Psikoloji, bilgisayar bilimi ve sinirbilim genelinde, Çin Çin Bilgi Toplumu'nun 2017 Yıllık Konferansı'nın birçok alanda nasıl büyük bir çarpışmaya neden olduğunu görün
Leifeng.com AI Technology Review Press, 25 Kasım 2017, Çin Bilgi Toplumu ev sahipliğinde ve Harbin Teknoloji Enstitüsü (Shenzhen) ev sahipliğinde, 2017 Akademik Yıllık Konferansı ve Çin Çin Bilgi Toplumu Konseyi, Shenzhen Dameisha Yalan Sribi'de düzenlendi Di Hotel görkemli bir şekilde düzenlendi ve Leifeng.com AI Technology Review da herkese raporlar getirmek için olay yerine koştu.
Bu konferans, akademiden ve endüstriden birçok tanınmış uzmanı davet etti.Konferansın ilk gününde, Illinois Üniversitesi, Urbana-Champaign (UIUC) Bilgisayar Bilimleri Bölümü'nden Profesör Zhai Chengxiang, Çin Bilimler Akademisi Psikoloji Enstitüsü Müdürü Fu Xiaolan ve Jingdong Silikon Vadisi Araştırma Enstitüsü, Tsinghua Direktörü Li Wei Tıp Fakültesi Biyomedikal Mühendisliği Bölümü'nden Song Sen ve Bugünün Toutiao Yapay Zeka Laboratuvarı Direktörü Li Hang, size psikoloji, bilgisayar bilimi, sinirbilimi ve diğer alanları kapsayan, parlak bir şekilde davet edilen beş ders getirdi.
Neden bu kadar çok alanı kapsadığına gelince, Çin Çin Bilgi Toplumu Başkanı Akademisyen Fang Binxing, Çince bilgi işlemenin konuşma işleme gibi çeşitli bilgi işleme yönlerine genişletilebileceğini söyledi. Bu genişlik, genellikle etki alanları arası bir niteliği temsil eder. İnovasyon daha fazla fırsat sağlar.
Prof.Chengxiang Zhai: Metin Kapsamı: Metin Madenciliği Yoluyla İnsan Algısını Geliştirin
Profesör Zhai Chengxiang sabah ilk davetli raporunda "TextScope: Metin Madenciliği Yoluyla İnsan Algısını Geliştirme" başlıklı bir tema raporu getirdi.Raporun başında TextScope'un bir görüntü metaforu olduğunu ve büyük veriden öğreneceğini söyledi. Metin verilerinin değerini analiz etme perspektifinden. "Metin verileri her yerde. Bu, insanlar dünyayı algıladıktan sonraki veriler olarak kabul edilebilir. Sensörlerden, termometrelerden vb. Çok da farklı değildir. Bunların hepsi dünyanın algıları ve gözlemleridir. Metin verilerinin analizi yoluyla gözlemleyebilirsiniz. Gözlemcinin gözündeki dünya da analiz edilebilir. Bu bizim için bir fırsat. "Dedi.
Bundan sonra, gerçek dünyadaki hemen hemen tüm değişkenleri ve gelecekteki eğilimleri tahmin etmek için metin verilerinden dil bilgisini incelemek gibi metin verilerini kullanarak yapılabilecek ilgili araştırmaları vurguladı. "Metin verileri dünya hakkında pek çok bilgi içerir. Ayrıca, metin verilerinin kullanılması metin analiz edilirken bağlam sağlayabilir."
Metnin nasıl daha değerli hale getirileceğiyle ilgili olarak şu bakış açısını ortaya koyuyor: Birden fazla metin verisini bir araya getirmek büyük bir değer yaratacaktır.Metin olmayan ve metni birleştirmek, araştırma için de çok yer var.
Konuşmasında bir görüntü metaforu yaptı.Mikroskop ve teleskop kombinasyonu algımızı genişletebilir ve insanların daha fazla şey görmesini sağlayabilir.TextScope, metin verilerini destek olarak kullanan, anlamak için doğal dili kullanan, Bilgi erişimi, veri madenciliği ve makine öğrenimi ile inşa edilen etkileşimli sistemler, dünya algımızı genişletebilir.Mikroskoplar ve teleskoplarla karşılaştırıldığında, daha karmaşık bilgileri ve iç eğilimleri görmemizi sağlar.
Konu analizinde bireysel ihtiyaçları karşılayabilecek metin analizi ve makineyle karar verme için genel araçlar oluşturmayı umuyorlar. Spesifik uygulamalar için önce hastanenin tıbbi sisteminden bahsetti, örneğin tahmin, teşhis, tedavi vb. Sistem, veri madenciliği yoluyla ilaçların yan etkilerini inceleyecek ve daha sonra daha fazla araştırma için tıbbi araştırmacılara sunacaktır. Buna ek olarak, kullanıcıların ürün incelemeleri yoluyla analiz edilebilen ve gözden geçirenlerin fiyatı veya hizmeti daha fazla değerlendirip değerlendirmediğini analiz eden, böylece puanı daha da iyileştirmek ve kullanıcılara kişiselleştirilmiş önerilerde bulunmak için iş zekası uygulamaları da vardır. Son olarak, yararlı bilgiler elde etmek için hisse senedi haberleri ve metin haberleri arasındaki ilişkiyi analiz ederek borsa tahminlerinden bahsetti.
Bu süreçte insan ve makine işbirliğinin çok önemli olduğunu vurguladı. TextScope'un sadece bir fikir olduğunu söyledi. Bu sistemin büyük beklentileri var. Nihai hedef, insanlar ve bilgisayarlar arasındaki işbirliğinin nasıl optimize edileceğini incelemektir.Gelecekteki yönler genel sistemleri, karar verme sistemlerini ve tahmin sistemlerini içerir. Chatbot gibi mevcut sistemlerin ancak insanlarla yapılan konuşmalardan öğrenebileceğini ve insanları geçemeyeceğini, gelecekte sistemlerin akıllı ajanlar doğrultusunda gelişeceğini ve keşfetmeyi öğrenmesi gerektiğini söyledi. Gelecekte, makinelerle nasıl işbirliği yapılacağı (psikoloji kısmı çok önemlidir), sistemin işleyişinin nasıl çözüleceği, güçlü zorluklarla nasıl başa çıkılacağı gibi birçok büyük zorluk da olacaktır.
Araştırmacı Fu Xiaolan: Algılama, bellek ve yargıya ilişkin bilişsel hesaplama modeli (PMJ modeli)
Profesör Zhai Chengxiang'ın raporundan sonra, araştırmacı Fu Xiaolan "Algılama, Bellek ve Yargı Bilişsel Hesaplama Modeli (PMJ Modeli)" başlıklı bir rapor getirdi. PMJ modelinin neden önerildiği ile ilgili olarak, "biliş hesaplamadır" ifadesinin bilişsel bilimin ana akım kavramı haline geldiğini söyledi.Bilgisayar bilimi yalnızca sayısal hesaplamalara önem vermekle kalmaz, aynı zamanda gerçek dünya sorunlarını çözmeye de daha fazla önem verir.İnsanlar, zeki yaratıklar olarak karmaşık çevresel bilgilerde etkilidir. İşleme yöntemi bilgisayar biliminden öğrenmeye değer. Bilişsel hesaplamanın ne olduğunu daha da detaylandırdı, "Bilişsel hesaplama insan merkezli bir hesaplamadır. Hesaplama problemlerini çözmesi gerekir, aynı zamanda bilişsel problemleri de çözmesi gerekir. Bilişsel sinirbilimin başarılarını, biyolojik anlamlılığın hesaplamalı modeline belirli kısıtlamalar getirmek için kullanmak gerekir. , Beyin sinir ağlarını modellemek ve simüle etmek için beyin fonksiyonel bağlantısının sonuçlarını kullanmak gereklidir. "
Öyleyse PMJ modelinin temel fikri nedir? Araştırmacı Fu Xiaolan şu üç noktaya değindi: Birincisi, bilişsel işleme süreci esas olarak algılama, hafıza ve yargılamadan oluşur; ikincisi, bilişsel işlemleme yolu kabaca hızlı işleme, ince işleme ve geri bildirim işleme; üçüncüsü, bilişsel sürecin algısı ve hafızası Yargı, hesaplama sürecinin analizi, modellemesi ve karar verme sürecine karşılık gelir. Daha sonra, üç farklı işlem yolunu daha da açıkladı: "Hızlı işlem yolu, büyük hücre yoluna ve ilişkili kortikal yoluna benzer. Bu," hızlı ve kaba "bir algoritmadır. İnce işleme yolu, küçük hücre yoluna benzer. Yol ve bununla ilişkili kortikal yol, "yavaş ve hassas" bir algoritmadır, geri bildirim yolu ise yukarıdan aşağıya geri bildirime atıfta bulunur. "
Bundan sonra, PMJ modelindeki beş varsayımı ve bu beş varsayımın yol gösterici önemini ayrıntılı olarak açıkladı. Beş hipotez şunlardır: 1) PMJ'nin her aşamasının girdisi ve çıktısı ölçülebilir ve hesaplanabilir; 2) PMJ'nin çeşitli yolları, bilişsel işlemeyi tamamlamak için işbirliği yapar; 3) Görsel belirgin özellikler otomatik olarak dikkati çeker; 4) Niyet ve ön bilgi yukarıdan aşağıya Dikkat yönlendirin; 5) Yargının çıktısı, algısal girdiyi tahmin edebilir.
Ek olarak, PMJ tabanlı görüntü duygu tahmini ve görüntü rengi modifikasyonu gibi birçok ilgili araştırma çalışmasını da başlattı.
Raporun sonunda, "Akıllı telefonların ve giyilebilir terminallerin yaygınlaşması, akıllı evlerin ve Nesnelerin İnterneti'nin yükselişiyle birlikte ağ oluşturma, bulut bilgi işlem ve büyük veri çağında, akıllı bilgi işlem kademeli olarak günümüz toplumunun her kesimine nüfuz edecek. Bu köşe, insanların daha rahat, rahat ve sağlıklı yaşamaları ve çalışmaları için eksiksiz bir hizmet yelpazesi sunuyor. "
Raporu bittikten sonra, herkes bu araştırma alanı hakkında aktif olarak sorular sordu, örneğin insan beyni düşünme sinyallerini izlemenin bir yolu olup olmadığı ve psikoloji ile bilgisayar bilimi arasındaki bağlantı.
Dr. Li Wei: Derinlemesine Ayrıştıran Çince
Araştırmacı Fu Xiaolan'ın konuşmasının ardından, sabahki son konuk konuşmacı olan Dr. Li Wei, ortaya çıkar çıkmaz bir fotoğraf çılgınlığına yol açtı. Raporunun konusu, temel olarak aşağıdaki dört bilgi yönünü izleyiciye getiren "Derin Ayrıştırma Çince" dir. Biri doğal dil işlemenin yapı analizi, diğeri Çince dil analizinin zorlukları ve kayıpları ve üçüncüsü bunlarla nasıl başa çıkılacağıdır. Buradaki zorluk, karaya nasıl inileceği ve uygulanacağıdır.
Konuşmanın başında, temel bakış açısını ortaya koydu: doğal dilin özü, onu nasıl anlayacağınız ve derinlemesine analizin nasıl yapılacağıdır.Herkese doğal bir dil işleme çerçevesi gösterdi. "Parçalanmış zekayı daha fazla kazmalı ve ardından uygulama katmanına genişletmeliyiz. Sığ çalışma yapıldıktan sonra, nasıl derine inileceğini araştırmalıyız. Derin analiz, doğal dilin nükleer silahıdır."
Derinlemesine analizin aslında görece olgun bir alana ulaştığını, doğal dilin büyük veri açısından zor olmasına rağmen uygulama sağlamak için yeterli bir aşamaya geldiğini söyledi. Doğal dilin derinlemesine analizi artık sağlamlığa ulaştı ve karışık dil nesnelerini idare edebilir.Geleneksel F-skor indeksi insanlara yakın bir seviyeye ulaştı.
Ayrıca Çince sözdizimi analizinde sık sorulan soruları da gündeme getirdi. Örneğin, kavrulmuş tatlı patatesleri severim. Kavrulmuş veya tatlı patatesleri sever miyim? Ek olarak, noktalama işaretleri kullanmama, yazım hataları, birçok küçük kelimenin atlanması, kelime sırasının karıştırılması vb. Gibi başka yaygın sorunlar da vardır. Pek çok kişi Çince kelime sırasının sabit olduğunu düşünür, bu görüş için farklı görüşler ortaya koyar, "Tavuğumu yerim" ve "Tavuğumu yerim" gibi kelime sırasının sabit olmadığını söyledi.
Çince analizindeki zorluklar ve kayıplar söz konusu olduğunda, üç nokta olduğunu söyledi: İlk nokta, birçok konferansta insanların Çince'nin benzersiz olduğunu ve birçok zorluk olduğunu söyleyeceği, aslında durum böyle değil.Her dilin tokenleştirme gerektirdiği; İkincisi, POS etiketlemedir.Torik olarak POS etiketlemeye gerek yoktur.Ayrıca, derinlemesine analiz için başkalarının POS etiketlemesini kullanmayın.Bunu yaptıktan sonra, sonsuz takip ayarlamaları olacaktır. Üçüncü kayıp, doğal dilin doğasının dolaşım olduğunu düşünmememiz gerektiğidir, Chomsky'nin düşüncelerinin Çince'nin iki yakasını ayırdığına inanıyor.
Chomskynin duvarından nasıl geçilir, dedi, CFGnin tipik algoritması, sözdizimsel bir analizör yapmak için bir yığın şey kullanmaktır. Şimdi, görevi katman katman azaltmak için yazılım mühendisliği kullanılması savunulmaktadır. FSA özyineleme sorununu çözebilir, ancak Bazı insanlar hata büyütme oranını eleştiriyor.
Bu noktada sabah tema raporu bitmiştir.
Profesör Song Sen: Anlamsal İşlemenin Sinir Mekanizması ve Sinir Sembolizm Sistemi
Öğleden sonra iki ders verildi: İlki, Profesör Song Senatör'ün getirdiği "Anlamsal İşlemenin Nöral Mekanizması ve Nörosimbolizm Sistemi" açılışında derin öğrenmenin karşılaştığı sorunlardan bahsetti: Doğa karmaşık bir sistemdir. İnternetteki fenomenlerin çoğu uzun kuyruklu bir dağılım gösterir.Büyük veri koşullarında derin öğrenme iyi bir iş çıkarır, ancak küçük veriler karşısında derin öğrenme genellikle ölümcül hatalar yapar. İnsanlar akıl yürütme ve benzetme yöntemini benimseyecek, şu anda beyinden çok fazla ilham alabiliyoruz. İzleyicilere beynin global bağlantı yapısını detaylı bir şekilde anlattı, farklı görevlerin farklı beyin bölgelerini harekete geçirdiğini ve bağlantı yapısının da farklı olduğunu, insanların bu ağları anlamaya son on yılda daha yeni başladığını söyledi. Sinirbilim araştırmalarına yardımcı olmak için bilgisayar bilimi bilgisini kullanan en son makaleden bahsetti ve ayrıca 2016'da doğa üzerine yayınlanan daha temsili bir makaleden bahsetti ve ayrıntıları analiz etti.
Daha sonra yerel kodlamayı ayrıntılı olarak anlattı. "Beynin en temel özelliklerinden biri, zaman için alan kullanan yüksek derecede paralellik olmasıdır. Örneğin, 8 sayısını temsil etmek için bir bilgisayarda ikili kodlar kullanılabilir; periferik sinirlerde, tek bir nöron 8 sivri uç gönderebilir ve frekans kodlaması kullanabilir; ve Merkezi sinir sisteminde, 8 nöron kullanılır ve bir nöron bir artış gönderir. "
Seyrek kodlama teorisi ile ilgili olarak, bilgisayarlarla birçok entegrasyon noktası olduğunu söyledi. Yaptığı bir dizi deneyden bahsetti: Test grubuna farklı kısa filmler izlemek ve hücrelerin olaylara nasıl tepki verdiğini gözlemlemek. Daha sonra beynin daha fazla analizinden de bahsetti: Beyinde merkez beyin alanları var, bu beyin bölgeleri daha yavaş saatlere sahipken, diğer beyin bölgeleri, özellikle algıdan sorumlu beyin alanları daha hızlı değişiyor.
Anlamsal anlamada sinirsel sembol sistemine gelince, iki yol olduğunu söyledi: Birincisi, sinir ağı ve sembol sisteminin aynı işlevi yerine getirdiği, ancak öğrenmeyi hızlandırmak için iletişim kurup birbirlerinden öğrendiği sinir ağı-sembol sisteminin dualitesidir; İkincisi, sinir ağı-sembol sisteminin işbirliğidir Sinir ağı ve sembol sistemi, farklı işlevleri yerine getirir ve karmaşık sistemlerin karşılıklı işbirliği için modüller haline gelir.
Konuşmasının ardından herkes, hayvanların anlamsal sistemi ile insanların anlamsal sistemi arasındaki fark, insanların dili beynin işi olduğunu nasıl anlayacağı, deneklerin deneyde sınıflandırılıp sınıflandırılmadığı gibi çeşitli sorular yöneltti. .
Araştırmacı Li Hang: Yapay Zekanın Geleceği - Hafıza, Bilgi ve Dil
Paylaşım getiren son konuk konuşmacı araştırmacı Li Hang oldu ve konusu "Yapay Zekanın Geleceği-Hafıza, Bilgi ve Dil" idi. Konuşmanın başında ilk olarak hafızanın bizim için önemini anlattı, İngiliz müzisyen Clive Wearing'i örnek aldı.Clive en ciddi hafıza kaybı yaşıyor ve yeni şeyleri hatırlayamıyor Geçmişte birçok anı var. Eksik, sadece anlık hafıza. Bunu, önemli organı hipokamp olan insan beyninin yapısını çizmek için kullandı. Daha sonra Dr. Li Hang, Frank Longo'nun beyin fonksiyon modelini aktardı ve detaylı olarak bizim için açıkladı.Beynin kısa süreli hafızasının 18-30 saniye sürebileceğini, uzun süreli hafızanın karakteristiğinin bilginin sıkıştırılması olduğunu söyledi.
İnsan beyninden bahsettikten sonra yapay zeka sistemlerinden bahsetti. "Bu sistemlerin AlphaGo, otonom sürüş vb. Gibi uzun süreli hafızası yoktur. Bunlar, makine öğrenimi yoluyla önceden öğrenilir ve farklı modeller çağırır. Bu, şu anda yapay zeka sistemlerinin ana modudur."
Peki, gelecek nasıl görünecek ve akıllı bir soru cevaplama sistemi nasıl kurulacak? Bize, temelde beyin fonksiyon modelinin diyagramıyla aynı olan dil işleme modülleri, kısa süreli bellek, uzun süreli bellek vb. Dahil olmak üzere böyle bir sistemin çerçevesini açıkladı. Sistemin verileri sürekli okuyabildiğini varsayarsak, verileri sıkıştırmak ve uzun süreli belleğe koymak için çok iyi bir dil işleme modülünün oluşturulabileceğini söyledi. "Bu bir gelişmedir. Sadece bir AI sistemine sahip olmakla kalmaz, bilinçlidir ve uzun süreli hafızası vardır, aynı zamanda doğal dilde soru ve cevap da yapabilir. Mevcut vizyon budur."
Bu vizyonu gerçekleştirmenin birçok zorluğu vardır.Doğal dil işleme sürecinde genellikle belirsizlik ve çeşitlilikle karşılaşılır.Ayrıca, anlambilim çok belirsiz bir şeydir.Bir kelimenin anlamsallığı çeşitli şekillerde genişletilebilir. Bilgi kavramının belirsizliği de vardır, iyi bilinen bir örnek bekarlık kavramıdır.
Peki iyi çözümler nelerdir? Sinirsel işlemeyi ve sembolik işlemeyi birbirini tamamlamak için birleştirmenin, sinirsel sembolik yöntemler kullanarak akıllı bir soru yanıtlama sistemi uygulamanın ve sembolik gösterimi ve vektör gösterimini birleştirmek için derin öğrenme kavramlarını kullanmanın iyi bir yolu olduğunu söyledi. Aslında bu tür çalışmalar Nell sistemleri gibi sektörde de yapılıyor. Ayrıca derin öğrenme yöntemlerinin uçtan uca öğrenme için kullanılabileceğinden de bahsetti. FaceBook tarafından önerilen bellek ağları sisteminin açıklamalara dayalı basit sorular ve yanıtlar verdiğini ve çekirdeğinin de uzun süreli bellek olduğunu söyledi. En yakın çalışma, bilgi tabanından otomatik olarak yanıtlar bulabilen Google'ın sinirsel sembolik makine modelidir. Bu model, büyük miktarda eğitim verisine sahiptir ve doğal dili komutlara dönüştürebilir ve sembolik işlemeye bağlanabilir. Bundan sonra, daha önceki ilgili çalışmalarını da tanıttı. Vizyonu, gelecekte yapay zeka sisteminin uzun vadeli hafızasını gerçekleştirmektir.Nöral sembol işleme teknolojisi sayesinde, tanrı düzeyinde ağ ve sembol işleme, doğal dili başka bir seviyeye taşımak için birleştirilir.
Şimdiye kadar, beş misafirin getirdiği harika raporlar her yerde.
Kısa bir çay molasının ardından, 2017 yılında toplumun teknik değerlendirme çalışmalarının gözden geçirilmesine başladık. Dernek Başkan Yardımcısı Profesör Huang Heyan başkanlık etti ve derneğin değerlendirme çalışmalarını tanıttı. Bu yıl değerlendirme çalışmalarını yürüten 7 meslek komitesinin temsilcileri, her bir özel komitenin yürüttüğü değerlendirme çalışmaları hakkında kısa bir rapor verdiler.Rapor içeriği şu şekilde:
-
Bilgi Erişim Komitesi: Araştırmacı Guo Jiafeng, "Akıllı Sorular ve Cevaplar için Pozitif Sıralama Değerlendirme Raporu"
-
Bilgi ve Anlamsal Hesaplama Komitesi: Yardımcı Araştırmacı Han Xianpei, "Ulusal Bilgi Grafiği ve Anlamsal Hesaplama Konferansı Teknik Değerlendirme Çalışmasının İncelenmesi"
-
Sosyal Medya İşleme Komitesi: Profesör Jiang Shengyi, "SMP Teknolojisi Değerlendirmesinin Uygulanması ve Düşünülmesi"
-
Hesaplamalı Dilbilim Komitesi: Doçent Doktor Che Wanxiang, "İlk Çince Makine Okuma Anlama Değerlendirmesine Giriş"
-
Azınlık Dilleri Komitesi: Profesör Zhao Xiaobing, "Ulusal Dil Otomatik Kelime Segmentasyonunun Değerlendirilmesi MLWS2017"
-
Makine Çevirisi Komitesi: Araştırmacı Yardımcısı Huang Shujian, "CWMT2017 Makine Çevirisi Değerlendirmesine Giriş"
-
Sogou: Araştırmacı Xu Jingfang, "CIPS-SOGOU Sınav ve Değerlendirme Yarışmasına Giriş"
Şimdiye kadar, konferansın ilk günündeki aktiviteler bitti.Aktiviteler bitmiş olsa da, heyecan verici içerik devam ediyor.Leifeng.com AI Technology Review'in takibi, bazı misafirlerin harika konuşma içeriklerini de sıralayacaktır.
