Lei Feng réseau par AI Technology Review: 15 Novembre "Sommet mondial Education AI + Chi adapter," Hôtel Kerry Center à Pékin grande ouverture du sommet Lei Feng net Yi écureuils éducation AI, ainsi que l'IEEE (Institute of Electrical and Electronics) par le La formation des ingénieurs et des normes d'enseignement d'adaptation groupe de travail co-parrainé, mis l'équipe ensemble top à la maison et à l'étranger.
AI Chi adapter l'apprentissage et la recherche est l'un des trois royaumes plus haut degré de sujet de préoccupation. Le sommet invité à l'Académie des hôpitaux américains, la machine doyen d'apprentissage Michael Jordan, reconnu dans le monde entier comme le père de Tom Mitchell de la machine d'apprentissage, (SRI) SRI International Vice-président Robert Pearlstein, des programmes d'apprentissage groupe d'agences d'examen d'entrée ACT chercheur scientifique principal Université américaine Michael yudelson et d'autres grands savants.
Le matin du principal forum de l'Assemblée générale, Michael Jordan a prononcé un discours « principes d'intelligence artificielle de l'homme centrés sur: calcul, statistiques et de l'économie. » Ce qui suit est le contenu de son discours, Lei Feng réseau AI Technology Review finition.
Michael Jordan: Bonjour tout le monde, très heureux d'être ici, je suis très intéressé par le thème de l'éducation. Je suis à la fois un chercheur, mais aussi un éducateur, toute ma carrière à travailler comme professeur, mais je suis aussi un étudiant, très heureux d'avoir cette occasion d'apprendre avec tout le monde.
AI et l'apprentissage
Nous sommes maintenant apprendre à utiliser un grand nombre de données et méthodes facilitent l'apprentissage, c'est un très bon âge. Aujourd'hui, je vais parler de l'IA et l'apprentissage se complètent mutuellement, nous avons parlé de l'IA favorisent l'apprentissage, ce qui est l'IA? Nous pouvons éduquer Amnesty International? AI peut maintenant ne pas être notion très claire, et est en train de changer encore, il y aura beaucoup de changements Au cours des prochaines décennies, comment devrions-nous éduquer, comment une meilleure éducation dans une ère de développement rapide de la grippe aviaire?
En parlant de la grippe aviaire, je pense que nous ne voulons pas reproduire l'intelligence humaine ou la sagesse, mais d'établir un nouveau système de renseignement.
apprentissage moissonneuses-batteuses de la machine et des algorithmes statistiques, la science des données introduit également la base de données et les systèmes distribués, l'apprentissage de la machine et les données sont plus vulnérables que les chercheurs scientifiques de tous âges. Pouvez-vous donner un concept économique, nous avons tout mis ensemble.
Parlez de nouvelles technologies et d'autres disciplines, y compris la prise de décision, les données, le raisonnement humain. Les données seront au centre, qui comprendra une variété de différentes disciplines, telles que le génie civil, le génie chimique.
« L'apprentissage de la machine », « données scientifiques », « intelligence artificielle » sont quelques-uns des concepts liés aux systèmes informatiques, basée sur les données. Différentes étapes ont différents chercheurs ont des méthodes différentes, mais la clé doit analyser les données.
Comment l'évolution de la science informatique? Tout d'abord, nous devons disposer de données, comment les données peuvent être étendues et l'analyse, nous discutons maintenant l'IA est souvent négligé les facteurs économiques. Les différents éléments liés institutions, de façon à avoir de meilleurs résultats grâce à une interaction.
Maintenant, dans le monde de la grippe aviaire, nous n'avons pas discuté beaucoup de contenu dans ce domaine, plus susceptibles de mimer les aspects humains, économiques seront ignorés.
Amnesty International a été utilisé à bien des égards, et maintenant le concept plus traditionnel de l'IA est à l'homme mimétique. Surhumaine AI maintenant nous avons un long chemin à parcourir et n'a pas comparu. Au cours des 40 dernières années est que se passe réellement des améliorations intelligentes, y compris le traitement des données, l'analyse des données et des systèmes de recommandation.
Je pense que nous voulons construire des systèmes d'intelligence artificielle, l'intelligence artificielle et est donc de ne pas remplacer les humains, mais pour nous donner une nouvelle façon de devenir plus intelligent.
Au cours des dernières décennies, y compris aujourd'hui, a été le développement d'une infrastructure intelligente, y compris les données mobiles, nous interagir et de l'équipement. Nous avons un espoir, nous voulons être compris par le dispositif, mais voulons aussi comprendre les autres. Maintenant, nous devons avoir cette compréhension, mais aussi de faire des compromis.
Je veux dire au sujet de la défis nous font maintenant face, en fait, ce qui est plus sur le contenu de la prise de décision, l'incertitude de prise de décision. Il neuroscience, le système nerveux, nous allons utiliser l'AI une telle étiquette, mais en fait ne suffit pas, nous devons prendre de bonnes décisions.
Connaître la prise de décision? Ce sera beaucoup d'incertitude, et nous considérons également plusieurs décisions. Un par un humain peut prendre des décisions différentes, la machine peut faire beaucoup de décisions en même temps, par exemple, des gouttes, Uber, peut toutes les heures où faire beaucoup de décisions pour permettre à différents conducteurs de prendre des passagers différents, tels certaines décisions sont reliés entre eux, les humains ne sont pas très bon en même temps de prendre des décisions.
Il y a deux questions très importantes et connexes, comment pouvons-nous éduquons l'intelligence artificielle traditionnelle, des améliorations intelligentes et de nouvelles infrastructures intelligentes. Ici, l'intégration des disciplines différentes. La deuxième question est de savoir comment pouvons-nous utiliser ces concepts pour enseigner? Ces deux questions sont liées, j'ai présenté la première question. Parce que je sais que beaucoup d'autres conférences se concentrera sur la deuxième question, de sorte que les deux problèmes peuvent être résolus.
Comment éduquer l'intelligence artificielle traditionnelle, des améliorations intelligentes et de nouvelles infrastructures intelligentes
tout ce que je souhaite d'abord dire au sujet de mon travail à Berkeley, nous avons un « données 8 » bien sûr, être reliés entre eux la pensée informatique et de la pensée de raisonnement. La première édition de mes collègues enseignent cette leçon, il y a trois ans. Maintenant, je suis aussi un professeur de ce cours, ce cours est sur la base des données scientifiques, il sera lié à l'informatique et des statistiques, l'apprentissage machine tout de même, mais à une gamme plus large que l'apprentissage de la machine.
Nous enseignons étudiants de première année, ils ont juste quand l'école sera sur un tel cours, alors il n'y aura pas d'enseignement, mais sera l'enseignement des algorithmes informatiques et la programmation. Nous enseignerons chaque semestre à Berkeley, en Californie, plus d'un millier d'étudiants, alors il y aura une croissance très rapide, et maintenant ce programme, vous pouvez télécharger gratuitement sur Internet.
Notre premier tour des cours sont très populaires, les garçons et les filles, avec plusieurs élèves de différentes origines. Dans ce domaine des données scientifiques maintenant, nous voulons avoir un certain talent, vous pouvez faire des données et faire des calculs. Avant que les scientifiques, ils diront, nous devrions apprendre une technologie informatique, je pense que c'est un petit point de vue étroit d'esprit, nous ne devrions pas seulement apprendre la programmation, vous devez apprendre des compétences informatiques de base et les capacités statistiques. Nous utiliserons ces idées d'échantillonnage et de ré-échantillonnage à partir des statistiques, qui les mettent dans l'ordinateur.
Je suis un statisticien, je suis personnellement intéressé par cette idée, nous devons trouver caché derrière les données est en fait beaucoup de choses. Nous avons d'abord besoin de savoir où les données proviennent, nous voulons récupérer des données réelles derrière la source, qui est dans le monde de la science informatique, j'appris quelque chose.
Comment devrions-nous le faire? Non seulement à la programmation d'apprentissage, les statistiques, et parfois nous avons mis les deux ensemble, la pensée et la pensée informatique raisonnement est un partenaire puissant.
Donnez-vous quelques exemples, dans l'industrie informatique, que nous avons tendance à faire des tests A / B, certains étudiants en sciences informatiques ne feront pas ces tests, en ce qui concerne les statistiques. Test A / B Qu'est-ce? Il compare les deux cas. Par exemple, il y a deux colonnes, chaque colonne est de 10.000 étudiants, le groupe témoin et le groupe expérimental, en plus des visites de visites avant et après les pages Web ont été comparés. Il y a beaucoup de problèmes dans ce processus.
Nous donnons les pages pour faire quelques changements, puis faire un peu de traitement pour le groupe expérimental, qui concerne les statistiques modernes.
Cette méthode est à la fin quel est-il? Il sont expliqués en détail dans ce PPT.
Bien sûr, certaines personnes trouveront ce test plus ennuyeux, mais dans le processus, vous pouvez vous enseigner des connaissances, afin que les élèves seront plus intéressés. Dans le processus, ils apprendront les mathématiques, et dans le processus obtenir beaucoup de données réelles que les gens se sentent très excités.
Je vais vous donner quelques exemples, nous avons fait beaucoup de projets, bien sûr, personnellement, je ne pense pas que ce soit assez des programmes informatiques standards, ils sont très populaires aux États-Unis. Nous savons que nous traitons les données à être très prudent, surtout en ce qui concerne les questions de confidentialité. Parfois, nous donnons les données sont cryptées, par exemple, nous voulons gérer le compromis entre la protection des données et l'utilisation des données, il y aura différentiel de la vie privée de manière quantitative, c'est une technologie relativement nouvelle.
Nous voulons d'abord traiter les données, plutôt que juste derrière les données minières à la fin ce oui. Par exemple, les données de la banque comprend le nom de la personne et où ils vivent, avant des données médicales nous avons les bases de données pertinentes, y compris l'âge de la personne, l'espérance de vie et ce qu'ils genre de traitement pour obtenir à quel moment, nous voulons la confidentialité des données de ce patient de.
Nous pouvons faire une requête dans la population qui, après enquête, nous serons en mesure d'obtenir les données, ce qui est souvent les statisticiens. Nous voulons nous assurer que non seulement les données commerciales pertinentes et d'assurer la confidentialité des données, ce qui est des aspects statistiques et informatiques du programme, l'utilisation des données tout en assurant la confidentialité des données.
Lorsque nous enseignons ces idées, ces idées passeront avec le programme, nous constatons qu'il y aura des similitudes dans les différents projets. Aux États-Unis, il y aura un jury, ils ont tendance à prélever des échantillons au hasard des résidents, nous pouvons voir que le rapport du jury dans différents groupes ethniques ou entre les hommes et les femmes ne sont pas les mêmes que le nombre et la proportion du total, ce test A / B sont les mêmes, les étudiants vous trouverez ce test très intéressant, car ils peuvent être sélectionnés par un jury composé de test a / B façon, ce qui aura une incidence sur l'élaboration des politiques. Il paroles classées, la musique est à la fin d'un hip-hop ou la musique country, qui est également associée à des tests A / B.
En plus du programme de base sera un certain nombre de « personne rattachée » bien sûr, ce qui est les données dans un domaine particulier de la science, comme la sociologie ou de la génétique et ainsi de suite. Quelques exemples de « personne rattachée » comprennent bien sûr « villes intelligentes des données scientifiques », « données et de la pensée scientifique », « l'exploration de données géographiques », « Histoire comment calculer » et ainsi de suite.
Nous devons enseigner quelques-unes des idées de base, mais aussi la coopération interdisciplinaire. Les données abordera de nombreuses disciplines scientifiques, en particulier, se concentrera sur l'intelligence artificielle.
La combinaison de la grippe aviaire et l'économie
L'intelligence artificielle à la fin est quoi? L'ordinateur est pas assez intelligent, ils suffit d'utiliser les données à l'intelligence humaine mimétique. Nous devons devenir plus intelligent ordinateur, laissez l'ordinateur pour simuler le cerveau humain, qui est l'IA actuelle faire certaines choses, mais je pense que ce n'est pas le principal objectif de la grippe aviaire. Il y a aussi d'autres systèmes d'intelligence artificielle.
Quel est le concept de l'intelligence artificielle à la fin est? L'intelligence humaine est certainement un dans intelligent. Par exemple, il y a beaucoup de restaurants à Pékin, nous allons entrer beaucoup de nourriture par jour, 365 jours par an. Dans le processus d'achat d'aliments là-bas pour faire beaucoup de décisions, telles que le type de légumes d'achat, de la viande, etc., ont besoin d'avoir beaucoup d'investissement intelligent pour prendre de telles décisions. À simuler l'intelligence humaine est encore très difficile, mais nous pouvons simuler le système économique, le système économique en fait est très intelligent, donc l'économie sera en mesure d'appliquer la théorie dans l'ordinateur.
Maintenant obtenir beaucoup de données informatiques, de créer un nouveau marché, mais dans la plupart des cas, est de donner les services, cela peut avoir une meilleure publicité et le marketing, pour faire plus d'argent. Les moteurs de recherche futurs créer un nouveau marché, afin que les gens auront une plus grande volonté de participer, d'obtenir une plus grande valeur.
Permettez-moi de vous donner un exemple de la créativité humaine, en fait, pas encore entré sur le marché. Maintenant, de plus en plus de gens faire de la musique et les mettre sur le site tels que SoundCloud, maintenant il y a de plus en plus de gens écoutent de la musique, les vraies règles du marché devraient faire la musique et les gens qui écoutent de la musique liens économiques qui existent entre, mais maintenant il n'y a pas de lien, cette connexion devrait être en mesure de créer une certaine valeur.
Comment pouvons-nous le faire? Nous pouvons construire un marché. Après la première prise de la musique pour les gens, nous pouvons faire un tableau de bord laisser leur savoir où l'auditoire, avec ces données, vous pouvez utiliser ces données pour permettre aux musiciens de jouer dans un endroit où le public. Les musiciens peuvent alors offrir de fournir leurs fans, tels que les fans chantent au mariage. En tant que producteurs de lien et les consommateurs, il va générer plus de revenus. Mais on n'a pas mis les producteurs et les consommateurs de lien.
Je crois non seulement dans la musique, dans beaucoup d'autres domaines, comme les services personnels, les services d'information aussi bien.
Enfin, plus de quelques minutes avec vous parler du processus de prise de décision, n'a pas participé à l'économie en cours d'un tel, mais dans différentes personnes prennent des décisions différentes. Il y a un tel processus de recommandation classique, comme Amazon ou Alibaba recommander le film à tout le monde, et maintenant deux personnes ou deux mille recommande personnellement le même film, vous vous sentez qu'il ya quelque chose de mal? Pas de problème. Si le même livre que je recommande à vingt mille personnes, voire 20 millions de personnes, je pense que ce livre est un bon livre, il y a un problème? Vous ne pouvez pas avoir un problème.
Mais quand le manger? Si le système m'a recommandé que je veux manger la nourriture, plutôt que le même restaurant ou même recommander à 100 personnes 1000 personnes, est le processus de personnalisation. En dehors de l'aéroport, si vous le recommander à tous les pilotes une certaine façon, si nous voulons aller dans cette voie, il aura des embouteillages. Recommandé pour tout le monde avec un stock, il peut causer des problèmes sur le marché boursier.
Certains de ces principes peuvent être appliqués sur les aspects économiques de ces dernières années, j'étudie l'application de ces principes.
J'espère que vous pensez que je suis rapport d'un tel est très intéressant, je dois maintenant effectuer Résumé: AI et de l'éducation liées? AI est en train de changer vraiment tout, en changeant les données, en changeant la façon dont nous vivons, mais nous ne devrions pas utiliser uniquement les méthodes traditionnelles, nous pouvons avoir une nouvelle approche, une nouvelle IA, je pense que c'est ce que nous devrions penser au problème Merci.
