羅漢江的博客 Hanjiang Luo分享 http://www.ueservicedoffices.com/u/lhj701 研究興趣: 物聯網、智慧海洋、工業互聯網、數據科學、智能感知與控制

博文

深度學習獲得圖靈獎說明了什么?

已有 1179 次閱讀 2019-3-30 10:58 |個人分類:人工智能|系統分類:科普集錦| 深度學習, 圖靈獎, 人工智能

                                           深度學習獲得圖靈獎說明了什么?

      2019年3月27日,ACM 正式宣布將 2018 年圖靈獎授予 Yoshua Bengio, Geoffrey Hinton 和 Yann LeCun,表彰他們對于深度學習神經網絡的重大突破性貢獻。

    至此,深度學習神經網絡,正式得到學術官方的認可,并相信神經網絡已經成為計算領域的重要組成部分。這對深度學習未來寒冬的質疑畫上了句號,去除了對出身“寒冬的”深度學習帶來這次AI繁榮之后會再次帶來AI寒冬的憂慮。

     當然,深度學習也不是萬能的,圖靈獎對于深度學習的認可,也同時宣布,后深度學習時代的帶來----它的出現將計算機如何對人類進行“算計”貢獻,開拓了一個如何使用計算機的新領域,但同時它的局限也必然期待未來新的計算機使用模式的出現,當然未必是顛覆和替代,但必然需要開拓新的使用方式,只有那樣,才可能以人工智能的驕傲再次登頂圖靈的頂峰。

     深度學習獲得圖靈大獎,說明了什么?一方面是大量工業信息業對于深度學習大量的實錘應用,是算法,更是大數據和大算力的勝利,但更為重要的,也許是:人類終于決定,開始真正對機器(計算機器)放手了----過去的計算方式,人類將不確定性留給人類,而將確定后的不確定性交給機器處理。因此,人類對于規律的確定性,是總體可控和把握的。而深度學習,真正將人類不能確定的不確定性交給機器--也就是說,創造一種機制,讓機器去尋找那些確定性(規律),等機器找到了那些它認為的確定性規律后,再處理不能預先確定的任務。從這個角度上講,深度學習的方法,賦予了機器擁有自我尋找智能(規律)的權利。而人類的角色,開始從自己尋找確定性規律中部分解脫出來,轉而創造能夠自己尋找到這些確定規律的機器和機制,也就是開始真正創造可以代替人工的智能。

     也許,這是目前,將人的智能嵌入到機器,能夠尋找到的唯一實用辦法,而顯然,那些確定性規律,那些能夠被機器確定的規律(而不是人),必定存在于海量的數據中(大數據),這也是目前深度學習的缺陷:是數據產生的機器智能,必須依賴于產生它的智能的數據。理論上數據必須足夠多,或者必須足夠飽和規律的存在。但數據是萬能的嗎?或者說數據一定能夠產生智能嗎?或者說,一定存在能夠讓深度學習識別出規律的數據樣本嗎?

     但不論如何,智能的機器是人類創造的智能工具,它們的產生是替代人類完成各種繁瑣的工作任務的,顯然沒有萬能的工具,但人類創造為人類服務的工具的步伐從來沒有停止過。 深度學習作為一種嵌入到機器(計算機)的智能工具,也許不是完美的,但它是證明實用和有效的,可以完美的勝任人類的一些傳統的工作任務。而它存在的不完美,也正是推動未來人類創造新的、能夠自己識別社會和自然規律的智能機器,而未來他們的出現,正是能夠登頂未來圖靈大獎的新的自己認識不確定性規律的智能機器。

     在后深度學習時代,他們會是什么呢?

                                  




http://www.ueservicedoffices.com/blog-451666-1170479.html

上一篇:都挺好:)歲月靜好:讀書、創造、鍛煉
下一篇:上海交大 王新兵 《移動互聯網導論》(第三版) 課件 PPT (英文Demo)下載

1 鄭永軍

該博文允許注冊用戶評論 請點擊登錄 評論 (0 個評論)

數據加載中...

Archiver|手機版|科學網 ( 京ICP備14006957 )

GMT+8, 2019-6-26 20:33

Powered by ScienceNet.cn

Copyright © 2007- 中國科學報社

返回頂部
时时彩平台