目前人工智能發(fā)展現(xiàn)狀介紹
2017年人類在人工智能與機(jī)器學(xué)習(xí)領(lǐng)域取得了很多重大突破，而2018年可能會走得更遠(yuǎn)。有人預(yù)測，2018年的人工智能將會呈更大的發(fā)展趨勢。下面是學(xué)習(xí)啦小編為你整理的目前人工智能發(fā)展現(xiàn)狀，供大家閱覽!
目前人工智能發(fā)展現(xiàn)狀：正性強(qiáng)化
2016年初，AlphaGo在圍棋領(lǐng)域大殺特殺，接連戰(zhàn)勝包括李世石在內(nèi)的頂尖人類高手;而在2017年1月，AlphaGo又化身為Master取得了60勝0負(fù)的驚人戰(zhàn)績。這是人工智能領(lǐng)域的一個里程碑，對于“深度增強(qiáng)學(xué)習(xí)”技術(shù)來說更是意義重大。
動物會通過某些行為產(chǎn)生的積極或者消極結(jié)果來進(jìn)行學(xué)習(xí)、判斷，而人工智能的“深度增強(qiáng)學(xué)習(xí)”正是從這種方式中借鑒了靈感。電子計(jì)算機(jī)可以通過不斷嘗試錯誤方向來得出正確的方向，從而輕而易舉地在迷宮中導(dǎo)航。使用深度學(xué)習(xí)的方法，機(jī)器學(xué)習(xí)不再像過去一樣依賴大量的指令與復(fù)雜的模型。
其實(shí)“深度學(xué)習(xí)”的理論在10年前就出現(xiàn)了，將其整合到大型(或深度)神經(jīng)網(wǎng)絡(luò)以提供能量來解決復(fù)雜問題的嘗試一直在進(jìn)行。就像AlphaGo一樣，經(jīng)過不斷地試驗(yàn)與數(shù)據(jù)分析，它可以以專家級水平與人類進(jìn)行對弈。
更大的希望在于，增強(qiáng)學(xué)習(xí)已經(jīng)被證明可以應(yīng)用到現(xiàn)實(shí)世界的許多場景。最近出現(xiàn)的幾個模擬場景顯示，可以通過增強(qiáng)計(jì)算機(jī)學(xué)習(xí)的能力來促進(jìn)相關(guān)算法的進(jìn)步。
在2017年，我們有望見證“增強(qiáng)學(xué)習(xí)”被應(yīng)用到自動駕駛汽車、工業(yè)機(jī)器人等領(lǐng)域。而谷歌已經(jīng)在嘗試使用深度學(xué)習(xí)來使其數(shù)據(jù)中心更加高效。不過，深度學(xué)習(xí)這種方法還處于試驗(yàn)階段，依然需要花費(fèi)大量時間來模擬和學(xué)習(xí)。
目前人工智能發(fā)展現(xiàn)狀：生成式對抗性網(wǎng)絡(luò)
最近在巴塞羅納舉辦的關(guān)于神經(jīng)信息處理系統(tǒng)的人工智能學(xué)術(shù)會議上，一種叫做生成式對抗性網(wǎng)絡(luò)(generative adversarial networks)的理論引起了廣泛關(guān)注，這一理論是由OpenAI的研究學(xué)者Ian Goodfellow提出。生成式對抗性網(wǎng)絡(luò)由兩套網(wǎng)絡(luò)構(gòu)成，一套通過訓(xùn)練學(xué)習(xí)來產(chǎn)生新數(shù)據(jù)，另一套則負(fù)責(zé)分辨正確數(shù)據(jù)與錯誤數(shù)據(jù)。
通過這兩套網(wǎng)絡(luò)的協(xié)同運(yùn)作，可以產(chǎn)生非常接近真實(shí)的綜合數(shù)據(jù)。這一理論能夠被應(yīng)用到生成電子游戲場景、解析馬賽克或者是豐富電腦生成樣式等領(lǐng)域。
機(jī)器學(xué)習(xí)領(lǐng)域權(quán)威專家YoshuaBengio在NIPS會議(神經(jīng)計(jì)算方面最好的會議之一, NIPS主辦, 每年12月舉行)上表示，這種生成式對抗網(wǎng)絡(luò)非常具有開創(chuàng)性，它能為電子計(jì)算機(jī)提供更加高效的學(xué)習(xí)方法，而計(jì)算機(jī)通過不斷學(xué)習(xí)非標(biāo)簽性數(shù)據(jù)將變得智能化程度更高。
目前人工智能發(fā)展現(xiàn)狀：中國人工智能領(lǐng)域的崛起
2017年將是中國開始在世界人工智能領(lǐng)域嶄露頭角的一年。中國不再照搬外國公司的人工智能技術(shù)，轉(zhuǎn)而開始將人工智能和機(jī)器學(xué)習(xí)視作下一個創(chuàng)新領(lǐng)域。
中國搜索引擎巨頭百度已經(jīng)建立了專注于人工智能研究的研究所，并在語音識別、自然語言處理和優(yōu)化廣告業(yè)務(wù)等方面取得了很多進(jìn)步。除了百度，還有不少公司正在迎頭趕上，騰訊也在去年成立了人工智能實(shí)驗(yàn)室，并在國內(nèi)外大力招募人工智能領(lǐng)域的專家。而滴滴也有自己的研究院，并被報(bào)道在無人駕駛汽車方面投入大量研究。
很多中國投資者將大量資金投給從事人工智能的初創(chuàng)公司，而中國政府也希望看到本國人工智能產(chǎn)業(yè)的繁榮，并承諾在2018年之前投入150億人民幣扶持開發(fā)和研究。
目前人工智能發(fā)展現(xiàn)狀：語言學(xué)習(xí)
對于許多人工智能領(lǐng)域研究者來說，語義學(xué)習(xí)是他們的下一個主要目標(biāo)。隨著技術(shù)的進(jìn)步，圖像識別和語音識別都取得了重大突破，而這將有利于計(jì)算機(jī)更加高效地理解和生成語言。
語言學(xué)習(xí)是人工智能領(lǐng)域的一個長遠(yuǎn)目標(biāo)，而計(jì)算機(jī)與人類使用語言進(jìn)行交互的前景非常樂觀。如果具有更好的語義理解能力，計(jì)算機(jī)機(jī)器將變得更加實(shí)用。不過，這方面也面臨很大的挑戰(zhàn)，畢竟語言是一個復(fù)雜、微妙而又強(qiáng)大的議題。
雖然人們暫時還不能與智能手機(jī)進(jìn)行深度而又有意義的交流，但在2017年，隨著人工智能研究的深入，這一領(lǐng)域?qū)錆M希望。
目前人工智能發(fā)展現(xiàn)狀：過度熱炒引發(fā)反感
2016年的人工智能領(lǐng)域確實(shí)取得了巨大的進(jìn)步和突破，許多人都看到了技術(shù)進(jìn)步帶來的價值。但不得不注意的一點(diǎn)是：圍繞人工智能的過量宣傳與追捧明顯有些失控了。
許多人工智能研究者對此有些忿忿不平。在NIPS會議期間，他們針對一家叫做Rocket AI的山寨人工智能公司舉行了一個聚會，以此來表達(dá)自己的不滿，這種不滿主要是人工智能領(lǐng)域存在的浮躁氛圍和弄虛作假情況。
期望越高，失望可能就越大。當(dāng)人工智能領(lǐng)域一直沒有取得重大突破時，失望的情緒就會蔓延，進(jìn)而導(dǎo)致投資蒸發(fā)，大量估值過高的初創(chuàng)公司倒閉。
2017年整個世界對于人工智能的關(guān)注度依然非常高，這可能會引起不少人對于這種過分追捧的反感，畢竟過猶不及，不少浮躁情緒籠罩在當(dāng)前人工智能領(lǐng)域。不過，這也不一定就是壞事，大量關(guān)注可能會促進(jìn)研究的進(jìn)步。
猜你喜歡：