QQ在線
企業(yè)微信
資訊
615AI 開啟智能企業(yè)時(shí)代
歐洲科學(xué)院院士、德國(guó)人工智能研究中心（DFKI）科學(xué)董事 Hans Uszkoreit 在大會(huì)上分享了人工智能技術(shù)在未來智能企業(yè)中的展望。
“看看今天的機(jī)器學(xué)習(xí)，它既可以學(xué)習(xí)知識(shí)，也可以學(xué)習(xí)行為。但最成功的學(xué)習(xí)方法，包括深度學(xué)習(xí)，是只學(xué)習(xí)行為，卻不學(xué)習(xí)顯性的知識(shí)的” Hans Uszkoreit 表示。同樣的還有現(xiàn)在的自動(dòng)駕駛系統(tǒng)，它們并不是理解了交通法規(guī)——自動(dòng)駕駛汽車遵守交通法規(guī)，是因?yàn)樗麄儗W(xué)習(xí)的是行為，而非知識(shí)。
“想要實(shí)現(xiàn)超越人類的 AI 能力，我們要在基于知識(shí)、基于規(guī)則和機(jī)器學(xué)習(xí)系統(tǒng)中找到交叉的部分，真正的超級(jí) AI 是超越人類的，但仍然不是人類形式的智能——它不會(huì)是伊隆·馬斯克所說的超級(jí)智能。”Hans Uszkoreit 說道。
歐洲科學(xué)院院士、人工智能研究中心（DFKI）科學(xué)董事Hans Uszkoreit
目前歐洲學(xué)界普遍認(rèn)為，AI 研究會(huì)存在四個(gè)階段：第一個(gè)階段是啟發(fā)式的搜索，隨后是基于知識(shí)的系統(tǒng)，目前的第三階段中，我們開發(fā)了學(xué)習(xí)系統(tǒng)，其中包括深度學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)等等，并有了大規(guī)模的應(yīng)用。我們現(xiàn)在的挑戰(zhàn)就是把這些技術(shù)整合起來建立認(rèn)知系統(tǒng)，其中需要包括大量的知識(shí)。
對(duì)于企業(yè)智能化，Hans Uszkoreit 認(rèn)為在發(fā)展的道路上會(huì)有兩波浪潮：第一波是數(shù)字化，把模擬內(nèi)容轉(zhuǎn)化為數(shù)字內(nèi)容。在第二波浪潮中，人工智能開始扮演重要作用。其中包括機(jī)器人的大規(guī)模應(yīng)用、智能物聯(lián)網(wǎng)、IT 基礎(chǔ)設(shè)施的部署、工業(yè) 4.0 和商業(yè)智能的推進(jìn)，技術(shù)的鋪開也意味著智能企業(yè)數(shù)量的增加。
未來的智能化企業(yè)就像人類的大腦，從不同感官收集情報(bào)，通過算法幫助人類進(jìn)行決策，但人類還是必不可少的?！吧虡I(yè)決策需要思考大量不同來源的內(nèi)容。世界是動(dòng)態(tài)變化的，我們不能簡(jiǎn)單地使用過去知識(shí)訓(xùn)練過的算法來對(duì)現(xiàn)在的問題進(jìn)行決策，總會(huì)有意外發(fā)生，所以這里需要人類把關(guān)?！盚ans Uszkoreit 介紹道。
另一方面，機(jī)器學(xué)習(xí)算法可以處理大量數(shù)據(jù)——人類顯然無法觀察并處理所有數(shù)據(jù)。今天，知識(shí)圖譜已經(jīng)可以在很多領(lǐng)域中幫助我們進(jìn)行分析和決策了。
通過大數(shù)據(jù)、人工智能和物聯(lián)網(wǎng)的進(jìn)步。智能企業(yè)可以實(shí)現(xiàn)更好的供應(yīng)鏈管理、市場(chǎng)開發(fā)、質(zhì)量控制，所有這些過程都會(huì)有 AI 的參與?！拔覀兿Ｍ堰@些工作結(jié)合到一起。連接不同的供應(yīng)商，將不同的數(shù)據(jù)以多種形式提供給公司。我們需要處理非結(jié)構(gòu)化的數(shù)據(jù)，變革公司內(nèi)部的結(jié)構(gòu)，結(jié)合公司內(nèi)外部生產(chǎn)的不同數(shù)據(jù)，這樣才能實(shí)現(xiàn)更為廣泛的機(jī)器學(xué)習(xí)?！盚ans Uszkoreit 表示。
把當(dāng)今的企業(yè)整合在統(tǒng)一的數(shù)據(jù)戰(zhàn)略下，更好的運(yùn)用數(shù)據(jù)，這樣才可以讓 AI 對(duì)我們有更多幫助。不僅僅是百度、谷歌這樣的科技公司，所有傳統(tǒng)企業(yè)都應(yīng)該有這樣的知識(shí)流程。我們需要結(jié)合最先進(jìn)的知識(shí)學(xué)習(xí)。包括強(qiáng)化的學(xué)習(xí)和主動(dòng)學(xué)習(xí)，將顯性知識(shí)與深度學(xué)習(xí)算法連接在一起。
