Leifeng.com: Pada 9 April, Pameran Informasi Elektronik China Kelima (CITE 2017) dibuka di Shenzhen. Zhang Baofeng, Direktur Departemen Teknik Cerdas Huawei, mengungkapkan pandangannya tentang beberapa tantangan yang dihadapi dalam industrialisasi kecerdasan buatan.
"Orang yang melakukan kecerdasan buatan sebenarnya menjadi semakin konservatif, tetapi mereka yang mengatakan kecerdasan buatan semakin bodoh," kata Zhang Baofeng. Jadi, apa yang membuat orang-orang kecerdasan buatan menjadi semakin konservatif? Tantangan apa yang dihadapi kecerdasan buatan dalam proses industrialisasi? Seperti apa tren perkembangan kecerdasan buatan saat ini? Sebagai tanggapan, Zhang Baofeng memberikan jawaban rinci.
Leifeng.com mengedit pidatonya:
Saya sangat setuju bahwa 2017 harus menjadi tahun pertama industrialisasi kecerdasan buatan. Semua orang berharap kecerdasan buatan dapat benar-benar digunakan dalam produk, dan itu akan membawa peningkatan nyata dalam pengalaman pengguna dan nilai produk. Hari ini, saya akan membagikan empat tren utama dalam teknologi kecerdasan buatan itu sendiri, terutama tentang tantangan yang dihadapi saat ini kecerdasan buatan.
Saat ini, apa itu kecerdasan buatan tidak begitu jelas, kita tidak tahu bagaimana manusia menghasilkan kebijaksanaan jika mereka adalah subjek kehidupan yang cerdas. Pada tahun 1963, dua psikolog melakukan percobaan semacam itu.Setelah kelahiran dua anak kucing kembar, mereka tinggal di lingkungan tertutup yang gelap kecuali selama satu jam sehari di korsel. Satu bulan kemudian, seseorang dapat berjalan secara otonom, tetapi yang lain hanya dapat diam dalam satu posisi dan tidak dapat bergerak.Untuk suatu benda hidup yang dapat bergerak dalam ruang tiga dimensi, persepsi cerdas tentang kedalaman adalah informasi yang sangat penting. Jadi delapan minggu kemudian, anak kucing yang hanya dapat melihat lingkungan tetapi tidak dapat bertindak sebenarnya telah kehilangan persepsi kedalamannya. Pencerahan apakah yang dibawakan ini kepada kita?
1. Sebuah sistem yang dapat menjadi loop tertutup dan dapat dikembangkan, dan mereka yang "hidup" datanya memenangkan dunia
Pertama-tama, saya pikir tidak peduli bagaimana kecerdasan buatan menghasilkan kemampuan pengambilan keputusan, umpan balik sangat penting. Jaringan generatif adversarial yang populer saat ini, pembelajaran penguatan, dan algoritme lainnya sebenarnya menekankan efek dan nilai umpan balik. Saat kecerdasan buatan benar-benar terwujud, menurut saya ada dua faktor yang sangat penting, pertama adalah integrasi data secara bertahap. Ini tidak menekankan pada nilai yang dibawa oleh analisis data besar dan penambangan, tetapi mengacu pada input sinyal nyata.Jika semua hal digital dapat sepenuhnya ditransmisikan ke sistem pemrosesan informasi, sehingga sistem informasi benar-benar dapat memperoleh informasi dalam jumlah penuh, dimungkinkan untuk menghasilkan Pemrosesan umpan balik yang berharga; yang lain mengacu pada koneksi bisnis loop tertutup. Saat kita membangun sistem kecerdasan buatan, kita harus membangun yang disebut "cincin AI". Ambil mesin telusur Google sebagai contoh. Saat Anda memasukkan kata kunci, pertama-tama Anda memanggil antarmuka mesin telusur Google. Setelah pengguna mengambil informasi, ada umpan balik yang sangat penting - klik. Jika pengguna mencari tautan dan mengeklik tautan tertentu Item, ini berarti bahwa ada hubungan penggandengan atau hubungan korelasi yang sangat kuat antara konten masukan dan konten yang diklik. Setelah hubungan korelasi tersebut dianalisis oleh algoritme, mesin pencari di belakang panggung mengatur ulang konten, jadi Sistem loop tertutup benar-benar menggunakan kemampuan belajar dari sistem kecerdasan buatan, yang merupakan pentingnya sistem umpan balik.
Banyak orang mengacaukan analisis big data dengan kecerdasan buatan, tetapi dalam kognisi saya, big data menekankan pada analisis data statis, dan sistem yang berkembang sering kali mengacu pada sistem dinamis. Hanya sistem dengan umpan balik loop tertutup yang dapat berkembang dan bahkan bertahan untuk waktu yang lama. Oleh karena itu, ini adalah tren yang sangat penting dalam proses kami membangun AI: kami harus membangun sistem loop tertutup agar benar-benar memiliki kemampuan belajar jangka panjang.
2. Hype akan menjadi pragmatis, dan risiko High Stake diterapkan dalam skala besar
Saat ini, orang yang menggunakan kecerdasan buatan sebenarnya semakin konservatif, tetapi orang yang berbicara tentang kecerdasan buatan menjadi semakin bodoh. Ketika kecerdasan buatan dimasukkan ke dalam proses pengambilan keputusan, di bawah sistem kecerdasan buatan pembelajaran mesin saat ini, kami melatih model melalui data, maka masalah ini pasti akan muncul: jika informasi data yang kami peroleh tidak lengkap, bahkan Jika kami sendiri tidak tahu apakah informasi datanya lengkap, model Anda pasti memiliki deviasi yang sangat besar dalam beberapa situasi, menyebabkan sistem menjadi tidak dapat dikontrol. Jika kita ingin benar-benar melakukan industrialisasi kecerdasan buatan, kita harus menemukan atau menemukan mekanisme untuk mengontrol penyimpangan yang tidak akan menghasilkan konsekuensi bencana dalam situasi tidak normal. Dengan fondasi seperti itu, sangat mungkin untuk benar-benar menerapkan sistem pengambilan keputusan AI pada industri yang sangat sensitif atau berisiko tinggi.
Begitu kecelakaan terjadi pada kendaraan otonom, konsekuensinya sangat serius. Ini sama untuk pengambilan keputusan investasi. Ketika AI digunakan untuk membuat puluhan juta atau bahkan lebih dari 100 juta investasi, begitu peristiwa probabilitas kecil terjadi, konsekuensi bencana yang ditimbulkan akan mengarah pada keseluruhan Runtuhnya sistem AI. Ini adalah tren kedua, dan saya harap semua orang bisa memikirkannya dalam waktu yang lama, bagaimana cara mengatasi masalah yang tidak terkendali saat menerapkan sistem AI ke sistem pengambilan keputusan?
3. Pembelajaran yang diawasi bergerak menuju tanpa pengawasan, data kecil dan pembelajaran mandiri menjadi hot spot
Masalah ketiga juga menjadi masalah besar bagi Huawei.Pada tahun lalu, Huawei telah mengirimkan 500 hingga 600 juta ponsel ke seluruh dunia, sehingga sejumlah besar pengguna juga telah mengumpulkan beberapa data. Namun, ketika kami membantu dengan sistem AI, kami menemukan bahwa pelabelan data besar pada dasarnya merupakan beban yang tak tertahankan, dan pelabelan data besar membutuhkan tenaga kerja yang besar. Ada juga tantangan besar. Dalam sistem pembelajaran mesin, betapapun rumitnya modelnya, pada dasarnya ada beberapa aturan. Ketika semakin banyak aturan muncul dan batas seluruh algoritme didekati, aturan itu sendiri akan saling bertentangan. Jadi bagaimana Anda benar-benar mengubahnya menjadi pengetahuan, pengetahuan yang bisa tumbuh dan beradaptasi dengan dirinya sendiri?
Menanggapi masalah ini, pembelajaran data kecil kini telah muncul di industri. Dalam proses belajar seorang anak seringkali tidak seperti mesin yang membutuhkan data yang masif dan pelatihan yang masif untuk membentuk formula yang tetap, jika seorang anak terbakar saat kena api, pada dasarnya untuk yang kedua kali tidak akan pernah mengambil jarinya secara langsung. Untuk menyentuh api. Hal yang sama juga terjadi pada sistem pembelajaran, yaitu, kita dapat menyelesaikan tugas pembelajaran saat ini dengan biaya yang lebih rendah. Jadi kami juga menaruh banyak perhatian pada pembelajaran data kecil untuk melihat apakah itu bisa praktis.
4. Dari penemuan hukum hingga pengambilan keputusan penalaran, bangkitnya koordinasi manusia-mesin
Kekuatan komputasi yang disebut berarti bahwa dalam lingkungan data yang sangat kompleks, komputer dapat dengan cepat menghitung hubungan antara data, seperti hubungan klasifikasi, tetapi tidak tahu arti klasifikasi ini? Kekuatan komputasi seperti itu berada di luar jangkauan manusia, tetapi abstraksi klasifikasi dan inferensi kausal sangat baik pada manusia. Oleh karena itu, sebelum komputer memiliki kecerdasan dan kemampuan belajar yang sama dengan manusia, jika beberapa kemampuan manusia digabungkan dengan kemampuan kalkulasi teknis, mungkin saja sistem komputer tersebut benar-benar dapat memberikan layanan yang berharga kepada pengguna, yang disebut kolaborasi manusia-komputer. Jalan. Biarkan mesin belajar, biarkan orang mendidik, dan jadikanlah sistem yang dapat digunakan pada tahap saat ini.
Leifeng akan terus melaporkan konten menarik dari pameran ini, jadi pantau terus!
- Profesor tamu Universitas Peking, Wu Jihong: Cara memanfaatkan peluang industrialisasi AI dan membangun keunggulan kompetitif | CITE 2017
- Stabil! Setelah menyaksikan peluncuran produk baru Apple, Yu Chengdong sangat percaya diri pada Huawei Mate20
- Negara paling "mini" di dunia, termasuk populasi nasional anjing 39, indikator kesuburan tergantung pada istri Presiden ...
- Jangan hanya mengirim foto gadis-gadis aneh kepada orang tua karena tekanan kencan buta, jika tidak ...
- Output terbalik! Poster "My Neighbor Totoro" miliknya sangat populer di Jepang sehingga bernilai 20 juta di box office