Lei Feng réseau rapporté, le 6 Novembre, a tenu Jingdong Jingdong JDD explorateur de données financières mondiales de l'Assemblée générale, la recherche de partenaires partageant les mêmes idées à travers le monde pour explorer les grandes données et l'intelligence artificielle des meilleures pratiques dans le secteur financier. Cheng Académie chinoise d'ingénierie, l'Université de Pékin Professeur Gao Wen a été invité à faire des présentations de conférences, des conférences sur le thème « explorent les grandes données, pour répondre à l'intelligence artificielle de du temps. » Discours, Gao académiciens décrit non seulement les relations et les différences entre les données et grande intelligence artificielle, mais aussi soigneusement expliqué ce qu'il considère comme l'IA est allé où, jusqu'où aller.

Selon Lei Feng réseau correspondant a rapporté que la scène devant un raccourci résumée comme suit:

Gao Wen: Bonjour, mesdames et messieurs, je et le professeur Yang Qiang amis depuis de nombreuses années, de 1991, nous rejoignons la Fédération mondiale de l'intelligence artificielle, a rencontré après vingt ans ont maintenu une partie de la communication, les échanges d'un an, il a donc commencé à mobiliser Je suis venu ici pour dire quelques mots, je dis que cela est une innovation financière, je suis allé à ne savait pas quoi dire, je ne fais pas financer eux-mêmes. Plus tard, il a dit qu'il n'a pas d'importance, vous parlez de quelque chose de plus macro Eh bien, je dis facile à manipuler, l'Université de Pékin se caractérise dans le ciel, disons abstrait avec désinvolture, aujourd'hui on parle à peu près.

Nous avons maintenant de cette époque est vraiment grande époque de données, l'ère de l'intelligence artificielle pour se déplacer. Pourquoi dois-je le dire? En fait, cette connotation et une grande corrélation de données elle-même est relativement forte, pourquoi la corrélation est plus forte il? Nous savons que les données à grande échelle elle-même est particulièrement importante, de plus en plus, à partir du niveau EB d'origine maintenant au développement niveau ZB, les données elles-mêmes est en constante augmentation, nous avons appelé le flot de données. Cette prolifération de données, telles que la vente au détail et il y a beaucoup de données pertinentes, puis un peu de données scientifiques plus tôt, peu importe quel type de données et sont associées au réseau, puisque réseau de données personnelles et les médias à beaucoup. Cependant, nous considérons ces données avant de les appeler gros volumes de données, a récemment un argument, grande données ne sont pas à grande échelle, mais les ordures appelé gros volumes de données et plus de données, des données de faible utilisation. Telles que les données vidéo, en plus d'un réseau de données personnelles, la proportion de vraiment l'utilisation est encore très faible, le concept de grands volumes de données lui-même est en croissance, mais les données après la grande à la fin comment utiliser la façon dont le développement, la période la plus récente, nous avons des discussions approfondies, par exemple, les données ne sont pas plus le meilleur, n'est pas tout doit être une donnée? La réponse est Non. Récemment, un très bon cas, les échecs AlphaGo, nécessitaient auparavant l'utilisation des données humaines aller sous, mais l'essayer vous-même les données de trente millions de manches, les données les plus récentes AlphaGo zéro Ne nécessite pas d'échecs humains, et ils produira des données. Maintenant, nous pouvons poser des questions, ce genre de situation ne nécessite pas des données externes, produisent leurs propres données est suffisant? I et certains experts examinent la question, pensez à ce système AI ne nécessite pas de données externes peuvent être surmontés les gens se rencontrent en fait trois conditions:

1, l'ensemble est fermé, si vous êtes ou ce jeu d'état jeu, votre jeu est fermé, nous savons ensemble Go est fermé.

2, la règle est terminée. C'est là d'échecs peut et ce qui ne peut pas lieu en vertu de cette règle est entièrement complète, pas seulement changer.

3, la contrainte est limitée, ce qui signifie que vous êtes soumis à des contraintes, non récursivité, en raison du retard régulation négative pas arrêter après l'accouchement, et le temps limité sera en mesure d'arrêter. Trois conditions sont remplies, pas de données externes, les données du système généré assez par lui-même. Donc, on peut imaginer, il y a beaucoup de cas à l'avenir pour vous juger qui peut gagner ce dernier homme et la machine, la machine doit répondre à trois conditions pour gagner, quel que soit l'Allemagne flutter, Go, une situation similaire a beaucoup.

Ne sont pas tous les cas sont comme ça? Bien sûr que non. Vous pouvez maintenant voir beaucoup de commerce, de la logistique, la vente au détail, en fait, il a beaucoup de conditions ont été modifiées, juste ne répond pas aux conditions, cette fois, vous avez besoin d'un grand nombre de données externes, les données externes mais pas assez? Bien sûr que non, comment utiliser des données externes? Il ne propre à générer un usage, ce besoin d'utilisation de compter sur les gens, par ces moyens d'intelligence artificielle, d'utiliser ces données. Ainsi, l'intelligence artificielle est en fait de la grande science des données à l'intelligence artificielle est un processus de migration très, très naturel.

Intelligence artificielle récente est très chaud, chaud à chaque personne et chaque investisseur veut dire que j'ai voté l'intelligence artificielle ou l'intelligence artificielle que je veux faire, ce vraiment bon? Je ne sais pas. Mais nous pouvons regarder l'histoire et apprendre de l'histoire, nous pouvons savoir beaucoup de choses. Le développement de l'intelligence artificielle maintenant, exactement 60 ans à l'année dernière. Nous sommes à 60 ans de développement réellement passé par trois phases, la première phase de 20 ans, de 1956 à 1976. La deuxième phase, de 1976 à 2006, 30 en 2006, est la troisième vague vient de commencer, combien de temps cela va durer? Je ne sais pas, probablement de 25 ans, probablement 35 ans, il pourrait être de 40 ans. Bien sûr, conformément à 20, 30, ici à la fin il est de 40 ans, 60 ans ou même 50 ans ne savent pas. Mais vous connaissez la loi sur l'intelligence artificielle ne sait jamais toutes les choses qui ont été faites, si l'employeur est une métaphore de la vie, en fait, le degré d'intelligence artificielle est maintenant probablement entré à l'école primaire, et un peu moins d'un niveau de l'école primaire, alors maintenant il est l'histoire peut être juste 1/10, suivi d'un long chemin à parcourir.

Il y a beaucoup de chiffres clés de la façon de l'intelligence artificielle ne peut pas oublier, ne peut pas oublier le domaine informatique Turing prix particulièrement important Turing Award, d'autres disciplines ont le prix Nobel, ère Nobel sans ordinateurs, et plus tard avec l'ordinateur plus tard, tout le monde voulait ordinateur secteur devrait également mettre en place un prix considérable et Nobel, est le prix Turing, le monde est maintenant un total de 65 prix individuels de carte gagné, le professeur Yao, qui est le seul chinois pour obtenir Turing Award.

Obtenez Prix Turing dans le domaine de l'intelligence artificielle, un total de huit, Marvin Minsky (1969), John McCarthy (1971), Allen Newell (1975), Herbert Simon (1975), Edward . Fagan (1994), Raj Reddy (1994), Leslie. Valente (2010), Judas. Burr (2011), que ces huit photographies. Tout le domaine de l'intelligence artificielle de la science informatique est en fait inséré dans la flèche de trésor 1/8. Leslie Valente, Juda. Burr, suivi par deux en 2010 et 2011 gagnants, nous apprenons et le raisonnement probabiliste et causal probabiliste deux apprentissage sur les chercheurs.

Dans l'ensemble, l'intelligence artificielle, et maintenant il y a trois représentant principal de l'école, lequel des trois il? La première consiste à faire avec la logique des méthodes d'intelligence artificielle, en général, nous l'appelons l'école de pensée logique ou école de pensée symboles connus. Le second est l'outil de base pour se connecter à la doctrine, est d'utiliser des réseaux de neurones, il est aujourd'hui la profondeur de l'apprentissage d'un représentant typique. Une troisième école de pensée, des gens qui se livrent à Cybernétique, une école compare a fait valoir, est de faire plus d'adaptation et d'évolution calculée. Les trois années scolaires est différente, nous ne pouvons pas dire ce qui est mieux ou pire.

Qu'est-ce que l'intelligence artificielle? Tout hôte dit très bien, nous disons qu'une intelligence humaine épreuve de force future possible et l'intelligence artificielle, l'intelligence artificielle est en fait un ordinateur pour réaliser l'intelligence humaine, duel du point de vue, il ne peut jamais dépasser l'intelligence humaine, mais a dit que le un aspect particulier de la probabilité de gagner, mais en soi il est une façon intelligente de gagner. Nous examinons la définition de l'intelligence, en fait, il y a de nombreux aspects de l'intelligence, y compris la capacité à la logique, le langage, la capacité spatiale, la capacité de perception, y compris la capacité de la musique Percevoir, la capacité de contrôler le membre. Ceux-ci est plus difficile, y compris l'introspection humaine, l'auto-examen, y compris les compétences interpersonnelles, y compris la capacité de la nature à explorer, comme découvrir quelque chose de nouveau, absolument aucune idée, vous pouvez trouver je dois faire Je pose cette question pour se débarrasser des capacités d'exploration, naturelles, y compris la possibilité d'images graphiques Percevoir,.

En fait, l'intelligence est divisée en neuf capacité, et maintenant l'intelligence artificielle à cet égard que neuf trois peuvent faire, il y a six domaines est encore assez loin, alors nous disons intelligence artificielle maintenant afin de défier l'intelligence humaine, route il est encore très long.

Pourquoi disons-nous AI 60 ans? Depuis 1956, quand il y avait une réunion historique, conférence Dartmouth. A cette époque, certains des plus anciens combattants IA, lorsqu'ils sont très jeunes, ils se réunissent pour ouvrir deux mois seront ensemble, comment faire une machine avec l'intelligence humaine, discutez situé dans le but ultime de l'intelligence artificielle, ce qui est l'intelligence artificielle. Maintenant, il semble que le Livre blanc de 1956, la définition de l'intelligence artificielle, et maintenant qui est pas obsolète. Nous disons donc jeune ou très puissant, surtout d'accord avec les dirigeants forts à l'est dit, les choses nouvelles pour les jeunes à reconnaître pleinement que les jeunes quarante ans de temps, lorsque l'ordinateur est juste en train d'émerger, il n'y a pas de concept de l'intelligence artificielle ils ont proposé à la façon dont nous voulons faire cette chose, c'est une très grande chose, et regarde vraiment tout ce qu'ils font est juste.

La séance est ouverte après le plat principal, le monde est aux États-Unis, en Europe, et de nombreuses écoles ont commencé dans l'engouement entre l'intelligence artificielle, comme un typique Stanford, CMU, MIT, Université de Harvard, beaucoup de gens font ces études liées , une technologie qui étape, nous avons utilisé la doctrine ou le symbolisme surtout logique.

Quelle est la logique ou le signer? En fait, il pense que tout raisonnement, je suis venu à réaliser le calcul logique de la manière, je définis juste un calcul logique de l'ensemble du système, faire une règle, vous pouvez obtenir quoi que ce soit, peut le raisonnement, la preuve mathématique, vous pouvez créer, jouer de la musique et ainsi de suite, tout de le faire par des symboles. En fait, cette chose que nous avons eu des opérations d'algèbre des écoles élémentaires, il est aussi des opérations logiques, mais il ne sert pas les opérations algébriques, avec des opérateurs booléens, il est en fait très proche et opérations algébriques. Avec cette opération, il peut être le raisonnement, le raisonnement que vous voulez utiliser un outil qu'ils utilisent des outils de raisonnement déductif.

Nous savons que jusqu'à présent, la voie est le raisonnement déductif du plus important théorème de la science naturelle utilisée pour compléter. Par exemple, le syllogisme d'Aristote son système est très typique du raisonnement déductif, la géométrie d'Euclide est réalisée en utilisant la mécanique newtonienne, Maxwell, Einstein a présenté à tout le théorème déductive.

Rencontrez tous les syllogisme de base est un raisonnement déductif de l'équation, ce qui est le syllogisme, j'ai une prémisse, il est un principe général, j'ai une prémisse mineure est un cas particulier, je veux étudier, selon la prémisse majeure, une prémisse mineure pour obtenir une conclusion, cette conclusion est basée sur la situation générale, de porter un jugement sur les circonstances particulières, ce qui termine le raisonnement déductif, que l'on appelle trois sections de raisonnement déductif.

Toutes les méthodes sont à la base de la logique de le faire pour le faire alors concevoir beaucoup de langage de l'intelligence artificielle, la langue peut être écrit dans cette équation intelligence artificielle, la machine peut prouver.

Bien sûr, ce bon sons, mais la première vague, nous croyons que l'intelligence artificielle sera en mesure de compléter beaucoup de choses dans une décennie, mais jusqu'en 1976 le début nous avons trouvé un ensemble de choses que la grande majorité ne parviennent pas à réaliser profil haut plus le temps, il ajoutait l'insulte à l'injure. En 1973, un Anglais a un rapport, mettre de côté une grande casserole d'eau froide à l'IA, les systèmes de recherche AI en trois catégories, A se réfère à la machine automatique, B est un robot, C est le système nerveux central. Automates et système nerveux central est précieux, mais le progrès est trop lent, les robots de recherche, et très décevant, donc il a proposé d'annuler toutes les études de robots, A et C parce qu'il est lui-même des raisons d'être déçu, il est aussi très discret. Le rapport est sorti après que tous les gouvernements considèrent les fonds d'investissement de veille artificielle coupée, immédiatement entré dans l'hiver. Donc 1976 est en fait l'intelligence artificielle de l'arrivée du premier hiver.

Bien qu'il n'y ait pas de financement après 1976, chose savant de l'argent est de faire, ne donne pas d'argent. Parce qu'il logique, devant son propre corps doit tirer une grande quantité, l'argent était immédiatement sur place pour mensonge, n'a pas obtenu l'argent continue de le faire. A cette époque, le réseau de neurones à faire, ne pas fondamentalement obtenir de l'argent, pas bon, donc lui-même est un professeur avec quelques élèves qui jouent dans ce domaine tout en face de l'hiver, mais il n'y a pas de changement pour lui, de toute façon, l'été quand il n'y a pas d'argent, l'heure d'hiver ou d'argent, donc continuer à jouer avec les élèves.

Les astuces pour jouer, en 1976, a commencé à avoir beaucoup de choses à faire des réseaux de neurones, non-stop à écrire quelque chose, quelque chose d'envoi, jusqu'en 1986, sur un des yeux des gens éclairer, cette chose appelée algorithme BP (Lei Feng réseau Note: le "réseau back-propagation" qui est, rétropropagation comme nous le savons).

réseau de neurones précédent ne peut faire très peu à faire, ne peut pas faire de grandes choses. Mais cette chose peut faire de grandes choses est sorti, pour ainsi promouvoir le développement de ce champ est très rapide, le temps que je ne démarre pas.

Mais il ne peut résoudre certains problèmes. Il est également prévu de commencer à résoudre de nombreux problèmes, en fait, est nulle part en vue, et enfin est venu à un second creux, y compris l'échec de la machine cinquième génération du Japon, puis à l'Université de Stanford pour créer une encyclopédie de la connaissance du projet ont échoué de sorte que la deuxième fois que l'intelligence artificielle de a atteint un point bas.

Le troisième est de 2006 et est maintenant l'intelligence artificielle trois Daniel, un à l'Université de Toronto Geoffrey Hinton, un Bingeo Yoshua à l'Université de Montréal, un à l'Université de New York Yann LeCun, ont été publiés cette année trois articles qui parlent d'une chose. Il suffit de dire que le réseau de neurones à grande échelle peut apprendre, et apprendre rapidement, de haute précision.

Cet article est sorti à l'avenir, nous ne savons pas comment utiliser cette chose, à qui cette chose activée, Kai et Li Feifei font IMAGEnet, Li Feifei chirurgien principal est en train de faire. reconnaissance d'image IMAGEnet est un jeu global, en 2012, avait déjà été en utilisant des méthodes conventionnelles, en 2012 une équipe a utilisé cette méthode, le taux d'erreur que toute autre équipe immédiatement réduire de moitié. 2013 autres méthodes, toutes sur toute la profondeur de l'apprentissage, d'améliorer constamment en 2014. On peut voir en 2015, lorsque le taux d'erreur a été réduit beaucoup, réseau d'apprentissage profond beaucoup. D'ici 2016, alors que presque les seuls à faire démesurément, le faible taux d'erreur doit ne pas besoin de le faire à nouveau, de sorte que Li Feifei sélectionnez 2017 a annoncé le jeu a été arrêté, ne le font plus, parce qu'en fait, n'a pas grand-chose à promouvoir un sens.

Donc, troisième tour d'aujourd'hui en raison de l'étude approfondie, comme mentionné plus haut enthousiasme à participer à l'industrie, nous avons donc créé un grand nombre de nouvelles entreprises, il y a beaucoup de nouvelles opportunités, il est très bonne chose.

Faites quelque chose, le développement d'une recherche stratégique national en Chine Intelligence artificielle 2.0 de ce pays d'opportunité, qui est l'Académie chinoise d'ingénierie pour mener à bien son ensemble, cette année a publié un programme de recherche. A propos de l'intelligence artificielle nouvelle génération chinoise, d'abord appelé AI2.0, et plus tard par les décisions du niveau central, le nom officiel de celui-ci a appelé la nouvelle génération de l'intelligence artificielle de la Chine, il se fait essentiellement cinq technologies clés et un certain nombre d'applications.

Les cinq technologies clés, y compris grande intelligence de données, et parlant devant cette grande corrélation de données est très forte. Le deuxième aspect est un groupe de recherche intelligente, intelligent repose sur la force des groupes d'avance. Le troisième est le cross-média intelligent, faire des sons, des images, du texte, langage naturel pour toutes ces choses liées ensemble à l'intelligence de l'étude, ce qui est l'objectif de la future plurimédia intelligente espoir d'atteindre.

Le quatrième est d'améliorer mélange-machine homme intelligent, mélange humain et la machine ensemble comment rendre plus intelligent plus fort. Le cinquième est le système intelligent autonome, en fait, les UAV, fort Est, ont également souligné que nous faisons des systèmes sans pilote dans la logistique. Ces cinq aspects et applications prennent en charge ainsi que la relation entre ce qui suit, nous avons cinq piliers, est l'application de ce qui précède, ce qui suit est le support de base.

Ensuite, le profil d'un tel, en fait, toute la stratégie du pays, il a été très réussie mise en page, cela ne suffit pas? En fait, pas encore. Si vous regardez le profil entier est l'intelligence artificielle, y compris cette vision par ordinateur, la reconnaissance vocale, le langage naturel, l'interaction humain-ordinateur, l'apprentissage du robot, etc., ces aspects de la configuration actuelle est immergé dans une grande demande à cet égard.

Neuf catégories de personnes impliquées dans l'intelligence, est que nous avons maintenant à faire très bien dans la langue de la logique et des images graphiques, les six milieu encore à une distance considérable doit être exploré.

En résumé, l'histoire est toujours aussi vis avant, il en fait trois vagues de l'IA est également liée à la doctrine du symbolisme, à la doctrine est toujours connecté à l'onde principale. Le symbolisme jusqu'à présent a été de 30 ans relativement solitaire, mais comme une abstraction plus de l'intelligence humaine, il devrait jouer un rôle, comment jouer un rôle, c'est l'avenir, nous pouvons prendre le temps d'observer.

Connectionism, réseau de neurones est, la profondeur de l'apprentissage, il est très, très populaire, mais comment résoudre les petites données ou aucune donnée à apprendre? Il y a en fait tout à fait un défi, en particulier un grand nombre de résultats d'apprentissage ne peut pas être expliqué, c'est le plus grand défi. Behaviorisme se concentre sur l'adaptation et l'évolution, qui vient de l'évolution de l'homme des singes, il peut être plus proche. Il est à apprendre comment faire un meilleur travail, doivent encore être explorées.

Que ce soit les entreprises, les investissements de l'État, nous faisons bon usage du bon endroit pour prendre un endroit sec, peu importe lequel est de 20 ans, nous sommes maintenant seulement 11 ans, il y neuf ans plus tard eu une bonne journée, si elle est de 30 ans et 19 une bonne journée. Donc, je pense qu'il ya au moins sûr de l'intelligence artificielle autour de 10 à 20 ans avaient une bonne journée, je chéris cette occasion. Bien sûr, l'intelligence artificielle, car il est un garçon, la croissance principale adolescent fier? Par l'étude, par le savoir de recherche pourquoi ils apprennent, la prochaine génération de la Chine de l'intelligence artificielle fera une mise en page A cet égard, nous savons que la direction de l'avenir, peut-être vous tous, peut-être un peu d'aide.

Eh bien, je vous remercie.

(Fin)

Plus rapport Jingdong Assemblée JDD, s'il vous plaît continuer à se concentrer sur le réseau Lei Feng rapporté.