眼爆科技

了解一下:人工智能上的从0到1

时间:2018-06-13 17:00  编辑:眼爆科技

从0到1,再从1到100这个类比能很好地形容技术及产品的发生发展过程。比如福特造出第一辆T型车可以认为是完成了汽车从0到1的过程,此后100年直到现在可以认为是汽车从1到100的完善。现在的汽车虽然在精密程度上远胜100年前的版本,但是仍然有发动机、传动系统、方向盘和四个轮子。

1919年福特T型车的造型,从中我们可以找到现代汽车的几乎所有关键要素,甚至它的车牌都和现代的车牌一样。

资料来源:维基百科。

计算机一样有这个过程,如前所述,其理论奠基于图灵,图灵之后冯·诺依曼设计了一套体系结构把这个东西做出来了,至此可以认为计算机走完了自己从0到1的过程。此后才有从电子管到晶体管,再到使用大规模集成电路的计算机,其形状也由比房子还大到现在只有手机那么大。在这一过程中,其计算性能翻了无数倍,但是仍然需要冯·诺依曼定义的输入输出系统、中央处理器。

如果把人工智能与上述两者相类比,我们可以发现人工智能根本还没走完从0到1的过程。人工智能既没有清楚的理论基础,也没有清楚的定义,我们甚至不知道智能究竟是什么。也正因为如此才有先达到某个目标,比如在下棋上战胜人类,接下来就认为这也不算什么智能的情形出现。

人工智能的内在发展思路曾经多次发生变迁,比如最开始人们认为这种智能依赖于一种物理符号系统,这种系统要通过处理符号组成的数据结构来起作用。人类似乎就是这样,但这显然只是一种现象,在这个层面上并不能产生真的智能。接下来也考虑过遗传算法,这是按照生物进化的过程来做程序,让程序有某种随机变化,并用一个选择过程(生物的优胜劣汰)来保持似乎有用的变化,但限于各种“如果怎样,否则怎样”的这种组合太多,在当时这也没产生什么有价值的结果。

再后来至少一部分人开始转向神经网络,这个方向出现的很早,在20世纪60年代就出现了,但那时是非主流,直到20世纪80年代才受到重视,杰夫·霍金斯(Jeff Hawkings)认为这和那时的人工智能主流思路节节败退有关。神经网络研究者尝试在连接中产生智能,其启示来自大脑,因为大脑由神经元组成,这是显然的事实。近来极其热门的深度学习就处在这个方向上,但这个方向也还没有完成从0到1的过程,只是在特定的领域(比如语音识别、图像识别)取得了极为令人瞩目的成绩。这个领域的大牛燕乐存在发表演讲的时候曾经专门提到了深度学习的几个关键限制,具体来讲包括:

  • 共4页:
  • 上一页
  • 1
  • 2
  • 3
  • 4
  • 下一页




  • 上一篇:2018年人工智能开始应用落地 这些安防企业已布局 下一篇:伦敦人工智能公司758家:一年井喷暴涨50%