Ulusal Halk Kongresi: Qing ve Bei'den Farklı Yapay Zeka
Birkaç gün önce Wuhan Üniversitesi'nde Yapay Zeka Enstitüsü'nün kurulmasıyla ilgili haber yaptığımız haberden sonra, bazı okuyucular Çin'deki yerleşik yapay zeka enstitülerinin listesinin Ulusal Halk Kongresi tarafından yapay zekanın kurulması konusunda merak ettiklerini dile getiren "Renmin University of China-Hillhouse Yapay Zeka Enstitüsü" olduğunu gördüler. Kolej ne yapıyor? Bu yazıda Hillhouse Yapay Zeka Enstitüsü'nün "düşünme" ve "yapma" larını ayrıntılı olarak açıklıyoruz.
Yazar | Camel
Editör | Tang Li
bin hamurlu bin okuyucu.
Bin üniversitede ayrıca farklı özelliklere sahip bin yapay zeka koleji / enstitüsü olacak.
Çin Renmin Üniversitesi, Qing ve Pekin ile birlikte üç süper prestijli üniversite, Tsinghua Teknoloji Üniversitesi, Pekin Sanat ve Bilim Üniversitesi ve Halkın Sosyal Bilimler Üniversitesi olarak bilinir. İnsanlar her zaman Ulusal Halk Kongresi'nin sosyal bilimlerde bir dev olduğuna inanmışlardır, ancak bilim ve mühendisliğin çok az varoluş duygusu vardır.
Ancak bu yılın başında (19 Ocak) Renmin Üniversitesi, Hillhouse Yapay Zeka Enstitüsü'nün kurulduğunu duyurarak şu konumlandırmayı yaptı:
"Galleng Yapay Zeka Koleji, okula bağlı bir ortaokuldur. Okulun yapay zeka ile ilgili disiplinlerinin planlanması ve inşasından ve bu disiplinde yetenek eğitimi ve bilimsel araştırmanın geliştirilmesinden sorumludur ... Yapay zeka ile ilgili konularda okulun mevcut avantajlarından tam anlamıyla yararlanın , Dünya çapında bir yapay zeka disiplini oluşturmak ve okulun uluslararası etkisini ve rekabet gücünü artırmak. "
Hillhouse Yapay Zeka Koleji dekan yardımcısı Profesör Zhang Guofu birçok kez şunları söyledi: "Kuzeydeki iki okuldan farklı AI yapmak istiyoruz (yazarın notu: Qing ve Bei)."
Nasıl farklı? Ulusal Halk Kongresi'nin kendine göre düşünceleri var, bilimsel yöntemlerin paradigma dönüşümü ile başlayabiliriz.
(İçeriğin aşağıdaki bölümü Hillhouse Yapay Zeka Okulu Dekanı Profesör Wen Jirong'un 19 Kasım'da yaptığı konuşmaya dayanmaktadır. Dean Wen Jirong'un kişisel onayı olmadan, yalnızca kişisel fikirleri temsil eder. )
1. y = f (x): bilimsel yöntemin devrimi
1. Geleneksel yöntem
İster doğa bilimi ister sosyal bilim olsun, geçtiğimiz yüzlerce yılda, araştırma yöntemlerinin özünü düşünmek her zaman aşağıdaki formülle özetlenebilir:
Tüm araştırmalar sadece görünüşün arkasına gizlenmiş nesnel yasayı, karmaşık dünyadan ve sürekli değişen örneklerden gelen değişmeyen ve istikrarlı bir yasayı bulmak içindir. Özellikle doğa bilimleri alanında her zaman nesnel yasaları bir model veya denklem olarak ifade edebilmeyi umuyoruz.
Bu yöntem esasen bir bilimcilik veya rasyonalizm geleneğidir ve yapabilmeyi umuyoruz. Bu tür modelleri, fonksiyonları veya denklemleri sezgiden veya az sayıda örnekten tümevarım, kesinti vb. Yoluyla türetin. . Böyle bir model / işlev / denklemde ustalaştıktan sonra, onu çeşitli görünüşte değişebilir fenomenleri açıklamak ve süreksiz dünyadaki istikrarlı ve değişmeyen şeyleri analiz etmek için kullanabiliriz.
İnsani gelişme tarihinde, özellikle bilimsel süreçte, çeşitli alanlarda olabildiğince sade ve güzel modeller arıyorduk. Bu model ne kadar basit, daha güzel ve evrenselse, bu modelin o kadar iyi olduğunu düşünüyoruz.
Bu yöntem doğa bilimleri alanında büyük başarılar elde etti ve modern toplumun temel itici gücü haline geldi. Bugün hayatın her yönünün bu tür düşüncelerin yönlendirdiği bilim ve teknolojinin sonucu olduğu söylenebilir.
Doğada böylesine istikrarlı, değişmeyen ve nesnel yasalar bulduk.
Ama şunu da belirtmeliyiz ki, geçmiş yıllarda bu bilimsel yöntemi sosyal bilimlere uyguladığımızda pek çok güçlükle karşılaştık. Örneğin, ekonomik yasaları tanımlamak, hisse senedi piyasalarını tahmin etmek vb. İçin formüller kullandığımızda, genellikle tahmin edilemeyen sonuçlar ortaya çıkar.
Bu da bu yöntemin sosyal bilimlerde uygulanamayacağını göstermektedir.
Bunun nedeni, sosyal bilimin karmaşık, doğrusal olmayan, (süper) çok değişkenli bir sistem olmasıdır ve böyle bir sistemin arkasındaki gerçek değişmeyen yasaları küçük veri / sezgi yoluyla ortaya çıkarmak genellikle zordur.
Daha da önemlisi, doğa bilimleri çok sayıda deney yoluyla büyük miktarda veri toplayabilirken, sosyal bilimlerin tekrarlanan deneylerle veri elde etmesi zordur, bu nedenle örnek verilerin kıt olduğu bir durum söz konusudur. Bu aynı zamanda "sosyal bilimin bilimsel olmadığı" izlenimini de bırakır.
2. Büyük veri yöntemi / ampirik yöntem
Büyük veri çağının ortaya çıkması, bize eşi görülmemiş bir fırsat sunuyor. Özellikle daha önce deney yapmanın zor olduğu durumlarda aniden çok fazla veri toplama fırsatımız oldu. Gittikçe daha fazla veri topladığımızda, verilerin arkasındaki gizli modeli aramamıza bile gerek kalmadığını gördük.
Büyük veri, tamamen deneysel bir yönteme eşdeğer olan, girdiden çıktıya doğrudan eşlenebilen böyle bir yöntem sağlar. Yeterli deneyim varsa modeli atlayıp sorunu doğrudan deneyimle çözebileceğimizi biliyoruz. Büyük veri çözümlerini kullanmanın özü budur.
Bu yöntem birçok alanda başarılı olmuştur, ancak bu yöntemin bir sorunu vardır, yani çoğu zaman yeterli veri yoktur. Çoğu durumda, verilerinizin tüm durumları kapsamadığını göreceksiniz.
3. Yeni paradigma: büyük veri + zeka
Yapay zeka, büyük veri bağlamında ortaya çıkan yeni bir yöntem: Sorunun karmaşıklığına rağmen, şeylerin değişmezliğini ve düzenliliğini kavramak için verilerin arkasındaki modeli hala bulabiliyorum. Yöntemi geleneksel yöntemlerden farklıdır ve "büyük örnek verilerden" "karmaşık modeller" arar.
Geçmişte doğa bilimleri yöntemi, az miktarda veriden ve az miktarda deneysel örnekten basit bir model bulmaktı, doğa bilimlerinde kullanılabilir, ancak sosyal bilimler yapamaz çünkü problemler çok karmaşık ve çok fazla değişken var.
Ama şimdi büyük veriye dayalı yapay zeka yöntemleriyle, büyük miktarda veriden karmaşık modeller bulabileceğimizi göreceğiz.
Bir sistemin on milyonlarca veya milyarlarca değişkeni olabilir ve arkasında çok karmaşık doğrusal olmayan sorunlar olabilir, önemli değil, yine de böyle bir model oluşturabiliriz.
Derin öğrenme, çok büyük verilerden karmaşık modelleri çok verimli bir şekilde öğrenebilen bu yöntemin temsilcisidir. Aslında derin öğrenme sadece yüz tanıma ve otonom sürüş için değil, sosyal bilimlerde de etkilidir, sosyal bilimlere uygulanması yıkıcı bir devrim yaratacaktır. Çünkü bize karmaşık problemleri incelemek için etkili yeni bir yöntem sağlıyor.
Bu yeni bilimsel paradigma: büyük veri + yapay zeka araştırma paradigmasıdır.
İkincisi, yeni paradigma
Derin sinir ağı, çok karmaşık bir işlev olarak anlaşılabilir f. Bilgisayarla görmede, modelleme yapan bir kişi bir nesneyi gördüğünde ne olacağını karakterize etmek için kullanırız Şimdi bu alanda çok iyi sonuçlar elde ettik ve bazı alanlarda insan performansını aşabiliriz.
Peki bu yöntemi sosyal bilimlere uygulamadaki fark nedir?
Profesör Wen Jirong birkaç örnek verdi:
1. + Ekonomi
Wen Jirong, endüstriyel dönüşümle ilgili verileri 300.000 haberden çıkardıklarını açıkladı. X 300.000 haber verisi olduğunda ve bir modelin kurulmasıyla, şekilde gösterildiği gibi endüstriyel transferin sonuçları çizilir y = sanayi transferlerinin sayısı (zaman, il 1, il 2). Düşük frekanslı veriler kaldırıldıktan sonra sağdaki resim elde edilir.
Buradan, Çin'in endüstriyel transferinin Kuzey, Şangay ve Guangzhou merkezli olduğu, üç yerin transferinin ise farklı olduğu, Guangzhou'nun hala transfer edilirken çevre bölgelere Pekin, orta ve doğu bölgelere Şangay transferleri olduğu kolayca görülebilir. yerel. Bu şekilde, orijinal veriler görselleştirilebilir ve görselleştirilebilir, böylece daha önce keşfedilmesi imkansız olan ekonomik yasalar ortaya çıkarılabilir.
2. + Sosyoloji
Wen Jirong, ideolojik konuları incelemek için Sosyal Bilimler Akademisi ile işbirliğinin bir sonucundan alıntı yapmaya devam etti. 170 milyon kullanıcı ve 2,7 milyar Weibo'nun (aralarında milyonlarca büyük V var) verilerine dayanarak birçok ilginç fenomen buldular. Örneğin, Weibo verilerinden, aslında Çin'in son yıllarda ciddi bir popülizm yaşamadığını ve popülizmin çeşitlendiğini ve insanların daha çok içişleri ve politikalar hakkında endişe duyduğunu buldular.
3. + Siyaset Bilimi
Üçüncü örnek, Wen Jirong'un Microsoft sırasında yaptığı çalışmadır. 2012 yılında Wen Jirong, Obama ve Romney'in kamuoyu temelini kamuya açık ağ verileri aracılığıyla analiz etti ve ABD başkanlık seçimlerini tahmin etti ve sonuç oldukça doğruydu. Wen Jirong, "ABD donanması büyüdüğü için" bu modelin artık tahmin edemeyeceği konusunda şaka yaptı.
4. + Geçmiş
Not: Sağdaki afet dağıtım haritası internettendir, işte sadece bir örnek
Aynı şey tarih için de yapılabilir. Geçmiş hanedanlarda felaketlerin (seller, kuraklıklar, çekirge salgınları) nasıl meydana geldiği, ne tür bir etkiye sahip oldukları ve nüfus doğum, GSYİH, savaş, veba vb. Gibi tarihsel verileri sayısallaştırabilir ve çeşitli şekillerde modelleyebiliriz. Ne önemi var? Bu sorunları veri analizi sorunlarına dönüştürebiliriz. Mevcut teknoloji bunu yapabilir, ancak yine de verilerin gerçek geçmişinden uzaktır.Bu, büyük bir teknoloji platformunun nasıl oluşturulacağını içerir.
5. + Hukuk
Hukuk açısından Wen Jirong çok şey başardı. Örneğin, yukarıdaki resimde gösterildiği gibi, bir analiz sistemi yapmak ve "yeraltı" girişi yapmak için on milyonlarca yasal metin yargısı kullandılar ve yukarıdaki resmin sağ tarafındaki dağıtım haritasını alacaklardı.Renk ne kadar koyu ise, ilgili durumlar o kadar fazla. Jiangxi'nin çok özel olduğu ve Doğu'nun üç vilayetinin herkesin hayal ettiğinden farklı olduğu görülüyor.
Yukarıdakiler yalnızca bazı sosyal disiplinler ve yeni paradigma bilimsel yöntemlerin bir kombinasyonudur ve bunlar yalnızca başlangıç niteliğindedir. Aslında benzer şeyler üzerinde çalışan pek çok insan var ve birçok sosyal bilim araştırması da büyük veri + yapay zekadan yararlanıyor.
Bununla birlikte, bu yöntemin çeşitli disiplinlerle bir araya getirilmesi sürecinde hala bir dizi sorun bulunmaktadır. Örneğin, genellikle doğrudan veri yoktur veya veriler yapılandırılmamış metin biçiminde bulunur.
Ek olarak, bu teknolojiyi nasıl kullanacağını bilen mevcut bilgisayar uzmanları, ilgili sosyal bilimleri bilmiyor, diğer alan uzmanları ise genellikle büyük veri ve yapay zeka kullanmakta iyi değil. Analiz için hangi veriler çıkarılır? Hangi problem analiz edilir? Nasıl analiz edilir? Alan uzmanları, bilgisayar uzmanlarıyla derinlemesine işbirliği yapmalıdır.
Ulusal Halk Kongresinin en vazgeçilmez kişileri sosyal bilimler alanında uzman kişilerdir.
Ulusal Halk Kongresi'nin avantajının olduğu ve aynı zamanda Ulusal Halk Kongresi Yapay Zeka Koleji'nin avantajlarının da yattığı yer burasıdır.
3. Akıllı toplum yönetişiminin on sınır sorunu
Daha önce belirtildiği gibi, Hillhouse Yapay Zeka Koleji "okulun yapay zeka ile ilgili disiplinlerdeki mevcut avantajlarından tam olarak yararlanmak" istiyorsa, diğer kolejlerle yakın işbirliği içinde çalışmalıdır.
Çin Bilim ve Teknoloji Derneği'nin desteğiyle bu ayın 19'unda, Çin Renmin Üniversitesi "İlk Akıllı Sosyal Yönetişim Forumu" na ev sahipliği yaptı.
Bu forumun katılımcıları arasında Çin Bilim ve Teknoloji-Renmin Üniversitesi-Çin Akıllı Sosyal Yönetim Araştırma Merkezi, Çin Renmin Üniversitesi Ulusal Geliştirme ve Strateji Enstitüsü, Çin Renmin Üniversitesi Kültür Bilimi ve Teknoloji Parkı, Çin Renmin Üniversitesi Çin Demokratik Birliği Komitesi, Hillhouse Yapay Zeka Enstitüsü bulunmaktadır. Ekonomi Okulu, Hukuk Fakültesi, Toplum ve Nüfus Okulu, Gazetecilik Okulu, Çalışma ve İnsan Kaynakları Okulu, Geleceğin Hukuku Enstitüsü, Gazetecilik ve Sosyal Gelişim Araştırma Merkezi vb.
Aslında bu toplantı, Ulusal Halk Üniversitesi Yapay Zeka Koleji ile çeşitli kardeş kolejler arasındaki resmi "ittifakın" bir işareti olarak kabul edilebilir.
Hillhouse Yapay Zeka Koleji'nin dekanı olan Wen Jirong, gelecekte kardeş kolejlerle işbirliğinin hedefi olarak toplantıda on "akıllı sosyal yönetişimin sınır meselesini" duyurdu. Onlar:
İlk konu: akıllı sosyal yönetişim için büyük bir veri platformunun oluşturulması (Yapay Zeka Enstitüsü).
İkinci konu: Akıllı sosyal yönetişimin algoritma ve mekanizma tasarımı (Yapay Zeka Enstitüsü).
Üçüncü konu, akıllı toplumdaki (Hukuk Okulu) algoritmaların ve verilerin yasal düzenlemesidir.
Dördüncü konu: akıllı sosyal İnternet platformunun (Hukuk Fakültesi) yasal sorumluluğu.
Beşinci konu: Akıllı bir toplumda ekonomik düzenleme ve rekabet politikası (Ekonomi Okulu).
Altıncı konu: Akıllı Toplum Dijital Ekonomi ve Çin'in Ekonomik Geçişi (Ekonomi Okulu).
Yedinci konu: Akıllı Toplum, Kamu Akıl ve Kamuoyu Yönetişimi (Gazetecilik Okulu).
Sekizinci konu: akıllı bir toplumda kamu etiğinin oluşturulması ve düzenlenmesi (Gazetecilik Okulu).
Dokuzuncu konu, akıllı sosyal İnternet ve kişilerarası ilişkilerin yeniden şekillendirilmesi (Toplum ve Demografi Okulu).
Onuncu konu: Akıllı Sosyal Düzen ve Akıllı Yönetişim (Toplum ve Nüfus Okulu).
Bu listeden Ulusal Halk Kongresi'nin yapay zekanın gelişim konumu açısından Qing ve Bei'den tamamen farklı olduğunu görebiliyoruz. Ulusal Halk Kongresi, yapay zeka teknolojisi ve çeşitli sosyal bilimlerin entegrasyonunu vurgulamakta ve geleneksel sosyal bilimleri yeni teknolojiler ve yeni araştırma paradigmalarıyla değiştirmektedir. Bu süreçte Yapay Zeka Akademisi hem merkez hem de uç konumdadır.
Belki Ulusal Halk Kongresi'nin yapay zeka teknolojisini sosyal bilimlerin "yeni matematiği" olarak gördüğünü düşünebiliriz.
