dwchen的個人博客分享 http://www.ueservicedoffices.com/u/dwchen

博文

突破AI核心算法,解決AI產業“卡脖子”問題 精選

已有 2747 次閱讀 2019-5-22 13:08 |個人分類:人工智能|系統分類:觀點評述

  在人工智能發展如日中天的今天,在人工智能技術向一切領域滲透的今天,在人工智能婦孺皆知的今天,中國工程院前院長“徐匡迪之問”引人深思:“中國有多少數學家(或科學家)投入(或全心投入)到人工智能的基礎算法研究中?”由于核心算法缺位,類似于芯片行業,中國人工智能產業發展面臨“卡脖子”窘境。

 國內AI企業的核心技術大部分都是使用了國際上開源的人工智能算法,之后進行了二次開發,成為針對特定問題的人工智能應用軟件。使用開源的人工智能算法,可大大加快了開發進程和降低了開發成本,但也導致“知其然不知其所以然”的尷尬局面,為今后的深入發展埋下“安全隱患”。

 最先進的算法代碼不會開源,所謂開源算法代碼也不是最先進的算法,導致我國AI企業的智能水平與世界一流AI企業還存在一定的差距。開源代碼,類似于“科研鴉片”,由于可以免費在線獲取,省時省力省錢,使得國內AI企業散失了開發核心算法的動力和雄心。最為可怕的事,一旦國際關系發生重大變化,我們將獲取不到最新升級的開源代碼,國內AI企業的智能水平將會被遠遠落下。到時候,才想起來去追趕,恐怕為時已晚,而且由于差距過大,即使全力追趕,也恐怕望塵莫及了。

 今年,G.Hinton等深度神經網絡(DNN)三劍客獲得計算機圖靈獎,他們所提出的深度神經網絡算法是當前AI最核心的算法,在圖像識別和語音識別等領域具有很多成功的應用。被很多人奉若神明的DNN,其實也不是無懈可擊。經過深入思考和分析,我們認為,深度神經網絡有三大缺陷:(1)計算量龐大, 有大量的參數需要循環迭代和微調優化 ,計算時間非常長 ;(2)采用大量的GPU等設備,硬件成本高,我們每年要耗費大量資金去購買,給國外送去大量外匯;(3)學習后有千萬甚至數億個參數,模型解釋性差,“知其然而不知其所以然”,用起來心里沒譜。所以,用DNN技術下下圍棋,玩玩游戲還可以,但是難以用于像自動駕駛這樣安全攸關的應用場景。不能迷信DNN技術,應用DNN技術的特斯拉自動駕駛汽車就出了幾次重大交通事故。出了事故事很可怕,更可怕的是不知道DNN錯在哪里,以確保下一次不再犯同樣的錯誤。

 在大數據時代,淺層模型和算法難以發揮作用,深度學習確實是一個重要的發展方向。不過,我認為深度學習不僅僅是指DNN,還可以有很多其他形式,也許能取得比DNN更好的效果。所以,我們必須要開發新的深度學習算法,一方面要學習深度神經網絡DNN的強大學習功能,一方面要具有很強的解釋性以確保開發系統的安全性。另外,我們還需要考慮模型不要太復雜,參數不要太多,以降低硬件成本,最好用國產芯片就可以實現,做到既經濟實用,又安全高效。做到以上幾點的新型深度學習算法是一個很宏大的理想,需要長時間的努力,真心希望我國科學家能帥先做到。到時候,我們把代碼開源,歡迎國內外同行去下載使用。這也是我的AI夢,希望在不久的將來能實現。

 




http://www.ueservicedoffices.com/blog-57940-1180492.html

上一篇:李彥宏先生完全有資格有實力參選中國工程院院士

12 王林平 李毅偉 周忠浩 李劍超 尉劍俊 王立新 黃永義 趙克勤 雷宏江 賽義甫 劉學武 劉鋼

該博文允許注冊用戶評論 請點擊登錄 評論 (23 個評論)

數據加載中...

Archiver|手機版|科學網 ( 京ICP備14006957 )

GMT+8, 2019-5-26 04:43

Powered by ScienceNet.cn

Copyright © 2007- 中國科學報社

返回頂部
时时彩平台