g u t x .com.tr İpek yolu - Çin'i anlamaya götürürüm

"Kolej Giriş Sınavı Kompozisyonu" Republic, sizin için fotoğraf çekeceğim AI Önerisi: 2049 Çin Yapay Zekası Beklentileri

Xinzhiyuan Raporu

7 Haziran 2017'de, üniversiteye giriş sınavının yeniden başlamasının 40. yıldönümü.

2017 Pekin Koleji Giriş Sınavı kompozisyon sorularının önerilerinden biri "Cumhuriyet, senin için fotoğraf çekeceğim". Başlık şöyle yazıyor: "2049'da, cumhuriyetimiz yüz yıllık doğum gününü başlatacak. O zaman Çin ulusunu göstermek için bir veya birkaç fotoğraf çekmeniz istenirse Büyük canlanmanın görkemli başarıları için nasıl bir resim seçeceksiniz? Lütfen 'Cumhuriyet, sizin için fotoğraf çekeceğim' başlığıyla bir anlatı hayal etmeye ve yazmaya başlayın. Gereksinimler: makul hayal gücü, anlatı, açıklama ve muhteşem resimler , Küçük sahneler de yazabilir, büyük olanı küçükten görebilirsiniz. "

Xin Zhiyuan üniversiteye giriş sınavına katılırsa, ne tür bir cevap kağıdı yazardı?

Tesadüfen, 25 Mayıs'taki Dragon Boat Festivali'nin arifesinde, Xinzhiyuan'ın akademik endüstri liderleri için aylık kapalı forum olan "Xinzhiyuan Yüzlerce Toplantısı" Pekin'de düzenlendi. Bu sefer yüz kişi olacak "2049'da Yapay Zekanın Geleceği" Tema olarak konunun giriş noktası, yapay zekanın önümüzdeki 30 yıldaki olası atılım noktası ve sosyal hayatımızın tüm yönlerine getireceği değişimler.

Bu konuda, toplantıya katılan konuklar doğal olarak yapay zeka ile ilgili teknoloji itici güçler, temel atılımlar, beyin benzeri hesaplama, beyin-bilgisayar entegrasyonu, akıllı asistanlar ve tıbbi, finansal, enerji, güvenlik ve otonom sürüş ile ilgili konular hakkında derinlemesine bir tartışma yaptı. Uygulama ve diğer sorunlar. Tartışma süreci, fikir çatışmaları ve fikir çatışmalarıyla doluydu.

Opening-AlphaGo tekrar kazandı; 2020'de makine öğreniminin% 60'ı dört şirket tarafından tekelleştirilecek; yeni bir tarihsel an geldi.

Wang Tianmiao (Konferansın öğretim görevlisi, Pekin Havacılık ve Uzay Bilimleri Enstitüsü Robotik Enstitüsü Onursal Direktörü ve Profesörü): Öncelikle, Dragon Boat Festivali arifesinde New Wisdom Organizasyonu'nun lansmanı için çok teşekkür ederim. "Akıllı Gelecek Vizyonu" proje semineri. Çin Bilim ve Teknoloji Derneği ve Çin Elektronik Enstitüsü Gömülü Sistemler ve Robotik Şubesi tarafından düzenlenen projeye Beihang Üniversitesi ve Tsinghua Üniversitesi gibi üniversiteler katılacak ve iki ağır medya katılacak. Biri Xinzhiyuan, diğeri Robot Dergisi. Esas olarak üç şeyi tartışıyoruz. Birincisi, yapay zeka için olası bir dönüm noktası olan Yeni Çin'in kuruluşunun 100. yıldönümü olan önümüzdeki 30 yıl içinde, 2049; ikincisi, yapay zekanın endüstriyel yapımızı ve yaşamımızı hangi şekillerde değiştirebileceği; üçüncüsü, yasal etik. Bu üç yönü düşünelim.

Yang Jing benim çok iyi bir arkadaşım. Ben de Yarui Capital de olsam, Xinzhiyuan ile işbirliği yapmaya hevesliyim. Birçok kez işbirliği yaptık. Yang Jing, akademisyenlerde, teknolojide ve teoride bir öncü gibidir.Yapay zekanın sıcak olmadığı zamanlarda "Yeni Bilgelik Yuan" ı çok erken başlattı.

Yang Jing (Xinzhiyuan'ın kurucusu ve CEO'su): Bu günler AI için yeni bir tarihsel an. Bugün, Ke Jie ikinci sette tekrar kaybetti ve AlphaGo'ya yenildi. Bildiğim kadarıyla DeepMind CEO'su yarın Tencent ile görüşmek için Shenzhen'e gidecek. Yüzeyde, DeepMind Ke Jie ile satranç oynuyor, ancak aslında TPU bulutu ve eksiksiz bir derin öğrenme yapay zeka teknolojisi sistemleri de dahil olmak üzere eksiksiz bir Google sistemleri seti satıyor. BAT, Huawei ve China Mobile'ı kendi sistemine dahil etmek istiyor. ile git. Xin Zhiyuan'ın herkese dikkat etmesini hatırlatan bir el yazması var, 2020 yılında, makine öğreniminin% 60'ı dört şirket, Google, Microsoft, Amazon ve IBM tarafından tekelleştirilecek. Google'ın girişimi daha da büyük. Ke Jie, "Bir Go Tanrısı gördüm" dedi. Ke Jienin Go için profesyonel puanı 3260 ve AlphaGo 2.04.500 ve kullanılan hesaplama gücü orijinalin yalnızca 1 / 10u. Geçen yıl, Li Shishi, iki kabinin TPU'uydu. O zamanlar, TPU zaten gizli olarak üretildi ve kullanıldı, ancak makale ancak bu yıl yayınlandı. Bu makalenin yazımına 72 araştırmacı katıldı.Tarihde hiçbir zaman bu kadar çok insan bir kağıt üzerinde işbirliği yapmadı. Bu, büyük bir şirketin tekel avantajıdır. Çin'in bu yılki teması da yapay zeka. Çin'in beyin yatırımı için önümüzdeki beş yıl içinde 10 milyar veya 20 milyar yatırım yapılacak, ancak şirketin Ar-Ge yatırımı ile karşılaştırıldığında bu, kovadaki bir düşüş. Huawei'in yıllık Ar-Ge harcaması 60 milyar ve BAT yaklaşık 10 milyar. Ülkenin gelecekte birçok fonu var. Dün bazı kötü haberler geldi. Moody's Çin'in notunu düşürdü. Goldman Sachs borcumuzun açıklanan borcun% 60'ından fazla olduğunu söyledi. Yerel borç durumu hala çok ciddi. RMB değer kaybetme baskısı altında, ancak şirket hala çok rekabetçi. Ali Baba'nın bir de NASA projesi var.

Önümüzdeki 20 yıl ile ilgili olarak Jack Ma'nın yarın yeni bir açıklaması olacağı tahmin ediliyor, Alibaba Cloud da dahil olmak üzere yapay zeka konusunda çok emek harcadılar. Tencent de var. Tencent Haziran sonunda Tencent Bulut Gelecek Zirvesi düzenleyecek. Lütfen Michael Jordan'ı ve Turing Ödülü'nü kazanan kişiyi ziyaret edin. Genel yapay zeka açısından en büyük farklardan biri var. Genel yapay zeka gerçekleşecek mi ve ne kadar sürede gerçekleşecek? Bu yıl Ke Jie'yi mağlup eden DeepMind CEO'su Demis, 10 yıl içinde geliştirileceğini, Jeff Dean ise 15 yıl içinde başarılabileceğini söyledi. Hala 2049'a kadar 32 yıl var, insan-makine entegrasyonu ve yapay zeka nasıl bir gelişime sahip olacak? Umarım herkes bu konu hakkında özgürce konuşabilir, gelecekteki beklentileri tahmin etmeye başlayabilir ve Çin'in AI + 'nın nasıl bir geleceği olacağını tartışabilir. Dragon Boat Festivali arifesinde bu tartışmaya katıldığınız için çok teşekkür ederim.

Birkaç misafirin kendini tanıtması

Wei Chenguang (Çin Mobil Araştırma Enstitüsü Dekan Yardımcısı): Yapay zeka, eskiden laboratuvarda bir teknoloji olduğunu düşünüyorduk, ama şimdi yavaş yavaş pratik hale geliyor. China Mobile, geleneksel bir telekomünikasyon operatörüdür.Gelecekte mobil ağların kullanıcı ihtiyaçlarına daha akıllıca hizmet etmesini sağlamak, düşündüğümüz bir sorudur. Bugün bu öğrenme fırsatına değer veriyoruz.

He Huiguang (Çin Bilimler Akademisi Otomasyon Enstitüsü Araştırmacısı): Çin Bilimler Akademisi Otomasyon Enstitüsünün Beyin Esintili İstihbarat Araştırma Merkezi'nden geliyorum. Araştırma ilgi alanlarım arasında tıbbi görüntü işleme, beyin benzeri hesaplama, beyin-bilgisayar arayüzleri vb. Ve şu anki çalışmalarımdan biri bilgisayarla görme ve biyoloji alanında. Görüntüde bazı bağlantılar bulun.

Deng Zhidong (Tsinghua Üniversitesi Bilgisayar Bilimleri Bölümü Profesörü): Tsinghua Üniversitesi Bilgisayar Bilimi Bölümünde Akıllı Teknoloji ve Sistemler Devlet Anahtar Laboratuvarı'nda çalışıyorum, çoğunlukla yapay sinir ağları, otonom sürüş, robotlar vb. İle uğraşıyorum. Şimdi derin evrişimli sinir ağlarına ve derin pekiştirmeli öğrenmeye odaklanın. Otonom sürüş açısından, otonom sürüşte derin öğrenmenin uygulanmasına vurgu yapıyor.

Ma Kangwei (Müdür Yardımcısı, Stratejik İşbirliği Departmanı, Xinzhi Araştırma Enstitüsü): Herkese merhaba. Xinzhi Araştırma Enstitüsü, Xinao Grubuna aittir. ENN Group, üç ana endüstriyel sektör belirlemiştir: enerji ve çevre koruma, kültürel sağlık ve İnternet Her sektörün kendi araştırma enstitüsü vardır. "Veriden zekaya, zekadan yenilikçi endüstriyel değere", Xinzhi Araştırma Enstitüsü'nün kurumsal misyonudur. Önde gelen yapay zeka ve büyük veri teknolojileri aracılığıyla geleneksel işletmeleri ve İnternet şirketlerini tüketici ve tedarik taraflarında güçlendirmeye kararlıyız. İlgili endüstrilerin veya işletmelerin akıllıca yükseltilmesini teşvik eden lider bir teknoloji araştırma ve kuluçka kurumuyuz.

Huang Huaming (Yatırım Bankacılığı Direktörü, China Securities Co., Ltd.): China Securities Co., Ltd.'de yapay zekanın çeşitli dikey endüstrilerde uygulanması konusunda çok endişeliyiz ve göreceli olarak en yeni teknolojilere sahip şirketlere odaklanıyoruz. Bu sefer esas olarak öğreneceğiz.

Deng Kan (Dashu Yida CTO): Benim adım Kan Deng, CMU'da yedi yıldır okudum ve yönüm robotik ve yapay zeka. Şuan ne yapıyorum? Ülkenin en iyi üç hastanesinde yüksek kaliteli vakaları toplayın, klinik yolları kazın, en az laboratuvar testi ve teftişle yeterli ancak minimum hastalık analizi toplayın ve ardından bunları klinik teşhisi desteklemek için kullanın.

Yapay Zeka ve Robotların Keynote Konuşma Geliştirme Beklentileri 2049

Wang Tianmiao : Bu proje aslında bir olasılıktır.Elektronik Enstitüsü, Beihang Üniversitesi, Robot Dergisi ve Xinzhiyuan tarafından ortaklaşa yürütülmektedir.Robotik Dergisi akıllı donanım robotlarına odaklanır ve Xinzhiyuan daha çok yapay zeka, yazılım ve düşünceye odaklanır.

Çerçeve ile ilgili olarak, tahmin etmek gerçekten de zordur, genel anlamda makro görünüm olarak adlandırılır ve stratejik bir çalışma veya yol haritası olduğu söylenemez.

Her şeyden önce, AI'nın anlamı çok önemlidir; çağrışımı, tanımı, teorik ve teknolojik atılımları, uygulama atılımları ve olası sosyal etkisi.

"2049 Görünümümüzün" bu beş bölüme ayrıldığını umuyoruz. Hesaplama ve teorideki ilerleme gerçekten belirsiz ve Yang Jing'in herkesle tartışmada başı çekmesi gerekiyor. Teorik atılım nerede olabilir? Beyin biliminde, yaşam benzeri organizmalarda, tüm muhakeme ve davranış çalışmasında vb. Olduğu kadar biyolojik algıda, büyük veride ve gerçek insan duygularında ve bunun gerçekleşmesinde mi olacak? Çeşitli teknik işletim sistemleri, çipler ve arayüzler.

Önümüzdeki 20 ve 30 yılda yapay zekanın bu alanlarda teşvik edeceği olası değişiklikler nelerdir? Ulusal güvenlik, akıllı üretim, finans, otomobiller, tıbbi bakım, akıllı şehirler ve hizmet veren ailelere. Bu teknolojik ve teorik atılım, sosyal form, endüstriyel yapı ve yaşamdaki değişiklikler nelerdir?

Aşağıdakiler 2049 hakkındaki düşüncelerimdir. Çok olgun değilim, sizinle paylaşmama izin verin.

Sosyal yapı nasıl değişti? Benim anlayışım Sosyal değişiklikler, sektörümüzdeki değişikliklerden veya ürünlerdeki değişikliklerden kaynaklanıyor olabilir. Bu, buhar motorlarından, arabalardan, uçaklardan, bilgisayarlardan, çiplerden uzay istasyonlarına kadar doğrudur. Neden böyle bir görüş var? İnsan ihtiyaçları ve insanın içsel sosyal değişimi etkiler.

Örneğin geçmişte güvenlik sorunları nedeniyle bir kral ortaya çıkmış ve bir ordu ortaya çıkmış, avlanma olmadığı için açlık tarım ticaretine yol açmıştır. Son olarak maddi ürün eksikliği nedeniyle sanayi şehirleri ve ticaret ortaya çıkmış, sanayide rekabet ortaya çıkmış, rekabette otomasyon ortaya çıkmış ve robotlar ortaya çıkmıştır. Sağlıkla aynı şey ... İletişim, bilgisayar, havacılık, eğlence sektörü aynı, paylaşım var. Topluluk organizasyonu paylaşmaktır, bu ne anlama geliyor? Gerçekten arz tarafında, ürünler artıyor ve endüstriyel ürünler zayıflıyor, Avrupa endüstrisinin neden gerilediğini ancak bu anlayışla anlayabiliriz, çünkü arabalara, evlere, televizyonlara ve klimalara ihtiyacı yok. Seyahat etmeye, yemeye, paylaşmaya, topluluğa ihtiyaç duymaya ihtiyacım var. Tıpkı söylediğimiz istihdam ve işsizlik gibi 30 yıl sonra sadece üç gün çalışıp, diğer iki gün evde çalışıp çalışmayacağınız göz ardı edilmiyor ve sosyal durum değişecek.

Bu döngüden kaçınamazsınız. Çin şanslı. 1990'ların başında, ister Huawei ister Lenovo, UFIDA, TCL ve Köln, o dönemde girişimcilerdi. 2001'de Çin DTÖ'ye katıldı ve İnternet, emlak ve otomobiller daha popüler hale geldi. Dünya burası ... Bu düğüm noktasında Çin her seferinde fırsatı değerlendirdi. 2010 yılında dünyada altıncı sıradan 2015 yılında birdenbire birinci oldu.

Bu düşük bir noktadır ve daha sonra tüm dünya ekonomisinin toparlanması, yapay zekanın diğer yönlerinde büyük değişikliklere neden olabilir. Sigorta: 2013 yılında dünyanın çeşitli ülkelerinin liderleri dünyayı bozan değişiklikler yaptılar.Yapay zeka, bilgi otomasyonu, bulut bilişim, hepsi bu kategoriye ait. O zamanlar yapay zeka yoktu. Otomasyonun tanımı şöyle yazılmıştır: teknolojik değişim dünya.

Bazıları, tüm ekonominin gelecekte yeniden canlanmasının aslında teknolojik devrim ve küresel ticaret özgürlüğü olduğunu düşünüyor, işletmelerin piyasa odaklı olması ve ülkelerin iyileşme özgürlüğü olması gerekiyor.

Bu, bir ila beş süper hisse senedi sıralamasına götürür, 01'den 2006'ya kadar, teknoloji gerçekten pazar değerini değiştiriyor , GE, Microsoft, Mobil, Citibank, Wal-Mart, ardından Wal-Mart gitti, Mobil 2011'de çıktı, Apple, PetroChina, Shell, Industrial and Commercial Bank of China, bir beş yıl sonra tüm teknoloji şirketleri.

Teknolojik devrim ve serbest ticaret aslında tüm gelişme sürecinden geçer. Teknolojik devrim, bilimsel araştırma yatırımına bağlıdır. Şimdi iki fenomen var: Devlet yatırım yapmaya devam ediyor ve işletmeler ulusal hükümetten daha fazla yatırım yapıyor. Bu, Çin, Avrupa, Japonya ve Amerika Birleşik Devletleri, Çin'in hala hızla yükseldiğini gösteriyor. İşte GSYİH'ye yatırılan harcamaların yüzdesi.

Bu önermeye göre, herkes bu çağın geldiğini hissediyor. Hala bazı tartışmalar var. Yapay zeka bir yazılım olduğundan, zekadır ve büyük veri Nesnelerin İnternetinden kaynaklanmaktadır, bu nedenle doğrudan toB'den toC'ye gider ve robotlar çok yavaş olacaktır.Güvenlik, hukuk ve maliyet tüm nedenlerdir.

Goldman Sachs, yapay zeka, tarım, finans, sağlık hizmetleri, perakende, enerji, robotik, yapay zeka, doğal dil anlayışından eğitime, sese, ağa, algılama ve vizyona, vb.'nin gelecekteki ana alanları ve temel teknolojileri hakkında rapor veriyor. Bekle, yapay zeka elektrik gibidir ve yapay zeka gelecekte ücretli elektrik gibi olacak. Yapay zeka çözümleri satın almak için ödeme yapın , Tüketimde olabilir, endüstride olabilir, yeni finansmanda (uygulama) olabilir, şu anda insanların düşündüğü şey bu.

Sınıflandırma ve düşünme dahil kendi çalışmamın sonucu, son beş yıldaki ve sonraki on yıldaki değişikliklerin aslında ERP olduğuydu, ancak şimdi iş zekası.

Endüstriyel robotlar hızlı bir şekilde kullanılmakta ve gelecekte kök hücrelerden hassas robotlara kadar satıştan ziyade hizmetler için özel robotlar kullanılabilmektedir. ToC mobil akıllı terminaller gelecekte her yerde cep telefonu olmadan giyilebilir olacak.

Alt kısım yazılımdır ve üst kısım somut ve somuttur. Artık genel olarak yapay zeka yazılımının en hızlı uygulamasının finans olduğuna ve bunu tıbbi bakım, gözetim, perakende, evdeki Nesnelerin İnterneti ve uzaktan eğitim olduğuna inanılıyor.Gelecekte, bankalardan restoranlara, diyalogdan diyaloglara kadar bir kamu hizmeti içeriği haline gelebilir. Ev IoT'den endüstriyel IoT'ye doğal konuşma çevirisi.

Daha önce hiç görmedim ve şimdi anlıyoruz ki yaşam hizmeti sekreteri, sekreter asistanı, pan-eğlence vb. Gibi AI uygulamalarının ortaya çıktığını.

Teşekkür ederim!

Genişleme - Yapay zekanın en olgun kısmı derin evrişimli sinir ağları ve derin pekiştirmeli öğrenmedir; Önümüzdeki üç ila beş yıldaki en olası atılım yarı denetimli yöntemdir.

Yang Jing : Aşağıda 2049 konusunu tartışalım. Teknik ve akademik düzeylerde olası gelişmeler de dahil olmak üzere yapay zeka ve derin öğrenmedeki son gelişmeler, önce üç ila beş yıl içinde akademik ve yapay zeka endüstrisindeki olası değişikliklerden bahsedelim. Profesör Deng Zhidong'u önce bunu paylaşmaya davet edebilir misiniz?

Deng Zhidong : Yapay zekanın özü, iki parça, derin evrişimli sinir ağı ve derin pekiştirmeli öğrenme içeren derin öğrenmedir. Bu iki parça şu anda en olgun parçalardır ve ürün geliştirme ve endüstriyel geliştirme için kullanılabilir. Ancak bu iki bölümün kendi sınırlamaları vardır.

Derin evrişimli sinir ağları, yüz tanıma dahil olmak üzere birçok son derece başarılı örnekle ortaya çıkıyor. Yapay zeka nedir? Şimdiye kadar birçok tanım var. Onlarca yıldır kendi yöntemlerinin akıllı olduğunu söylediler, "akıllı" terimi popüler hale geldi, herkes akıllı olduklarını söylüyor. Peki gerçek yapay zeka nedir? Bu sorun nispeten büyüktür, ancak açıkça söylenebilir.

Yapay zeka veya makine zekası insan düzeyine yakınsa - ulaşmaktan veya aşmaktan bahsetmiyorum bile, o zaman gerçekten zeki olduğunu söyleyebiliriz. Basit mantıksal yargılara zeka demenin bilim dışı olduğu açıktır. Bu aşamada, tüm algoritmalar arasında, yalnızca büyük veri ve derin pekiştirmeli öğrenme tarafından yönlendirilen derin evrişimli sinir ağları gerçekten insan düzeyine ulaştı, hatta insan düzeyini geçti.

Derin takviye öğrenmeye dayalı AlphaGo, açıkça insan satranç oyuncularından daha iyidir. Aynısı, dikey alt bölüm alanına uygulanan derin evrişimli sinir ağları için de geçerlidir. Artık LSTM gibi tekrarlayan sinir ağlarına hiç gerek olmadığı bulunmuştur.Sadece derin evrişimli sinir ağları ile uygulanan tekrarlayan sinir ağları, LSTM ile birleştirilmiş geleneksel dil modelleme yöntemlerini ve yöntemlerini aşabilir. . Facebook tarafından yayınlanan sinir makinesi çeviri sistemi, son zamanlarda yalnızca orijinal yöntemden dokuz kat daha hızlı olan saf derin evrişimli sinir ağlarını kullanıyor. Derin Evrişimsel Sinir Ağları ve Derin Güçlendirmeli Öğrenme, bu ikisi nispeten olgun, somut ve gerçekten zeki şeylerdir, insan seviyesine yakın veya aşar.

Üçüncü yapay zeka rönesansı bir yanılsama değil, bir balon değil, gerçek bir ilerlemedir.En azından yukarıda bahsedilen iki devrim niteliğindeki gelişme vardır.Diğer son teknolojiler hala araştırılmaktadır.

Son teknoloji bu alanı araştırıyor, Önümüzdeki üç ila beş yıldaki en olası gelişme, yarı denetimli yöntemdir. Yarı denetim için güçlü bir talep var, Şimdi derin evrişimli sinir ağı çok iyi, ancak eksiklikleri var, yani tam büyük veriye dayanıyor, büyük veri beslemesi olmadan insan seviyesine ulaşmak imkansız. Bu apaçık. Ancak, tam büyük veri elde etmenin maliyeti çok yüksektir ve birçok uygulama senaryosu mevcut olmayabilir.Örneğin, dünyanın her yerinden tren fotoğrafları toplamak imkansızdır. Küçük verilerle, küçük örneklerle veya küçük etiketlerle yarı denetimli öğrenmeyi yapmayı umuyoruz.Veriler büyük değil, ancak yine de insan seviyesine ulaşabilir.

Derin evrişimli sinir ağlarını eğitmek için etiket verilerinin yarısını veya hatta 1 / 4'ünü yapay olarak kaldırarak birçok deney yaptık.Ağın analoji yoluyla çıkarımlar yapma yeteneğine sahip olacağını ve küçük örneklerin veya küçük verilerin öğrenilmesinin insan seviyesine de ulaşabileceğini umuyoruz. bu kısım Üretken bir yüzleşme ağı veya geleneksel istatistiksel makine öğrenimi yöntemleriyle bir kombinasyon veya bilişsel hesaplama yöntemleriyle bir kombinasyon kullanıyor olsun, daha zordur. İnsanlar tamamen özellik çıkarımına dayanmaz , Yerli köpeklerin fotoğraflarını gördük, Tibet mastiflerini veya evcil köpeklerini daha önce görmemiştik, ancak bunları benzetme yoluyla tanımlayabildik. Neye dayanıyor? Akıl yürütmeye güvenin. İnsanlar akıl yürütme yoluyla daha güçlü genelleme yeteneği kazanır. Mevcut derin evrişimli sinir ağımız, çok seviyeli ve çok katmanlı özellik çıkarımına dayanmaktadır.Özellik çıkarma iyi değilse, tanıma sonucu iyi olmayacak ve insan seviyesine ulaşmayacaktır. Kısacası, özellik çıkarmanın iyi olabilmesi için tam büyük veri olması gerekir. Ancak ne olursa olsun, yarı denetimli veya denetimsiz, muhakeme yeteneğine sahip derin evrişimli sinir ağları, üç ila beş yıl içinde çığır açacak.

Genel yapay zekanın bu kısmı daha uzun sürecek, üç ila beş yıl içinde geçip geçemeyeceğini bilmiyorum ama çok önemli.

Aslında her ikisi de çok önemli. Yarı denetimli ve denetimsiz (öğrenen) atılımlardan sonra, yapay zeka senaryo araştırma ve geliştirme dahil birçok endüstri uygulaması hızla ilerleyecektir. Şimdi tam büyük veriyi elde etmek zor ve ödenen bedel çok yüksek. Pratik uygulamalarda, genellikle veri yinelemesi ve algoritma yinelemesi yoluyla geliştirilir. Bu açıdan bakıldığında, AlphaGo'da yer alan derin pekiştirmeli öğrenme, daha büyük bir umudu temsil ediyor. Aynı zamanda daha önce kullanılan 13 katmanlı ağ da dahil olmak üzere derin bir evrişimli sinir ağına dayandığından, şimdi kullanılan 40 katmanlı evrişimli sinir ağı önceki sığ, tamamen bağlı ağın yerini alıyor ve getirdiği yetenek gelişimi çok önemli. Neden daha anlamlı? Her şeyden önce karar verme kabiliyetine sahiptir Karar verme, sadece algısal zeka olmayan bilişe aittir. İkinci olarak, AlphaGo yalnızca küçük verilerin denetimli öğrenilmesine dayanır. İnsan profesyonel satranç oyunlarının 30 milyon 6-9 aşaması zaten insanlar için büyük verilerdir, ancak Go'nun arama alanı için küçük verilerdir. Ke Jie veya Nie Weiping'den bağımsız olarak, ömür boyu 30 milyon oyunu hatırlayamayabilirler. Ancak, 19x19 satranç tahtasında üç durum vardır: siyah, beyaz veya her kesişme noktasında taş yok. Kombinasyonların veya arama alanlarının sayısı çok büyük, aşıyor Tüm evrendeki parçacık sayısı. Böylesine karmaşık bir oyun değişikliği için, bilinen 30 milyon insan oyunu gerçekten küçük bir sayı! AlphaGo önce temel olarak 30 milyon insan satranç oyununu öğrenmek için derin denetimli öğrenmeyi kullanır ve daha sonra kendi kendine oyun ve sol-sağ karşılıklı dövüş yoluyla daha geniş bir satranç oyunu alanı aramak için derin pekiştirmeli öğrenmeyi kullanır.Bu, insan 30 milyon satranç oyununun dışında bir oyun alanıdır. AlphaGo 2.0, daha önce hiç görmediğimiz birçok oyun veya oyun oynadı. Kısacası, derin pekiştirmeli öğrenmenin iki ana faydası vardır: Karar verme verir ve bilişle bağlantılıdır. İkincisi, büyük veriye dayanmaz. Bu, daha önce bahsedilen yarı denetimli ve denetimsiz öğrenme yöntemleridir. AlphaGo'nun derinlemesine pekiştirmeli öğrenimi çok popüler olacak çünkü bilişsel düzeyde keşfediyor ve tamamen büyük verilere dayanmıyor ki bu çok önemli ve çekicidir. Derin takviyeli öğrenmenin gelişmeye devam etme potansiyeline sahip olduğuna ve dikey uygulama alanlarını büyük ölçüde genişleteceğine inanıyorum. Ancak kendi başına genel bir yapay zeka değildir. AlphaGo yalnızca Go oynayabilir, ancak aynı anda Çin satrancı ve satranç oynayamaz, bu nedenle yalnızca bir noktaya odaklanır.

Genel yapay zekanın farkına varın, dikey segmentasyon alanını genişletin veya tek görevli öğrenme yerine çoklu görev gerçekleştirin. Derin sinir ağları için ilerlemek için herhangi bir teknik yol olup olmadığını bilmiyorum. Ancak sembolizmin bilişsel zekası ile birleştirilmelidir.

Kesinlikle beyin bilimi perspektifinden bunu yapmanın olası yollarından biridir. Ancak kısa bir süre içinde beynin üst düzey zeki faaliyetlerini anlayamayabilir. Mevcut yapay zeka rönesansında gerçek atılımlar beyin bilimi tarafından yönlendirilmiyor, tamamen uzun zamandır etrafta olan evrişimli sinir ağı modelinden kaynaklanıyor.Büyük veri ve GPU'nun da gelişimi var.Bu, zamanın ilerlemesi ve tarihin kazasıdır. . Beyin biliminin keşifleri de ilerleme sağladı.Örneğin, IBM beyin benzeri yongaların güç tüketimini büyük ölçüde azaltmak için ani sinir ağları kullandı.Tabii ki, bu sadece bir mühendislik problemidir ve nöronların dürtü tepkisi uzun zamandır ders kitaplarına yazılmıştır. Sağduyu, sadece mevcut beyin projesi tarafından keşfedilmedi. Kısacası, gelecekte beyin bilimi tarafından yapay zekanın desteklenip desteklenmeyeceği bilinmemektedir, çünkü beyin biliminin kendisi kısa sürede büyük atılımlar yapamayabilir.

Genel yapay zekanın ilerlemek için iyi bir ipucu yoktur.Birinci neden, sinir ağının kendisinin bir kara kutu olması, diğeri ise geleneksel evrişimli sinir ağının çok görevli öğrenmeyi tamamlayamamasıdır. Sembolizmin bilişsel zekası ile birleştirildiği düşünülebilir, ancak yeni bir başlangıç noktasına, yani önceki kural tasarımı yerine daha yüksek seviyeli otonom öğrenmeyi kullanarak mevcut algısal zekaya dayanmalıdır.

Aslında, insan becerileri ve kuralları da özerk öğrenme yoluyla elde edilir. Sürücü okulundan mezun olmuş bir sürücü, yüzbinlerce kilometre yol kat ederek çok deneyimli bir öğretmen haline gelmiştir. Tüm süreç aslında uzun süreli eğitimle elde edilir.Sürüş becerileri veya kuralları belirsiz bir şekilde, acil durumların üstesinden gelmek için giderek daha ayrıntılı olarak bölünmüştür, Aynı zamanda gittikçe daha hassas ve zamanında hale geldi, ancak bu kurallar yalnızca anlaşılabilir ve kural tabanlı bir uzman sistemi olarak pek özetlenemez. Kısacası, bu kurallar manuel tasarımla değil öğrenilerek öğrenilir. Bilişsel zeka ile birleştirilen derin evrişimli sinir ağı ve derin pekiştirmeli öğrenmeye dayalı olarak, öğrenmenin, kuralların öğrenilmesini ve daha yüksek bilişsel tanecikliğin öğrenilmesini ve akıl yürütmesini gerçekleştirmek için daha yüksek bir düzeyde gerçekleştirilebileceği umulmaktadır. Bir anlamda, akıl yürütmenin bilişsel düzeyi daha güçlü genelleme yeteneği elde edebilir. Örneğin depoya geri giderken ve girerken algıya güvenmiyoruz.Kör noktadan dolayı arkayı göremiyorsak muhakemeye güveniyoruz.Arabanın dikiz aynası yan parka neredeyse paraleldir.Zeka algılamaya gerek yoktur ama bilişsel zeka da kullanılabilir. Araba park edilmiş.

Wang Tianmiao: İki AlphaGo dövüşü, bu eğilim nedir? Sonuç nedir?

Deng Zhidong: Kimin daha fazla şey öğrendiğine ve kimin uzun süredir çalıştığına bağlı. AlphaGo'nun hepsi aynı şirketten geliyor, bu yüzden olasılığa bağlı. Tencent'in Güzel Sanatı ve AlphaGo ise, bir kavga var.

Wang Tianmiao: AlphaGo ve AlphaGo bağlanacak mı?

Deng Zhidong: Aslında, her zamanki eğitimlerinde sadece bir kendi kendine eşleşmedir.Olasılığa bağlı olarak başlangıç düzeniyle veya başlangıç koşullarıyla ilgili bir galibiyet veya kayıp olabilir.

Deng Kan: Mutlaka bir beraberlik olması gerekmez Go belirleyicidir Her hamleyi çözebilirseniz, mevcut kurallara göre ilk kim kazanırsa kazanır. Kurallarınız önyargılı olmadıkça, bu belirleyici bir oyun olduğu için tamamen kurallara bağlıdır, eğer kurallar önyargılıysa, belirleyicidir.

Derinleştirme-AI tekeli ve manuel verilerin güvenilirliği;

Wang Tianmiao: AlphaGo, insanları tamamen geride bırakıyor AlphaGO'yu finans sektörüne koyarsak, dünyadaki son borsa pazarlamacısı AlphaGo mu?

Deng Zhidong: Hayır, AlphaGo'yu kendiniz yapabilirsiniz.

Wang Tianmiao: Bu zeka hızla birkaç sisteme odaklanacak mı? Hepimiz spekülasyon yapan perakende yatırımcılarız.

Deng Zhidong: Algoritmalardan veya teknolojiden daha gelişmiş ve hatta büyük veriden daha iyi olması mümkündür. Büyük veri temeldir ve derinlemesine pekiştirmeli öğrenmeden önce bir temel olmalıdır.

Yang Jing: Çin'deki hiç kimse bu dördüyle eşleşemez (yukarıda bahsedilen Google, Microsoft, Amazon, IBM'e atıfta bulunarak), henüz değil.

Wang Tianmiao: Çin söz konusu olduğunda, verileri açmadığı sürece Çin'i yenemezler mi?

Yang Jing: Elinizdeki veriler hala küçük. Geçen ay Alibaba'da Nisan forumunu açtık ve bir soru sorduk.Şimdi en önemli konferanslardaki makalelerin 1 / 3'ü üretken yüzleşme ağları. Üretken bir yüzleşme ağı var. Genellikle yüz milyonlarca veri kullanılır ve bu da verileri ayarlamayı çok zorlaştırır. Burada, veriyi kendiniz oluşturmanız gerektiği, mevcut veriler bunun için yeterli olmadığı, biriken veriler tek parça ve gelecekte üretilen veriler daha büyük bir parça olduğu belirtilmektedir. Sözde veri avantajı, her şeyden önce, insanlar bir avantajdır, ancak şimdi korkarım ki Ke Jienin durumu, insanların da bir avantaj olmadığını gösteriyor. Ek olarak, verilerin yeni veri üretebilme avantajları vardır ve yeni oluşturulan verilerin kalitesi insan verilerinden daha yüksek olabilir.

Deng Kan: Buna karşı oynayabilirsiniz. Bu sorun değil, ancak simüle edilmiş verilerle makine öğrenimini öğretmek zor olan bazıları var. Tıbbi tedavi bir örnektir.Sanal bir hastanın ne tür bir ilaç aldığını simüle etmek, fizyolojik reaksiyonunu simüle etmek ve başka bir simülasyon yapmak mümkün değildir. Cerrahi teşhis, mantıklı değil.

Profesör Wang çok iyi bir öneri ortaya koydu: Teknik engeller söz konusu olduğunda, Çin için, büyük veri ve yapay zeka alanında, Çin'in güvenlik duvarı vs. aslında bir endüstri engeli oluşturuyor mu? Bence görüşümüzü değiştirmek zorunda kalabiliriz, benim engellerim yok ama Çin'in dünyaya liderlik etmesi ve küresel yapay zekaya daha büyük katkılar yapması gerekiyor. DeepMind bana eşyalarımın çok gelişmiş olduğunu söyledi, verilerde 370 milyon vaka var, işbirliği yapabilir misin? Ön koşul, Çin'in tıbbi verilerinin güvenliğini korumaktır Bu kırmızı çizgi. Sağlık ve Aile Planlaması Komisyonu yetkililerine ve büyük hastanelerin yöneticilerine sordum, veri güvenliğini korumak adına en iyi küresel şirketlerle işbirliği yapmak mümkün müdür? Elbette mümkün. neden olmasın? "Bir Kuşak Bir Yol" Çin yurtdışına gitmek istiyor, "Tek Kuşak Bir Yol" yüksek hızlı demiryolu önde gidiyor ve Huawei ağlar açısından geride kalıyor. Çin sağlık ekibimiz de yükselirse, ne güzel bir şey! Bay Wang'ın ifadesini değiştirmek, engellerle ilgili değil, ama bu avantaja sahibiz. Küresel gelişime liderlik etmek istiyoruz ve "Tek Kuşak Bir Yol" istiyoruz.

Deng Zhidong: Mevcut yöntem hala büyük veriye dayanıyor ve etiketlerle büyük veri olmadan kesinlikle çalışmayacak. Derin pekiştirmeli öğrenme bile koşulludur. 2015 yılında, AlphaGo ve Fan Hui ve Li Shishi, 2016'da ilk kez derin evrişimli sinir ağlarının bağlantı haklarına yönelik denetimli öğrenmeye dayalı 30 milyon insan satranç skorunu ifade ettiler ve karşılık gelen performans temel değerdir Ağ ve strateji ağı, sonraki derin pekiştirmeli öğrenme tamamen kör rastgele arama değildir, bu iki derin evrişimli sinir ağının genelleme yeteneğini, kendi kendine oyunlar yürütmek için arama genişliğini ve derinliğini azaltarak sezgisel bilgi olarak kullanır ve derin güçlendirme kullanır. Yeni satranç oyununun keşfini daha da tamamlamayı öğrenin. Büyük veri, doğruluğu çok önemli olan eksiksizlik ve özgünlük gerektirir. Sanal veri ise, genellikle mümkün olmayan uygulama senaryosuna bağlıdır.

Finansal alan - bizim durumumuzda, finans ve yapay zeka ile uğraşan insanlar hiç birleşmiyor

Zhang Ruijun (Yarui Capital'in kurucusu): Ülkeden ülkeye rekabet eskiden silahlara dayanıyordu, ama şimdi finansa dayanıyor.Finans finansı işgal ettiğinde veya tekelleştirdiğinde, ulusal hazine, 2008 mali krizi gibi bir anda tamamen yok olacak.

Ülkemizin finans sektöründeki son borsa çöküşünde birçok insan kurtarılıyordu, hükümetimiz kurtarıyordu ve milli takım kurtarıyordu. Aslında yardımcı olmadı. Binlerce hisse limiti düştü, binlerce hisse limiti yükseldi ve geri dönen binlerce hisse vardı. Yapay zeka, gelecekte finans üzerinde en büyük etkiye sahip olacak, bu yüzden burada yapay zeka konusunda çok sayıda uzman olduğu için çok onur duyuyoruz, bunu nasıl düşünürüz? Başlangıçta Çin'de tüm bilişim uygulandığında Çin çok geri kalmıştı. Çin'in finansal yazılımları üzerinde çalışan bazı uyanmış insanlar var, bu da bu uygulamanın büyük bir hızla gelişmesini sağlıyor.

Özellikle yapay zeka ve bilgi teknolojisi ile uğraşan kişilerin genellikle finans ve ürün uygulamalarına dikkat etmediklerini belirtmek gerekir. Şimdi bu, zamanın başka bir noktasıdır.Yapay zeka ve teknoloji ile uğraşan insanlar, genellikle bizim bakış açımızı ve ilgimizi endüstri gibi birçok yöne koyarlar.Finansın dikkate alınması gerekiyor mu? Bunun hakkında nasıl düşündün? Bu sosyal bir sorundur.

Deng Zhidong: Mali güvenlik, genel ulusal stratejik güvenlik ve ekonomik ve sosyal kalkınmanın genel durumu ile ilgilidir. Bir çok finansal büyük veri yapılandırılmış ve yarı yapılandırılmış veridir.Tablolarda çok sayıda özelleştirilmiş veri vardır ve veri kalitesi çok iyidir.Özellikle büyük veri yapay zekası uygulaması için uygundur.

Şimdi asıl sorun nerede? İki dış görünüm, finans uzmanları yapay zekayı anlamıyor ve yapay zeka profesyonellerinin büyük mali verileri yok. Asıl sorun bu.

Zhang Ruijun: Amerikalı yapay zeka uzmanlarının araştırma yapmak için finansta konuşmaya başladığını ve birçok sonuç elde ettiğini gördüm, IBM'den Watson da bunu yapmaya başladı.

Burada finans ve yapay zeka ile uğraşan insanlar hiç birleşmiyor, ülkemizde bu kadar hızlı bir gelişme görmedik ve geleceğin ne olacağını bilmiyoruz.

Deng Kan: Bay Yang'a birkaç yıl önce UBS'nin ticaret katının ve şu anki ticaret tabanının bir resmini gönderdim ki bu çok şok edici oldu. Yapay zeka, finans sektöründe gerçekten büyük bir rol oynayabilir. İkinci soru, dördüncü paradigma deneyen şirketler olmasına rağmen, neden Çin'de bu kadar köklü değişiklikler görmediğimizdir. Bir girişimci olarak onlara aşinayım, açıkçası finans sektörümüzün çok yüksek engelleri var.

Yapay zeka teknolojisinin kendisi finans sektöründe çok büyük bir rol oynuyor, ancak özel koşullar altında finans alanında yapay zeka yenilikleri yapmak gerçekten kolay değil.

Deng Zhidong: Shanghai Fortune Fund vb. Dahil, yapay zeka finans ekipleri ve start-up'lar var.En az son altı ayda birkaç ekiple iletişime geçtim ve oldukça derinlemesine istişarelerde bulundum.

Yang Jing: Menkul Kıymetler Düzenleme Komisyonunun bir finansal teknoloji komitesi var ve ben de üyelerden biriyim.Şu anda ister blok zinciri ister otomatik ticaret olsun, hepimiz bunu yapıyoruz ve Ayrıca birçok ilgili startup şirketi var: Yapay zekanın finans alanında finansal hizmetler için derin öğrenmeyi kullanmak aslında IBM ve Microsoft'un en büyük iş yönü. Ayrıca Baidu bunu uzun süre yaptı. Ali Ant Financial'ın yaptığı budur. Finans, yapay zekanın doğal olarak kullanıldığı bir alandır.Tüm verilerdir, en standartlaştırılmıştır ve çok sayıda kamuya açık veri vardır.

Deng Zhidong: Bu konuda dünyanın en iyisi, yapay zeka finansmanı için bir ölçüt olan Goldman Sachs.

Beyin Bilimi ve AI-Derin sinir ağı öğrenimi sabit bir ağ çerçevesine sahipken, beyin tanıma dinamik bir süreçtir

He Huiguang: Zekanın doğası nedir? Nasıl ölçülüyor, nasıl değerlendiriliyor, bu konular temelde şu anda çok net değil.

Zeka elde etmenin iki yolu vardır, biri derin öğrenme + büyük veri, diğeri ise beyin benzeri zeka.

Çin Bilimler Akademisi, sinirbilimcileri ve yapay zeka bilimcilerini keşif için bir araya getirmek amacıyla Şangay Nöroloji ve Otomasyon Enstitüsü liderliğindeki Beyin Bilimi ve Akıllı Teknoloji Mükemmeliyet Merkezi'ni kurdu. Öğretmen Deng az önce şöyle dedi: Derin öğrenme birçok alanda başarılı olmuştur, ancak aslında derin öğrenmenin büyük veriye dayanması gibi bazı eksiklikleri vardır, küçük bir örnek öğrenme değildir. Ve adanmış bir yapay zeka. Go modelini satranç oynamak için kullanıyorsunuz ve birbirinizden çıkarım yapma yeteneğinden yoksun olarak tekrar öğrenmek zorundasınız. Dahil etmek Yeterince sağlam değil , İyi bir model öğrenirsiniz, düşman örneklemin bir parametresini biraz ayarlarsınız, insan gözü onu tanıyabilir, ancak yanlış tanıyacaktır. Bu düşünceye dayanarak, beynin düşünme sürecinden bazı deneyimler nasıl öğrenilir ve bu deneyim aracılığıyla derin ağların yapısal modellemesine rehberlik etmek önemli bir araştırma yönüdür. Beyin biliminin bilgisayar alanı için de birkaç önemli ilham kaynağı vardır. HMAX modeli gibi, klasik olmayan alıcı alanlar vb. Vardır, gelişmiş öğrenme durumunda bile, ilk önce biyolojide önerilmiş ve doğrulanmıştır.Beyinde bir ödül devresi ve dopamin salgılanması vardır.Doğru yapılırsa, Beyin heyecanlanacak.

Beyin araştırmalarından nasıl ilham alınır? 8 Mayıs'ta Çin Bilimler Akademisi, ilgili konuları tartışmak için bir beyin bilimi ve akıllı teknoloji forumu düzenledi. Şu anda, iyi öğrenilmiş derin sinir ağının çerçeve yapısı sabittir ve beyin tanıma dinamik bir süreçtir. Beynin bilişsel süreci tanıtılabilirse, kesinlikle daha iyi sonuçları olacaktır. Mevcut örüntü tanıma, statik bir haritalama olan bir haritalama bağlantısı kurmaktır.Uzaktan gelen bir insanı gördüğümde, önce sırtını görebilir, yürüme duruşunu izleyebilir ve sonra yavaş yavaş yargılayabilir ve tanıyabilirim. Önce bazı özellikleri çıkarmak, sonra sınıflandırma yapmak ve ardından tanıma yapmak yerine. Aslında, yıllar önce, örüntü tanıma ve kontrol çok yakından bağlantılıydı Yapmamız gereken, güç sistemleri de dahil olmak üzere, örüntü tanıma ve kontrolü gerçekten birleştirmek.

Öğretmen Deng Kan az önce bir cümle kurdu ve ben cevap verdim. Öğretmen Deng, "Sinir ağları çok fazla veri üretiyor ve tıpta veri üretmek anlamsız." Dedi. Bu konuda biraz farklı bir fikrim var Ameliyat simülasyonu gibi üretilen verileriniz, ameliyatı nasıl gerçekleştireceğiniz konusunda size daha iyi yol gösterebilir. İlaçlar için bile, bazı modeller aracılığıyla, ilacın tepkisinin ne olduğu hesaplanarak ve bir dizi model oluşturularak hesaplanabilir ve simüle edilebilir. İnsan sistemi ile birbirine ilham verecek bir bilgi işlem sistemi veya simülasyon sistemi kurun ve yapay sinir ağı yapısını beyin araştırma modeli aracılığıyla yönlendirin. Buna karşılık, yapay olarak üretilen veriler veya bazı iyi deneyimler daha iyi rehberlik etmek için kullanılabilir.

: IBMTrueNorth

Deng Zhidong DNARNA60LGNV1V2V4AIT

spikingHodgkin-Huxley1952

MIT Technology Review aslında V1ITIT

Yang Jing:

32013 2.0

Yang Jing: 2.0

24 CDSClinical Decision Support

GOOGLE X

GOOGLE Zor. Gerçekten öyle.

99PACS

GPU