侵权投诉
当前位置:

OFweek安防网

信息与通信

正文

汤晓鸥谈AI:深度学习三大核心要素

导读: 5月20日,以“科研·产业·融合”为主题的2017CCF青年精英大会在北京召开。本届大会由中国计算机学会主办,科技创新产业服务平台Xtecher协办。

5月20日,以“科研·产业·融合”为主题的2017CCF青年精英大会在北京召开。本届大会由中国计算机学会主办,科技创新产业服务平台Xtecher协办。

中国工程院院士赵沁平、香港中文大学教授汤晓鸥、百度创始七剑客之一雷鸣、清华大学教授郑纬民、IEEE Fellow陈熙霖、中国人民大学教授杜小勇、中国计算机学会秘书长杜子德、中国人民大学信息学院院长文继荣、红杉资本合伙人周逵、高榕资本创始合伙人岳斌、寰景信息董事长陈拥权、CCF YOCSEF学术委员会学术秘书陈健等近五十位学术界、产业界、投资界大佬和数百位计算机领域的科研人才出席了此次活动。

本次CCF青年精英大会进行的“思想秀技术秀”上,共有22位青年学者、科技人才展示了前瞻性的思想观点以及最新的技术成果。最终,评委会选出了2位优秀青年赴 CNCC(2017中国计算机大会,将于10月26-28日在福州举行)进行演讲。

此外,大会还公布了“青竹奖” 获奖名单,表彰推动科研进步的青年学者,鼓励产学研各方面创新人才。“青竹奖”由中国计算机学会牵头,联合Xtecher 共同发起,经过评选委员会李开复、王恩东等17位委员的专业评审,最终评选出了6位获得“青竹奖”的最具潜力青年精英:码隆科技联合创始人兼CEO黄鼎隆、真格基金合伙人兼首席投资官李剑威、清华大学芯视界(北京)科技有限公司创始人兼董事长鲍捷、中国科学院计算技术研究所研究员张云泉、云从科技公司创始人周曦、物灵科技公司联合创始人兼CEO顾嘉唯。

汤晓鸥谈AI:深度学习三大核心要素

在会议上,香港中文大学教授汤晓鸥做了主题为《人工智能的明天,中国去哪?》的特邀报告。汤晓鸥在演讲中,讲述了人工智能和深度学习的发展,并指出,深度学习的三大核心要素,就是算法设计、高性能的计算能力,以及大数据。

汤晓鸥表示:“无论人工智能怎么样发展,年轻人选择创业还是做研究,其实我们要做的就是三件事情:第一,我们需要花时间把基础打好。刚才赵沁平院士讲得很好,就是要坚持,真正花时间把人工智能的基础打好。第二,我们要创新,要做新的东西,不要老是跟在别人后面走。第三,我们要把 ‘漂在上面的东西’落地,最终实现产业化。”

以下根据汤晓鸥演讲实录整理:

今天我讲的题目是:《人工智能的明天,中国去哪儿?》我选了一个比较大的题目,希望能压住场。原来我想的题目比这个还大:人工智能的明天,地球去哪儿?后来发现“一带一路”会议刚刚开完,地球去哪儿的问题已经解决了,我还是回到我的小题目——中国去哪儿。

不管是中国人工智能接下来如何发展,还是年轻人如何创业或者做研究,我们要做的事情也就是这三件:

第一,要坚持,要花时间把基础打好。

第二,要做创新。要做新的东西,不要老是跟在别人后面走。

第三,要把飘在上面的东西落地,要产业化。

今天从我们实验室的研究成果和公司做的产品,来讲讲我对这三个方面的理解。

人工智能和深度学习的突破

首先,什么是人工智能?这个概念现在已经非常难定义了,大家几乎把所有的事情都往人工智能上靠。从我的理解来讲,人工智能真正落地的部分就是深度学习。因为以前的人工智能确实是在很多情况下用不起来,人手设计的智能还是比较难超越人来做某一件事情。而有了深度学习之后,我们可以把这个过程变成一个数据驱动的过程——当做某一件特定事情时数据量及参数量大到一定程度时,机器就可能在做这件事情上超过人类。很多现实中落地的产品化的东西,大部分是深度学习做出来的。深度学习做的东西,成功的案例比较多,一方面是在语音识别领域,另外可能更多的是视觉这方面,所以大家可以看到很多计算机视觉方面新的成果。我今天给在座讲的人工智能其实也就是计算机视觉,是用深度学习去做计算机视觉,就变得更窄了。

大家可以看到“深度学习“”这个词在谷歌上的搜索情况:从2006年才开始有人搜索这个词,是Hinton(深度学习的开山鼻祖Geoffrey Hinton)和Yann LeCun(Facebook人工智能研究院院长、卷积神经网络之父)们那个时候发明了这个算法。这中间很长一段时间,2006-2011年曲线是很平稳的,只有学术界才会去搜索这个词语,才知道这个事情。2011年突然之间搜索量开始呈现指数型增长,各行各业都在讨论深度学习,现在搜索量已经非常的巨大。这条曲线形象的演示了深度学习的爆发过程。

深度学习到底在做什么事情?实际上他所做的事情抽象出来是比较简单的,就是在做一个从X到Y的回归、或者说从A到B的Mapping(对应)——你给它一个输入,我怎么样给出一个对应的输出?特殊的地方就是深度学习把这件事情做得非常非常好。以前也有其他算法可以做,只不过一直做不过人,现在深度学习做到了极致。比如说给了一张人脸照片,它就可以给你对应出这个人的名字;给你一个物体的形状,它就可以告诉你是什么物体;给一个车的行驶场景,我就可以给你输出这个车应该往哪儿拐;给一个棋局,它能算出下一步怎么走;给一个医疗的图像,能帮你判断这是什么病……实际上就是这样的一个过程。不要把人工智能想象成可以超越人类,可以控制人类,这些都是所谓的“好莱坞的人工智能”或者想象中的人工智能,真正人工智能在现在这个阶段其实就是做这么简单个事。当然做成这个简单的事情其实已经很不简单了。

最近这几年深度学习确实在学术界、工业界取得了重大的突破。第一个突破是在语音识别上。Hinton和微软的邓力老师,在2011年用深度学习在语音识别上取得了巨大的成功。昨天可能大家在微信也刷屏了,我们中国科大毕业的师兄邓力老师从微软出来到顶级对冲基金工作。我的理解这也是一个A to B的mapping 的过程:把邓老师的深度学习的经验等内容都输入到对冲基金的算法里,这个对冲基金的钱就自动Map到了邓老师口袋里。

语音识别取得了巨大成功以后,紧接着在视觉方面又取得了重大突破。2012年时,Hinton在ImageNet上将图像识别一下子提高了十几个点,以前我们都一年一个点在推,他一年就推了十年的进步,在学术界引起了很大的轰动。2014年我们团队做人脸识别,通过深度学习,做到算法首次超过人眼的成绩。

最后,在2016年,还是谷歌最厉害,每年120亿美金的研发投入没有白投,下了一盘棋叫AlphaGo,这盘棋下完之后人工智能就不需要我们解释了,大家忽然都明白了,人工智能原来是这么回事儿,就是下棋。

接着人工智能在自动驾驶领域也取得了一些重大的突破。现在比较热门的是医疗影像方面,借助人工智能进行诊断。

深度学习的三个核心要素

1  2  下一页>  
声明: 本文由入驻OFweek公众平台的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

我来说两句

(共0条评论,0人参与)

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号