杨强教授出席2016全球人工智能技术大会并作演讲

2016.4.22

杨强教授出席2016全球人工智能技术大会并作演讲

2016年4月22日,由人工智能学会发起的2016全球人工智能技术大会暨人工智能60周年纪念活动启动仪式,在北京国家会议中心召开。香港科技大学教授、第四范式首席科学家杨强出席会议并发表主题演讲“自学习的人工智能”,与老中青三代人工智能科技工作者一起,共同探讨人工智能的未来发展。

杨强教授为大家简单梳理了人工智能的发展脉络:前人假设智能是来自一些物理符号的排列组合,后来的成就发现了这一假设的瓶颈,人们开始研究有学习能力的人工智能,不同的机器学习算法被研究出来,人造神经网络产生;人工智能第一个公认的里程碑是IBM“深蓝”对阵国际象棋棋手卡斯帕洛,这意味着我们确实可以从排列组合和大规模搜索获得很多的智能;第二个里程碑是互联网和大数据时代的到来,使得海量的数据通过沉淀变成知识,从而令机器赢得比赛;第三个里程碑是深度神经网络,它把全局计算的需求缩小到局部,帮助强化学习突破了很多发展瓶颈、能够大规模地应付数据,也产生了端到端的学习;下一个里程碑即强化学习,端到端的深度学习应用到强化学习上,让计算机在一些游戏上能够完全击败人类。这完全是通过自学习实现的,通过自我修炼与迭代,每一款游戏的效果都在不断成长。现在的阿尔法狗也应用了很多自学习的效果,它让我们终于认清机器学习是必不可少的。

然而,完全依靠机器全自动化的自学习,会出现自我偏差,不加筛选的知识积累会产生相互矛盾的知识。迁移学习可以消除这种偏差,是人工智能下一个研究的方向。迁移学习是在深度学习的模型上,将一个领域已训练好的模型应用到一个新的关联领域,使得新领域的学习加快。不同形式之间的数据迁移令机器学习更像人类学习,如读过图像的机器更容易学习语言。同时深度模型还能反转为生成模型,不仅对数据做决策,还产生新的数据。深度学习能够在亿万数据中自动对特征进行选取,智能在这样的级别上才得以产生。

杨强教授表示,不仅在机器人、图像识别上,实际上在日常生活中,人工智能已经深入。他的学生戴文渊所建立的创业公司第四范式,可以将过去对待重要客户的金融需求扩展到几百万人的需求,背后的技术就是机器学习。在未来,培养更多人工智能人才,来设计算法,为大数据的发展开疆拓土;把大数据得到的模型迁移到小数据上,使千千万万人都能受益,是我们应该努力的两个方向。