基于大数据的人工智能

1、基于大数据人工智能-张钹院士| 首届世界智能大会 基于大数据的人工智能第1页 张钹 1935年3月26日出生于福建福清，计算机科学与技术教授，俄罗斯自然科学院外籍院士、中国科学院院士，清华大学教授、博士生导师。现任清华大学人工智能研究院院长。 主要从事人工智能理论、人工神经网络、遗传算法、分形和小波等理论研究；以及把上述理论应用于模式识别、知识工程、智能机器人与智能控制等领域应用技术研究基于大数据的人工智能第2页和国际先进水平相比，中国人工智能处于什么位置?看起来这几年，中国在学术研究方面取得很多进展，在主要国际会议、主要期刊杂志上，中国论文也占了相当比重。中国有数量庞大网民，在网络数据上占有

2、相当优势地位，中国市场需求巨大实际上在基础、算法研究上，中国和世界顶尖水平还相差甚远。人工智自1956年诞生至今，一直是美国在引领人工智能领域发展。美国和加拿大等国科学家还在不停创新，假如我们不重视基础/算法理论研究，要赶上或超出世界先进水平是有困难。基于大数据的人工智能第3页基于大数据深度学习深度学习提出，在人工智能领域中是一个重大突破。以往，人工智能只能用来处理人们对它非常了解，而且能够清楚将它表示出来问题，深度学习拓展了人工智能所能处理问题边界。深度学习含有一定通用性深度学习是一个大众化工具，它大大延展了每个人处理问题领域，只要拥有这个领域充分数据就能够做研究。比如在图像识别（微软）和语

3、音识别（baidu）领域机器都超出了或略低于人类基于大数据的人工智能第4页深度学习成功三大法宝数据计算资源算法 AlphaGo用了两个多星期时间，学了7千万局棋局。最好棋手一生中所下棋局是百万级，而AlphaGo下过棋局是几十亿级。 除了数据和计算资源之外，AlphaGo能够在两三周里学到几千万个棋局，靠是学习算法，它自己能自己下棋，靠是强化学习算法，基于大数据的人工智能第5页满足四个条件机器才能超出人类 人工智能在处理以下类型问题时，不论问题多么复杂，都可能做到甚至超出人类水平。（1）有充分数据（或知识）（2）完全信息（3）确定性（4）单领域。 只要符合这四个条件，而且依靠深度学习三大法宝基

4、本都能够到达或者超出人类水平。基于大数据的人工智能第6页下一步怎么办Google一个模型能够学全部任务：在一个网络里，一个模型里同时学习了八项任务，包含机器翻译，图像识别，图像解释等。并得出结论：这些任务之间不但不会相互干扰，在一定程度上还略微有帮助。当前北美还在引领这些发展，假如中国只低头用深度学习去处理应用问题，要到达引领是不可能。人工智能现在做不到举一反三，人工智能现在学习是举一百反一。我们要处理小样本甚至零样本学习问题基于大数据的人工智能第7页深度学习并非万能需要大量样本。有些问题极难获取很多样本推广能力差。不能举一反三不可了解性。深度学习建立系统，实际上跟人思绪很不一样基于大数据的人

5、工智能第8页为何机器学习效率这么低不了解性要让计算机认识一只猫，就要用各式各样样本在不一样背景下猫去训练它，而且只有跟它相近背景、相近角度拍下猫它才认识，假如背景变了，猫拍摄角度变了它也不认识了，所以这是它一个根本性问题，它不了解。鲁棒性差基于大数据的人工智能第9页今后方向-人机合作人机合作关键机器如何理解人。自然语言理解：机器可以听懂人类用自然语言发命令人如何理解机器深度学习导致机器不可理解性：深度学习建立系统，实际上跟人思路很不一样。为什么机器思路跟人不一样：因为机器要用专业语言处理任务。比如机器怎么识别猫：它只是从一些局部特征，局部纹理来识别，而不是从猫整体。机器要取得整体特征是非常困难，所以它都是在利用局部特征，在一个特征空间里去认识猫，和人认识猫角度完全不一样，基于大数据的人工智能第10页怎样利用深度学习 深度学习时代依靠是数据，计算机在向量空间处理数据。缺点是做出来东西是不可了解，跟人做法完全不一样。研究方向寻找中间量，即“语意向量空间”两大任务怎样把文本符号东西变成向量怎样将数据向量空间提升到语意中基于大数据的人工智能第11页总结深度学习不是我们突破，深度学习只是展示了突破希望，因为深度学习并没有结构真正智能。重点