人工智能的主要概念人工智能技术开发人工智能怎么制作

　　随着人工智能在医学、教育和自动驾驶等领域的普及，人类需要面对的伦理问题和技术挑战越来越多，人类的优越感也一再面临着遭受冲击的危险，正如杰出的进化生物学家斯蒂芬·杰·古尔德(Stephen Jay Gould)引用西格蒙德·弗洛伊德(Sigmund Freud)的话时所说:“所有重大的科学都有一个共同点，那就是它们都把人类的傲慢从一个又一个先前坚信我们是宇宙中心的信念基座上拉下来

　　随着人工智能在医学、教育和自动驾驶等领域的普及，人类需要面对的伦理问题和技术挑战越来越多，人类的优越感也一再面临着遭受冲击的危险，正如杰出的进化生物学家斯蒂芬·杰·古尔德(Stephen Jay Gould)引用西格蒙德·弗洛伊德(Sigmund Freud)的话时所说:“所有重大的科学都有一个共同点，那就是它们都把人类的傲慢从一个又一个先前坚信我们是宇宙中心的信念基座上拉下来。”

　　在所有击碎人类宇宙中心信念基石的科学中，人工智能绝对算是其中我们又爱又恨的一场。李世石被 AlphaGo 击败后流下的泪水已经干了，但人类对于 AI 的恐惧和想象还在无限蔓延。那么，机器智能与人类智能是真的否存在巨大的鸿沟？

　　答案或许可以在图灵奖得主杨立昆（Yann LeCun）的新书《科学之路：人、机器与未来》中找到。杨立昆认为人工智能怎么制作，智力不只局限于智慧的能力，还涉及行为的所有领域，同时也是学习、适应和决策的能力。如果我们仍然不能完全了解动物和人类是如何学习的，那么人工智能在默认情况下也会为我们提供一些答案。它表明将机器智能与人类智能区分开来的并不是巨大的鸿沟——这也为 AI 科学家们今后的工作指明了方向。

　　本文选取了三位帮助人类不断延展智能疆界的 AI 科学家们，看他们如何塑造人工智能学科的未来。

　　图像识别曾经是一项人类比机器更有优势的领域，直到 2006 年，由美国国家工程院院士、斯坦福大学教授李飞飞领导的 ImageNet 项目大大缩小了机器相较于人类的劣势。

　　2006年，还在伊利诺伊大学任教的李飞飞发现意识到：如果数据不能反映真实世界，那么即使是最好的算法也不能很好地工作。

　　这个数据集就是 ImageNet，其数据库中包含近1500 万张被人类标签进行分类的图像。ImageNet 最初在2009年发表，当时还是一张贴在迈阿密海滩会议中心角落里的研究海报。但它很快发展成了一个年度竞赛——比骚哪个算法能以最低的错误率识别数据集中的图像。这个比赛在之后成为了人工智能学科繁荣的催化剂。

　　参加过 ImageNet 竞赛的选手们遍布在科技界的每一个角落，获胜者们大都在谷歌、华为等大型科技公司担任着高级职务。2014年，牛津大学的两名研究人员分获得了该竞赛的冠军，这两名研究人员随后加入了 DeepMind 实验室，而该实验室在此后两年开发了人类历史上第一个战胜围棋世界冠军的人工智能机器人 AlphaGo。

　　而在 ImageNet 竞赛举办的短短七年时间里，在该比赛中获胜的算法准确率从71.8% 上升到了97.3% （这个数据在今天还在上升），超越了人类自身的能力。

　　李飞飞为建立大型机器学习和视觉理解知识库做出了贡献，目前的工作领域包括认知启发式人工智能、深度学习和计算机视觉等。

　　在李飞飞领导 ImageNet 项目成功后不到十年的时间里，杨立昆博士等人用基于深度学习的方程替代了传统的计算机程序“规则 + 数据 = 结果”，深度学习试图模仿人类学习的方式：数据 + 结果 = 规则，也成为了目前人工智能领域使用最为广泛的技术之一。

　　杨立昆被誉为“卷积网络之父”，时至今日，他的名字仍然与“卷积网络”相联系。“卷积网络”受哺乳动物视觉皮层的结构和功能的启发，改变了影像识别方法，机器得以有效地处理图像、视频、声音、语音、文本和其他类型的信号。

　　近年来人工智能取得的惊人进展大都与深层次的机器学习（即深度学习）技术有关，它可以训练一个机器来完成一项工作，而不是通过明确的程序来告诉机器如何完成工作，深度学习也一直被看作是人工智能的未来人工智能怎么制作。

　　被看作“未来之星”的深度学习技术由一些人工神经网络实现。在贝尔实验室人工智能怎么制作，杨立昆开发了一种全新的多层网络体系结构，灵感来自科学家对哺乳动物视觉系统的研究成果。实验室经理拉里·杰克尔将其命名为 LeNet，就如杨立昆的姓 LeCun 一样。这也是卷积网络的第一个名字。卷积网络在此后也成为了深度学习技术的支柱，为此，杨立昆也在自己的新书《科学之路：人、机器与未来》中具体回顾了自己在这场非凡的科学探索中的心路历程：

　　“深度学习的探索并非一路青云。我们不得不与各种怀疑论者作斗争。支持完全基于逻辑推断和手动编写程序的人笃定我们必将失败。‘经典’机器学习理论的领头人也在指责我们。但是，我们正在研究的深度学习只是机器学习领域中的一组特定技术，允许机器从示例中不断学习任务，而无需对其进行显式编程，因而有其局限性。我们试图打破这一局限性，提供深度神经网络，深度学习就是手段。它们非常有效，但操作复杂且难以进行数学分析。因此，我们似乎成了炼金术士...

　　提倡‘经典’机器学习理论的人们在 2010 年左右停止了对神经网络的探索，2012 年，在一项国际竞赛中，卷积网络出色地证明了其有效性。它们自此成为研究人员的宠儿和许多人工智能应用的基石。此后人工智能技术开发，它们在研究领域的重要性稳步增长。

　　就我个人而言，我从未对此表示怀疑。我一直坚信人类智慧是如此复杂，因此我们有必要尝试复制它人工智能怎么制作，以构建具有自我学习能力的组织系统。”

　　2019 年 3 月，因在人工智能深度学习方面的贡献，杨立昆与另外两位深度学习专家 Yoshua Bengio 和 Geoffrey Hinton 共同获得了 2018 年度图灵奖，这相当于是信息技术领域的诺贝尔奖。杨立昆目前担任 Facebook 首席人工智能科学家。

　　松尾丰是东京大学教授，也是日本科技巨头软银(Softbank)董事会中第一位人工智能专家。相比于前两位人工智能科学家，松尾丰将更多的精力放在了人工智能学科普及和商业化的推广上。

　　2010 年，松尾丰创建了一个算法，通过监测 Twitter 上提到的地震信息，该算法可以发现地震的最初迹象。他的系统不仅检测到了美国气象厅协会(JMA)注册的 96% 的地震，还向注册用户发送了电子邮件警报，速度远远快于 JMA 发布公告的速度。

　　此后，他将类似的 web 挖掘技术应用于股票市场。松尾表示: “我们能够将有关公司的新闻文章分为正面或负面。再将这些数据结合起来，以准确预测利润增长和业绩。”

　　也就是说人工智能的主要概念，松尾能够从人们在网上的言论中提取有价值的信息，这使他成为了日本最顶尖的人工智能研究者之一。

　　在过去的十年里，松尾和他的团队一直在支持年轻的企业家在国际舞台上创办人工智能初创企业。他表示: “我们希望创建一个像硅谷那样的生态系统，而日本根本没有这样的生态系统人工智能怎么制作。”松尾丰因此也是日本深度学习协会的主席，该协会是一个该非营利组织，通过提供培训和认证考试来培养人工智能领域的研究人员和工程师。至今已有超过 4 万人参加了认证考试，其中包括商务人士、研究人员和学生，松尾还计划在今年年举办英语版的考试。

　　松尾鼓励有兴趣创办人工智能初创企业的年轻研究人员寻求与产业的合作伙伴关系。“日本社会相当保守,”他表示，“如果你年龄较大，你更有可能从公共基金中获得大笔预算，但我已经 45 岁了，这仍然被认为太年轻。”

　　在日本，雄心勃勃的年轻人工智能企业家将松尾的实验室——位于东京市中心的 Hongo Valley——视为通往成功的大门。这归功于 Hongo 在孵化创业公司方面的不俗成绩，它培育了十家成功的人工智能创业公司，其中两家在东京证券交易所上市。

　　但松尾并不将硅谷看作 Hongo 的效仿对象，也从未想过要在互联网领域与西方科技巨头竞争。松尾表示: “在互联网的竞技场上，与规则制定者正面竞争是不现实的。”。相反，他指出，在人工智能领域，与大型制造商合作才是正确的前进方向。松尾解释说: “如果日本有任何机会参与竞争，那就是将深度学习与丰田人工智能的主要概念、松下等制造业巨头生产的硬件结合起来。”人工智能技术开发。

　　他表示: “如果 Hongo Valley 的初创企业能够提供人工智能技术，重新设想这些制造商生产的硬件，那么他们将改变科技商业世界的游戏规则。”

　　由于篇幅原因，这份名单没能囊括所有为人工智能领域作出贡献的科学家与工程师。杨立昆博士自传加科普式的新书《科学之路：人、机器与未来》谈及了更多与人工智能相关的学者与商业领袖，有兴趣的读者可以在书中一探究竟。当下，人工智能研究仍处于创新阶段，它还算不上是一门科学，人们还没有总结出一般性智力理论。所以，即使是本文中提及的 AI 科学家们的贡献还有很多值得深入探讨的地方。

　　就像其他技术革新的时代一样，人工智能正在颠覆我们的时代。几个世纪以来，人类已经习惯自己的生理和心理能力被其他工具超越：雕刻的石头和刀具比牙齿更坚硬；耕畜、拖拉机和挖掘机工作比我们的体力更强；马、汽车、飞机比我们的双脚移动得更快；计算机的计算速度比人脑更快。技术发现提升了我们自身的能力，而机器智能则延展了人类智能。

　　至于智能延展的边界在哪里，就需要一代又一代的科学家们去发现智能工作的潜在机制和原理，无论是自然方面的还是人工方面的，都将是 AI 科学家们未来几十年的研究规划。

　　“图灵奖”得主、“深度学习三巨头”之一、“卷积神经网络之父”……由于在人工智能领域的突出贡献，杨立昆被中国计算机科学界和企业界所熟知。

　　杨立昆的科学之路，谱写了一段关于勇气的宣言人工智能的主要概念。他为了知识本身求学人工智能的主要概念，而不是文凭，他用自己的经历人工智能怎么制作，证明了通过激烈的考试竞争进入名校不是科学成功的唯一路径。他广泛阅读，为他科学思维的形成奠定了坚实的理论基础。他特立独行，做自己感兴趣的事情，即便那件事在短时间里不被人看好。在人工神经网络研究的低谷期，他寂寞地坚持，终于取得了举世瞩目的成就。

　　人工智能正在颠覆人类社会，未来机器能思考吗？杨立昆的这部著作，讲述正是人工智能在我们面前崛起——这个历史上绝无仅有的时刻发生的故事。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186