陆首群:评人工智能如何走向新阶段?-创新互联

作者 | 陆首群,中国开源软件推进联盟名誉主席

目前创新互联已为上千余家的企业提供了网站建设、域名、网站空间绵阳服务器托管、企业网站设计、万柏林网站维护等服务,公司将坚持客户导向、应用为本的策略,正道将秉承"和谐、参与、激情"的文化,与客户和合作伙伴齐心协力一起成长,共同发展。

出品 | AI科技大本营(ID:rgznai100)

编者按:近来,业内关于深度学习算法的潜力是否已达天花板的争论陆续发出。有人认为,基于深度学习算法的应用还有深度开拓空间,也有人认为,当前的关键在于挖掘人工智能推理、决策的能力,需要从感知阶段向认知阶段过渡。专家观点百家争鸣,但这也说明,现在是探索人工智能发展走向新阶段的时候了。

由中国开源软件推进联盟名誉主席陆首群 发起的《评人工智能如何走向新阶段》讨论引来了中外专家等业内人员的广泛议论,观点有深有浅,希望其中有思考价值的内容会推进和启发人工智能的新突破。讨论内容已正式上线CSDN博客(见文末地址)。

欢迎读者们在文末发表自己对人工智能发展的看法,我们将为有独到见解且点赞最高的三条评论分别送出一本人工智能领域的技术书籍。

当前人工智能依靠的底层理论是基于人工神经网络的深度学习,而深度技术算法所支持的人工智能应用空间主要集中在(或局限于)图像识别和语音识别。人工智能识别做的是比对,这时信息进入大脑后缺少加工、理解、思考、创意等步骤,停留在感知,未能达到认知。

机器学习/深度学习算法兴起于上世纪50年代(一直沿用至今),今天深度学习算法的潜力已近天花板,限制了人工智能扩大应用创新。

今年 五一前夕,徐匡迪院士提出“中国有多少数学家投入到基础算法研究中?”反映他对国内人工智能在基础研究上投入不足的担忧,随后一些数学家在座谈会上似乎有过激反应,他们认为:近年国内一片火红的人工智能披着一层华丽虚假的面纱,底层理论未有突破,核心算法缺位,人工智能发展面临“卡脖子”窘境。

2014年IBM研究类脑算法,开发TrueNorth芯片,支持人工智能应用创新。IBM开发基于大规模脉冲神经网络的类脑算法的TrueNorth芯片,是由4096个细小的计算内核组成,这些计算内核形成了100万个数字脑细胞和2.56亿个神经囘路,像“大脑神经元”一样工作(不同于运行打包成指令序列的传统人工智能芯片)。

2019年在《nature》杂志封面上发表了清华大学施路平团队研发的“世界首款双控异构融合类脑芯片”,其意义非同凡响!

陆首群:评人工智能如何走向新阶段?

《nature》杂志封面上发表清华大学施路平团队研发的

“世界首款双控异构融合类脑芯片”

2014年清华大学类脑研究中心施路平团队研发类脑技术,将基于脉冲神经网络(SNN)的类脑计算算法与基于人工神经网络(ANN)的深度学习算法集成到一颗芯片“天机芯(TianJic)”上,实行资源复用,利用交叉优势,使人工智能应用创新更接近于“自主思考”的认知阶段。

天机芯应该属于CGRA结构(这是一种更高层次的可重构技术),对应Tianjic的FCcore是一个结合了SNN和ANN主要算法的统一硬件结构,而且在一块芯片上同时支持商业应用和算法研究,可以说这是Tianjic大的创新点。在无人驾驶的自行车上进行功能验证,应该说施教授团队选择如此应用場景让人眼前一亮,极具吸引力和冲击力。

第二代天机芯(2017)具有高速度、高性能、低功耗等特点,比TrueNorth芯片动能更全,灵话性和扩展性更好,速度提高10倍。

现在看来,IBM研发True North芯片,Intel研发Loihi芯片,均偏重于底层理论研究,即偏重于对类脑脉冲神经网络及类脑算法的研究。脉冲神经网络(SNN)是模拟生物神经元连接和运行方式的模型,通过计算产生神经电脉冲进行信息传递,这和传统网络的权重连接+激活的方式有很大差别。目前国内外学术界和产业界正致力于对SNN研究,期望突破深度学习算法,但对SNN的新算法的研究还处于发展的萌芽期。

现将已发布的搭载SNN芯片参数一览表公布如下:

搭载脉冲神经元(SNN)芯片参数一览表

陆首群:评人工智能如何走向新阶段?

近年来,以深度学习算法为代表的人工智能技术发展迅速,鉴于深度学习并未能如人类真脑活动那样具有自主思维、创意和灵感,加上深度学习自身存在一定缺陷,对于人工智能进一步发展,人们期待新算法的出现。

当今人工智能的发展,国内外在突破深度学习算法基础上出现了基于新算法的萌芽:

1. 基于生物脉冲神经网络类脑算法,其研究成果已破土萌芽(可参阅IBM、英特尔、清华、浙大的实例) 。

2.“脑机接口”算法,将人脑神经元与脑外深度学习机器人(或机械手、计算机)连接起来。如:今年8月美国卡内基梅隆大学贺斌团队将一块“脑机接口”芯片植入人脑,与大脑神经元无创连接成功,从此可凭人的意念(思维或想象力)利用人脑神经元来操控机器。今年发表的由俄罗斯“脑机接口”公司(Neurobotics)和莫斯科物理技术学院(MIPT)研发一种全新“脑机接口”算法,利用“脑机接口”将人脑(EEG)神经元与深度学习网络连接起来(本例采用无需植入大脑的非侵入电极),期望用于治疗中风患者。美国脸书(Facebook)和加州大学旧金山分校(UCSF)于今年7月发布的“脑机接口”技术(刊载于《Nature》子刊上),实时读取人类语言、可用意念打字、用人眼超高精度摄像等。

3.知识驱动的核心算法(深度学习算法是纯粹的数据驱动的算法)。IBM沃森(Watson)在医疗人工智能方面研究知识驱动,建立大规模的知识库,研究知识表示和推理,专注于人工智能最核心的内容,研发了以知识驱动或知识驱动和数据驱动相结合的核心算法,促使人工智能由感知阶段上升到认知阶段。

归纳起来,未来突破深度学习的新算法有下列多种可能:

  • 脉冲神经网络硬件实现与类脑智能算法

  • 知识表示或数据与知识驱动相结合的认知算法

  • 将真脑与深度学习相连的脑机接口算法

https://www.toutiao.com/i6765805835990860295/


分享题目:陆首群:评人工智能如何走向新阶段?-创新互联
链接分享:http://scyanting.com/article/cschjj.html