关于人工智能的随笔-谈人工智能时代的学习.doc

关于人工智能的随笔 谈人工智能时代的学习 关于人工智能的随笔：谈人工智能时代的学习 　　我们可以将深度网络成工厂的一条生产线。输入原材料后，它们将随着传送带向下 传递，后续的各个站点或层会分别提取不同的高级特性。为了继续完成一个图像识别网 络的案例，第一层将用来分析像素亮度。下一层将根据相似像素的轮廓来确定图中存在 的所有边界。之后，第三层将用来识别质地和形状等。到达第四层或第五层时，深度学 习网络已经创立了复杂特性检测器。这时，它就能够了解4个轮子、挡风玻璃和排气管通 常是同时出现的，眼睛、鼻子和嘴也是同时出现的。它不知道的仅仅是汽车和人脸都是 样的。深度学习网络能够识别的许多特性可能都和手头的任务无关，但是其中有一些特 性却是和手头任务高度相关的。 　　辛顿解释道："训练这些特性检测器时，每次训练一层，这一层都试图在下面一层找 到构造模式。之后，就可以在顶部贴上标签并使用反向传播来进展微调。"结果深深震撼 了人工智能界。辛顿回忆道："其中涉及一些数学问题，这总会给人们留下深刻的印象。 " 　　深度学习神经网络已经成为人工智能的主流，其强调的理念可以追溯到麦卡洛克和 皮茨。尽管该理念仍然是对大脑工作模式的一种模拟(我们将在后续章节中探讨更多大脑 的生物力学模型)，但神经网络能够解决问题的广泛性却令人惊叹。传统人工智能一直表 现良好，直到后来研究人员才发现现实世界与其完美模型并不匹配。与传统人工智能不 同的是，神经网络不仅能够处理规律性事物，还能够处理规那么以外的情况。正如20世 纪80年代的NETtalk一样，这使其成为处理语言等棘手问题的最正确选择。深度学习神经 网络还擅长处理."分布表征"，这意味着其具有模拟同一表征空间中两个相似但独立的领 域(例如语言和图像)的能力。从本质上来讲，这意味着神经网络能够以类比的方式进展 思考，这一点是传统人工智能无法企及的。 　　智能设备应该能够感知自己所处的环境、识别特定状态、触发评估、产生行为等等 ，从而形成一个连续的环路。智能设备的"智能"在于中间的部分，那里负责处理感知到 的信息，以及如何基于信息采取详细的行动。一台真正智能的咖啡机不只是提醒人们咖 啡机空了，而是能够计算出使用者可能口渴的时间，并且自己能及时重新加满咖啡，调 制出咖啡成品以满足使用者的个体需求。甚至基于无人控制的桌对桌(desk-to- desk)送货也是可能的。 　　xx年1月，谷歌董事会执行主席埃里克·施密特在瑞士达沃斯世界经济论坛发言时掀 起了轩然大波。当被问及对互联网未来的看法时，施密特答道："我的答案非常简单：互 联网将会消失。"影响最深远的技术是那些消失的技术。它们将自己融入日常之中，以至 我们无可分辨。比方，谷歌已经开发了智能隐形眼镜，能够测量佩戴者眼泪中的葡萄糖 水平，并随后将这些信息通过无线网络传递至所连接的智能手机。 　　人工智能助手将变得越来越智能。Siri和Google Now已经比几年前的测试版先进很多，这要归功于它们在使用期间收到的数百万个语音请 求，而语音请求已经成为改善系统的训练数据。Siri的创始团队在离开苹果公司后纷纷 成立新的公司，Viv实验室就是其中一家。Viv实验室目前正在研究一款能够答复"下周三 维珍航空351上有哪些空位"等问题的人工智能助手。当被问到这个问题时，人工智能助 手将访问全球性旅行公司Travelport的航空效劳分销商，找出空位，并将其与选座软件 SeatGuru上的信息进展比照，然后与你的个人偏好进展对照。如果Viv知道你喜欢靠近过 道并且有额外的放脚空间的座位，它将为你找到最适合的座位。有了它，谁还需要人类 助手呢? 　　为了应对这一范式的转换，我们还需要更好地训练下一代。目前，教育深陷于工业 革命的范式之中，这一范式已经持续了100多年。在一个"工厂奴隶"的时代，学校教育被 比喻成创造相同的T型福特车的传送带。标准化课程用来教学生特定的技巧，让他们走上 工作场所中预先规定好的岗位。这一标准化假设学生学习的技术不会变化，他们一生都 可以使用。然而，今天的世界中，习得的技巧通常在10年内就会被淘汰，这意味着人的 一生都要不断学习和进展自我评价。在一个智能手机都能上网的年代，我们还需要质问 为什么要通过毫无启发性的机械教学在学生的头脑中存储大量信息。 　　除非发生灾难性风险，在就业方面，整体看来，人工智能对人类的影响是积极的。 经济将运行得更加平稳，机器人和人工智能将接手许多不受欢迎的工作并且创造新工作 ，这就将人类解放出来，他们可以去追求更重要的目标。人工智能能够完成我们目前做 的大部分工作，但是人类间隔退出工作岗位还早得很。 　　【本文 徐州七中彭向梅。(公众号：草根行思教)】 　　本文为原创文章，版权归作者所有，未经授权不得转载! --------