位置:编程技术网 > 架构设计 > 正文 >

人工智能成高考热搜第一的专业,问题来了:AI取代人类还远吗?

2020年07月30日 02:13来源:未知手机版

菲律宾国土面积,赵雅淇 林丹,郭炎

人工智能成高考热搜第一的专业,问题来了:AI取代人类还远吗? 2020-07-29 02:33:22 算法与数学之美 >高考结束已经有差不多一周的时间了,在等待成绩的现在,报考志愿也要正式被提上日程啦!

数据显示,2020年十大热搜专业为人工智能、机器人工程、电子商务、物联网工程等。可见,人工智能已经成为当下潮流。有人在社交媒体上提出疑问:人工智能是否会淘汰大量劳动力?人工智能取代人类的日子还会远吗?

上述情况距离真正实现的日子或许还有相当长的一段时间。并且实际上,相比现有的人工智能系统,人脑在识别物体时一学就会,功耗还很低,而人工智能的进化方向之一也正是学习人脑,被称为“类脑研究”。接下来,这可以自动化所研究员、模式识别国家重点实验室副主任余山将在采访中为你解答什么是“类脑研究”。

如果你正在犹豫未来专业的选择,也不妨预先了解一下人工智能这一有趣的方向吧!

为何人脑在识别物体时一学就会?

Q:为何当前的人工智能功耗非常高,而人脑功耗却只有20瓦左右?现在是否有何解决思路或方法?

余山:一个重要原因是,当前的计算机硬件结构是冯诺依曼架构,存在计算单元和存贮单元的分离,计算时需要在这两个单元间频繁移动大量的数据,造成能耗上升。而人脑中的神经网络并不存在计算单元和存贮单元的分离,是一个“存算一体”的结构,这大大降低了能耗。现在有一些新的硬件设计,比如神经形态芯片,借鉴了人脑的“存算一体”结构,就在这一方向上取得了积极的进展。

>Q:为什么人工智能需要被输入大量的数据,进行不断的训练,才能识别物体或者声音等等,而人脑却在大多时候一学就会,且更加先进?

余山:因为人工智能在大部分情况下是从头开始学习,而人脑在面临一个新问题的时候,已经具有了非常庞大的知识储备,或称为先验知识,这些知识一类是我们的祖先在漫长的进化岁月中通过大量的数据学到的,编码在了人类的基因中,并在大脑的发育过程中转化为神经网络的结构,另一类则是我们在个体成长的过程中不断积累获得的。

这两类知识构成了强有力的“归纳偏置”(inductive bias)——当遭遇从未遇到的情况时,大脑会根据此前获得的知识作出一些假设,使得后续的学习能力大大加快。比如人脑有关于三维空间的知识,可以从一个平面照片中恢复其三维结构;有强大的记忆和联想能力,能从图片联想到某类物体的用途,以及以前接触类似物体的经历等等,这些先验知识是人脑在面临新类别学习时所具有的优势,也对于类脑计算有重要的启发。

另外,目前神经网络训练大多是被动地接收单一维度的信息,比如就看某个角度的图片。而人类学习新的类别往往是一个主动参与的过程,可以从不同角度观察,可以感觉质地、重量、听到敲打它的声音,等等。这样的互动形式能获取更加丰富的多模态的输入信息,从而加快学习。

>Q:你曾研究发现,由于缺乏连续学习能力和情境依赖学习能力,深度神经网络与大脑相比存在很大差距,请问为何深度神经网络会难以在学习新知识的同时保留旧知识,而人脑却不会出现这种情况?

余山:神经网络学习到的知识是分布式地保存在网络权重中。在学习新任务时,需要进行网络权重的调整,这个过程可能“抹去”原来学会的知识,就会出现“灾难性遗忘”问题。

人脑则可能有一系列的办法来缓解这个问题。比如神经科学家通过实验发现,人类学习一个任务后,对于这个任务比较重要的权重会被“保护”起来,后续学习不再进行调整。另外,大脑可能记住了旧任务的训练样本,可以通过“复习”来克服遗忘。这些机制曾启发了一系列的连续学习算法。但是我们目前对于大脑克服“灾难性遗忘”的机制了解才刚刚开始,还有很多未知。

本文地址:http://www.reviewcode.cn/jiagousheji/161071.html 转载请注明出处!

今日热点资讯