大数据文摘出品
编译:宁静
2019年7月30日,知识智能高峰论坛暨清华大学(计算机系)—中国工程科技知识中心“知识智能联合研究中心”(下称联合中心)年度报告会在清华大学廖凯原楼会议厅举行。
以下是人工智能研究院院长张钹院士在题为“知识在人工智能的位置”报告上的演讲内容,文摘菌进行了不改变原意的整理:
我们对人类大脑和智能了解很少,凭什么有可能做人工智能呢?做法很简单,这需要我们“大胆假设、小心求证”。
大胆假设
大胆假设
假设之一体现在人类智能,人脑中的活动是可以用符号来进行描述的。人类的智能行为,是受到脑中智能符号处理这样一个过程控制的,这就是所谓的物理符号系统,它是智能的充分和必要条件,这是一个非常大胆的假设,提出这些假设的人主要都是认知心理学家,他们假设人类的智能行为都能清晰的表达出来,这使得人工智能进入到符号联结的时代。
这个假设对于人类理性思维是很正确的描述,人类理性智能来自于何处?人类理性主要来源于两个方面:一是先前的知识与经验,二是推理能力。名医为什么医术那么高超,就是因为他有丰富的医学知识和临床经验,第二就是熟练严谨的推理能力,从病人的症状推理到他可能发生的疾病,所以用先前的模型描述人类的理性智能是很正确的,但是,这个假设有遇到困难,主要表现在以下方面,知识是人类理性的基础,但是知识和经验很难自动获取,不确定性等使得第一代人工智能受到挫败,知识的获取、表达遇到障碍。
第二个假设——亚符号系统。深度学习、机器学习来源于此,人类的智能行为就是因为神经元的活动,这种活动我们应该建立怎么样的模型?我们应该用什么样的模型模拟人工神经网络的计算过程?40年后人们找到合适的算法,这就是现今我们讲到的深度学习。
深度学习解决了两大问题:
-
对于原始的信息输入没有要求,早期的输入需要人工标注和一部分先验知识; -
最终性能提高了很多。
什么是知识?机器会瞎说,毫无自知之明?
-
理性知识:来自于教育、来自于学习、来自于逻辑推理,这一部分知识是可以清晰和准确表达的,这属于“知其然,又知其所以然”的,“we konw what we know”。 -
感性知识:这一部分知识来自人类的感知,这一类知识属于“知其然,不知其所以然”的,一般很难清晰的表达,这一类知识同样重要,那怎么表达?怎么获取?也是现今研究的关键。 -
常识; -
自我知识。
人工智能面临两大障碍
-
针对第一道障碍,需要智能系统做到随机应变、举一反三,知识在其中发挥着重要的角色,需要在系统中嵌入不确定知识与推理、常识与常识推理。 -
对于第二道障碍,需要数据+知识,克服纯数据驱动带来问题。
AMiner:智能科技情报挖掘平台
在线链接:https://www.aminer.cn/
实习/全职编辑记者招聘ing 加入我们,亲身体验一家专业科技媒体采写的每个细节,在最有前景的行业,和一群遍布全球最优秀的人一起成长。坐标北京·清华东门,在大数据文摘主页对话页回复“招聘”了解详情。简历请直接发送至zz@bigdatadigest.cn
朋友会在“发现-看一看”看到你“在看”的内容