想让人工智能更“聪明”大数据还得深加工

当前，以深度学习为代表的人工智能技术曾经运用到各个行业。驱动人工智能技术蓬勃发展的是各行各业积累的大数据。可以说，正是在大数据的“喂养”下，人工智能技术才真正茁壮长大。

但是，在近日召开的香山迷信会议第667次学术讨论会上，与会专家指出，大数据的“红利”效应正在逐渐减弱，人工智能技术的单点打破难以持续支撑行业发展，亟须在数据迷信和计算智能方面打破一些关键核心技术。

主流AI算法未充分思索大数据复杂性

人们常常用海量性、多样性、高速以及价值密度低来描画大数据的特点。但真实的大数据往往愈加复杂，比如具有不完全性、不确定性、动态性、关联性等特点。反观经典的人工智能算法，它们对数据的假设往往过于简单。比如，假设数据是静态的，产生于独立同分布的采样过程；训练数据是牢靠的、数据所承载的信息是完全的等。

“数据的真实复杂性和算法的简单假设之间存在着宏大鸿沟，这使得经典智能算法在很多复杂义务上表现欠佳，亟待进一步的研讨和探求。”会议执行主席之一、中国迷信院院士梅宏强调，大数据是人工智能获得成功的物质基础，但目前主流的人工智能算法并未充分思索大数据本身的复杂性。

从计算和通讯范畴看，大数据与人工智能技术在大规模工程化运用方面获得了长足提高。但是，大数据处理的技术提高次要体如今：以软硬件垂直优化和体系重构的极端化方式来顺应数据规模、传输带宽和处理速度的提升，研讨人员对大数据固有的非确定性和复杂性尚没有深入看法；与此同时，人工智能技术也面临鲁棒性、可解释性和复杂系统认知瓶颈等应战。

梅宏进一步指出，当前数据智能存在低效、不通用以及不透明三大成绩。“如今的数据智能就像工业革命前的‘蒸汽机原型’一样，低效而昂贵；它只能针对不同运用定制不同模型，难以建立通用模型。”梅宏说，更重要的是，当前并没有对数据智能构成深入看法，只是知其然，而不知其所以然。

人机交融或可补偿数据自动推理弱点

在中国迷信院自动化研讨所研讨员陶建华看来，虽然当后人工智能在数据自动推理中依然面临很多技术难点，但是人机交融的推理方式可以有效地补偿这些弱点。人机交融推理着重于研讨一种由人和机器互相协作下的新的推理形式，包含“机器懂人”和“人懂机器”两方面的含义。

对人的推理思想的了解是“机器懂人”的关键。其核心成绩是如何构建可以反映人推理过程的思想方式化计算方法。该方法将人的推理思想方式化描画、概率推理、构建知识图谱，以及与理想场景的信息停止无机交融，从而可以将人的推理过程有效的输入到机器中，并与机器的推理网络停止结合。

此外，处理“人懂机器”成绩将有助于人对机器智能辅助加强。机器推理过程的可解释性，对于构建人机交融的推理过程尤为关键。过程可解释的机器推理方法提供了处理成绩的新方法，适当的扩展流程，并最大限制地减少人为错误的机会，可以协助人类和机器协同做出更为准确和迅速的推理与判别。

微软亚洲研讨院副院长刘铁岩结合他们的实践工作举例道：“我们在深度强化学习的基础上，应用‘完美教练’技术来处理信息的不完全和不确定性，从而很好地处理了麻将这一复杂的博弈成绩。我们的算法在2019年3月登陆知名的竞技麻将平台，经过5000局的鏖战，成功晋级十段，其波动段位分明超越人类顶级选手，成为首个超人麻将AI。”这是在处理数据不完全性和不确定性方面做出的有益尝试。

刘铁岩指出，大数据特性在不断演化，且愈发复杂。新型智能算法需求针对数据特点有的放矢地处理成绩，这样才能填补数据与算法间的鸿沟，使人工智能绽放更多的价值。




来源：科技日报

欢迎关注中国社会迷信网微信公众号 cssn_cn，获取更多学术资讯。

我也来顶一下..

广告位，，坐下看看

支持，楼下的跟上哈~