您现在的位置:新闻首页>热点要闻

杨强教授:从机器学习到迁移学习_9

2019-07-04 15:11编辑:admin人气:


  杨强教授认为,DeepMind把端到端的深度学习应用在强化学习上,使得强化学习能够应付大数据,因此能在围棋上把人类完全击倒,它做到这样是通过完全的自学习、自我修炼、自我改正,然后一个一个迭代。杨强还指出,搜索和学习的结合才是人工智能的发展方向。我们不能完全依靠机器去全部自动化自我学习,机器学习的弊端是自我偏差,目前仍需要人为干预。未来,迁移学习会是这个问题的解决途径。迁移学习还能让人工智能得以摆脱对大数据的严重依赖,从而让人工智能不再只是富人的游戏。

  2016全球人工智能技术大会(GAITC)暨人工智能60年纪念活动启动仪式4月22日在北京国家会议中心举行,杨强教授受邀发表主旨演讲,他的演讲题目是《 自学习的人工智能》。经过主办方中国人工智能学会和杨强教授的授权,新智元带来了杨强教授此次演讲的全文实录和ppt,干货满满,推荐收藏。

  

  首先大家都知道,在60周年之际,我们首先应该记住的是这位人工智能的先驱图灵。在他的问题的感召下,我们才有了今天这样的一个盛会和今天人工智能的飞速发展。他的问题机器可以思维吗?可以从不同的维度来解释,那么首先人类对人工智能的探索也可以围绕对[这个]问题的不同解释展开。

    第一个探索,应该说是在逻辑层面的探索。[20世纪]60年代,人工智能的这些先驱就考虑用逻辑和搜索来研究人工智能,比如下棋、推理、去做路径规划等等。他们有一个很强的假设,这个假设从某种程度上来说是非常直观的:智能包括计算机可能赋予的智能,来自于计算物理符号的排列组合。我们只要能很聪明地把这些物理符号排列组合,人类是可以从一系列的零和一的组合来得到[智能的]。[但是]有了一些成就之后,[我们]也发现这样的假设是有瓶颈的。

  

  在之后又有一部分人着力于研究能够有学习功能的人工智能,就有不同的机器学习算法被研究出来。其中包括大家都熟悉的神经网络。

  

  人工智能的几个里程碑我们现在也很熟悉,第一个大家公认的是里程碑是深蓝,这个比赛意味着几件事:一个是说在大规模的搜索状态下,在可能的状态空间的搜索实际上是一个在物理符号空间的排列组合。

 

  也就是说,[20世纪]60年代人们的那些假设有一部分是正确的,我们确实可以从这种搜索和物理符号的排列组合获得很多的智能。

  紧接着的阶段是,知识就是力量,这是随着互联网和大数据到来的一个热潮,从网上,从不同的媒体我们会获得很多数据,把这些数据经过沉淀变成知识,我们就可以赢得像这样一个电视大赛中的人机对战。




(来源:未知)

上一篇:深海输电技术革新 海缆发展潜力巨大_10

下一篇:没有了



织梦二维码生成器
已推荐
0
  • 凡本网注明"来源:的所有作品,版权均属于中,转载请必须注明中,http://www.touxiang100.com。违反者本网将追究相关法律责任。
  • 本网转载并注明自其它来源的作品,目的在于传递更多信息,并不代表本网赞同其观点或证实其内容的真实性,不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时,必须保留本网注明的作品来源,并自负版权等法律责任。
  • 如涉及作品内容、版权等问题,请在作品发表之日起一周内与本网联系,否则视为放弃相关权利。






图说新闻

更多>>
杨强教授:从机器学习到迁移学习_9

杨强教授:从机器学习到迁移学习_9



返回首页