广泛采用。

page
3
人工智能突围依然存在瓶颈
近几年来人工智能发展迅速，与此同时围绕着人工智能或将给社会带来的冲击也一直备受关注，在 2016 TC 北京峰会上，微软小娜研发总监杜奕瑾、地平线联合创始人兼软件副总裁杨铭以及商汤科技联合创始人兼副总裁徐冰，为大家排疑解惑。
 
得益于深度学习研究的突破，这几年人工智能发展速度的确比较惊人，比如在 AlphaGo 与李世石的人机大战之前，几乎所有职业高手都表示李世石必胜无疑，而且将是 5 比 0 完胜。李世石本人也认为自己绝不会输，哪怕输掉一盘就是失败。如此强烈的信心源于围棋本身的神秘，也源于此前计算机围棋在和人类交手时的巨大差距，大量专家估计想要战胜职业棋手，至少还需要五十年。然而，最终结果却是李世石以 1 比 4 的成绩惨败。该事件再一次让人们对人工智能刮目相看。
 
不过，这离人工智能彻底超越人类其实还是有很长一段距离的，杨铭就表示，想要接近这个目标，即使是 20 年都属于是非常乐观的估计了。徐冰也同意这个观点，其甚至还从深度学习的基本原理出发，为我们解释了这一结论，“ 深度学习学习了人脑的结构，人脑有三千多亿的神经原，没有任何的计算平台，或者说是模型可以容纳到这么多的参数。从几个数量级的差距来看，还是有很多的壁垒 。”
 
而杜奕瑾则补充了另一个关键点，那便是创造力。杜奕瑾认为 人工智能想要超越人类就必须拥有像人类一样的创造力 ，“虽然我们人脸识别、语音辨识做得很好，但这都是我们人规范了这个领域，并由我们人来做辨识。”而想要人工智能拥有人一般的创造力，“以目前来讲还是非常困难的。”杜奕瑾如此表示。
 
因此，在 5 到 10 年内，如何更好地让智能辅助人类及其工作，提高工作效率和产出，才是这段时间的主题。比如下围棋、开车、人脸识别等，在这段时间内，虽然人工智能无法在综合条件下战胜人类，但在如上的那些特定的技能方面，特定的神经网络势必可以做得更好，并能帮助人提升效率。

另外，根据上述三位嘉宾的访谈，人工智能需要突破的瓶颈还有这些：


  •  最近人工智能由于深度学习、深度神经网络发展有很大的技术突破和提高，但是基本上还是统计学习的范畴，是从数据中总结规律。实际对于问题的理解和推理，深刻的分析还是有所欠缺的，技术还没有完全解决所有的问题。

  • 从技术角度来说，你能够长时间积累知识，长时间理解知识，但它对长时间的记忆方面还是有欠缺的。

  • 海量数据（比如商汤科技积累的是一亿个个体的人脸照片，超过 8 亿张人脸数据）规模之下，几乎没有任何的超算集群或者底层算法平台可以支撑这个规模的深度学习训练。

  • 算法的整体安全度已经到很好的水平， 但是你不知道它在什么样场景下会不行 。因此，必须想办法打通数据的闭环，让数据回流，让算法不断的演进。

  • 如何将场景结构化也是一个难题 。比如在医疗领域，医疗数据的结构化，就跟我们平时看到的人脸和车辆不一样，人脸和车辆的数据结构化，只要找二三百人把数据标出来就可以，但是医疗必须要老医生来标注这些数据，他标注出来的数据才是可以让机器去学习的，而老医生的资源太稀缺了。


因此，短期内担心人工智能消灭人类绝对是杞人忧天。
 
人工智能可分为弱人工智能、强人工智能与超人工智能，弱人工智能即是指明显低于人类智商的人工智能，强人工智能则是指在智力上可与人类并驾齐驱的人工智能，最后的超人工智能则是指智力已经完全超越人类的神一般的存在。
 
既然我们担心强人工智能与超人工智能会对人类的未来带来冲击，那么我们便可以想办法将人工智能限制在弱人工智能水平，事实上即使是弱人工智能也能为人类带来极大的便利。

page
4
李开复
VC 行业投资量只有去年的一半，金融业与汽车会最先被人工智能改造
“在过去的一两年，我们发现移动互联网的成长已经达到了常态，创业公司没有办法在飞速增长。”李开复，创新工场的创始人在 11 月 7 日举办的 2016 Techcrunch 国际创新峰会上表示，这家以技术闻名的投资机构在不久前投资了摩拜单车（Mobike）以及美国硅谷机器人项目 Wonder Workshop；人民币基金则重点投资了马东创办的米未传媒、原麦山丘等项目。
 
在李开复看来，从去年年底开始，资本开始变得的越来越谨慎——2016 年整个 VC 的投资量只有去年的一半，“资本寒冬”。不过，在以 O2O 为代表的模式创新的资本热潮褪去后，一些新的产业正开始崭露头角，包括文化娱乐、在线教育、消费升级与人工智能。
 
“在今天的市场环境里，VC 必须拥有人民币基金和美金基金。同样的，一个创业者在初创时期就要决定使用什么币种。”李开复说，“适用美金是比较高科技的公司，或者在美国有对标公司的这样一些公司，而适合人民币的是更快能够盈利的，因为在国内对于上市的要求，盈利这方面是非常重要的，周期也是比较短，所以投的是不同的公司。人工智能是希望拿到美金的，文化娱乐是希望拿到人民币的。”

人工智能是最重要的领域

“我们认为人工智能是所有领域最重要，最巨大的领域。现在，在识别物体方面，人工智能在过去的 5 年已经超越了人类的能力。”李开复说，“当人工智能识别人脸，超过人的时候，保安的工作至少一部分就没有了。当人工智能能够听懂语音的时候，客服和打电话卖东西人的工作就没有了。当人工智能能够更聪明的炒股的时候，很多人的工作就没有了。”
 
变革正在某些行业里慢慢渗透，在这之前，Google 无人车已经跑了 200 万英里，特斯拉的 autopilot 系统也累积了两亿英里数据，而在过去十年，随着深度学习的科研进展，在图片、语音识别方面，机器都已经远远超过了人类。人工智能的另一个可怕之处在于，它的使命是给每一个行业带来变革，而不是一个单独的细分领域。
 
在李开复看来，金融、医疗和教育在未来都有被人工智能彻底变革的可能性——诊断病患时，人工智能也许比不了最好的医生，但它的判断比普通的医生更加准确。这种趋势面临的挑战在于，一些行业、比如金融业和制造业的员工会丢了工作。“AI、人工智能能够替代我们一些工作，能让我们的精力用在更有深入的思考，比如说人性、哲学等的探索，这是人工智能乐观的一面。”

金融业与汽车会最先被“人工智能化”

李开复认为，被人工智能改造的行业一定要有很强的封闭性，也就是说，不能有像人一样的跳跃性思维——比如你把菜刀装进购物车时，AI 或许会向你推荐锅铲和漏勺，但不大会猜到你最终又买了袋猫砂。另一个特征则是海量的数据，从 AI 的角度看，他们判断与决策的依据有相当大一部分来源于数据的计算。
 
“金融业是个最典型的例子，比如在股票交易中，AI 可以处理很多的数据来决定买什么。这些数据不光光来自历史交易的技术分析，专家在媒体上发表的观点，新闻动态的分析，到互联网上所有会对股价有影响的数据，AI 的引擎就能自动的把他解读出来。”李开复说，“对于金融机构来说，通过 AI 把坏账率从 4%降到 3.9%，把保险赔付率从 3%降到 2.9，就已经是很高很高的利润。”
 
另一个典型则是无人驾驶，这也是人工智能中发展最快的产业之一。在可以预见的未来中，自动驾驶对出行效率带来的无疑是革命性的飞跃。“现在的车很可能有 90%甚至 95%的时间都是停在家里或者停车场，无人驾驶可以将这些空闲时间有效利用起来。”李开复说。同样，无人驾驶为企业带来的收益难以估量——一旦技术成熟，类似优步这样的公司就能躺着赚钱了。
 
医疗也是一个值得期待的领域。早先，AI 被作为医疗的支持方或是辅助作用，如今，很多的大型研发机构和高校，都开始进行 AI 实际操作方面的研究，但这个时间恐怕会长的多。
 
“未来很多以中介、助理的事情都会被取代，一些深度的工作，我觉得只要这个工作做一个判断在 5 秒钟以下，基本上也会被取代，比如新闻、记者，做一个很深的报道做不了，但是一个很浅的报道，今天股票的新闻、价位能够组合成一篇文章，这个机器已经比人做得更好。”李开复说。

在线教育的四个重要趋势

在李开复看来，在线教育行业的四个趋势正变得愈发明显——现在，从业者可以利用非常低廉的互联网方式来做获客，这意味着用户几乎无限的增长——这在新东方时代几乎不可想象。第二，教学不一定要在特定的空间和时间，可以用 MOOC 的方式获得；第三，教育变得更加有趣，可以更好的和用户互动，我们投的盒子鱼就是一个例子，它非常有趣，是各种有趣的短片的视频集成的。第四，互联网教育可以针对个性化和个人的需要进行发展。

消费升级带来的三个改变 

消费升级变得越来越时髦了——因为中国人越来越有钱，人们希望过更的日子，买更好的东西。
 
李开复相信在这个过程中有三个重要的改变：一个是购买渠道的改变——过去我们可能通过旅行社买旅游产品、通过房地产销售来买房子，现在衣食住行都可以用网上的渠道购买，这就是我们投资方关注的领域。另外，新的销售方式也开始出现。像在时尚领域，过去依赖买手的零售店，现在可以去中间化的做一些设计师品牌的平台。
 

同样，网上平台也在改变人们的生活方式，几年前兴起的外卖平台彻底已经改变了年轻人的饮食习惯，在未来，更多的模式或许会伴随消费升级诞生。


机器人爱好者7群：欢迎大家长按二维码识别、进群交流


相关文章推荐

自动割草机器人 | 火蜥蜴机器人 | 机器人黄貂鱼

骨骼机器人 |  Starship:快递机器人 | 纹身机器人

牧羊机器人 |  蜘蛛机器人

生物黑客，半机械人崛起

日本“出汗”机器人

生物合成机器人 |  章鱼机器人 | BB-8机器人

Ghost Minitaur机器狗 | Sanbot S1机器人

Dexta的VR手套 | DeepMind Health

 Woobo：孩子们的机器人朋友 |

日本的机器人恶犬+美国的人形机器人

可变身平衡车的行李箱

李彦宏演讲实录  | 李飞飞在斯坦福的演讲  | 霍金在剑桥的演讲

英伟达的人工智能布局

DeepMind 开发了拥有”工作记忆“的神经网络

美科学家开发出磁性墨水 设备损坏后能自我修复

DeepMind刚做的两件事所带来的AI创业启示

无数据不 AI，无人工不智能

Surface Studio 的故事  |  脑机接口 |

机器人2025
长期搜罗、更新人工智能国际最新动态，给大家传递最新的产业信息。达闼科技长期为机器人2025供稿，其解释权为机器人2025所有。每周定期更新，欢迎大家继续阅读第八十七期。有想投稿的，可以后台联系机器人2025的小编。


举报 | 1楼 回复
推荐热门榜

友情链接

Copyright © 北京儿童插座价格联盟贴吧协议 隐私政策 投诉反馈