您好,欢迎来到上海仪器仪表行业协会!

搜索

Copyright © 上海仪器仪表行业协会 版权所有 沪ICP备08100447号

>
>
>
下一代人工智能的挑战与思考

宏观视点

下一代人工智能的挑战与思考

浏览量
【摘要】:

下一代人工智能的挑战与思考

 

2020 年 8 月 22 日,焦李成教授在第三届上海人工智能大会上发表主旨演讲。演讲题目为:下一代人工智能的挑战与思考。对下一代人工智能发展指出了问题和方向。(以下是演讲实录)

 

谢谢大会的邀请,也非常高兴能够有这个机会和大家一起分享。岁岁年年花相似,年年岁岁人不同。技术更是这样,发展的非常快,从这个意义上讲,下一代人工智能,我们始终在路上。我想和大家汇报一下我了解和思考的一些问题。

人工智能发展的回顾

前两天人工智能与人的围棋比赛又是一个 5 比 0,从这个意义来讲,大家好像觉得机器可以挑战人,但是不是整个人工时代就要有更大的改变,或者来临了?人工智能再回过头来,虽然说有五六十年的历史,但是从现在的人工智能最核心的神经网络来讲,应该有七十多年的历史,神经网络基本单元模型到现在已经有七十多年了,如果再回到深度学习,或者说深度神经网络的BP算法,梯度算法,已经有几百年的历史了。

1、发展学派经过这么多年的发展,虽然已经有符号主义、联结主义、行为主义、贝叶斯学派、类推学派,所有这些都各有特色,都是从不同的角度。符号主义的核心认知就是计算;联结主义认知就是网络;行为主义是靠感知和行动来做工具;贝叶斯学派是通过推理来解决问题;类推学派是通过优化算法回答这个世界的一些问题。

2、发展阶段神经网络四个阶段看起来很简单,从专家系统到个人工程再到最自然的语言信息处理:声音-语言-文字-图像,再到现在大家更关注的是算法。增强也好,对抗也好,联邦也好,所有这些法的提出,对我们来讲,都是希望提高解决问题的效果。

3、发展核心我们如何利用对这个世界的感知认知的基本经验,同时在数据的基础之上,去解决这些问题。我自己的思考是:数据是重要的,但是我们面对的是大数据,是小样本,是不完整的,而人处理不了这样的问题,通过数据之后,更多的是知识力、学习力,和无形中的多种方法的融合和优化,从这个意义上来讲,我们走上了想让机器像人一样思考学习、认知这样的道路,并且经过漫长的一个过程。现在为止各种复苏各种浪潮都在提,各种模型都在提出,但是大家记住最本质的关于人是怎样认知这个世界的,很多核心问题是在八十年代之前完成的,从这个意义上类脑就是希望人是怎样思考的,我们也希望机器怎样帮助我们思考。变革的核心和基础还是人的认知,所有的这些东西是建立在现在的算力基础上解决这样的一些问题。

下一代人工智能的挑战

脑科学角度——从基本认知能力出发,构建模型  

人工智能实际上到现在为止,说法非常多,但是存在着解释性的问题,存在着安全性的问题,存在着鲁棒性的问题,怎么像人一样有监督、半监督更多的是无监督,人是通过先进经验的学习,而不仅仅是明确数据的学习,虽然有数据隐含在里面,但是这里面环境不同,意识不同,情感不同,反思不同,顿悟和行动能力不同,这个时候人的认知感知也不一样。

1、数据与模型共同驱动  把现在的或者第一代第二代人工智能,以这种思路,怎么和人结合,去面对下一代人工智能的挑战,当然对于人来讲,我们的常识和常识的推理,包括不确定性是我们创新的基本能力之一。让机器怎么样面对常识,常识的推理和不确定的推理,是下一代人工智能关注的。所以人工智能的核心不仅仅是机器学习算法,不仅仅是现有的深度学习模型,从这个意义上来讲,从最早开始为特征为中心的这种顾虑,到以学习为中心的处理,再到现在把表征、学习相结合起来的这种人工智能的办法,应该说发生了根本性的变化,我们面对的是一个共同开放的环境,面对的是大量的数据,同时又是小的样本,怎么做。所以说海量数据,网络过拟合,超参优化的困难,以及高性能硬件的缺失,可解释性差,怎么样面对常识,先验,因果和推理去解释鲁棒可解释性安全性的问题,同样也需要硬件的支持。所以说人工智能阐述的难题,怎么样逐步解决。

2、认知上怎么把概念抽象成模型 自动学习,渐进学习,解决学习的收敛性、稳定性,梯度驻点属性等数学问题是下一代人工智能算法和模型要解决的基本理论问题。

3、产学研相结合最近我们国家非常重视,从最顶层需要解决这些问题,国家也出台了相应的计划,这些计划大家都知道,我也说过,这些计划是从学术角度感知与解决这些问题,而且国家也建立了相应的人工智能开放创新平台,所有这些是我们真正要做的事情,和我们面临的国家重大需求和国家的重大任务,怎么和国家发展结合做相应的工作。这些公司是做什么的?自动驾驶、城市大脑、医学影像、智能影音、智能视觉,包括最近的抖音和微信,包括华为的5G,大家知道美国对中国禁用的这些技术,实际上是影响我国下一代国民经济发展的核心技术。

所以说人工智能实际上要为国家服务,在诸多的新基建领域,包括5G、特高压、轨道交通、大数据、工业互联网,实际上归结起来,信息基础设施、融合基础设施、创新基础设施。所以我们怎么实现从0到1的创新突破,不一定是单纯的做研究,更重要的是产学研相结合,建立国家创新性的环境、技术,创新性的环境和创新性的人才培养机制。华为任总也是这样的思想,所以说科技部就出台了国家新一代人工智能创新试验区的建设,到目前为止共有11个城市,作为我国下一代人工智能创新试验区。核心是干什么?就是形成示范,形成样板,带动全国和下一代人工智能中心的发展。中心任务不仅仅是理论,更重要的是产业,产学研相结合,推进国民经济的发展,推进创新型国家建设。

下一代人工智能发展的思考

1、世界主要国家的人工智能发展   西安人工智能创新实验区的发展整个方案是我们团队起草的,在感知、交互等等方面不仅从技术,更重要的是从体系,从人才环境打造国家示范,当然更重要的还是体制机制的改革和建立,优化人工智能创新发展的生态,从而为国家的建设贡献力量。实际上我之前讲过世界各国出台的人工智能战略,也在赋能社会和实体经济的发展,从这个意义上来讲,人工智能发展到这个阶段,东盟十国,越南、泰国、马来西亚都踏上这样的轨道。美国的人工智能计划也是希望走在前面的,而且明年的人工智能和量子计算在国家预算当中增加了30%,他们也是想得到这一领域国际研究的领先地位,但是他们的五个关键领域,通过研究开发,更重要的是资源、自动化和国际推广,也是他们世界霸权的一部分。从这个意义上讲,他们的国家战略也是想依靠人工智能、量子这些技术来做。普京同样对于俄罗斯的人工智能发展非常重视,回过头来看,一定是从基础到应用到软件,到数据,到平台一直到社会整个综合的体系上面,所以说世界主要国家的人工智能发展,不仅仅是发展相应的技术,更重要的是发展相应的基础设施,社会的发展体系,也就是说占领未来发展的制高点。

2、人工智能的跨学科研究昨天晚上我们正在紧锣密鼓制定国家基金委人工智能发展规划,不仅有信息学会的人工智能处,而且希望能够在国家基金委成立人工智能交叉学科,或者说包含人工智能的交叉学科。2018年MIT投资十亿美元,重塑人才培养新模式为目标的新的学院,一直到后来又把计算机、人工智能和相关学科部门推进的人工智能领域剔除,他们是要重塑人才培养的新模式,走交叉发展道路,通过脑科学、认知科学、计算机科学,共同推进下一代人工智能跨学科研究。

同样在2018年,CMU宣布开设全世界第一个人工智能的本科学位,因为他们是学分制,今年就有一些人工智能本科学位毕业生毕业,进入到研究生和相关的体系工作,他们的专业本科的设置,同样给我们国家的发展是相应一致的,注重数据,注重统计,注重计算机科学,同样以人工智能为代表做这样的一件事情,同样交叉引领和创新,占据世界这个领域的领导地位也是他们的目标。李飞飞在斯坦福创建以人为本的人工智能研究院,包含语言、社会、政治、生物、法律、脑科学,推动人工智能的研究、教育、政策和实践,造福全人类,要把人工智能变成一种更伟大的人性化的力量,一种正面的力量来做这件事情。

3、我国人工智能教育体系到目前为止全国成立了100所人工智能的学院、研究院、交叉研究中心,也有11个国家新一代人工智能的创新示范区,15个新一代人工智能开放创新平台,215所高校获批人工智能的本科专业,230多所高校设立了智能科学与技术的本科专业,现在多个出版社在出版人工智能的系列教材,也有几百所大专院校开设了人工智能技术服务专业,所以说人工智能学院研究院成立的渊源来自于多个不同的领域,有的有基建,有的有控制,有的有电科,有的有信通,有的有计算机,或者说他们之间的结合交叉和融合。我国三部今年出台的关于双一流建设促进学科融合,加快人工智能人才培养的若干意见就是需求导向、应用驱动、项目牵引、多元支持、跨界融合、精准培养,核心是设立人工智能的研究生培养的交叉学科,在我国培养体系当中增加了交叉门类,今年的集成电路一级学科就有交叉门类,人工智能也属于交叉门类,也就是我国人才培养的第14个学科门类。

4、世界各国科技公司的布局世界各国的科技公司不仅是布局,而且是重点投资,成为了发展的重点方向,谷歌、微软、IBM同样如此,我们国家也是这样的战略。当然了我们国家的人工智能的独角兽公司,也是做的非常的不错的,和世界应该说处在一个并驾齐驱的步伐上。

5、人工智能发展的四大趋势:技术走向-落地实施-应用价值-建设市场生态传统企业的改造,多模态融合计算的落地,多模型大数据库走向市场,低成本的人工智能技术走向应用,人工智能走向边缘计算,同样我们的业务更智能化更自动化,贯穿了整个社会的方方面面,所以说云端、网上,边缘,成为了人工智能应用的核心,工业互联网、车联网、物联网也成为了新的关注焦点,所有这些人工智能技术软件基础架构生态成为制胜关键。

6、下一代人工智能发展的瓶颈问题算力、算法和数据,但是核心是自主算力,核心算法是基础算法,大数据不仅仅是把数据拿来,而是要发掘数据的新范式。怎么样构建和表彰这样的数据,实现我们提高算法的基础。当然所有的这些,都应该在开放的环境在变换的场景,在任务迁移,在资源变换和环境开放上做文章,谈的是我们国家的技术,不断的发展不断的总结,要解决这些问题,实际上就是要解决人工智能所面临的一些理论和技术性的问题,包括资源受限、认知缺陷,我们的出路一定是要新原理、新结构、新方法和高风险、高可靠,当然更是小样本资源节约型的应用,而不仅仅是现在的一味的拿算法。所以从理论从技术验证三方面要相辅相成做这样的事情,才能往前走一步,这些科学问题也是感知、认知、学习的基本问题,我们把机器学习、认知科学、优化所有这些结合起来,在开放的环境中,在现有计算机,或者说新的平台上去实现,把它变成创新和思考的精准动力。所以我们不仅要从认知建模,发展为自动学习,更要到渐进演化做这件事情,而且要把知识模型结构调参结合起来,从进化到学习,这是新的深度学习算法的问题。可持续的学习,连续的学习,机器学习成为我们的方向,应该说向自然去学习,这是我们发展新的人工智能方法的源泉和动力。

我们始终要坚持,道路很曲折,但是前途一定是光明的,中国也一定会不管别人怎么阻挠,定会引领这个世界,造福中国人民,造福全世界人民。

 

焦李成  西安电子科技大学华山学者领军教授、博士生导师、计算机科学与技术学部主任、智能感知与图像理解教育部重点实验室主任、教育部长江学者支持计划创新团队首席、国家“111”计划智能信息处理创新引智基地主任、陕西省大数据智能感知与计算2011协同创新中心主任、中国人工智能学会会士、中国计算机学会会士、中国电子学会会士、中国自动化学会会士、IEEE/IET Fellow  三十年多来,焦李成教授一直针对海量、高维、非结构化信息处理中的优化与学习问题展开科研工作,对基于计算智能的学习与优化理论及其在复杂影像解译中的应用进行了深入研究,并取得了一系列科研成果,培养了多名博士、博士后、973首席科学家、长江学者、万人计划领军人才等学者专家。焦李成教授的学术及教学成果为我国人工智能领域的科学研究与人才培养起到了积极的促进和指导作用。

来源:学术头条

相关附件

暂时没有内容信息显示
请先在网站后台添加数据记录。