Çin Yöneylem Araştırmaları Derneği Başkanı Hu Xudong: Yöneylem Araştırması ve Yapay Zeka (80 sayfalık PPT ile)
Lei Feng.com AI teknolojisi inceleme notu: Birkaç gün önce, Çin Bilimler Akademisi Matematik ve Sistem Bilimleri Akademisi'nden araştırmacı Hu Xudong, dahili bir toplantıda "Operasyonel Araştırma ve Yapay Zeka" üzerine özel bir rapor yayınladı. Raporda, Çin ve Amerikan hükümetlerinin, araştırma kurumlarının, akademisyenlerin ve endüstri uzmanlarının yapay zekanın geliştirilmesine ilişkin mevcut analizlerini, beklentilerini ve karşı önlemlerini kısaca tanıttı ve operasyon araştırmasının gelecekteki gelişim için yeni yönleri nasıl bulabileceğini araştırdı. Konuşmaları arasında Ye Yinyu, Yao Qizhi, Hong Xiaowen, Qiu Chengtong ve algoritmaları ve yapay zekayı tartışan diğer birçok usta yer aldı.Bu ustaların incelikli bakış açılarından yeni ilham alabiliriz.
Araştırmacı ve doktora süpervizörü Hu Xudong; şu anda Çin Matematik ve Sistem Bilimleri Akademisi'nin dekanının iş asistanı ve Çin Yöneylem Araştırmaları Derneği'nin başkanıdır. 1985 yılında Tsinghua Üniversitesi'nden uygulamalı matematik lisans derecesi ile mezun oldu.1989 yılında Çin Bilimler Akademisi Uygulamalı Matematik Enstitüsü'nden yöneylem araştırması ve sibernetik alanında doktora derecesi ile mezun oldu. 1989'dan bu yana, Çin Bilimler Akademisi'nde teorik araştırma ve yöneylem araştırması öğretimi yapmaktadır.Ana araştırma yönleri, kombinatoryal optimizasyon, ağ oyunları ve yaklaşık algoritmalardır. 2012'de beşinci "Ulusal Üstün Bilimsel ve Teknolojik İşçi" seçildi ve 2016'da "Çin Bilimler Akademisi Zhu Li Yuehua Üstün Öğretmen Ödülü" nü kazandı.
Aşağıda raporun ana hatları verilmiştir:
Bu raporda toplam 80 sayfa var. Leifeng.comun AI Teknoloji İncelemesi, çok miktarda içerik olması nedeniyle önemli noktaları tarıyor ve sizi şu şekilde tanıtıyor (Follow AI Technology Review (aitechtalk), sahne arkası yanıtı Hu Xudong , PPT'nin tam sürümünü edinebilirsiniz):
Yöneylem Araştırması Metodolojisi
Yöneylem Araştırması, 1930'lardan ve 1940'lardan beri geliştirilen yeni bir disiplinler arası alandır. Temel olarak, çeşitli sınırlı kaynakların insanlar tarafından kullanımı ve aralarındaki matematiksel problemleri ve yasaları keşfetmek, bunlara karşılık gelen çözümleri önermek ve kaynakların faydalarını en üst düzeye çıkarmak ve genel olarak optimal olanı elde etmek için bunları gerçek faaliyetlerde uygulamak amacıyla faaliyetler planlıyor. Amaçları. Esas olarak üç noktayı içerir: model, teori ve algoritma.
Amerika Birleşik Devletleri'nde gelecekteki gelişen teknoloji trendleri
Amerika Birleşik Devletleri, son beş yılda Amerika Birleşik Devletleri'nde devlet kurumları, danışmanlık kurumları, düşünce kuruluşları ve bilimsel araştırma kurumları tarafından yayınlanan teknoloji trendleri üzerine 32 araştırma raporuna dayanan "2016-2045 Gelişen Teknoloji Trendleri Raporu" nu yayınladı. . Yaklaşık 700 teknolojik trendin kapsamlı bir karşılaştırması ve analizi yoluyla, en dikkat çekici 20 teknolojik gelişme trendi nihayet belirlendi.
Bu 20 teknoloji arasında, Nesnelerin İnterneti, robotik ve otomasyon sistemleri, akıllı telefonlar ve bulut bilişim, akıllı şehirler, veri analizi, ağ güvenliği, sosyal ağlar ve sentetik biyoteknolojinin tümü temsili teknolojilere ve pratik uygulamalara sahiptir.
Aşağıda bir veri analizi örneği verilmiştir:
Bazı teknolojik trendlere ek olarak:
Optimizasyon üzerine Ye Yinyu
Shanshu Technology'nin ev sahipliği yaptığı 2017 AI Masters Roundtable'da Profesör Yinyu Ye, "Optimizasyon Algoritmalarının Düşüncesi ve Uygulaması" adlı akademik bir konferans verdi. Toplantıda Profesör Ye Yinyu, yöneylem araştırmasının geliştirme geçmişini ve makine öğrenimi ile birleştirme durumunu ayrıntılı olarak anlattı.
Yöneylem araştırmasının kökeninin matematiğin bir parçası olduğunu söyledi.1947'de George Dantzig doğrusal optimizasyonu bir kilometre taşı olarak önerdi. Daha sonra ekonomik kalkınmaya uygulandığında yöneylem araştırması büyük ölçüde gelişmiştir Bilgisayarların hızla gelişmesi ile yöneylem araştırması hızla gelişmiştir.
"Operasyonel araştırma, AI'dan daha önce doğmuştur, ancak AI ile yakından ilgilidir. Bilim adamları, operasyon araştırmasını bir organizasyon sistemindeki çeşitli operasyonlar hakkında kararlar almak için bilimsel bir yöntem olarak tanımlar. 2. Dünya Savaşı'ndan sonra, insanlar işletmelere ve işletmelere yöneylem araştırması uyguladılar. Hükümette, ekonomik gelişmeyi hızlandırmak için yöneylem araştırması üretim, hizmet ve finans endüstrilerinde yaygın olarak kullanılmaktadır.Büyük veri çağında, yöneylem araştırması daha da gelişmiştir ve büyük verinin en uygun kararlara nasıl dönüştürüleceği yöneylem araştırmasının odak noktası haline gelmiştir. .
Aslında, yöneylem araştırmasındaki "optimizasyon" kavramı, makine öğreniminin kendisine de uygulanabilir - örneğin algoritmalar. Bilgi işlem gücünün iyileştirilmesi ve büyük veri çağının ortaya çıkmasıyla birlikte, makine öğrenimi yeteneğini geliştirmek için algoritmaların kullanılması endüstrinin mevcut odak noktalarından biri haline geldi. Yöneylem araştırmasında makine öğreniminin kanatları ile, uygulama kapsamı ve yetenekler daha geniş ve daha güçlü hale geldi.
Genel optimizasyon süreci, modellemeden çözmeye ve sonra karar vermeye kadardır ve nihayet çözmek için bir dizi algoritmaya ihtiyacımız var. "
Profesör Ye Yinyu konuşmasında makine öğrenimini operasyon araştırmasıyla birleştiren özel bir örnek verdi. Lojistik konum ve rota optimizasyonu, envanter yönetimi, yatırım portföyü optimizasyonu gibi. Aşağıda Profesör Ye Yinyu'nun lojistik konum ve rota optimizasyonunun ayrıntılı yorumu yer almaktadır.
Yöneylem araştırmasının geliştirilmesiyle ilgili olarak Profesör Ye Yinyu'nun görüşleri şu şekildedir:
Gelecekte, yapay zeka, derin öğrenme ve makine öğreniminin çok fazla destek sağladığını düşünüyorum ve ultra büyük ölçekli optimizasyon algoritmalarına duyulan ihtiyaç nedeniyle modellerin ölçeği de hızla büyüyor. Eskiden tüm lineer programlamayı hızlı bir şekilde çözen evrensel bir algoritma olduğunu düşünürdüm, ancak daha sonra AI'ya baktım.Çok özelleştirildi.Belirli bir metot türü için, belirli bir metodu takip etmek yerine bu metodu kullanın. Birleşik algoritma veya kategori yöntemi. Bu açıdan bakıldığında, AI, yöneylem araştırmasını teşvik etmede büyük bir role sahiptir.
Toplantının sonunda Profesör Ye Yinyu, "yurtiçi operasyon araştırma yeteneklerindeki eksikliğin nasıl görülebileceği" ve "gelecekteki yapay zekanın gelişme eğilimi" konularındaki görüşlerini de dile getirdi. Bunun bir yetenek kıtlığı sorunu değil, bir yönelim sorunu olduğunu söyledi. Yapay zekaya gelince, "Yapay zeka asla ölmeyecek çünkü istatistik ve operasyon araştırmasıyla aynı şey, ancak başka bir terimde görünüp görünmeyeceğini düşünüyorum, bunun da mümkün olduğunu düşünüyorum."
Algoritma Üzerine Yao Qizhi
Turing Ödülü sahibi akademisyen Yao Qizhizhi, son on yılda algoritmaların, verilerin ve hesaplama yeteneklerinin şaşırtıcı bir düzeyde geliştiğini söyledi. Büyük verileri işleme yeteneği ve derin öğrenmenin getirdiği algoritmalar, yapay zekanın önceki darboğazı aşmasını ve kademeli olarak finansal teknoloji ve tıbbi teşhis gibi daha fazla alana uygulanmasını sağlamak için birleştirildi. Bu alanlarda, bu yapay zeka patlaması hala bilimsel ve ekonomik faydalar üretiyor ve temettülerinin gerçekten sona ermesi en az bir zaman alacak.
Ve bir sonraki dalga, algoritma, veri ve hesaplama gücünden oluşan üç çekirdek teknolojinin hangi bölümünde ortaya çıkacak? Yao Qizhi bunun bir algoritma olması gerektiğini söyledi. "Veri miktarı ve hesaplama gücü benzer bir sınıra ulaştığı için sınırlamalar vardı. Ve mevcut algoritmanın iyileştirilmesi için hala çok yer var. İnsan beyninin" algoritması "ile karşılaştırıldığında, hala çok zor. Keşfedilmesi gereken bazı algoritmalar var. "
Yapay zekanın gelişimi
2017 Yunqi Konferansı'nda Alibaba Group, temel bilim ve yıkıcı teknolojik yenilik araştırmalarını yürütmek için "Dharma Akademisi" nin kurulduğunu resmen duyurdu.İlk grupta açıklanan on akademik danışma komitesi arasında Çin Bilimler Akademisi'nden üç akademisyen ve beş Amerikan Bilimler Akademisi var. akademisyen. "Dharma Akademisi" tarafından açıklanan ilk araştırma alanları grubu, makine öğrenimi ve temel algoritmalar gibi yapay zeka ile ilgili birden çok alanı içerir.
Ekim 2017'de, bilgisayar bilimi ve yapay zeka alanındaki bir dizi küresel usta, 19. "21. Yüzyılda Hesaplama" konferansına katılarak, yapay zeka alanındaki araştırma ve görüşlerini paylaşarak ve ortaklaşa yapay zekayı keşfettiler. Geleceğe giden yol.
Turing Ödülü sahibi Cornell Üniversitesi Bilgisayar Bölümü Profesörü John Hopcroft toplantıda şunları söyledi: yapay zeka hala yalnızca yüksek boyutlu bir örüntü tanıma ve gerçek yapay zekadan önce daha almamız gereken uzun bir yol var.
Raymond Mooney, bugün derin öğrenme devriminde derin öğrenmenin üç büyük itici gücünün algoritmalar, hesaplama gücü ve büyük verinin yanı sıra etiketlenmemiş verilerden öğrenme ve sıkıştırma modellerinin ölçeği dahil olmak üzere ortaya çıkan kısıtlamalar olduğunu söyledi. Ek olarak, derin öğrenme, hedeflenen kötü amaçlı örneklerle karşılaşıldığında hala çok savunmasızdır.
Aşağıdakiler, Berkeley'deki California Üniversitesi tarafından özetlenen yapay zeka sistemi araştırmalarının dokuz ana zorluğudur: sürekli öğrenme; sağlam karar verme; yorumlanabilir karar verme; güvenli mahalleler; çatışmalı öğrenme; gizli veriler üzerinde ortak öğrenme; belirli alanlar için özelleştirilmiş donanım; bileşenler Akıllı AI sistemleri; bulut ve uçtaki sistemler.
Hong Xiaowen yapay zeka hakkında konuşuyor
Microsoft Asya Araştırma Araştırma Dekanı Hong Xiaowen, gerçekten insan zekası olmak istiyorsanız, büyük veriyle başlamamalısınız, küçük verilere, hatta sıfır veriye dayalı araştırmaya başlamalısınız dedi.
Ana noktaları şu şekildedir: Hem insanların hem de makinelerin sürekli öğrenmeye ve evrime ihtiyacı vardır; makine öğrenimi, gelecekte en önemlisi "öğrenmeyi öğrenmek" olan sıcak bir araştırma alanı olacaktır; ikili öğrenme gibi yeni yöntemler, büyük miktarda etiketlenmiş veriden yoksun makinelere izin verir Öğrenmek mümkündür; insanlar daha iyi öğrenmek için makineleri kullanabilir.
Qiu Chengtong yapay zeka hakkında konuşuyor
CNCC 2017'de Fields Madalyası kazanan ve Harvard Üniversitesi Chengtong Qiu'da yaşam boyu profesör olan toplantıda "Bilgisayar Bilimlerinde Modern Geometri Uygulaması" konulu özel bir konferans verdi.
Raporda, önce modern geometrinin gelişim tarihini tanıttı ve ardından kendisi, öğrencileri ve arkadaşları arasında bilgisayar ve geometrinin kesişimi üzerine bazı araştırmalar yaptı. Yapay zeka için Qiu Chengtong, sinir ağları ve makine öğrenimi ile temsil edilen modern istatistiksel yöntemlerin mühendislik uygulamalarında büyük başarı elde ettiğine inanıyor, ancak teorik temelleri çok zayıf ve bir kara kutu algoritması; yapay zekanın kanıtlanabilir bir Temel olarak teori.
Bilgisayar biliminin gelişiminin modern geometri için talepler ve zorluklar sağladığına ve ayrıca disiplinler arası gelişim yönünü desteklediğine inanıyor.
Aşağıdaki durumlardan alıntı yaptı: Yapay zekadaki mekanik teoremlerin kanıtı hesaplamalı cebirin gelişimini teşvik etti; veri güvenliğinin, Bitcoin ve blok zincirinin geliştirilmesi cebirsel sayı teorisinin, eliptik eğrilerin ve modüler formların gelişimini teşvik etti; sosyal ağlar, büyük veri Gelişim, kalıcı homolojinin gelişimini doğurdu ...
Profesör Qiu Chengtong canlı bir benzetme yaptı: GAN aslında kişinin mızrağıyla kendini inkar eden bir kalkandır.
Leifeng.com AI Teknoloji İncelemesini (aitechtalk) takip edin, sahne arkası yanıtı Hu Xudong , PPT'nin tam sürümünü edinebilirsiniz.
