人工智能迎來春天 在“深度學習”幫助下欲當“學霸”
時間:2016-07-08 09:27:37 來源:深圳市智慧安防行業(yè)協(xié)會 作者:科技日報
【智慧安防網(wǎng)訊】人類對人工智能寄予厚望，賦予其無盡的遐想，更是許多科幻大片的主題。但人工智能的發(fā)展一直不如人意，直至一種名為深度學習的強大技術橫空出世，這一情況才發(fā)生了根本性轉變。
人工智能迎來春天 在“深度學習”幫助下欲當“學霸”
人工智能曾步入“寒冬”
人工智能的開發(fā)可以追溯到上世紀五十年代。隨著計算機的出現(xiàn)，人工智能有了新的發(fā)展，并在跳棋上戰(zhàn)勝了人類，同時在數(shù)學定理證明上展現(xiàn)出強大能力。許多科學家興奮地認為，利用軟硬件形成的人工智能可在任何領域內(nèi)戰(zhàn)勝人類。麻省理工學院著名科學家馬文·明斯基則公開宣稱，人工智能只需要一代人的時間就可以戰(zhàn)勝人類。這一愿望推動了一大批科研人員投身到這一研究領域。
然而現(xiàn)在看來，這樣的想法還是太過于天真了，人類大腦的復雜性遠遠超出了科學家的預想。當時的計算機由于算法過于簡單、數(shù)據(jù)不足及速度過慢等原因，相繼在診斷和圖片識別方面敗北，使人們對人工智能的憧憬變?yōu)橘|(zhì)疑。到本世紀初，有關構建仿人類智能機器的想法幾乎在科學界銷聲匿跡，甚至連人工智能這一名詞也似乎遠離了嚴肅科學。為此，有人將上世紀七十年代至本世紀初這段時間戲稱為“人工智能的冬天”。
腦科學為人工智能注入活力
2005年，深度學習技術開始從腦科學的發(fā)展中汲取營養(yǎng)，通過模擬神經(jīng)元來逐漸學習如何識別圖像、理解語言，甚至作出自己的決定。該技術主要基于人工神經(jīng)網(wǎng)絡和一般的數(shù)學原理，從實例中學習如何識別圖像和翻譯語言。深度學習技術使人們恢復了對人工智能的憧憬。2012年，谷歌開發(fā)出智能個人助理Google Now，用自然語言來回答用戶問題，提供建議，并根據(jù)用戶以往的搜索習慣預測其可能需要的信息。此后，谷歌又推出圖片搜索引擎Google Photos。智能手機助理軟件更是一日千里，成為人們不可或缺的生活工具。谷歌AlphaGo戰(zhàn)勝圍棋頂尖高手李世石的消息更是成為轟動世界的頭條新聞。技術進步推動深度學習技術迅速商業(yè)化，并成為人工智能發(fā)展的重要推手。為了搶占先機，各大信息巨頭紛紛砸數(shù)十億美元巨資支持其發(fā)展。
多年來，人工智能進展緩慢，主要是由于人類是以自己能夠理解的方式，而不是機器所能理解的方式來認識世界，處理問題，因此，對人類來說容易的事，對機器來說則千難萬難。而深度學習最有潛力之處，就是讓機器自己學習，通過自主學習教會自己如何做出正確的決定。然而，讓機器對特定情境做出正確決定并非一件輕而易舉的事。人類之所以比較容易做出正確的決定，是因為一些相關知識早已儲存在大腦中，事到臨頭可以直覺的方式瞬間作出反應，并可在今后的實踐中不斷積累經(jīng)驗。因此，機器學習的一個重要方面是為其編碼學習算法，讓機器從分析比較大量實例中學習提高。
編碼學習算法面臨的另一個挑戰(zhàn)，是沒有一個放之四海而皆準的固定模式可以處理機器所面對的各種情境。而人類則不然，人類似乎天生就可以處理各種情境、學習各種知識。因此，人類大腦自然就成為設計人工神經(jīng)網(wǎng)絡最重要的模型。
技術進步助推深度學習發(fā)展
人類大腦通過神經(jīng)元來進行計算，每個神經(jīng)元通過突觸傳遞信號。神經(jīng)元在學習過程中可以加強突觸的強度，并向臨近的神經(jīng)元傳遞信息。因此，早期深度學習技術也從構建虛擬神經(jīng)元來形成人工神經(jīng)網(wǎng)絡，并通過增強連接神經(jīng)元間的突觸優(yōu)勢來實現(xiàn)機器學習?，F(xiàn)在的人工神經(jīng)網(wǎng)絡用不斷改變每個突觸連接的數(shù)值來表示該連接強度。雖然每次學習其數(shù)值改變很小，但已可以使人工神經(jīng)網(wǎng)絡提高預測的準確性。
為了取得最佳效果，目前的學習算法還需要人類的參與，稱之為監(jiān)督學習。如通過為機器提供日落的圖片來作為輸入，這樣“日落”一詞經(jīng)過人工智能才能輸出。每次提供不同的日落圖片，不斷改變?nèi)斯ど窠?jīng)網(wǎng)絡突觸連接的數(shù)值和強度，以此來完成學習任務。這一學習過程的關鍵是不讓機器單純地死記硬背，而是遇到新的日落圖片時，同樣可以產(chǎn)生有關日落的輸出。雖然這一任務表面上看很簡單，但由于即便是日落這一簡單的情境，其圖片也會產(chǎn)生無窮的變化，因此要求學習算法在類似的輸入下，會產(chǎn)生類似的輸出，尤其不能出現(xiàn)指鹿為馬的情況。
有一種處理圖像識別問題的神經(jīng)網(wǎng)絡稱之為卷積神經(jīng)網(wǎng)絡，是人工智能的關鍵技術，其有多層神經(jīng)元，對圖像中重要內(nèi)容的些微變化不敏感。卷積神經(jīng)網(wǎng)絡在深度學習中獲得了較為廣泛的應用，其靈感主要來自人類視覺皮層的多層結構。
此外，深度學習在近年來能夠取得成功得益于兩個關鍵因素：一是計算機運算速度提高了近十倍，尤其是圖形處理能力大幅提高；二是深度學習可順序計算的能力，能對圖像、聲音或數(shù)據(jù)一步一步地進行分析或構造。而對聲音和圖像進行識別需要多層網(wǎng)絡結構。
人工神經(jīng)網(wǎng)絡在圖像識別上主要表現(xiàn)為對靜態(tài)圖像的識別能力。目前又出現(xiàn)了一種新型神經(jīng)網(wǎng)絡，稱之為回歸神經(jīng)網(wǎng)絡，可對隨時間展開的事件進行標記?；貧w神經(jīng)網(wǎng)絡與人類大腦的處理方式有很多相似之處，它可以預測一個句子將出現(xiàn)什么單詞，并在閱讀句子后，對其意思進行猜測，今后可應用于語義加工和語言翻譯。
人工智能技術走過了寒冬，迎來了發(fā)展的春天，這不僅僅是技術的進步，還對我們今后應如何支持科學技術的發(fā)展有著更為深刻的意義。當某項技術的發(fā)展遇到暫時挫折，我們該如何更好地應對挑戰(zhàn)，堅持多樣化發(fā)展策略，有效幫助其走出困境，這對整個科技發(fā)展都有重要的啟示作用。
人工智能迎來春天 在“深度學習”幫助下欲當“學霸”
人工智能曾步入“寒冬”
人工智能的開發(fā)可以追溯到上世紀五十年代。隨著計算機的出現(xiàn)，人工智能有了新的發(fā)展，并在跳棋上戰(zhàn)勝了人類，同時在數(shù)學定理證明上展現(xiàn)出強大能力。許多科學家興奮地認為，利用軟硬件形成的人工智能可在任何領域內(nèi)戰(zhàn)勝人類。麻省理工學院著名科學家馬文·明斯基則公開宣稱，人工智能只需要一代人的時間就可以戰(zhàn)勝人類。這一愿望推動了一大批科研人員投身到這一研究領域。
然而現(xiàn)在看來，這樣的想法還是太過于天真了，人類大腦的復雜性遠遠超出了科學家的預想。當時的計算機由于算法過于簡單、數(shù)據(jù)不足及速度過慢等原因，相繼在診斷和圖片識別方面敗北，使人們對人工智能的憧憬變?yōu)橘|(zhì)疑。到本世紀初，有關構建仿人類智能機器的想法幾乎在科學界銷聲匿跡，甚至連人工智能這一名詞也似乎遠離了嚴肅科學。為此，有人將上世紀七十年代至本世紀初這段時間戲稱為“人工智能的冬天”。
腦科學為人工智能注入活力
2005年，深度學習技術開始從腦科學的發(fā)展中汲取營養(yǎng)，通過模擬神經(jīng)元來逐漸學習如何識別圖像、理解語言，甚至作出自己的決定。該技術主要基于人工神經(jīng)網(wǎng)絡和一般的數(shù)學原理，從實例中學習如何識別圖像和翻譯語言。深度學習技術使人們恢復了對人工智能的憧憬。2012年，谷歌開發(fā)出智能個人助理Google Now，用自然語言來回答用戶問題，提供建議，并根據(jù)用戶以往的搜索習慣預測其可能需要的信息。此后，谷歌又推出圖片搜索引擎Google Photos。智能手機助理軟件更是一日千里，成為人們不可或缺的生活工具。谷歌AlphaGo戰(zhàn)勝圍棋頂尖高手李世石的消息更是成為轟動世界的頭條新聞。技術進步推動深度學習技術迅速商業(yè)化，并成為人工智能發(fā)展的重要推手。為了搶占先機，各大信息巨頭紛紛砸數(shù)十億美元巨資支持其發(fā)展。
多年來，人工智能進展緩慢，主要是由于人類是以自己能夠理解的方式，而不是機器所能理解的方式來認識世界，處理問題，因此，對人類來說容易的事，對機器來說則千難萬難。而深度學習最有潛力之處，就是讓機器自己學習，通過自主學習教會自己如何做出正確的決定。然而，讓機器對特定情境做出正確決定并非一件輕而易舉的事。人類之所以比較容易做出正確的決定，是因為一些相關知識早已儲存在大腦中，事到臨頭可以直覺的方式瞬間作出反應，并可在今后的實踐中不斷積累經(jīng)驗。因此，機器學習的一個重要方面是為其編碼學習算法，讓機器從分析比較大量實例中學習提高。
編碼學習算法面臨的另一個挑戰(zhàn)，是沒有一個放之四海而皆準的固定模式可以處理機器所面對的各種情境。而人類則不然，人類似乎天生就可以處理各種情境、學習各種知識。因此，人類大腦自然就成為設計人工神經(jīng)網(wǎng)絡最重要的模型。
技術進步助推深度學習發(fā)展
人類大腦通過神經(jīng)元來進行計算，每個神經(jīng)元通過突觸傳遞信號。神經(jīng)元在學習過程中可以加強突觸的強度，并向臨近的神經(jīng)元傳遞信息。因此，早期深度學習技術也從構建虛擬神經(jīng)元來形成人工神經(jīng)網(wǎng)絡，并通過增強連接神經(jīng)元間的突觸優(yōu)勢來實現(xiàn)機器學習?，F(xiàn)在的人工神經(jīng)網(wǎng)絡用不斷改變每個突觸連接的數(shù)值來表示該連接強度。雖然每次學習其數(shù)值改變很小，但已可以使人工神經(jīng)網(wǎng)絡提高預測的準確性。
為了取得最佳效果，目前的學習算法還需要人類的參與，稱之為監(jiān)督學習。如通過為機器提供日落的圖片來作為輸入，這樣“日落”一詞經(jīng)過人工智能才能輸出。每次提供不同的日落圖片，不斷改變?nèi)斯ど窠?jīng)網(wǎng)絡突觸連接的數(shù)值和強度，以此來完成學習任務。這一學習過程的關鍵是不讓機器單純地死記硬背，而是遇到新的日落圖片時，同樣可以產(chǎn)生有關日落的輸出。雖然這一任務表面上看很簡單，但由于即便是日落這一簡單的情境，其圖片也會產(chǎn)生無窮的變化，因此要求學習算法在類似的輸入下，會產(chǎn)生類似的輸出，尤其不能出現(xiàn)指鹿為馬的情況。
有一種處理圖像識別問題的神經(jīng)網(wǎng)絡稱之為卷積神經(jīng)網(wǎng)絡，是人工智能的關鍵技術，其有多層神經(jīng)元，對圖像中重要內(nèi)容的些微變化不敏感。卷積神經(jīng)網(wǎng)絡在深度學習中獲得了較為廣泛的應用，其靈感主要來自人類視覺皮層的多層結構。
此外，深度學習在近年來能夠取得成功得益于兩個關鍵因素：一是計算機運算速度提高了近十倍，尤其是圖形處理能力大幅提高；二是深度學習可順序計算的能力，能對圖像、聲音或數(shù)據(jù)一步一步地進行分析或構造。而對聲音和圖像進行識別需要多層網(wǎng)絡結構。
人工神經(jīng)網(wǎng)絡在圖像識別上主要表現(xiàn)為對靜態(tài)圖像的識別能力。目前又出現(xiàn)了一種新型神經(jīng)網(wǎng)絡，稱之為回歸神經(jīng)網(wǎng)絡，可對隨時間展開的事件進行標記?；貧w神經(jīng)網(wǎng)絡與人類大腦的處理方式有很多相似之處，它可以預測一個句子將出現(xiàn)什么單詞，并在閱讀句子后，對其意思進行猜測，今后可應用于語義加工和語言翻譯。
人工智能技術走過了寒冬，迎來了發(fā)展的春天，這不僅僅是技術的進步，還對我們今后應如何支持科學技術的發(fā)展有著更為深刻的意義。當某項技術的發(fā)展遇到暫時挫折，我們該如何更好地應對挑戰(zhàn)，堅持多樣化發(fā)展策略，有效幫助其走出困境，這對整個科技發(fā)展都有重要的啟示作用。
企業(yè)資訊
- 共繪藍圖，2024熵基科技全球合作伙伴大會圓滿成功
- 近日，以“共繪藍圖”為主題的2024熵基科技全球合作伙伴大會在東莞成功落下帷幕。作為熵基科技規(guī)模最大、面向全球全品類核心伙伴的頂
- 一文讀懂熵基國密門禁
- 在數(shù)字化轉型的洪流中，信息安全不僅是企業(yè)穩(wěn)健運營的基石，更是公共部門安全無虞的保障。隨著數(shù)據(jù)價值的日益凸顯，其保密性和安全性成為
- 門禁“隱形冠軍”？是時候重新認識熵基科技了
- 在智慧出入口與身份識別、辦公等領域深耕多年的熵基科技，早已不局限于傳統(tǒng)的門禁與考勤系統(tǒng)，而是悄然邁入了智能物聯(lián)（AIoT）的廣闊
項目活動
會員專區(qū)
熱門專題
熵基科技出席數(shù)字經(jīng)濟及智慧城市空間未來應用創(chuàng)新峰會
2021年智能安防機器人市場或?qū)⑦M入井噴期
2021年的智慧城市建設該怎么發(fā)展？聽聽行業(yè)大咖的觀點
達實信息：顛覆傳統(tǒng)經(jīng)營模式 構建互聯(lián)網(wǎng)+門禁新時代
關于我們|聯(lián)系我們|我要投稿|加入我們|廣告服務|幫助中心|網(wǎng)站首頁
協(xié)會聯(lián)系：0755-33370666 網(wǎng)站聯(lián)系：0755-82583661
版權所有：智慧安防網(wǎng) 深圳市智慧安防行業(yè)協(xié)會（原深圳市視頻報警安防行業(yè)協(xié)會）粵ICP備18098368號
協(xié)會聯(lián)系：0755-33370666 網(wǎng)站聯(lián)系：0755-82583661
版權所有：智慧安防網(wǎng) 深圳市智慧安防行業(yè)協(xié)會（原深圳市視頻報警安防行業(yè)協(xié)會）粵ICP備18098368號