中国科学院院士:印度MuSigma公司将企业分为以下三个等级

中国科学院院士、清华大学智能技术与系统国家重点实验室学术委员会名誉主任张钹

凤凰科技讯 11月3日,首届中国智慧谷大会暨人工智能与产业创新高峰论坛在江苏南京召开。中国科学院院士、清华大学智能技术与系统国家重点实验室学术委员会名誉主任张钹受邀致辞。

张钹院士在题为“人工智能技术产业化”的会议演讲中指出:

印度Mu Sigma公司将公司分为以下三个层次:一般公司的竞争力取决于专业知识;好的公司靠的是学习能力,而最好的公司靠的是学习的速度和很强的适应能力,人工智能技术会让企业实现学习速度和适应能力的大幅提升。

人工智能目前很火,主要是由于需求旺盛。第二和第三产业对人工智能都有需求。

计算机模仿人类理性思维、感知周围环境和实现动作(有时称为机器人)是人工智能研究的三大内容。

目前国内外正在研发的“无人驾驶汽车”都有不同程度的人参与,所以严格来说应该属于自动辅助驾驶。基于目前的人工智能技术,这种车辆有可能在短期内变得实用。对于真正无人值守的无人驾驶车辆,尤其是在开放环境(如繁忙的街道)行驶时,目前的人工智能技术仍然难以解决其面临的难题,因此此类车辆短期内难以实现实用化。

以下为张钹院士讲话实录:

各位领导、企业家、听众朋友们早上好,因为我的PPT做的比较早,所以应该写在清华大学智能技术与系统国家重点实验室。

为什么现在人工智能这么火,大家的热情这么高,我觉得一个重要的原因就是“需求”旺盛。无论是第一产业、第二产业还是第三产业,都有智能化的需求。

第二产业(制造业)和第三产业(服务业)对智能化的需求谈得很多。事实上,农业对智能的需求也很大。请记住,我国在 1980 年代刚刚进入人工智能领域。一些研究人员将农业作为一个重要的应用领域,开发了一些小型的农业专家系统,如施肥、育种等。由于制造业和服务业的需求讨论得比较多,我不再强调。总之,需求是一种驱动力,只有有了这种驱动力,人工智能才会寻求进一步的发展。

今天我说的不是需求,而是人工智能技术,以及人工智能可以为行业提供哪些有用的技术。

计算机很简单,每个人每天都在使用它们。计算机是一种什么样的机器?事实上,它是一台名副其实的“计算”机器。众所周知,传统的计算机应用主要表现在三个方面,即科学计算、传统数据处理和自动化。所有这些应用程序都使用计算机的一种能力——数值计算。为了发挥这种能力,需要建立数学模型,因此数学模型是此类计算的基础。那么什么是人工智能,人工智能在计算机应用方面有哪些突破?事实上,人工智能就是让计算机模仿人类的以下三个功能。

第一项是模仿理性思维,包括推理、决策和计划等,属于人类的高级智能,或称逻辑思维。第二项是模仿感知,对周围环境的感知,包括视觉、听觉、触觉等。第三项是模仿动作,包括人的手、脚等动物或机构的动作。通过这种模仿动作产生的机器通常被称为机器人。

计算机如何模拟理性思维?推理是理性思维的典型例子,我们将以此为例进行说明。推理可分为正向和反向。所谓正向推理,就是从原因到结果的推论,以医疗为例,即通过疾病来推演症状。逆向推理是从结果推断其原因,即从症状推断可能的疾病。类似的思维过程发生在我们日常的决策、设计和规划实践中,因此推理具有代表性。计算机需要什么样的计算模型才能理性思考?人工智能提出了以下模型:基于人类知识和经验的符号推理模型。然后计算机可以根据这个模型进行推理和思考。这种模型也可以称为启发式搜索模型、知识驱动模型、规则方法等。该模型及其相关方法形成了一套技术,统称为传统人工智能技术。这两项著名的标志性成果代表了迄今为止传统人工智能技术的应用水平。

发生的第一件事是 IBM 深蓝国际象棋程序击败了国际象棋冠军卡斯帕诺夫。国际象棋是完全信息下的决策过程,是一个两人决策(博弈)问题。A 和 B 博弈,双方轮流做决定,各自采取对自己最有利、对对方最不利的下一步行动。最后谁赢谁输?谁做出了正确的决定谁就赢了,或者谁做出了正确的决定总是赢了,所以下棋是一个典型的决策问题。因此,如果一个国际象棋程序可以击败国际冠军,这意味着计算机在具有完整信息的决策问题上可以做得和人类一样好,甚至更好。这里应该加上一个属性“完整信息”,也就是说,如果遇到未知或不确定的因素,尤其是突发事件,计算机的应对能力远不如人类。除了决策之外,其他的任务如设计、规划等,基本上都是“完全信息化”的决策。

我们现在说的智能制造,对大规模个性化生产有一个重要的要求,这需要企业快速满足不同用户的需求,这就需要面对大量复杂的数据进行快速的规划和决策。计算机的智能决策系统这就是它可以派上用场的地方。

第二个是IBM的系统在美国“Jeez-”智力竞赛中击败了两位前冠军。它是一个自然语言问答系统。在比赛中,首先需要了解主持人提出的问题,并在最短的时间内做出是否回答的判断。如果回答执行并且回答成功,则需要立即给出正确答案。. 系统击败了两位冠军,这意味着在某个领域,计算机问答系统可以达到甚至超过人类的水平。在问答游戏中,虽然题目五花八门,但范围有限,比如历史、地理、天文、娱乐、体育等等。

该系统的成功标志着人机交互迈上了一个新台阶。让我们来看看用户与网络交互的当前状态。第一级交互模式是基于关键词的检索,被搜狗、百度、谷歌等网络采用。这是最简单的交互方式,但是用户体验不是很好。因为网络返回的资料太多太复杂,既有相关的信息,也有很多不相关的信息。另一种交互方式是在线聊天机器人,比如微软的小冰。聊天比关键字搜索难一点,但比人机问答和对话容易得多。未来人机交互的发展方向是人机自然语言问答与对话。对话比问答稍微难一些,因为对话是有上下文的,而问答只是一问一答。我们实验室朱晓燕教授带领的课题组在人机问答方面也做了大量的研究工作。他们开发的问答系统得到了广泛的应用,得到了用户的好评。今天下午的论坛上就给大家介绍一下。

大数据的分析与应用是当前产业发展的重要方向。这里我将通过一个例子来介绍这方面的工作。这是我系李娟子教授和唐杰副教授的工作。这是一个面向国内外科技人才的网络平台。他们在互联网上收集大量科技文献和相关作者,以及作者的相关资料和报告,然后对大数据进行分析和整理,建立科技领域的研究人员网络。一个接触全球 36 亿研究人员信息的平台。这个平台非常有用。雇主,项目审稿人和文章审稿人可以使用它来寻找合适的候选人和专家。在下午的论坛上,张敏副教授还将介绍我们实验室在大数据分析方面所做的工作。

传统的专家系统利用专家的知识和经验,但专家知识稀缺、获取难、成本高。现在有大量数据,容易获得和获得人工智能与传统计算机程序的区别,但质量很差。目前,全球从事大数据分析的公司很多,但大多规模小,影响力不大。主要原因是这些公司缺乏对大数据的深入智能分析。比如一个部门想开发一个产品,希望了解这个产品的市场前景。任务交给了一家大数据分析公司。公司接到任务后,从网上搜集了一些资料,经过简单的整理分析,给出了咨询报告,但报告的内容和结论通常具有常识性和指导意义。不是很大,所以顾客非常有限。印度人于 2004 年创立了一家名为 Mu Sigma 的公司,该公司现在拥​​有 3,269 名员工,筹集了 2. 38 亿美元。他们雇佣的 3000 多名员工中,大部分是印度人,受过高等教育,拥有数学和计算机科学方面的各种人才,现在美国 500 强企业中有 140 家是长期用户。该公司受欢迎的关键在于其咨询质量。有一些情况,比如某公司某产品销量下降,请该公司帮忙寻找可能的原因和解决办法。经过大数据分析,沐西格不仅找到了原因,咨询公司还根据沐西格的建议进行了改进,销售额立即增加。可以看出,虽然大数据无处不在,但这些数据实际上对我们有用的却很少。关键在于如何从大数据中找到有用的东西。这是一项艰巨的任务,也是人工智能需要解决的任务,即大数据的深度挖掘。

我们来谈谈感知行为的模拟。知觉属于“知其然不知其故”的行为。比如人脸识别,我们知道张三,但是我们很难描述张三长什么样子。也就是说,我们无法用传统的编程方法来描述张三的脸。借助机器学习方法,学习和训练可以帮助我们解决此类问题。这部分解释了为什么机器学习和深度学习现在如此流行,因为它可以对感知行为进行计算机模拟。

下棋属于“知真知故”的问题。我们一般可以清楚地解释“马为什么以及如何移动”,“棋子为什么向前移动”等。但 Go 并非如此。大多数情况下,围棋高手都不知道他为什么会这样“移动”。过去我们一直在用类似象棋的方式来做围棋程序,结果最多只能达到业余水平。当我们在传统的蒙特卡洛树搜索模型中加入深度学习,不仅可以提升到专业水平人工智能与传统计算机程序的区别,还可以击败世界围棋冠军李世石。下面介绍机器学习在模式识别中的应用。首先是图像处理,包括物体检测、物体分类、物体识别、以及运动物体检测和跟踪。目前的水平是,给定数据库,对象分类可以达到或超过人类水平。我实验室在这方面的工作成果将由王盛金教授在下午的论坛上专门介绍。关于生物识别,包括人脸、指纹、掌纹、视网膜(虹膜)、DNA、签名、手势、按键行为等。这也是企业关注的技术,我们部门在这方面也有很多工作这片区域。其中,声纹识别就是利用语音来识别说话者。我系郑方教授在声纹研究和推广应用方面做了大量工作,取得了良好的效果。其实在声音信号处理方面,

有很多公司利用模式识别技术从事产业发展,但大多数产业规模较小。这里需要企业家的努力,把这样的企业做大做强。

最后,关于行为的模拟,这里所说的“动作”不仅包括人的手脚的动作,还包括动物和人工机器(如车辆、轮船)的动作。由于时间关系,我只能简单提一下。首先是大家耳熟能详的工业机器人。对我们来说,主要是突破,掌握关键技术。二是服务机器人,包括家庭服务、医疗、助老助残、教育娱乐等。尽管国内外企业都非常重视该领域企业的发展,但市场上的产品仍然很少。发展服务机器人的关键是解决可靠性和智能化问题。

最后说一下无人车的问题。目前国内外正在研发的“无人驾驶汽车”都有不同程度的人参与,所以严格来说应该属于自动辅助驾驶。基于目前的人工智能技术,这种车辆有可能在短期内变得实用。对于真正无人值守的无人驾驶车辆,尤其是在开放环境中行驶(如繁忙的街道),目前的人工智能技术仍然难以解决其面临的难题,因此短期内难以实现实用化。由于大众对“无人驾驶汽车”的认知是“完全无人值守”的全自动汽车,为避免误导,

就是这样,谢谢大家!

文章来源:http://www.techweb.com.cn/news/2016-12-21/2459444.shtml

------本页内容已结束,喜欢请分享------

感谢您的来访,获取更多精彩文章请收藏本站。

© 版权声明
THE END
喜欢就支持一下吧
点赞9 分享
评论 抢沙发
头像
欢迎您留下宝贵的见解!
提交
头像

昵称

取消
昵称表情代码图片

    暂无评论内容