QQ在線
企業(yè)微信
資訊
325當前，以深度學習為代表的人工智能技術已經應用到各個行業(yè)。驅動人工智能技術蓬勃發(fā)展的是各行各業(yè)積累的大數據。可以說，正是在大數據的“喂養(yǎng)”下，人工智能技術才真正茁壯成長。
然而，在近日召開的香山科學會議第667次學術討論會上，與會專家指出，大數據的“紅利”效應正在逐漸減弱，人工智能技術的單點突破難以持續(xù)支撐行業(yè)發(fā)展，亟須在數據科學和計算智能方面突破一些關鍵核心技術。
主流AI算法未充分考慮大數據復雜性
人們常常用海量性、多樣性、高速以及價值密度低來描述大數據的特點。但真實的大數據往往更加復雜，比如具有不完全性、不確定性、動態(tài)性、關聯(lián)性等特點。反觀經典的人工智能算法，它們對數據的假設往往過于簡單。比如，假設數據是靜態(tài)的，產生于獨立同分布的采樣過程；訓練數據是可靠的、數據所承載的信息是完全的等。
“數據的真實復雜性和算法的簡單假設之間存在著巨大鴻溝，這使得經典智能算法在很多復雜任務上表現欠佳，亟待進一步的研究和探索。”會議執(zhí)行主席之一、中國科學院院士梅宏強調，大數據是人工智能獲得成功的物質基礎，但目前主流的人工智能算法并未充分考慮大數據本身的復雜性。
從計算和通信領域看，大數據與人工智能技術在大規(guī)模工程化應用方面取得了長足進步。然而，大數據處理的技術進步主要體現在：以軟硬件垂直優(yōu)化和體系重構的極端化方式來適應數據規(guī)模、傳輸帶寬和處理速度的提升，研究人員對大數據固有的非確定性和復雜性尚沒有深刻認識；與此同時，人工智能技術也面臨魯棒性、可解釋性和復雜系統(tǒng)認知瓶頸等挑戰(zhàn)。
梅宏進一步指出，當前數據智能存在低效、不通用以及不透明三大問題?！艾F在的數據智能就像工業(yè)革命前的‘蒸汽機原型’一樣，低效而昂貴；它只能針對不同應用定制不同模型，難以建立通用模型?！泵泛暾f，更重要的是，當前并沒有對數據智能形成深刻認識，只是知其然，而不知其所以然。
人機融合或可彌補數據自動推理弱點
在中國科學院自動化研究所研究員陶建華看來，雖然當前人工智能在數據自動推理中依然面臨很多技術難點，但是人機融合的推理方式可以有效地彌補這些弱點。人機融合推理著重于研究一種由人和機器相互協(xié)作下的新的推理模式，包含“機器懂人”和“人懂機器”兩方面的含義。
對人的推理思維的理解是“機器懂人”的關鍵。其核心問題是如何構建能夠反映人推理過程的思維形式化計算方法。該方法將人的推理思維形式化描述、概率推理、構建知識圖譜，以及與現實場景的信息進行有機融合，從而可以將人的推理過程有效的輸入到機器中，并與機器的推理網絡進行結合。
此外，解決“人懂機器”問題將有助于人對機器智能輔助增強。機器推理過程的可解釋性，對于構建人機融合的推理過程尤為關鍵。過程可解釋的機器推理方法提供了解決問題的新方法，適當的擴展流程，并最大限度地減少人為錯誤的機會，可以幫助人類和機器協(xié)同做出更為準確和迅速的推理與判斷。
微軟亞洲研究院副院長劉鐵巖結合他們的實際工作舉例道：“我們在深度強化學習的基礎上，利用‘完美教練’技術來處理信息的不完全和不確定性，從而很好地解決了麻將這一復雜的博弈問題。我們的算法在2019年3月登陸知名的競技麻將平臺，經過5000局的鏖戰(zhàn)，成功晉級十段，其穩(wěn)定段位顯著超越人類頂級選手，成為首個超人麻將AI?！边@是在處理數據不完全性和不確定性方面做出的有益嘗試。
劉鐵巖指出，大數據特性在不斷演化，且愈發(fā)復雜。新型智能算法需要針對數據特點有的放矢地解決問題，這樣才能填補數據與算法間的鴻溝，使人工智能綻放更多的價值。
