九色国产,午夜在线视频,新黄色网址,九九色综合,天天做夜夜做久久做狠狠,天天躁夜夜躁狠狠躁2021a,久久不卡一区二区三区

來(lái)源：《中國(guó)計(jì)算機(jī)學(xué)會(huì)通訊》2017年第5期《專欄》

2016年3月，AlphaGo橫空出世對(duì)戰(zhàn)圍棋九段棋手李世石，這對(duì)人工智能的社會(huì)影響非常大。AlphaGo到底為我們帶來(lái)了什么？

在AlphaGo的搜索中，谷歌DeepMind團(tuán)隊(duì)引入了一個(gè)新概念——用深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的結(jié)合來(lái)做兩種任務(wù)的判別，即來(lái)判別現(xiàn)在所在的棋盤是好是壞，同時(shí)來(lái)預(yù)測(cè)未來(lái)有利的走向。由此可以看出AlphaGo的算法和未來(lái)商業(yè)模式的關(guān)聯(lián)，即通過(guò)對(duì)大數(shù)據(jù)的分析，讓我們對(duì)“現(xiàn)在狀態(tài)”有了一個(gè)清晰的理解。這個(gè)狀態(tài)可以是棋盤，可以是足球運(yùn)動(dòng)中兩隊(duì)交鋒的狀態(tài)，也可以是當(dāng)前營(yíng)銷的一個(gè)狀態(tài)。圍棋中的一步，可以理解成對(duì)未來(lái)走向的預(yù)判，在商業(yè)活動(dòng)中，是營(yíng)銷活動(dòng)中的下一步。商業(yè)行為中對(duì)現(xiàn)實(shí)的判斷和對(duì)商業(yè)未來(lái)走向的預(yù)估這兩個(gè)任務(wù)同樣重要，都需要大數(shù)據(jù)的支持。圍棋是一個(gè)封閉式的游戲，沒(méi)有外界因素的干擾，為了得到更多的數(shù)據(jù)，AlphaGo引入了自我博弈。所謂自我博弈就是自己玩游戲，你會(huì)不斷得到反饋，然后來(lái)更新策略。經(jīng)過(guò)無(wú)數(shù)次這樣的比賽，最后會(huì)得到一個(gè)好的策略，最終輸出是一個(gè)行為的策略。所以AlphaGo 告訴我們，在一個(gè)封閉場(chǎng)景中，可以用自我博弈的模擬方法得到更多的數(shù)據(jù)。

從AlphaGo到人工智能的應(yīng)用流程

如果沿著下圍棋的步驟走，就會(huì)面臨一些問(wèn)題：人工智能算法的目標(biāo)是什么？有沒(méi)有數(shù)據(jù)？數(shù)據(jù)在哪里？問(wèn)題的邊界是否清晰？什么叫合理的走法？什么叫犯規(guī)的走法？特征在哪里？如何得到這些特征？是否可以得到一個(gè)持續(xù)的反饋？這樣的流程是AlphaGo設(shè)計(jì)團(tuán)隊(duì)所走過(guò)的路。不妨把這些步驟記下來(lái)，變成一個(gè)工作流，看看其他領(lǐng)域是否可以重復(fù)AlphaGo的成功。比如，如果用AlphaGo治療癌癥，該如何治療呢？一般方法是用放射線殺死癌細(xì)胞，而每一個(gè)癌癥患者需要的劑量、角度、頻次可能都不一樣，如果把所有信息和經(jīng)過(guò)一段時(shí)間的治療結(jié)果都記錄下來(lái)，就有了數(shù)據(jù)、特征和問(wèn)題持續(xù)的反饋，并且有了非常清晰的目標(biāo)，即在副作用最小的情況下殺死癌細(xì)胞。并且這個(gè)工作流是可以重復(fù)的。

人工智能前30年的歷史積累也很有用

我們對(duì)人工智能的理解不應(yīng)該片面地認(rèn)為就是機(jī)器學(xué)習(xí)。人工智能前30年的發(fā)展歷史是從20世紀(jì)50年代中期到80年代中期。這30年間，人工智能在干什么呢？在做人工輸入的規(guī)則型的知識(shí)表達(dá)研究，以及基于這些規(guī)則的符號(hào)空間的推理和搜索。筆者認(rèn)為，人工規(guī)則型的知識(shí)表達(dá)在人工智能的應(yīng)用中是必不可少的，因?yàn)樵诒姸囝I(lǐng)域中會(huì)碰到冷啟動(dòng)問(wèn)題，以及如何規(guī)范一個(gè)領(lǐng)域的邊界問(wèn)題。邏輯推理、邏輯知識(shí)表達(dá)以及在符號(hào)空間搜索的人工智能分支，在今后幾年會(huì)和統(tǒng)計(jì)學(xué)習(xí)相結(jié)合，并有較大發(fā)展。這種發(fā)展也會(huì)涉及技術(shù)和商業(yè)兩個(gè)層面。

大家普遍關(guān)心的一個(gè)問(wèn)題是，人工智能技術(shù)在哪些方向可能會(huì)有大的突破。

深度學(xué)習(xí)

深度學(xué)習(xí)會(huì)繼續(xù)發(fā)展。這里的發(fā)展不僅包括層次的增加，還包括深度學(xué)習(xí)的可解釋性以及對(duì)深度學(xué)習(xí)所獲得的結(jié)論的自我因果表達(dá)。例如，如何把非結(jié)構(gòu)化數(shù)據(jù)作為原始數(shù)據(jù)，訓(xùn)練出一個(gè)統(tǒng)計(jì)模型，再把這個(gè)模型變成某種知識(shí)的表達(dá)——這是一種表示學(xué)習(xí)。這種技術(shù)對(duì)于非結(jié)構(gòu)化數(shù)據(jù)，尤其對(duì)于自然語(yǔ)言里面的知識(shí)學(xué)習(xí)，是很有幫助的。另外，深度學(xué)習(xí)模型的結(jié)構(gòu)設(shè)計(jì)是深度學(xué)習(xí)的一個(gè)難點(diǎn)。這些結(jié)構(gòu)都是需要由人來(lái)設(shè)計(jì)的。如何讓邏輯推理和深度學(xué)習(xí)一起工作，來(lái)增加深度學(xué)習(xí)的可解釋性也是需要研究的問(wèn)題。比如，建立一個(gè)貝葉斯模型需要設(shè)計(jì)者具有豐富的經(jīng)驗(yàn)，到現(xiàn)在為止，基本上都是由人來(lái)設(shè)計(jì)的。如果我們能從深度學(xué)習(xí)的學(xué)習(xí)過(guò)程中衍生出一個(gè)貝葉斯模型，那么，學(xué)習(xí)、解釋和推理就可以統(tǒng)一起來(lái)了。

遷移學(xué)習(xí)

遷移學(xué)習(xí)是筆者和戴文淵一直在做的工作。給定一個(gè)深度學(xué)習(xí)網(wǎng)絡(luò)，比如一個(gè)encoder網(wǎng)絡(luò)和一個(gè)decoder網(wǎng)絡(luò)，觀察它學(xué)習(xí)和遷移的過(guò)程，作為新的數(shù)據(jù)來(lái)訓(xùn)練另外一個(gè)可解釋的模型，也可以作為一個(gè)新的遷移學(xué)習(xí)算法的輸出。這就好比一個(gè)學(xué)生A在觀察另外一個(gè)學(xué)生B學(xué)習(xí)，A的目的是學(xué)習(xí)B的學(xué)習(xí)方法，B不斷地學(xué)習(xí)新的領(lǐng)域，每換一個(gè)領(lǐng)域就為A提供一個(gè)新的數(shù)據(jù)樣本，A利用這些新的樣本就能學(xué)會(huì)在領(lǐng)域之間做遷移。這種過(guò)程叫做觀察網(wǎng)絡(luò)。有了這種一邊學(xué)習(xí)、一邊學(xué)習(xí)學(xué)習(xí)方法的算法，就可以在機(jī)器學(xué)習(xí)的過(guò)程中學(xué)會(huì)遷移的方法。

自然語(yǔ)言的表示學(xué)習(xí)與機(jī)器閱讀

表示學(xué)習(xí)是當(dāng)數(shù)據(jù)和任務(wù)沒(méi)有直接相關(guān)時(shí)也可以學(xué)，一個(gè)重要的例子叫做自學(xué)習(xí)(self-taught learning)，即我們通過(guò)很多監(jiān)督的數(shù)據(jù)和圖像，可以學(xué)出一種最好的表達(dá)。用這個(gè)表達(dá)加上任務(wù)就可以很快地學(xué)會(huì)這種知識(shí)表示。這時(shí)非結(jié)構(gòu)化數(shù)據(jù)就相當(dāng)有用了。比如，給出一段話讓機(jī)器去閱讀，機(jī)器學(xué)習(xí)可以自動(dòng)地發(fā)現(xiàn)一些值得關(guān)注的點(diǎn)。再比如，給定一個(gè)文章中的實(shí)體和一個(gè)未知變量的關(guān)系，用戶可以問(wèn)你這個(gè)未知變量是什么。能夠達(dá)到這樣的效果是因?yàn)樯疃饶Ｐ鸵呀?jīng)具有了一種關(guān)注，這種關(guān)注可以通過(guò)觀眾的學(xué)習(xí)來(lái)表達(dá)。其結(jié)果就好像我們讀了一本書(shū)，把關(guān)鍵詞和它們的關(guān)系抓取出來(lái)。這實(shí)際上是利用類似人的一種直覺(jué)來(lái)進(jìn)行學(xué)習(xí)。

人機(jī)對(duì)話系統(tǒng)

有一個(gè)領(lǐng)域已經(jīng)發(fā)展到了臨界點(diǎn)，就是人機(jī)對(duì)話系統(tǒng)領(lǐng)域。在這個(gè)領(lǐng)域，某些相對(duì)垂直的方面已經(jīng)獲得了足夠多的數(shù)據(jù)，比如客服和汽車（車內(nèi)的人車對(duì)話）方面；還有一種是特定場(chǎng)景的特定任務(wù)，比如Amazon Echo，你可以和它講話，可以說(shuō)“你給我放首歌吧”或者“你播放一下新聞”，Amazon Echo里面有多個(gè)麥克風(fēng)形成的陣列，圍成一圈，這個(gè)陣列可以探測(cè)到人是否在和它說(shuō)話，比如我把臉轉(zhuǎn)過(guò)去和別人說(shuō)話的時(shí)候，它就不會(huì)有反應(yīng)，并且大規(guī)模地降低噪音。利用了硬件的優(yōu)勢(shì)，在家庭這個(gè)場(chǎng)景中，這種“喚醒功能”是非常準(zhǔn)確的。它的另外一個(gè)功能是當(dāng)你的雙手無(wú)法控制手機(jī)的時(shí)候，可以用語(yǔ)音來(lái)控制，案例場(chǎng)景是客廳和廚房，在美國(guó)Amazon Echo特別受家庭主婦的歡迎。雖然它現(xiàn)在只有一問(wèn)一答的形式，但有了準(zhǔn)確的喚醒功能以后，給人的印象就好像它可以進(jìn)行多輪問(wèn)答的復(fù)雜對(duì)話。所以，當(dāng)有了人工智能應(yīng)用的特定場(chǎng)景，如果收集了足夠多足夠好的數(shù)據(jù)，是可以訓(xùn)練出強(qiáng)大的對(duì)話系統(tǒng)來(lái)的。

深度、強(qiáng)化遷移學(xué)習(xí)

在未來(lái)，我們把深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)和遷移學(xué)習(xí)相結(jié)合，可以實(shí)現(xiàn)幾個(gè)突破——反饋可以延遲，通用的模型可以個(gè)性化，可以解決冷啟動(dòng)的問(wèn)題等。這樣一個(gè)復(fù)合模型叫做深度、強(qiáng)化遷移學(xué)習(xí)模型。

人工智能的可靠性模型

人工智能系統(tǒng)的魯棒性，或“AI as Reliable Services，”是AAAI前主席托馬斯(Thomas Dietterich)在AAAI 2016上給出的一個(gè)主題。人工智能只能作為一些例證證明能夠做哪些事情，比如下棋、無(wú)人駕駛，但很多時(shí)候它還是不可靠的。人工智能不像商用軟件，能讓人放心地使用，保證錯(cuò)誤率不會(huì)高于很小的比例。相反，人工智能在犯錯(cuò)的時(shí)候可能會(huì)錯(cuò)得非常厲害，所以用平均值來(lái)代表一個(gè)準(zhǔn)確率是不恰當(dāng)?shù)?，?yīng)該更多地考慮它的置信區(qū)間。換言之，“小白”用戶用一些人工智能模塊搭建一個(gè)系統(tǒng)，這個(gè)系統(tǒng)就應(yīng)該能被搭建出來(lái)，而且它的效果應(yīng)該在一個(gè)固定的范圍以內(nèi)，所以人工智能應(yīng)該像軟件工程一樣做出來(lái)。

第四范式公司的核心產(chǎn)品“先知平臺(tái)”就一直朝著“可靠性”這個(gè)方向發(fā)展，把人工智能的模塊工程化，并在一定程度上保證了可靠性，從而讓普通用戶來(lái)搭建自己的人工智能系統(tǒng)。 

人工智能成功的五大必要條件是高質(zhì)量的大數(shù)據(jù)、清晰的問(wèn)題定義和領(lǐng)域邊界、懂人工智能且擅長(zhǎng)應(yīng)用和算法的跨界人才、足夠的計(jì)算資源、持續(xù)的外部反饋。滿足這五個(gè)條件的領(lǐng)域才有可能在未來(lái)出現(xiàn)人工智能的爆發(fā)。下面，我們就看看有哪些可能爆發(fā)的商業(yè)場(chǎng)景。

智能客服

人機(jī)交互的智能客服會(huì)產(chǎn)生很多外界公開(kāi)的數(shù)據(jù)以及內(nèi)部的數(shù)據(jù)、知識(shí)庫(kù)等。這些數(shù)據(jù)都可以用來(lái)制造機(jī)器人，尤其是可以用過(guò)去的數(shù)據(jù)來(lái)做訓(xùn)練。這個(gè)數(shù)據(jù)量在垂直領(lǐng)域逐漸增加?，F(xiàn)在的對(duì)話系統(tǒng)也已逐漸成為深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的焦點(diǎn)。在客服需求量大，而服務(wù)內(nèi)容垂直的應(yīng)用領(lǐng)域，對(duì)話系統(tǒng)會(huì)發(fā)揮巨大作用。

新聞?lì)I(lǐng)域

新聞?lì)I(lǐng)域也是人工智能的另一個(gè)商業(yè)風(fēng)口。此領(lǐng)域有很多編輯、解說(shuō)、自動(dòng)校對(duì)、作家等，數(shù)據(jù)量足夠大，而且外界反饋也越來(lái)越多。對(duì)于一篇文章，可以用機(jī)器學(xué)習(xí)來(lái)自動(dòng)提取摘要。工作的外部反饋來(lái)自哪里呢？實(shí)際上我們寫的那些論文就是一個(gè)外部反饋，因?yàn)槊科撐亩加姓?。如果一篇論文被錄用了，就說(shuō)明這篇論文的摘要寫得不錯(cuò)，所以外部反饋是可以實(shí)現(xiàn)的。

這里分享一個(gè)有趣的實(shí)驗(yàn)，是香港科技大學(xué)的學(xué)生做的“自動(dòng)寫小說(shuō)”項(xiàng)目。主要有兩個(gè)步驟，一步是讓它讀很多書(shū)，一步是訓(xùn)練出一個(gè)模型。這個(gè)模型再變成一個(gè)生成式的模型，就能用來(lái)寫小說(shuō)了。比如，我們提供《射雕英雄傳》和《笑傲江湖》兩部小說(shuō)，把這兩個(gè)結(jié)合起來(lái)，就可以寫一部新的小說(shuō)了。 

特定任務(wù)的智能機(jī)器人

提起機(jī)器人的倉(cāng)儲(chǔ)應(yīng)用，亞馬遜(Amazon)為我們帶了一個(gè)好頭，它所有的倉(cāng)儲(chǔ)都是由機(jī)器人KIVA來(lái)完成的。即使用了機(jī)器人，亞馬遜的倉(cāng)儲(chǔ)應(yīng)用中也有人工的成分，即工人被雇用來(lái)做物件的抓取。這是因?yàn)?，機(jī)器人的抓取在現(xiàn)階段要做好還非常難。如果把人和機(jī)器的優(yōu)點(diǎn)結(jié)合起來(lái)，就可以解決倉(cāng)儲(chǔ)和供應(yīng)鏈中的一個(gè)大問(wèn)題。此外，醫(yī)療機(jī)器人也是非常專業(yè)的一個(gè)領(lǐng)域，它可以給人開(kāi)刀縫線，但它現(xiàn)在還不是自動(dòng)的，而是通過(guò)遠(yuǎn)程控制的，控制的精密度非常高。如果醫(yī)療機(jī)器人能夠收集到足量的數(shù)據(jù)，是可以達(dá)到自動(dòng)的效果的，以后給病人開(kāi)刀可能就由機(jī)器人來(lái)代勞了。

在醫(yī)護(hù)領(lǐng)域，無(wú)障礙輔助的應(yīng)用領(lǐng)域痛點(diǎn)特別強(qiáng)烈，現(xiàn)在的數(shù)據(jù)量還不是特別多，因?yàn)檫@一領(lǐng)域面向的群體畢竟是少數(shù)人，未來(lái)也許會(huì)有數(shù)據(jù)。

人工智能+有機(jī)食品

筆者在香港曾訪問(wèn)過(guò)一個(gè)有機(jī)食品工廠。工廠實(shí)驗(yàn)室里的每一棵菜周邊的所有環(huán)境全都被記錄下來(lái)，比如濕度、溫度、光照，然后收集這樣的數(shù)據(jù)訓(xùn)練一個(gè)機(jī)器學(xué)習(xí)模型，最后用這個(gè)模型來(lái)種植蔬菜。這樣可以控制蔬菜的口感和口味，脆的還是甜的，都可以通過(guò)模型學(xué)習(xí)出來(lái)。

Fintech智能投顧

金融是一個(gè)非常好的領(lǐng)域，第四范式在金融領(lǐng)域也積累了很多成功案例。金融領(lǐng)域里的任務(wù)都是非常清楚的，而且每個(gè)任務(wù)的數(shù)據(jù)都有足跡，數(shù)據(jù)的維度是多維的，有外界的，也有內(nèi)部的，非結(jié)構(gòu)數(shù)據(jù)也比較多，例如文本和報(bào)告。數(shù)據(jù)形成了孤島，鏈條非常長(zhǎng)，并且鏈條里面都有銜接。

在金融領(lǐng)域，美國(guó)有一個(gè)比較時(shí)髦的概念叫“投研、投顧和投資”。投研是研究整個(gè)市場(chǎng)的基本面，就好像做輿情分析一樣，但輿情只是其中的一部分；投顧是在銀行給客戶做理財(cái)分析，做理財(cái)?shù)呐渲?，這些工作可以由機(jī)器人完成；投資是機(jī)器人本身作為一個(gè)客戶，可以去投資。

筆者認(rèn)為，未來(lái)應(yīng)該是幾個(gè)人運(yùn)作一個(gè)公司，每個(gè)人都能率領(lǐng)成千上萬(wàn)個(gè)機(jī)器人，這些機(jī)器人做不同的且擅長(zhǎng)的事情。現(xiàn)在在一個(gè)傳統(tǒng)行業(yè)里，往往是20%的人在做80%的工作，那么這20%的人就是未來(lái)運(yùn)營(yíng)公司的人，剩下的80%的人所做的工作將交由機(jī)器來(lái)完成。一個(gè)公司的自動(dòng)化、智能化程度，代表了這個(gè)公司在商業(yè)上的反應(yīng)速度和競(jìng)爭(zhēng)力。

人工智能給人類帶來(lái)的變革是非常深遠(yuǎn)的。人工智能不僅僅是一場(chǎng)比賽、一個(gè)應(yīng)用，而是使整個(gè)社會(huì)在真正地、徹底地改變。機(jī)器和人將成為一個(gè)共同的“軍隊(duì)”，不斷地攻克堡壘，推動(dòng)人類向更好的方向發(fā)展。