Yapay zeka hizip savaşları tüm hızıyla devam ediyor: Olasılıksal programlama teknikleri tamamen sinir ağlarının yerini alabilir mi?
1 Xinzhiyuan raporu
Yapay zeka tek bir şey değildir, birkaç düşünce ekolünü kapsar. Pedro Domingos, "The Ultimate Algorithm" adlı monografisinde bunlardan yapay zeka kabileleri olarak bahsetti.
Washington Üniversitesi'ndeki bilgisayar bilimcisinin dediği gibi, her kabile görünüşte çok farklı teknolojileri benimsedi. Örneğin evrimciler, dijital dünyada doğal seleksiyonu yeniden üretebileceklerine inanırlar. Göstergebilimciler belirli bilgiyi kural olarak bilgisayar kuralına kodlarlar.
Şu anda, bağlantıcı tüm dikkatleri üzerine çekti. Google, Facebook ve Microsoft gibi şirketlere canlılık getiren derin sinir ağları ve örüntü tanıma sistemleri geliştirdiler. Ancak medya ne derse desin, diğer kabileler yine de yapay zekanın yükselişinde rollerini oynayacak.
Sembolistler felsefeye, mantığa ve psikolojiye daha fazla önem verirler ve öğrenmeyi tümdengelimin tersi olarak görürler; bağlantı uzmanları fizik ve sinirbilime odaklanır ve beynin ters mühendisliğine inanır; kimyaya girin , Adından da anlaşılacağı gibi, genetik ve evrimsel biyoloji temelinde sonuçlar çıkarın. Bayesliler istatistik ve olasılıklı muhakeme üzerine odaklanırlar; analojistler, benzerlik yargılarını çıkarmak için daha çok psikoloji ve matematiksel optimizasyona odaklanırlar.
Bayes okuluna ait olan ve bilimsel yöntemlerle yapay zeka oluşturmayı savunan Gamalon'un CEO'su ve kurucusu Ben Vigoda'yı ele alalım. Vigoda, Massachusetts Institute of Technology'den istatistiksel fizik ve makine öğrenimi alanlarında doktora derecesi aldı. Verileri özerk olarak analiz eden ve sonuç çıkaran bir sinir ağı kurmak yerine, kendisi ve ekibi olasılıklı programlamayı kullanmayı seçiyor.Program, kendi varsayımlarından bazılarına dayanıyor ve ardından verilerle sürekli olarak revize ediliyor. Onun start-up şirketi Darpa (Savunma İleri Araştırma Projeleri Ajansı) tarafından desteklendi ve bu sabah ortaya çıktı.
"Forbes", Bayesian Program Synthesis kullanarak sistemin kendi kodunu yazıp toplanan verileri yorumlamak için en iyi yöntemi kullanabileceğinden bahseden "Forbes", geleneksel makine öğrenimiyle karşılaştırıldığında daha az veri ve daha az eğitim hızı gerektirdiğini bildirdi. Daha hızlı.
Gamalon'un teknolojisi makine çevirisine uygulanabilir ve şirket ayrıca kurumsal düzeyde metin anlamsal çıkarma için araçlar geliştiriyor. Vigoda, olasılıklı programlamasının sinir ağlarından daha hızlı öğrenebilen ancak çok daha az veri gerektiren yapay zeka üretebileceğini iddia ediyor. "Öğrettiklerinizi dikkatlice seçebilirsiniz," dedi, "öğrettiklerinizi de düzenleyebilirsiniz."
Bazı insanların da belirttiği gibi, gerçekten insan gibi düşünen makineleri doğurmak için yöntem anahtardır. Sinir ağları çok büyük miktarlarda dikkatlice etiketlenmiş veri gerektirir ve bu her zaman mevcut değildir. Hatta Vigoda, teknolojisinin eninde sonunda tüm uygulamalarda sinir ağlarının yerini alacağı konusunda cesur iddialarda bulundu. "Bu çok açık." Dedi.
Daha önce, olasılık ve istatistiklere dayalı Bayes algoritmasının en yaygın uygulaması istenmeyen posta önleme işleviydi.Bayesian sınıflandırmasının işlemi, istenmeyen e-postaları ve istenmeyen e-postaları Bayesci çıkarımla ilişkilendirmek için etiketleri kullanmaktı. Mesajın spam olma olasılığı. E-postayı 10 yıldan fazla kullanırsanız, spam filtreleme sisteminin geliştiğini hissedebilmelisiniz. Bayes okulu, olasılıksal akıl yürütme çalışmalarına ve problemleri çözmek için Bayes teoreminin kullanımına odaklanır. Bayes okulu, "öncül" dedikleri bir inançla başlar. Daha sonra, bazı verileri toplarlar ve bu verilere göre öncekini güncellerler ve elde ettikleri sonuca "posterior" denir. Ardından, posteri işlemek ve a priori yapmak için daha fazla veri kullanırlar. Bu süreç, son cevabı almayı bilerek döngü yapmaya devam ediyor.
Los Angeles, California Üniversitesi Bilgisayar Bilimleri Bölümü'nden Judea Pearl, Bayes yöntemlerinin tanınmış araştırmacılarından biridir. Microsoft Genomics Group'un başkanı David Heckerman da tanınmış bir Bayes araştırmacısı ve Microsoft'un Outlook ve Hotmail posta sistemlerinde farklı veri madenciliği araçları ve spam filtreleme araçları geliştirmesine yardımcı oldu. Berkeley, California Üniversitesi'nden Michael Jordan da bu alanda önemli bir araştırmacıdır.
Ancak derin öğrenme yapay zekaya giden tek yol olmadığı gibi, olasılıksal programlama da değildir. Aynı şey Gauss yöntemi, evrimsel algoritma ve pekiştirmeli öğrenme için de geçerlidir.
Bazen AI kabileleri birbirleriyle kötü konuşurlar; bazen kendi teknolojilerini geliştirmek için başkalarını aşağı çekerler. Ancak gerçek şu ki, AI birçok teknolojinin birleşik gücünden doğacak. Rekabete rağmen herkes aynı hedef için çalışıyor.
Olasılıklı programlama, araştırmacıların makine öğrenimi algoritmalarını programcılar olarak oluşturmalarına olanak tanır. Ancak teknolojisinin gerçek avantajı, belirsizlikle başa çıkabilmesinde yatmaktadır. Bu, yapay zekanın daha az miktarda veri öğrenmesine izin verir ve ayrıca araştırmacıların yapay zekanın neden belirli belirli kararlar aldığını anlamalarına yardımcı olur ve bu kararlara katılmazlarsa, yapay zekayı ayarlamak daha kolaydır. İster insanlarla konuşmak ister sürücüsüz sürüş sırasında bir kazadan kaçınmak olsun, tüm bunlar gerçek AI için vazgeçilmezdir.
Ancak sinir ağları, görüntü ve konuşma tanımada değerlerini kanıtladı ve olasılıklı programlama gibi teknolojilerle rekabet etmek zorunda değiller. Aslında, Google geliştiricileri bu ikisini entegre eden bir sistem oluşturmak için çok çalışıyor. Her ikisinin de tamamlayıcı avantajları vardır. Columbia Üniversitesi'nde bilgisayar bilimcisi ve Gamalon için danışman olan David Blei, bu tür hibrit modellerin çalışmasına katıldı ve şunları söyledi: "Derin sinir ağları ve olasılık modelleri yakından ilişkilidir ve sinir ağlarında pek çok olasılıksal modelleme gerçekleşir."
En iyi yapay zeka, kaçınılmaz olarak birden çok teknolojiyi birleştirir. Google DeepMind Lab'ın çığır açan sistemi AlphaGo gibi. Sinir ağlarını, pekiştirmeli öğrenmeyi ve diğer teknolojileri birleştirir. Blei'nin gözünde, AI dünyasında kabile yoktur, ancak herkes aynı nihai algoritmayı takip etmektedir.
[AI Unicorn'u Arıyor] Xinzhiyuan, 10 büyük başkentle güçlerini birleştirdi
2017 Girişimcilik Yarışması'nı başlatın
AI Girişimcilik Yarışması, Xinzhiyuan ve 10 ana akım AI girişim sermayesi kuruluşundan oluşur: Blue Run Ventures, Sequoia Capital China Fund, Hillhouse Smart Artificial Intelligence Fund, Blue Lake Capital, Blue Elephant Capital, IDG Capital, Gaorong Capital, CITIC Jiantou Securities, Mingshi Capital ve Songhe Yuanwang Fund tarafından ortaklaşa başlatılan, Xinzhiyuan sponsorluğunda, Pekin Zhongguancun Bilim Parkı Yönetim Komitesi ve Zhongguancun Bilim Parkı Haidian Park Yönetim Komitesi tarafından desteklenen, AI teknoloji liderleri ve yatırım liderlerinin bir araya gelmesidir. Büyük olay. Xinzhiyuan, risk sermayesi kaynaklarıyla geleceğin iddialı AI tek boynuzlu atlarına bağlanmak için güçlü bir fırsat sunuyor ve en iyi risk sermayesi TS sizi bekliyor.
Orijinal metni okumak ve çevrimiçi başvuru formunu doldurmak için makalenin altına tıklayın. Seçime katılmak için kayıt formu gereklidir.
Daha fazla bilgiye sahipseniz (BP, vb.), Xzy100@aiera.com.cn adresine gönderebilirsiniz.Lütfen e-postanın konusuna şirket adını belirtin. Herhangi bir sorunuz varsa, posta kutusuna bir mektup da gönderebilirsiniz.
