JDD'nin Akademisyen Gao Wen tarafından yazdığı konuşmanın tam metni: AI geliştirme 60 yıldır inişli çıkışlı. Bu doruk noktasında ne kadar ileri gidebiliriz? (PPT ile)
Leifeng.com, 6 Kasım'da JD.com'un, finans alanındaki en iyi büyük veri ve yapay zeka uygulamalarını birlikte keşfetmek için dünya çapında benzer fikirlere sahip ortaklar arayan JDD JD Finance Küresel Veri Gezgini Konferansı düzenlediğini bildirdi. Çin Mühendislik Akademisi öğretim üyesi ve Pekin Üniversitesi Profesörü Gao Wen konferansta bir konuşma yapmak üzere davet edildi ve konuşmanın konusu "Büyük Veriyi Keşfedin ve Yapay Zeka Çağına Hoş Geldiniz" idi. Akademisyen Gao Wen konuşmasında sadece büyük veri ile yapay zeka arasındaki bağlantıyı ve farkı tanıtmakla kalmadı, aynı zamanda yapay zekanın nereye gittiğini ve ne kadar ileri gitmesi gerektiğini düşündüğünü de dikkatlice açıkladı.
Leifeng.com'un önündeki muhabirlerin ve site içi kısaltmanın raporlarına göre, aşağıdakiler özetlenmiştir:
Gao Wen: Günaydın, değerli konuklar Profesör Yang Qiang ve ben uzun yıllardır arkadaşız. 1991'den beri Dünya Yapay Zeka Federasyonu'na katıldık. Tanıştıktan sonra 20 yıldan fazla bir süredir her yıl bazı iletişim ve alışverişler yaptık, bu yüzden harekete geçmeye başladı. Buraya birkaç kelime söylemek için geldiğimde bunun bir finansal inovasyon konferansı olduğunu söyledim, oraya gittiğimde ne diyeceğimi bilemedim, kendimi finanse etmiyorum. Daha sonra sorun yok dedi, yani makro düzeyde daha fazla şeyden bahsedebilirsin. Bunun üstesinden gelmenin kolay olduğunu söyledim.Peking Üniversitesinin özelliği her şeyin gökyüzünde olmasıdır.Konuşmadan konuşalım. Bugün bunu rasgele konuşacağız.
Mevcut çağımız gerçekten de büyük veri çağından yapay zeka çağına geçti. neden öyle diyorsun? Aslında bunun büyük verinin çağrışımıyla güçlü bir ilişkisi var, neden görece güçlü olduğu söyleniyor? Büyük verinin ölçeğinin kendisinin son derece büyük olduğunu, gittikçe büyüdüğünü biliyoruz.Orijinal EB düzeyinden ZB düzeyine kadar, verilerin kendisi sürekli olarak artıyor. Biz buna veri taşması diyoruz. Bu veri sular altında. Örneğin, perakendeyle ilgili çok fazla veri var ve daha önce bilimsel veriler var.İnternet ile ilgili ne tür veriler olursa olsun, kişisel öz-medyadan sonra çok sayıda İnternet verisi var. Ancak bu veriye daha önce büyük veri deniyordu.Son zamanlarda, büyük verinin ölçek olarak büyük olmadığı, ancak çok fazla çöp içeren verilere büyük veri ve düşük kullanım oranına sahip veriler deniyor. Örneğin internetteki video verileri ve kişisel veriler aslında çok düşük bir oranda kullanılıyor.Büyük veri kavramı giderek büyüyor ancak bu verilerin büyük olduktan sonra nasıl kullanılacağı ve geliştirileceği son zamanlarda derinlemesine tartışıldı. Örneğin, veriler daha büyük mü, daha mı iyi? Her şeyin bir veri olması mı gerekiyor? Cevap hayır. Son zamanlarda çok iyi bir durum var. AlphaGo Go oynuyor. Geçmişte Go oynamak için insanların verilerini kullanmak gerekiyordu. Aynı zamanda 30 milyon tur veri denedim. Son AlphaGo Zero insan oyun verisi gerektirmiyor ve kendi başına veri üretecek. Şimdi sorabiliriz, ne tür bir durum dış veriye ihtiyaç duymaz ve kendi başımıza veri üretmemiz yeterlidir? Bazı uzmanlarla, dış verilere sahip olmayan insanları ne tür bir yapay zeka sisteminin yenebileceğini, aslında üç koşulu yerine getirmek olduğunu tartıştım:
1. Set kapalıdır.Bir durum seti veya hangi set olursanız olun, setiniz kapalı, Go setinin kapalı olduğunu biliyoruz.
2. Kurallar tamamlandı. Başka bir deyişle, satranç oynayabileceğiniz ve satranç oynayamayacağınız yerlerde bu kural tamamen tamamlanmıştır ve isteğe göre değiştirilemez.
3. Kısıtlamalar sınırlıdır, yani kısıtlama koşulları altında özyinelemeli olarak yapamazsınız, çünkü özyinelemeli kurallardan sonra, onu ertelerseniz durduramazsınız, ancak bir sınır olduğunda durabilirsiniz. Bu üç koşulu karşılamak için harici veriye gerek yoktur ve sistem kendi kendine veri üretir. Bu nedenle, sonunda hangi kişinin ve makinenin kazanacağına karar vermeniz için gelecekte birçok durumun olacağı düşünülebilir. Bu üç koşul yerine getirilirse, makine kesinlikle kazanacaktır.Poker veya Go ne olursa olsun, birçok benzer durum vardır.
Bu her durumda doğru mu? Tabii ki değil. Bir çok işlem, lojistik ve perakende görebilirsiniz. Aslında değişen pek çok koşulu var ve şu anda koşulları karşılamıyor. Şu anda çok fazla dış veriye ihtiyacınız var, ancak dış veriye sahip olmak yeterli değil mi? Tabii ki hayır, dış veriler nasıl kullanılır? Kendi başına bir kullanım oluşturmayacaktır.Bu kullanım, kişilerin bu verileri yapay zeka aracılığıyla kullanmasını gerektirir. Yani yapay zeka aslında büyük veri biliminden yapay zekaya çok çok doğal bir göç sürecidir.
Yapay zeka son zamanlarda çok popüler oldu ve herkese ulaştı.Her yatırımcı yapay zekaya yatırım yapmak istediğimi veya yapay zeka yapmak istediğimi söylüyor, bu iyi mi? bilmemek. Ama tarihe bakıp tarihten çok şey öğrenebiliriz. Yapay zekanın şimdiye kadarki gelişimi geçen yıl 60 yıl önceydi. Şimdi üç aşamadan geçen 60 yıllık gelişime bakalım. İlk aşama 1956'dan 1976'ya kadar 20 yıldı. İkinci aşama, 1976'dan 2006'ya, 30 yıl, 2006 üçüncü dalganın başlangıcı, ne kadar sürecek? Bilmiyorum. 25 yıl, 35 yıl veya 40 yıl olabilir. Tabii 20 ve 30'a göre, 40 yıl mı, 50 yıl mı, hatta 60 yıl mı bilmiyorum. Ancak bu kuralı biliyorsanız, yapay zekanın hiçbir zaman her şeyi yapmadığını bilirsiniz. Bir kişinin hayatı benzetmesini kullanırsanız, yapay zeka muhtemelen şu anda ilkokul düzeyinde ve bazıları ilkokul düzeyinde değil, yani şimdi Yolculuk yalnızca 1/10 olabilir ve önümüzde uzun bir yol var.
Yapay zeka yolunda unutulamayacak pek çok anahtar figür var, Turing unutamaz. Bilgisayar alanında özellikle önemli bir ödül Turing Ödülüdür ve diğer disiplinlerin Nobel Ödülü vardır. Nobel döneminde bilgisayar yoktu. Daha sonra bilgisayarlardan sonra herkes bilgisayar istedi. Dünya da Nobel Ödülü ile karşılaştırılabilir bir ödül koymalıdır. Bu ödül Turing Ödülüdür. Şimdi dünyada toplam 65 kişi Resim Ödülünü kazandı. Profesör Yao Kizhi Turing Ödülü'nü alan tek Çinli.
Yapay zeka alanında Turing Ödülü'nü toplam 8 kazanan, Marvin Minsky (1969), John McCarthy (1971), Allen Newell (1975), Herbert Simon (1975), Edward Fagan (1994), Raj Reddy (1994), Leslie Valente (2010), Judah Burr (2011), bunlar resimdeki sekizdir. Tüm bilgisayar bilimi alanındaki yapay zeka, aslında pagodanın üst kısmının 1 / 8'ine yerleştirilmiştir. Leslie Valente, Judah Burr, son ikisi 2010 ve 2011'de ödüllendirildi ve her ikisi de olasılıksal akıl yürütme, olasılıksal öğrenme ve nedensel öğrenme ile ilgili akademisyenlerdir.
Genel olarak, şimdiye kadar üç ana temsilci yapay zeka okulu var: Hangi üçü var? Birincisi, yapay zeka yapmak için mantıklı bir yöntem kullanmak, biz buna genellikle Mantık Okulu veya Göstergebilim Okulu diyoruz. İkincisi, bağlantıcılığı temel araç olarak kullanmak, yani sinir ağlarını kullanmaktır Bugünün derin öğrenme tipik bir temsilcisidir. Sibernetikle uğraşanların üçüncü okulu, bu tür bir adaptasyon, evrim ve hesaplamayı daha çok savunan bir okul. Bu üç okulun her birinin kendine has değerleri vardır ve hangisinin iyi hangisinin kötü olduğunu söylemek imkansızdır.
Yapay zeka nedir? Sunucu az önce çok güzel konuştu ve gelecekte insan zekası ile yapay zeka arasında bir düello olabileceğimizi söyledi.Aslında yapay zeka, insan zekasının bir bilgisayar farkındalığıdır.Düello açısından insan zekasını asla geçemez. Belli bir yönden kazanabilir ama zekanın kendisinden kazanamaz. Zekanın tanımına bakarız Aslında zekanın mantıksal yetenek, dil yeteneği, uzamsal yetenek, müzik algılama yeteneği ve fiziksel kontrol yeteneği dahil olmak üzere algılama yeteneği gibi birçok yönü vardır. Sonuncular daha zordur, insan iç gözlemi ve kendi kendini yansıtma dahil, kişilerarası ilişkiler yeteneği de dahil olmak üzere, herhangi bir ipucu olmadan bazı yeni şeyler keşfetmek gibi doğal keşif yeteneği dahil. Bunu yapmam için beni düşünebilir misin? Bu sorunu, görüntü ve grafik algısı dahil doğal olarak keşfetme becerisini çözdüm.
Aslında, zeka bu dokuz yeteneğe bölünmüştür ve mevcut yapay zeka, iyi yapabilen bu dokuz yönden yalnızca üçüne sahiptir ve altı yön hala oldukça uzaktır, bu nedenle mevcut yapay zekanın insan zekasına meydan okumak istediğini söylüyoruz. Hala çok uzun.
Neden 60 yıllık yapay zeka diyoruz? Çünkü 1956'da bir dönüm noktası olan Dartmouth toplantısı vardı. O dönemde yapay zekanın en gazileri çok gençti, iki aylık bir toplantı için bir araya gelerek makinelerin nasıl insan zekasına sahip olacağı konusunda bir araya geldiler ve yapay zekanın nihai hedefi olan yapay zekanın ne olduğunu tartıştılar ve belirlediler. Görünüşe göre 1956'da tanımlanan yapay zeka üzerine beyaz kağıt hiç de modası geçmiş değil. Bu nedenle, gençlerin hala çok güçlü olduğunu söylüyoruz ve özellikle şu anda yeni şeyleri ve gençleri tam olarak tanımamız gerektiği için Bay Qiangdong'un söylediklerine katılıyoruz.O zamanlar, 30'lu ve 40'lı yaşlarındaki gençler, bilgisayarlar o zamanlar yeni ortaya çıkıyordu ve yapay zeka kavramı yoktu. , Bunu nasıl yapmamız gerektiğini önerdiler Bu çok dikkate değer bir şey, şimdi yaptıkları doğru görünüyor.
Bu konferans yapıldıktan sonra, dünya elbette esas olarak Amerika Birleşik Devletleri ve Avrupa idi. O zamanlar birçok okul yapay zeka patlamasına adım atmaya başladı. Tipik olarak Stanford Üniversitesi, CMU, MIT ve Harvard Üniversitesi gibi birçok kişi ilgili araştırmalar yaptı. O aşamada herkesin kullandığı teknik yöntemler esas olarak mantıksallık veya sembolizmdi.
Mantık veya sembol nedir? Aslında tüm muhakemenin mantıksal hesapla gerçekleştirilebileceğini düşünüyor.Mantıksal hesap sisteminin tamamını tanımladığım ve bir kural koyduğum sürece her şeyi başarabilirim. Muhakeme yapabilirim, matematiksel kanıtlayabilirim, yaratabilirim, Müzik çalmak vb. Tüm bunlar semboller aracılığıyla yapılır. Aslında ilkokulda cebirsel işlemleri öğrendik Mantık da aritmetiktir, ancak kullanılan cebirsel işlemler değil, Boole işlemleri.Aslında cebirsel işlemlere çok yakındır. Bu hesaplamayla, bunun hakkında akıl yürütebilirsiniz. Muhakeme için bir araç kullanmanız gerekir, Tümdengelimli muhakeme için bir araç kullanırlar.
Şimdiye kadar, en önemli doğa bilimleri teoremlerinin tümdengelimli akıl yürütme ile tamamlandığını biliyoruz. Örneğin, Aristoteles'in kıyas sistemi çok tipik bir tümdengelimli akıl yürütmedir ve Öklid'in geometrisi de bu şekilde tamamlanır.Newton mekaniği, Maxwell ve Einstein, tümdengelim teoremlerinden türetilmiştir.
Tüm tümdengelimli muhakemenin temel tatmini, kıyas denklemidir. Kıyaslama nedir? Büyük bir öncülüm var, bu genel bir ilke. Çalışmak istediğim özel durum olan küçük bir öncülüm var. Büyük öncül ve küçük önermeye dayalı bir sonuç elde ederim. Bu sonuç, genel duruma ve üç aşamalı tümdengelimli akıl yürütme olarak adlandırılan tümdengelimli muhakemeyi tamamlayan bir yargıya varmak için özel duruma dayanmaktadır.
Tüm temel mantık yöntemleri bu şekilde yapılır.Bunu yapabilmek için o dönemde birçok yapay zeka dili tasarlandı.Bu dilde yapay zeka denklemleri yazılabilir ve makine bunu ispatlayabilir.
Elbette kulağa hoş geliyor ve ilk dalgada herkes yapay zekanın on yıl içinde çok şey başarabileceğini düşünüyordu, ancak yaklaşık 1976'ya kadar herkes başlangıçta belirlenen yüksek profilli şeylerin çoğunun gerçekleştirilemediğini keşfetti. Ayrıca, o sırada birinin başı belaya girdi. 1973'te bir İngiliz, yapay zekaya çok fazla soğuk su tahsis etmek ve yapay zeka araştırmasını üç tür sisteme ayırmak için bir rapor yayınladı: A, otomata, B robot ve C, merkezi sinir sistemidir. Otomata ve merkezi sinir sistemi üzerine araştırmalar değerlidir, ancak ilerleme çok yavaştır; robotlar üzerine yapılan araştırmalar değersizdir ve çok hayal kırıklığı yaratır, bu yüzden robotlar üzerindeki tüm araştırmaları iptal etmeyi önerdi; A ve C, çünkü çok ilginçler. Hayal kırıklığına uğramış, bu yüzden çok düşük anahtar. Bu raporun yayınlanmasının ardından, çeşitli ülkelerin tüm hükümetleri yapay zekaya yatırılan fonları kesti ve derhal şiddetli bir kışa girdi. Yani 1976, aslında yapay zeka için ilk zorlu kıştı.
1976'dan sonra fon olmamasına rağmen, akademisyenlerin büyüleyici yanı, bunu parayla veya parasız yapabilmeleridir. Mantık gereği zaten bedenimi büyük ölçüde esnettim, parası olmayanlar hemen yatacak, parası olmayanlar da yapmaya devam edecek. O zamanlar, sinir ağı adamı temelde hiç para almadı ve iyimser değildi. Yani profesör oraya birkaç öğrenciyi oynamaya götürüyordu.Bu alan soğuk bir kışla karşı karşıya olmasına rağmen, onun için bir değişiklik yok.Neyse, yazın ortasında para yok. Soğuk kış aylarında hala para yoktu, bu yüzden öğrencileri oynamaya devam ettirdim.
Bu bir numara. 1976'dan beri, nöron ağları yapan birçok insan oldu ve yazmaya ve göndermeye devam ettiler. 1986 yılına kadar göz alıcı bir şey çıktı.Bu şeye BP algoritması deniyor (Lei Feng. Not: "Hata geri yayılma ağı", şimdi geri yayılma olarak bildiğimiz şeydir).
Geçmişte, nöron ağları sadece çok küçük şeyler yapabiliyordu, büyük şeyler değil. Ancak bu şey ortaya çıktıktan sonra harika şeyler yapabilirsiniz, bu yüzden bu alanın gelişimini çok hızlı destekler ve ben zaman ilişkisine başlamayacağım.
Ancak yalnızca bazı sorunları çözebilir. Başlangıçta insanlar birçok sorunu çözmeyi dört gözle bekliyorlardı.Aslında çok uzaktaydı.Sonunda Japonya'daki beşinci nesil makinenin başarısızlığı da dahil olmak üzere ikinci bir çukur yaşandı. O sırada Stanford Üniversitesi'nde bir bilgi ansiklopedisi oluşturma projesi başarısız oldu. Yapay zekanın ikinci kez çukur haline getirilmesi.
Üçüncüsü 2006'da başladı ve şimdi bunlar yapay zekanın üç büyük yeteneği, biri Toronto Üniversitesi'nde Geoffrey Hinton'da, biri Montreal Üniversitesi'nde Yoshua Bingeo'da ve biri New York Üniversitesi'nde Yann LeCun'da. Üç makale bir şeyden bahsediyor. Az önce sinir ağının büyük ölçekli öğrenmeyi gerçekleştirebileceğini ve öğrenme hızının çok hızlı ve doğruluğunun yüksek olduğunu söyledim.
Bu makale yayınlandıktan sonra, herkes o zaman bu şeyin nasıl kullanılacağını bilmiyordu ve bunu kimin aktive ettiğini Li Kai ve Li Feifei tarafından yapılan ImageNet esas olarak Li Feifei tarafından yapıldı. ImageNet küresel bir görüntü tanıma yarışmasıdır. 2012'den önce geleneksel yöntem kullanılıyordu.2012'den beri bir ekip bu yöntemi kullanıyordu ve hata oranı diğer takımlara kıyasla hemen yarı yarıya azaldı. 2013 yılına kadar, tümü derin öğrenme olan diğer tüm yöntemler geri çekildi ve 2014'te geliştirilmeye devam edildi. Bu nedenle 2015 yılında hata oranının çok düştüğü görülebiliyor ve ayrıca birçok derin öğrenme ağı da var. 2016 yılına gelindiğinde, insanların karşılaştırması neredeyse imkansızdı ve hata oranı o kadar düşüktü ki artık bunu yapmaya gerek kalmadı, bu yüzden Li Feifei, 2017'de oyunun durdurulacağını duyurmayı seçti ve fazla terfi olmadığı için oyunu bıraktı.
Dolayısıyla bugünün üçüncü turu derin öğrenme ve az önce bahsedilen endüstrinin coşkulu katılımından kaynaklanıyor, bu nedenle birçok yeni şirket ürettik ve birçok yeni fırsatımız var. Bu çok iyi bir şey.
Ülke bu fırsat altında ne yapabilir? Ülke, Çin'in yapay zeka 2.0 geliştirme stratejisi üzerine bir araştırma yaptı. Bu, Çin Mühendislik Akademisi tarafından yapıldı.Bu yıl büyük bir araştırma planı yayınladı. Çin'in yeni nesil yapay zekasına gelince, başlangıçta AI2.0 olarak adlandırıldı ve daha sonra, merkezi liderliğin kararından sonra resmi olarak Çin'in yeni nesil yapay zekası olarak adlandırıldı ve esas olarak beş anahtar teknoloji ve bir grup uygulama kullandı.
Büyük veri zekası dahil olmak üzere bu beş anahtar teknoloji, yukarıda bahsedilen büyük verilerle çok yakından ilgilidir. İkinci yön, grubun istihbarat araştırmasını ilerletme gücüne dayanan grup zekasıdır. Üçüncüsü, çapraz medya zekasıdır. Zekayı incelemek için ses, görüntü, metin ve doğal dili birbirine bağlamak gerekir. Bu, gelecekte çapraz medya zekasının amacıdır.
Dördüncüsü, zekayı güçlendirmek için insan-makine melezidir.İnsanlar ve makineler, zekayı daha güçlü hale getirmek için nasıl karıştırılabilir? Beşincisi, aslında insansız bir hava aracı olan otonom bir akıllı sistemdir Bay Qiangdong, lojistikte insansız bir sistem olduğumuzu vurguladı. Bu beş yön ile uygulama ve aşağıdaki destek arasındaki ilişki, beş sütunumuz var, üst kısım uygulama ve alt kısım temel destek.
Öyleyse böyle bir taslak aslında tüm ulusal strateji için çok tatmin edici bir düzendir Bu yeterli mi? Aslında henüz değil. Yani, bilgisayarla görme, dil tanıma, doğal dil, insan-bilgisayar etkileşimi, robot öğrenme vb. Dahil olmak üzere tüm yapay zeka disiplininin ana hatlarına bakarsanız, bu alanların mevcut düzeni kendilerini uygulamaya sokmaktır.
Dokuz tür insan zekası söz konusu olduğunda, mantıksal dil, metin ve grafikler açısından oldukça iyi iş çıkardık Ortadaki altı türün keşfedilmesi gereken hala önemli bir mesafe var.
Özetlemek gerekirse, tarih her zaman bu şekilde ilerlemektedir: Temel olarak, yapay zekanın üç dalgası da sembolizmden bağlantıcılığa ve hala bağlantılığın hakimiyetindedir. Bu sembolizm, 30 yıldan fazla bir süredir yalnız kaldı, ancak insan zekasının üst düzey bir soyutlaması olarak, işlev görmesi gerekiyor, bu nedenle nasıl işleyeceği, herkesin gelecekte yavaşça gözlemleyebileceği bir şey.
Bağlantısallık, yani sinir ağları ve derin öğrenme şu anda çok çok popüler, ancak öğrenme problemi küçük verilerle veya hatta veriler olmadan nasıl çözülür? Aslında, hala önemli zorluklar var, özellikle birçok öğrenme sonucu açıklanamaz, bu en büyük zorluk. Davranışçılık, kendi kendine adaptasyon ve evrime odaklanır.Bu, insanların maymunlardan evrimleşmesidir. Daha yakın olabilir. Öğrenmede nasıl daha iyi olabileceği hala araştırılmalıdır.
İster işletme ister ulusal yatırım olsun, herkes iyi bir iş yapmak için zamanı ve yeri iyi değerlendirmelidir.Bu tur 20 yıl olursa olsun, biz sadece 11 yaşındayız, yani gelecekte 9 yıl güzel bir yaşam olacak. 30 yıl olursa 19 olacak İyi yıllar. Bu yüzden yapay zekanın en az 10-20 yıl iyi bir yaşamı olması gerektiğini düşünüyorum, bu fırsatı herkes takdir ediyor. Tabii yapay zeka bir ergen olduğuna göre, gencin asıl büyümesi nedir? Nedenini bilen öğrenmeye ve öğrenmeye dayalı araştırmaya güvenerek, Çin'in yeni nesil yapay zekası da bu alanda bazı düzenlemeler yapacak. Hepinize yardımcı olabilecek gelecekteki yönü biliyoruz.
Tamam, hepinize teşekkür ederim.
(Bitiş)
Daha fazla Jingdong JDD konferans raporu için lütfen Leifeng.com'un raporlarını takip etmeye devam edin.
