内容简介:9月17日亿欧华东现场消息,2018世界人工智能大会在上海开幕。大会上,以下为演讲速记,经亿欧整理编辑,供行业人士参考。
9月17日亿欧华东现场消息,2018世界人工智能大会在上海开幕。大会上, 清华大学交叉信息研究院院长、中科院院士、图灵奖得主姚期智 在《人工智能:现状与未来》主题演讲发表讲话。姚期智的主要观点如下:
-
人工智能领域近年来的一项重要技术——深度学习,深度学习更像是一种自然现象,需要真正的应用一些标准和方法物理学方法来取得人工智能上的进展。
-
量子物理是最深入、最美丽、最根本的关于宇宙、物理、大自然设计的法则;但是随着量子计算的发展,如果你有一个量子计算机,你就可以模仿大自然的量子法则。 通过量子计算和人工智能的结合,人类或许可以真正有机会来“攻克”自然“攻克”自然界。
-
目前人工智能需要很多数据,自然智能只需要看看很小一些数据就可以做出决策,这是一个更好地了解人工智能的重要机会——自然智能的运行机制。
以下为演讲速记,经亿欧整理编辑,供行业人士参考。
姚期智:下午好,非常荣幸能够来到这里,非常感谢主办方邀请我参加这次会议。今天我想要给大家分享一下“人工智能的现在和未来”。我将从一个略微不同的角度来进行探讨,我想这也正好可以补充之前一些精彩演讲的内容。
其实,人工智能已经无处不在了,它已经被应用到诸多不同的领域,无论是自驾车、机器人、医疗,其实它已经给人类社会创造了巨大的福利和财富。 时至今日,这一现象同样体现在一般的机制之中,特别是大学、机构,很多学生他们都想要学习人工智能课程。整个行业也在求贤若渴,大学也开设了诸多课程,希望能够聘到最优秀的人工智能方面教授和教职员工。
我希望给大家稍微介绍一下人工智能当前的发展,特别是在中国的现象,我想从大学的角度来谈,我将以我所工作的机构为例。我在清华大学交叉信息研究院工作。毫无疑问,我们很多教职员工都对于人工智能非常感兴趣,我们这个学院的人,除了对计算、科学以外,对其他行业、其他领域也很感兴趣,他们把人工智能算法、系统,应用到一些实际场景当中来开展研究,比如在医疗、机器人、智能电网等等。给大家举一个例子,使用人工智能应用于精准医疗,这是我们所的项目之一。精准医疗方面,我们试图通过人工智能来对于一些老药物重新进行定位,看看能不能适用于新症状或者是预测药物的发展。另外一个项目,关于蛋白质三维结构的重建,采用人工智能的方法,用非常精密的两维形象对它进行加工。第三个例子,应用深度学习技术来用于医学影像扫描、分析,医疗影像包括比如说肺部结节还有其他一些肿瘤。
除了开展研究之外,大学也要负责教育学生,培养未来的年轻人才。其实我觉得从教育方面来说,对大学而言教育比研究更重要,因为研究可以由工业实验室完成,但是你要打造足够多人才来满足社会未来需求、满足人工智能方面需求,这才是大学需要做的事情。过去三年当中,在清华交叉信息研究实验室,我们已经建立一个很好的研究生项目和卓越的本科精英项目。我们很多校友现在都已经成为非常优秀的人工智能方面研究者,有一些人也成为了比如说斯坦福和普林斯顿等等知名大学教授。除此以外有很多校友成功创业,成为一些杰出企业家,都是在人工智能领域,让我给大家稍举两个例子。人工智能公司现在都已经成为了独角兽企业,第一,小马智行,他进入的是解决无人驾驶应用的行业,刚才一位教授也谈到这一行业的应用,他的创始人是叫彭军以及楼天成,他们是非常聪明的科学家、工程师,特别是楼天成,我对他很自豪,因为他毕业于我们项目班,他也是我的博士生。
第二家公司,旷视科技。他的创始人有印奇、唐文斌、杨沐,这三位来自于姚班毕业生,所以我对他们感到很自豪。
下面我稍微详细介绍一下小马智行,尽管他们仅仅两年前得以成立,现在已经成为业界最知名的企业之一,非常有前景,在无人驾驶方面很领先。他们从零开始,把先进AI技术应用到这个行业,建立算法和系统,再加上其他所有我们介绍的内容,包括传感、感知、决策、规划、控制等等全套算法解决方案,还有高精地图等等都纳入自己的科技当中。矿视是五六年前创立,他们现在已经成为一个非常主流的公司,在计算机视觉方面,面部识别方面做得很好,特别应用于中国的应用领域,也有很多重要的公司都采用他们的解决方案。比如说支付宝、招商银行,在基础层他们采用AI引擎,通过这个引擎帮助公安机关以及警察局在各大城市抓捕刑事案件罪犯。
刚刚给大家简单看了一下我们学院,大家可以看到人工智能做得非常好,便及方方面面,在不同大学都开展研究。 现在已经如此,未来又将如何,我认为可能要考虑AI的未来和前景。近年来最大一个技术叫做“深度学习”,其实它是三四十年前出现的技术,而当时来自于那个领域的研究人员认为,深度学习可能无法真正打败其他的方法。 但是现在三四十年以后,突然出现了不同环境,大数据和强大的计算机应运而生,突然传统深度学习方法又重新焕发第二次生命,让我们有了非常可喜的结果,带来了很多过去认为很难实现的目标。我认为深度学习以及它的不同变体,他们仍然有很强生命力,我认为将来几年深度学习仍然会带来很多新的项目或者是产品,在新的领域获得一些成绩。但是到某一点,我相信大概五六年以后,他们可能会到达增长的极限。问题是下一波的AI创新应该来自于哪里,它的源泉来自于哪里。其中一个回答,可以看看Micael I Jordan给我们介绍的一个系统,但是让我们从算法角度来看,下一波算法突破来源于哪里,可以让我们抵达新高,再攀高峰。同样,在这一方面人们有一种感觉, 我们不了解在AI界,为什么深度学习这么成功,有一些人认为,深度学习这么成功让人感到奇怪,其中原因之一是因为不理解它的话就很难改进它。我想分享三个观察结果。
第一,为什么深度学习这么成功有效。这不是一个新的问题, 其实科学家已经在过去的四五年开展了研究并带来很多有意思的结论,颇具吸引力,我们对他了解不多,但是我们随着时间流逝能更好理解深度学习。
第二,你想要更高一层先摒弃世俗东西,做APP创造更多学术,我们从更深一层考虑最近AI发展是什么,对科学意味着什么,这就不得不让我们考虑年代久远的问题,我们一直试图理解和回答,那就是 其实这也是最激动人心的领域,就是神经科学,现在问题是如何比较人工智能和神经科学,即自然智能。 当然神经科学对人工智能也颇具有贡献,提供了神经网络模型,深度学习成功给了我们一些机会,让我们可以更好看看自然智能是如何发挥作用。我觉得这是一个很重要的启示,现在人工智能有一些东西是自然智能有优势的地方,我们都知道人工智能需要很多数据,自然智能只需要看看很小一些数据就可以做出决策。所以我觉得这是一个让我们来更好了解的非常重要的机会,自然智能的运行机制。
第三,如果我们再进一步考虑学术方面的问题,通过宇宙考虑问题,很多哲学家自古以来都很感兴趣一个问题是知识边界在什么地方,我们可以学多少东西,我们对于真相可以有多靠近。其实在量子计算方面现在有很大进展,其本身就扩大了人类认识知识、获得知识、在根本方面认知宇宙的能力。有一个很有意思的问题,是不是可能将量子计算和人工智能结合在一起,所以通过这种方式我们可以真正的有一个机会来打败自然。我给大家解释一下这意味着什么,我认为据我们所知,量子物理是最深入、最美丽的物理法则,最根本性,最本质性关于宇宙的法则,大自然设计法则,对于这么多年来我们只不过是惊叹大自然是如此精美,壮丽以及量子原理如何精美的创建这样一个雄伟的世界。但是最近随着量子计算的发展,我们最后有一个方法模拟自然,你如果有一个量子计算机就可以模仿大自然量子法则。我们现在越来越多获得这样的能力,也就是让我们可以与大自然亲密接触。另外对于生物学方面进展、进化表示惊叹,它非常深入,非常的美丽,但是至今我们仍然没有100%确信自然界、生物界进化是怎么样的,但是如果我们可以在这方面获得进展,能够理解自然智能,我们就可以有一个机会把量子和AI结合在一起来进行量子人工智能,这可以带来一些在宇宙中以前我们从来没有看到过的东西,从来没有看到过的这么美丽的算式。
最后,深度学习的发展,人工智能的发展,给了我们一种新的角度,看待计算机科学的新角度,我们可以重新定义计算机科学本质, 我们过去认为计算科学是人为科学有一点像数学,但是英特网的数据,深度学习的数据,以及学习的行为等等,我们必须要把这些现象看作是自然现象,而且要从自然科学的角度来看待它。 因为我们觉得深度学习是一种学习,它是利用非线性元素进行学习,这种非线性化是很难从数学角度精确分析,所以我们现在有机会,我们可能需要真正的应用一些标准和方法,就是物理学方法来取得人工智能上的进展。 我觉得这是可喜的进展,我也很希望计算机科学同样能够获得自然科学的深度和广度,非常感谢。
近年来,粤港澳大湾区在打造创新驱动新引擎,科技创新带动资源集聚等方面着力颇多,创新机制、产业升级、人才引流、协同发展等带来了多方面的机遇。相应的,人工智能、人才赋能正深刻地影响着商业步伐。
2018年10月18-19日,亿欧将在深圳举办 “引擎·引领” 2018大湾区国际科创峰会(BATi) ,集合智能制造、智能产品、智慧城市、智慧安防、智慧交通等一众热点问题展开探讨,分析科技创新未来趋势,盘点技术革命下的发展契机。
报名链接:
https://www.iyiou.com/post/ad/id/664?herkunft=6648
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- 聊聊风口上的 eBPF
- 预测2019:人脸识别站上风口,语音广告濒临灭亡
- 风口上的人工智能,如何引领医疗行业智慧前行?
- 抗 ASIC 挖矿币种会是下一个风口吗?
- 从“制造”到“智造”:风口下的中国制造应该如何变革?
- 公安大数据的下一个风口: 数据分析报告应用探析
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
算法分析-有效的学习方法(影印版)
Jeffrey J.McConnell / 高等教育出版社 / 2003-03-01 / 28.0
本书主要目标是提高读者关于算法对程序效率的影响等问题的认知水平,并培养读者分析程序中的算法所必需的技巧。各章材料以激发读者有效的、协同的学习方法的形式讲述。通过全面的论述和完整的数学推导,本书帮助读者最大限度地理解基本概念。 本书内容包括促使学生参与其中的大量程序设计课题。书中所有算法以伪码形式给出,使得具备条件表达式、循环与递归方面知识的读者均易于理解。本书以简洁的写作风格向读者介绍了兼具......一起来看看 《算法分析-有效的学习方法(影印版)》 这本书的介绍吧!