Montagne Computing World-: m�thodologie AI � �tre mis � jour, apr�s la peste AI d�veloppera?

Lei Feng Network Technology Review par AI: Intelligence artificielle a �t� salu�e comme la Tro�ka - algorithme, puissance de calcul, les donn�es, la n�cessit� de r�fl�chir sur le moment. Dans l'�tude de profondeur particuli�re dans le plan acad�mique du d�veloppement ult�rieur de la fatigue, aurait des difficult�s � soutenir les capacit�s d'Amnesty International continuent d'augmenter.

Apr�s �tre entr� dans la nouvelle d�cennie, et maintenant qu'�I atteint un moment de retournement.

Alors, la technologie AI sera de savoir comment d�velopper des applications? Avec la fin de l'�pid�mie nationale, qui devient une question cl� dans le domaine de nombreux chercheurs et praticiens ont besoin de r�pondre.

9 avril Association chinoise pour la science et la soci�t� du Minist�re, l'Association chinoise pour la science d�clar� Tencent conjointe, Tencent Bureau de d�veloppement a organis� un forum en ligne arrive � point nomm�, le th�me de � l'intelligence artificielle: la technologie et de l'int�gration �conomique avec le nouveau moteur. � De nombreux chercheurs et experts doivent r�pondre � beaucoup de questions apr�s la peste de la technologie de l'intelligence artificielle et le d�veloppement de l'int�gration �conomique.

L'esprit de Lei Feng r�seau Technology Review AI ax�e sur la technologie de l'intelligence artificielle, s�lectionnez le CAS Institut des chercheurs informatique, le contenu du rapport Christie, fondateur de l'extension du monde de montagne de do lumi�re pour organiser, � d'autres.

Rapport mondial-Hill chercheurs ont divis� en deux parties, d'abord du point de vue de l'�tude, il pensait que la m�thodologie AI de � ax�e sur les donn�es � direction � savoir + f�d�ration de donn�es pilote �, dans la derni�re partie, il propose cinq niveaux de d�veloppement de l'industrie du point de vue et recommandations. Ces contenus ont une connaissance approfondie de.

1, d'un point de vue de la fronti�re en perspective acad�mique, la profondeur de l'apprentissage est devenu une force �puis�e

Durant la derni�re d�cennie, la recherche en intelligence artificielle du pass� invoquer les r�gles et les connaissances pour concevoir des algorithmes d'intelligence artificielle une telle m�thodologie, une transition progressive vers les donn�es comme la principale force motrice de la m�thodologie.

Sous la direction de cette m�thodologie, en se fondant sur la � Tro�ka � - algorithmes, gros volumes de donn�es, force brute, le soutien des capacit�s actuelles d'Amnesty International. L'algorithme bas� principalement dans l'apprentissage en profondeur, les donn�es soulignent assez grand (et il y a une surveillance des donn�es marqu�es), en raison de la profondeur de l'apprentissage prennent souvent sur les param�tres �tablis de formation milliards en fonction �galement des r�sultats dans un support de calcul de force tr�s puissante.

Ainsi, tant que les deux conditions suivantes sont remplies t�ches AI, ils sont en mesure d'obtenir une meilleure solution:

1) t�che sp�cifique AI (plut�t que d'usage g�n�ral AI). Tels que les images m�dicales, voir AI ne peut que regarder la pneumonie pneumonie, l'h�patite ne peut pas voir, voir AI CT ne peut voir CT, RMN ne peut pas voir.

2) � bon � de donn�es fertiles (donn�es acquises par un grand nombre de mod�les d'affaires). Les soi-disant bonnes donn�es, d'une part, d'avoir une plus grande �chelle, l'autre est d'avoir une bonne note.

Mais cette IA, de ce que nous nous attendons � part loin.

Pr�sident de Microsoft Research Asia, le Dr Hon a propos� la pyramide des capacit�s AI suivantes (police jaune est le monde de la montagne des additions de lumi�re):

Selon ce niveau de la pyramide, la technologie actuelle AI reste encore dans la � perception simple et le raisonnement, � la deuxi�me couche au-dessus, qui est �quivalent au niveau des primates non humains.

Comment En outre, boutonner la cognition, l'�motion, la cr�ativit�, et m�me sage?

Monde-Hill pense que nous au moins besoin de faire pour am�liorer la capacit� des �l�ments suivants -

Cependant, la m�thodologie existante AI AI ne suffit pas � soutenir la capacit� de continuer � grimper.

Tout d'abord, les algorithmes, la puissance de calcul, les donn�es que la Tro�ka a �t� l�g�rement plus faible. Consid�r�e comme d'augmenter, et la collecte des donn�es devra investir d'importantes ressources, mais la plupart de l'algorithme est un mod�le pour une t�che, il est maintenant beaucoup de probl�mes, les m�thodes sont limit�es.

En second lieu, la profondeur de l'apprentissage dans l'industrie comptent encore sur les grandes donn�es et les grands op�rateurs de force la recherche appliqu�e, parce qu'il n'y a pas un fort soutien th�orique, des donn�es de calcul et de la force seront gaspill�s � l'essai et l'erreur, il est devenu de plus en plus �vidente.

Et limit� d'autre part, sur le plan acad�mique, montrant la profondeur du potentiel d'apprentissage. Pourquoi? Parce qu'il est lui-m�me incapable de surmonter le probl�me tr�s d�pendant des donn�es, et non pas comme des �tres humains apprentissage pr�cis et robuste fond�e sur des � faibles �, les donn�es � petits �! Les �tudes existantes sont �galement comptent sur pour r�soudre le probl�me des donn�es d�pend de la profondeur de l'apprentissage, ce qui donne espoir � l'apprentissage de la machine de surveillance faible, peu de donn�es � apprendre, mais en principe, s'il n'y a pas d'autres donn�es ou connaissances suportent, il est presque impossible. Nous devons trouver une nouvelle approche.

2, les 10 prochaines ann�es de la m�thodologie AI: Connaissance + donn�es pilote de f�d�ration

La capacit� d'Amnesty International pour mettre � niveau, mise � niveau doit se fonder sur la m�thodologie AI, ce qui revient � la nature de l'innovation, ou un algorithme.

chercheur mondial-Hill a propos� l'algorithme AI sont plusieurs projets de d�veloppement si n�cessaire -

�Par exemple, l'algorithme peut r�duire la quantit� de donn�es � 10%, voire 1%, tout en maintenant l'original et tout � fait capable d'origine de celui-ci? Dans les algorithmes existants (pilot�s par les donn�es), les connaissances si vous pouvez vous joindre, ou d'autres donn�es existantes ou de mod�les, de sorte que le pilote de la connaissance et la f�d�ration de donn�es? ...... En fait, il y a eu de nombreuses �tudes effectu�es dans l'unit�, �galement pr�sente l'un des plus vaut algorithmes AI explorer plusieurs directions de recherche.

Pour ce qui pr�c�de, le monde de la montagne d'une lumi�re description d�taill�e de l'angle � d�pendant des donn�es �. Comme mentionn� pr�c�demment, la m�thode actuelle est une puissante intelligence artificielle de (supervision forte, � grande �chelle) d�pendant des donn�es. Mais nous savons que l'intelligence humaine n'est pas si simple capacit� de citer quelques exemples de l'humanit�:

raisonnement inductif et d�ductif: Du g�n�ral au particulier, et du g�n�ral � l'individu;
DITES et analogie: d�duction similaires et l'apprentissage de transfert;
Mangez une sagesse de coupe: L'apprentissage (mod�le modifi�) � partir de quelques erreurs;
Pr�visions d'inspection: La pr�diction de synchronisation et de correction d'erreurs, l'apprentissage auto-correction;
Element Method: Dawson l'un, un deux, deux, trois, trois choses;
ma�trise: Multimodaux, connaissances multidisciplinaires et contr�le fusion;
L'imagination et la cr�ativit�: Quelque chose de rien, extrapolation au lieu de l'interpolation.

A partir de ces capacit�s, nous pouvons voir qu'une faible connaissance + (surveillance faible, petit �chantillon) approche ax�e sur les donn�es sur la nature de l'intelligence humaine. Cette caract�ristique digne de notre r�f�rence.

Shan chercheurs Shiguang croient que les humains peuvent faire peu de donn�es d'apprentissage, parce qu'il ya accumulation de connaissances. Alors, comment int�grer les connaissances dans la machine qui est tr�s important pour les algorithmes AI. La connaissance ici peut �tre � la fois la connaissance humaine r�sum�e, peut �tre Amnesty International a appris, il a mis derri�re cette connaissance est appel�e � connaissance de la machine. �

Le soi-disant � machine de la connaissance � est diff�rent de � connaissance humaine �, probablement pas lisible par l'homme, m�me pas compr�hensible humaine. Tels que dit le chercheur Shan Shiguang, quand nous avons utilis� l'algorithme pour r�soudre les t�ches de N (par exemple, reconna�tre des visages humains, visage de singe, cheval, visage de chien, visage de vache, etc.), la machine est susceptible de r�sumer certaines t�ches courantes de ces t�ches la r�gle, comme un mod�le de � m�ta �.

Avec la � connaissance de la machine �, m�me les petites donn�es / pas de t�ches de donn�es peuvent obtenir de bonnes performances. Avec l'exemple ci-dessus, le mod�le de reconnaissance de visage de l'homme / singe, des chevaux, des chiens, des vaches et autres appris, dessiner un visage sur le mod�le � m�ta �, utilis� pour identifier le visage koala, le visage poisson, le visage de panda et ainsi de suite.

(La m�thode est maintenant souvent identifier un animal, il est n�cessaire de recueillir un grand nombre de photographies du visage d'animaux, pour les animaux doivent r�apprendre et Collect, est ni efficace ni �l�gant, dr�le et m�me un peu maladroit.)

En fait, cette �tude est la nature multi-t�ches de probl�mes de collaboration en 2018 a d�j� �t� fait, il est l'un des repr�sentants du meilleur article CVPR 2018, ce travail �tudie la relation entre les 26 t�ches diff�rentes, et comment ils peuvent se soutenir mutuellement, r�duisant ainsi la n�cessit� pour les donn�es d'annotation.

Sur la base de l'analyse ci-dessus, les chercheurs croient que le monde de la montagne de la lumi�re, de la m�thodologie AI durant la derni�re d�cennie pour devenir de plus en plus forte, principalement ax�e sur les donn�es, mais la prochaine d�cennie ou plus, la connaissance et la f�d�ration de donn�es pilote deviendra le grand public . Bien s�r, ici la connaissance, se r�f�re non seulement � la connaissance que les humains peuvent comprendre, il pourrait �tre beaucoup au-del� de la compr�hension humaine � connaissance de la machine. �

3, cinq avis et recommandations

Dans la seconde moiti� du rapport, monde de montagne chercheur de lumi�re pour notre d�veloppement actuel de l'intelligence artificielle de, mettre en avant cinq id�es et propositions, comme suit:

1) Application de petits �carts AI

La Chine et les Etats-Unis (Europe) ne diff�re pas beaucoup de la recherche appliqu�e, mais nous sommes sur la profondeur utilis�s dans diverses industries (par exemple dans d'autres domaines de recherche) qui doit �tre fait. Par exemple, l'application de la grippe aviaire dans le domaine de l'information biologique, de nombreux patrimoine de l'Ouest, mais aussi p�n�trer dans l'apprentissage en profondeur beaucoup, et nos efforts dans ce besoin concerne rattraper son retard.

2) AI �cart entre la recherche fondamentale ne peut pas �tre sous-estim�

La Chine et les Etats-Unis (en Europe) � r�duire l'�cart, mais la Chine ne suffit pas d'acc�l�ration. Au cours de la derni�re d�cennie, la m�thode la plus repr�sentative est principalement de l'universit� am�ricaine et europ�enne ou d'une entreprise, je crains qu'il a besoin d'au moins un pied d'�galit� 5--10 ans ou plus. Notre probl�me est que le manque de recherche fondamentale sur le long terme cognitif, au moins, le manque de patience! Major p�riode d'�valuation des projets de recherche fondamentale est trop courte, ou m�me besoin d'itin�raire technique claire, les r�sultats de 2 ans. Cependant, la recherche fondamentale souvent � des r�sultats positifs non intentionnels, d�termin� � cultiver des fleurs ne pas ouvrir. � Profondeur r�seau de neurones convolutionnel (DCNN), par exemple, est un produit des ann�es 1980, apr�s pr�s de 20 ans ont commenc� � jouer le pouvoir.

3) d�ficit d'infrastructure AI est pas petite

Cela comprend trois aspects, � savoir le mat�riel, les logiciels et pi�ces intellectuelles.

L'investissement int�rieur dans la plate-forme mat�rielle sous-jacente est grande, mais il y a duplication, pas encore former une force commune, ne peut pas �tre pleinement efficace, en outre, que la base th�orique de la profondeur de l'apprentissage est faible, le nombre d'essai inefficace et erreur entra�nant ph�nom�ne de gaspillage d'�nergie est �galement pr�sent.

D'autre part, sur la base de la plate-forme logicielle en Chine n�cessit� d'am�liorer (par rapport � l'Am�rique du Nord derri�re au moins 4--8 ans), la profondeur du cadre traditionnel d'apprentissage sous-jacent (tensorflow, Pytorch, MxNet) principalement par la construction de la nation en Am�rique du Nord, 10 ans plus tard, ceux-ci peuvent �tre tout aussi � l'industrie des puces �lectroniques � d'aujourd'hui est devenu notre � cach� �, r�cemment, de nombreuses entreprises chinoises (Baidu, Huawei, vue d�gag�e, l'Universit� de Tsinghua, laboratoire Pengcheng ...) ont �t� lib�r�s ou d'�tre lib�r� open source cadre, capable de former une force souhait�e. Monde-Hill a sugg�r� que la plate-forme de recherche et de d�veloppement AI et des outils � faible seuil, nous devons saisir l'occasion le plus rapidement possible.

De plus, le monde de la montagne de la lumi�re a sugg�r� que nous mettons dans le syst�me sur la base des pi�ces intellectuelles � augmenter (y compris algorithme de base de recherche), le syst�me propos� de renforcer la base de recherche de pi�ces intellectuelles: du pass� centres existants et les centres de donn�es informatiques commencent, comment construire des algorithmes Center, du savoir centre est propos� d'�tablir un centre � centre de connaissances � national le plus t�t possible, y compris le centre de la connaissance humaine (+ connaissance universelle des connaissances de domaine) et la connaissance de la machine (algorithmes sophistiqu�s aI et mod�les), de sorte que les algorithmes aI ont �t� mis en uvre peut �tre comme l'eau, l'�lectricit�, comme l'acc�s au charbon, afin d'�viter beaucoup de duplication des efforts.

Tilt intensit� 4) la formation du personnel AI ne suffit pas

Malgr� la r�cente AI Tout le monde dit grand �cart de talent, mais en fait le nombre de professionnels dipl�m�s li�s � l'AI est encore insuffisante, le manque � gagner est maintenant repose principalement sur d'autres non-IA majors technologie IA active ou passive � la facilit�, ce n'est pas une solution permanente. Si le pays pense vraiment que l'intelligence artificielle est d'une orientation strat�gique, il devrait �tre plus enclin AI dans la formation du personnel, par exemple allouer davantage de places aux professionnels dipl�m�s AI.

5) la recherche doit encore optimiser leur positionnement

Ces derni�res ann�es, un ph�nom�ne que nous constatons, est l'affaire des universit�s, des coll�ges et des instituts aux entreprises. Les performances typiques est que les entreprises envoient des articles, des instituts de recherche et les universit�s font la technologie � court terme. La raison derri�re beaucoup, y compris la fa�on de la recherche fondamentale � long terme pour �valuer ce qui m�rite d'�tre explor�e, la culture des chapeaux a donn� naissance � beaucoup de recherches fast-food et ainsi de suite. R�cemment, le pays a �galement �t� propos� de briser les � quatre seulement �, mais plus est recommand� de ne pas adopter une � taille unique � mod�le de recherche et d'�valuation devrait �tre bas�e sur diff�rents domaines, diff�rentes personnes prennent diff�rents types de m�thodes d'�valuation. En outre, le soutien aux entreprises ax�es sur l'innovation technologiques aussi douteux, faire des affaires comme d'innovation, les universit�s et les instituts de recherche devraient faire genre d'innovation, pourrait avoir une classification plus pr�cise.

Lei Feng r�seau rapport�.

Route de la soie

Apprenez � conna�tre la Chine