柘荣资讯网

深度学习“奠基人”特伦斯:人工智能算法框架可被科学家掌控

深度学习“创始人”特伦斯:人工智能算法框架可由科学家控制

摄影网络

1989年,Terrence Shenofsky利用麻省理工学院苍蝇视觉网络的迭代开发,将当时不乐观的神经网络概念推广到支持逻辑计算程序的教师。直到今天,“深度神经网络”已成为人工智能的核心框架,并已传承下去。

这是大自然在经过数亿年的发展之后为人类带来的智慧。这也意味着科学发展需要几十年甚至一百年才能享受更加智能的态度。

今天的人工智能也是如此。在经历了20世纪初发展道路的差异和探索之后,科学家终于意识到基于脑科学的研究将成为人工智能的助推器。近年来,包括中国,美国,欧盟,日本和韩国在内的国家和经济体正在推动这一重要项目。

部分原因是业界担心人工智能的“无法解释”性质。人工智能仍然处于发展的早期阶段,无法解释人类的工作原理,必然会阻碍人工智能的长期发展。

然而,特伦斯申洛夫斯基并不这么认为。在最近接受“21世纪经济报道”采访时,他明确表示,与人工智能相比,人脑包裹着多层头骨,内部是黑暗的,这是真正的“黑匣子,但AI背后的算法框架”实际上可以由数学家控制。现代科学家正在研究如何通过在未来十年研究脑科学来改善人工智能,我们仍处于第一步。

深度学习路径的起源

路径差异。一种意见主张逻辑和计算机程序,而另一种意见主张直接从数据中学习。

前者在早期的几十年中领导了人工智能开发的研究和应用,但后者是人们已知的人工智能技术的实现路径。

Terence Shenofsky现任美国科学院院长,美国索尔克生物研究所计算神经生物学实验室主任,以及在人工智能开发初期支持后者的少数人之一。即使在经历了美国政府机构对人工智能投资的大幅减少之后,它也没有影响他的观点探索方式。

在上述Terence对麻省理工学院教师的讨论中,他指出苍蝇眼中的视觉网络已经发展了数亿年,其视觉算法嵌入在自己的网络中。这就是为什么视觉系统可以使用蝇眼神经电路的接线图和信息流进行逆向工程,但为什么不在数字计算机上进行,因为硬件本身需要软件来确定要解决的问题。

这也取决于通用设备和特殊设备之间的差异。从那时起,许多不依赖于数字逻辑结构的机器人已经开始发展。

直到今天,我们大多数人都从AlphaGo的两次大规模战斗中击败世界级冠军的故事中学到了东西。谷歌团队使用该机器学习国际象棋游戏的数量作为基本数据。除了用于评估董事会的深度学习网络之外,AlphaGo还有一个解决时间信用分配问题的系统,可用于评估行动的顺序。

特伦斯在接受采访时提到了随后的“替代人性”问题。 “科杰在输掉比赛后提到人类学已经学会了如何玩Go这么多年,但是AlphaGo告诉我,我对Go一无所知。但是在机器人击败人类之后,人们不玩Go?No。”他指出AlphaGo实际上是在帮助人类理解新游戏,因此,人类可以成为更好的玩家。“AlphaGo不需要取代人类,它实际上让人们变得更好。”

仍处于起步阶段

但人工智能真的可以在这个阶段开始教人类吗?其实还没有。

从科学技术的发展看,从基础科学到实际商业化,至少已经有50年了。目前,人工智能的应用是基于30年前完成的基础研究。

这意味着我们处于人工智能时代的早期阶段,也被称为“弱人工智能时期”。

人工智能诞生于1956年,目标是模仿人工智能并在机器上实现它,这远远不是这个层次。当然,他也指出“现在人工智能发生了巨大的变化,这在我们面前是不可预测的,但我们必须遵循它并最终利用它来造福公众并防止意外结果。”

至少就目前而言,AI在场景中的应用可以带来一些惊喜,例如翻译。特伦斯指出,五年前,谷歌将深度学习相关技术应用于翻译软件。 “几乎在一夜之间,过去几千年的文化障碍已被打破。”他说,随着普遍的翻译,人类文化之间的偏见也有望被淘汰。

初级阶段的人工智能相关技术仍面临许多挑战。然而,特伦斯明确表示,“21世纪经济报道”除了“深度神经网络”之外,不太可能存在其他人工智能技术框架。

“现在我们的发展正朝着两个方向发展。第一种是使用原始框架来解决大数据应用程序的问题;第二,一些研究人员试图突破各种界限和限制,“他引用。一些科学家试图将人类的能力集中在感官数据上(例如在嘈杂环境中专注于某种声音)进行深度学习,而深度学习网络则能够选择特定问题和特定信息。

“在过去的五年里,我们取得了很大的进步。当然,还有很多工作要做。新技术的开发基于十年。人工智能有可能在未来20 - 30年内实现其潜力。包括自动驾驶技术的发展,需要十多年甚至几代才能实现。“这是Terence一再强调人工智能技术仍处于发展的第一阶段的观点,科学家们正在努力了解更多复杂的意义并解释它。

例如,研究人类大脑的工作机制,包括大脑如何从经验中得出推论,但有时人类得出的结论并不总是基于逻辑,而是存在认知偏差。 “人类的大脑很精彩。我相信会有很多东西会让我们兴奋,包括在未来的研究人员中融合脑科学和人工智能,”他说。

摄影网络脑科学研究的启示

事实上,深度学习框架的灵感来自对人脑工作机制的研究。

特伦斯告诉“21世纪经济报道”,“深度学习网络非常庞大,它正在努力简化大脑中的处理机制。”他分析说,大脑中有数千亿个神经元,其中许多神经元相互连接。突触,科学家正在学习它的框架,并使用内部的一些通用原则来简化深度学习框架的开发。例如,卷积神经网络(CNN)用于处理视觉信号,将视觉输入转换为神经信号作为输出,识别图像以及连接各种事物。

近年来,世界各国的脑科学研究一直是一个重要的项目。美国于2013年提出了“BRAIN计划”,以创建新的神经技术,加速对大脑功能和障碍的理解。特伦斯也是该计划的参与者。

“我们有5到10年的大脑研究项目计划。预计在此期间,我们将提高人类测量和检测大脑的能力,并开发新的方法和工具。这就是所谓的创新的神经科学需要做。他指出,希望在此基础上形成新的深度学习规则。

谈到这一进展,他告诉“21世纪经济报道”记者,“这绝对不是一年计算的,而是10到20年。现在我们正在进行脑科学研究,以建立一个科学家和培训社区学生。他们提供工具来帮助技术更好地发展。我们现在处于早期准备阶段,帮助科学家收集更多数据并最终推动人工智能的发展。当然,这个过程相对较快。“

有许多主题需要发现。例如,人脑的信息处理和传输速度是毫秒,这比计算机慢得多。但是大脑中的信息传递是一个非常复杂的过程。了解信息的存储和处理方式是有效人工改进AI的关键。

还有一些挑战。如果神经元中的突触连接发生变化,它是否会改变信息的输入和输出强度,以及发现信息传递影响所需的时间。

最近,Elon Musk宣布其Neuralink项目推出了一种有创的脑 - 计算机接口解决方案; Facebook团队还宣布,它可以通过阅读脑损伤参与者的大脑,实时解码少量对话中的口语和短语。这些是人类大脑研究的最新进展。特伦斯非常关注这一点。其中一个原因是,神经网络的联合创始人Flip Sabes是Terence研究实验室的学生。

“我的实验室培养了世界上最好的认知神经科学家!”他非常兴奋地提到这一点。 “这是我们解码大量神经元信息的重要一步。在过去的20年中,学术界一直在尝试将芯片植入大脑前额叶的位置,将大脑的动作信号解码为肢体。有助于治疗由椎关节强硬引起的运动能力丧失。“

他告诉记者,通过脑机接口技术,可以提取人体感官信息。 “如果马斯克获得成功,我们将来不需要输入键盘,我们可以直接提取大脑信息并使用创意进行谷歌或百度搜索。这将带来一个全新的世界和一种连接方式。但它赢了不会马上发生,可能还需要几十年。“

,看到更多

06: 03

来源:每日经济新闻

深度学习“创始人”特伦斯:人工智能算法框架可由科学家控制

摄影网络

1989年,Terrence Shenofsky利用麻省理工学院苍蝇视觉网络的迭代开发,将当时不乐观的神经网络概念推广到支持逻辑计算程序的教师。直到今天,“深度神经网络”已成为人工智能的核心框架,并已传承下去。

这是大自然在经过数亿年的发展之后为人类带来的智慧。这也意味着科学发展需要几十年甚至一百年才能享受更加智能的态度。

今天的人工智能也是如此。在经历了20世纪初发展道路的差异和探索之后,科学家终于意识到基于脑科学的研究将成为人工智能的助推器。近年来,包括中国,美国,欧盟,日本和韩国在内的国家和经济体正在推动这一重要项目。

部分原因是业界担心人工智能的“无法解释”性质。人工智能仍然处于发展的早期阶段,无法解释人类的工作原理,必然会阻碍人工智能的长期发展。

然而,特伦斯申洛夫斯基并不这么认为。在最近接受“21世纪经济报道”采访时,他明确表示,与人工智能相比,人脑包裹着多层头骨,内部是黑暗的,这是真正的“黑匣子,但AI背后的算法框架”实际上可以由数学家控制。现代科学家正在研究如何通过在未来十年研究脑科学来改善人工智能,我们仍处于第一步。

深度学习路径的起源

路径差异。一种意见主张逻辑和计算机程序,而另一种意见主张直接从数据中学习。

前者在早期的几十年中领导了人工智能开发的研究和应用,但后者是人们已知的人工智能技术的实现路径。

Terence Shenofsky现任美国科学院院长,美国索尔克生物研究所计算神经生物学实验室主任,以及在人工智能开发初期支持后者的少数人之一。即使在经历了美国政府机构对人工智能投资的大幅减少之后,它也没有影响他的观点探索方式。

在上述Terence对麻省理工学院教师的讨论中,他指出苍蝇眼中的视觉网络已经发展了数亿年,其视觉算法嵌入在自己的网络中。这就是为什么视觉系统可以使用蝇眼神经电路的接线图和信息流进行逆向工程,但为什么不在数字计算机上进行,因为硬件本身需要软件来确定要解决的问题。

这也取决于通用设备和特殊设备之间的差异。从那时起,许多不依赖于数字逻辑结构的机器人已经开始发展。

直到今天,我们大多数人都从AlphaGo的两次大规模战斗中击败世界级冠军的故事中学到了东西。谷歌团队使用该机器学习国际象棋游戏的数量作为基本数据。除了用于评估董事会的深度学习网络之外,AlphaGo还有一个解决时间信用分配问题的系统,可用于评估行动的顺序。

特伦斯在接受采访时提到了随后的“替代人性”问题。 “科杰在输掉比赛后提到人类学已经学会了如何玩Go这么多年,但是AlphaGo告诉我,我对Go一无所知。但是在机器人击败人类之后,人们不玩Go?No。”他指出AlphaGo实际上是在帮助人类理解新游戏,因此,人类可以成为更好的玩家。“AlphaGo不需要取代人类,它实际上让人们变得更好。”

仍处于起步阶段

但人工智能真的可以在这个阶段开始教人类吗?其实还没有。

从科学技术的发展看,从基础科学到实际商业化,至少已经有50年了。目前,人工智能的应用是基于30年前完成的基础研究。

这意味着我们处于人工智能时代的早期阶段,也被称为“弱人工智能时期”。

人工智能诞生于1956年,目标是模仿人工智能并在机器上实现它,这远远不是这个层次。当然,他也指出“现在人工智能发生了巨大的变化,这在我们面前是不可预测的,但我们必须遵循它并最终利用它来造福公众并防止意外结果。”

至少就目前而言,AI在场景中的应用可以带来一些惊喜,例如翻译。特伦斯指出,五年前,谷歌将深度学习相关技术应用于翻译软件。 “几乎在一夜之间,过去几千年的文化障碍已被打破。”他说,随着普遍的翻译,人类文化之间的偏见也有望被淘汰。

初级阶段的人工智能相关技术仍面临许多挑战。然而,特伦斯明确表示,“21世纪经济报道”除了“深度神经网络”之外,不太可能存在其他人工智能技术框架。

“现在我们的发展正朝着两个方向发展。第一种是使用原始框架来解决大数据应用程序的问题;第二,一些研究人员试图突破各种界限和限制,“他引用。一些科学家试图将人类的能力集中在感官数据上(例如在嘈杂环境中专注于某种声音)进行深度学习,而深度学习网络则能够选择特定问题和特定信息。

“在过去的五年里,我们取得了很大的进步。当然,还有很多工作要做。新技术的开发基于十年。人工智能有可能在未来20 - 30年内实现其潜力。包括自动驾驶技术的发展,需要十多年甚至几代才能实现。“这是Terence一再强调人工智能技术仍处于发展的第一阶段的观点,科学家们正在努力了解更多复杂的意义并解释它。

例如,研究人类大脑的工作机制,包括大脑如何从经验中得出推论,但有时人类得出的结论并不总是基于逻辑,而是存在认知偏差。 “人类的大脑很精彩。我相信会有很多东西会让我们兴奋,包括在未来的研究人员中融合脑科学和人工智能,”他说。

摄影网络脑科学研究的启示

事实上,深度学习框架的灵感来自对人脑工作机制的研究。

特伦斯告诉“21世纪经济报道”,“深度学习网络非常庞大,它正在努力简化大脑中的处理机制。”他分析说,大脑中有数千亿个神经元,其中许多神经元相互连接。突触,科学家正在学习它的框架,并使用内部的一些通用原则来简化深度学习框架的开发。例如,卷积神经网络(CNN)用于处理视觉信号,将视觉输入转换为神经信号作为输出,识别图像以及连接各种事物。

近年来,世界各国的脑科学研究一直是一个重要的项目。美国于2013年提出了“BRAIN计划”,以创建新的神经技术,加速对大脑功能和障碍的理解。特伦斯也是该计划的参与者。

“我们有5到10年的大脑研究项目计划。预计在此期间,我们将提高人类测量和检测大脑的能力,并开发新的方法和工具。这就是所谓的创新的神经科学需要做。他指出,希望在此基础上形成新的深度学习规则。

谈到这一进展,他告诉“21世纪经济报道”记者,“这绝对不是一年计算的,而是10到20年。现在我们正在进行脑科学研究,以建立一个科学家和培训社区学生。他们提供工具来帮助技术更好地发展。我们现在处于早期准备阶段,帮助科学家收集更多数据并最终推动人工智能的发展。当然,这个过程相对较快。“

有许多主题需要发现。例如,人脑的信息处理和传输速度是毫秒,这比计算机慢得多。但是大脑中的信息传递是一个非常复杂的过程。了解信息的存储和处理方式是有效人工改进AI的关键。

还有一些挑战。如果神经元中的突触连接发生变化,它是否会改变信息的输入和输出强度,以及发现信息传递影响所需的时间。

最近,Elon Musk宣布其Neuralink项目推出了一种有创的脑 - 计算机接口解决方案; Facebook团队还宣布,它可以通过阅读脑损伤参与者的大脑,实时解码少量对话中的口语和短语。这些是人类大脑研究的最新进展。特伦斯非常关注这一点。其中一个原因是,神经网络的联合创始人Flip Sabes是Terence研究实验室的学生。

“我的实验室培养了世界上最好的认知神经科学家!”他非常兴奋地提到这一点。 “这是我们解码大量神经元信息的重要一步。在过去的20年中,学术界一直在尝试将芯片植入大脑前额叶的位置,将大脑的动作信号解码为肢体。有助于治疗由椎关节强硬引起的运动能力丧失。“

他告诉记者,通过脑机接口技术,可以提取人体感官信息。 “如果马斯克获得成功,我们将来不需要输入键盘,我们可以直接提取大脑信息并使用创意进行谷歌或百度搜索。这将带来一个全新的世界和一种连接方式。但它赢了不会马上发生,可能还需要几十年。“

,看到更多

只提供信息存储空间服务。

特伦斯

人工智能

脑科学

阅读()

——