认知智能,AI 的下一个十年 AI Procon 2020_科技频

发布日期:2020-08-02 04:38   来源:未知   阅读:

在 1956 年的夏天,人工智能在美国达特茅斯大学召开的学术会议之上蹒跚学步,吸引无数研究学者对其智能化的探索以及未来美好愿景的描绘。不过,彼时在抽象思维、自我认知、自然处理、图像识别等基础性功能缺失的现状中,人工智能的发展从门庭若市到门口罗雀,甚至不少人视人工智能程序为“玩具”。最终,这一冷清的局面,直到 80 年代,一款从神经系统到推理都有了明显跨越性进步的“专家系统”的人工智能程序出现才被打破。

然而,所谓期望越高,落差越大,在 AI 硬件市场需求不断下跌,人工智能技术未来走向不明的趋势之下,人工智能的第二个低谷期很快来临。值得庆幸的是,值此之际,除却资本的热炒后,诸如神经网络、图像识别、语音识别、深度学习等人工智能核心技术均进入了平稳的迭代期。21 世纪,AlphaGo 在人机对抗中一战成名,凭一举之力将人工智能再次推进大众的视野。下一步,人工智能又会经历哪些机与遇?

日前,在 CSDN 举办的第三届“AI开发者大会(AI Procon)”主会上,清华大学计算机系教授、系副主任唐杰带来了主题为《人工智能的下一个十年》演讲,深度分享了人工智能的发展历程,及其背后的核心技术驱动,同时探讨了人工智能下一步的认知与推理、意识等种种的挑战。

以下内容为演讲实录,由 AI科技大本营(ID:rgznai100) 整理:

人工智能发展很快且已经进入第三个浪潮,诸多的国家也相继将人工智能列为国家发展计划。从趋势上,AI 在近十年间,从计算、感知到认知逐步迭代;在应用上,从博弈对策的 AlphaGo 开始,落地到无人驾驶、图像识别等相关场景中,AI 的发展浪潮逐步攀至顶峰。那么,在技术层面,人工智能背后的支撑力及驱动力又是什么?

人工智能近 10 年

80 年代,机器学习风生水起

机器学习从 80 年代迅速发展,彼时决策树、贝叶斯、感知机、神经网络、多层神经网络算法的崛起,使得机器学习呈现出百花齐放、百家争鸣的盛况。

90 年代深度学习势头强劲

随着时间的推移,90 年代,序列标注模型的出现,以及 2000 年以后深度学习的逐渐成熟,驱动机器学习取得了长足的进步。而回看当下,深度学习、以及细分的技术包括循环智能、深度生成模型以及深度强化学习等模型也纷涌而至。

当然在整个发展历程中,每个领域都有开创者,人工智能的迭代也离不开一些核心人物的贡献。正如下图所述:

Geoffery Hinton 是最资深的深度学习玩家;

Yann Lecun、Frank Rosenblatt 和 Geoffery Hinton 都是图灵奖获得者;

AlphaGo 是在 David Sliver 的领导下研发出来的;

......

在技术落地上,近几年间,深度学习中预训练模型 BERT 是一个新的趋势。预训练模型的核心理念是通过大量的数据做预训练,基于此,针对特定的任务,进行微调。这一方法在自然语言处理中,超越了其他很多传统方法,表现尤为显著。正因此,2018 年也被业界称之为属于 BERT 的一年。

Power by DedeCms