《评人工智能如何走向新阶段》后记(再续12)

《评人工智能如何走向新阶段》后记(再续12)_第1张图片 由AI科技大本营下载自视觉中国

151. 新一代人工智能研究方向: (1)研究新一代人工智能基础理论(机理、模型和算法);(2)研发面向需求的共性技术(以神经网络和算法为核心、数据和硬件为基础、数据知识融合驱动为动力、应用落地为目标,形成开放兼容稳定成熟的技术体系;(3)开发高端、低耗、亷价的智能芯片和系统;(4)建立人工智能开源开放的基础平台。

152. 构建神经网络模型取决于框架的选择,如:TensorFlow、Caffe2、Torchnet、MXNet、CognitiveToolkit、PyTorch

153.在特定框架中训练和评估模型后,很难将训练的模型移植到另一个框架(因为神经网络工具间缺乏互操作性),为克服这个挑战,脸书、微软、亚马逊合作开发“开放式神经网络交換”,允许在各种框架中重用经过训练的神经网络模型(这是2019AI领域的关键技术)。

154.人工智能与区块链两种技术结合起来应对挑战。

155.比尔-盖茨:未来10年人工智能将对世界带来颠覆性的变化,一切都将变得智能化。

Gartner:未来10~20年人工智能将变得无处不在,未来基于深度学习的人工智能的认智能为将达到人类专家顾问级别。

156.试论基于数据 驱动深度学习的人工智能与基于知识驱动认知学习的人工智能,包括AI模式、驱动源、算法和逻辑、目标任务:(1)基于数据驱动深度学习的人工智能,(2)基于知识驱动早期知识工程的人工智能,(3)基于知识驱动未来知识工程的人工智能。

157. AI工程:数据驱动大数据工程;驱动源:大数据(已知数据),输入数括;算法、逻辑推理:基于人工神经网络的深度学习算法,沿神经网络训练的逻辑推理(数理逻辑,持续线性);目标任务:实现机器人感知智能或实现人工智能(脑外)任务(不具备可理解、可解释能力)。

158. AI工程:知识驱动,旧知识工程(上世纪七、八十年代);驱动源:知识表示(由知识库提供资源或挖掘数据中的知识要素),或;输入知/数转換;算法、逻辑推理:感知学习算法或深度学习算法,小规模语义网络(数理逻辑推理,持续线性);目标任务:实现机器人感知智能。

159. AI工程:知识驱动,新知识工程(2010年至未来);驱动源:知识图谱(由知识库提供资源);算法、逻辑推理:认知学习算法,大规模语义网络(沿NLP及BERT、MT-DNN、GPT2语言模型训练或经语料库微调),沿语义网络/语言模型新的逻辑推理,呈非线性、跳跃;目标任务:实现机器人认知智能或实现人工智能(类脑)任务(具有可理解、可解释能力)。

160.知识要素(实体、概念和关系,在运作时可转換为数据、代码)。

《评人工智能如何走向新阶段》后记

《评人工智能如何走向新阶段》后记(再续1)

《评人工智能如何走向新阶段》后记(再续2)

《评人工智能如何走向新阶段》后记(再续3)

《评人工智能如何走向新阶段》后记(再续4)

《评人工智能如何走向新阶段》后记(再续5)

《评人工智能如何走向新阶段》后记(再续6)

《评人工智能如何走向新阶段》后记(再续7)

《评人工智能如何走向新阶段》后记(再续8)

《评人工智能如何走向新阶段》后记(再续9)

《评人工智能如何走向新阶段》后记(再续10)

《评人工智能如何走向新阶段》后记(再续11)

你可能感兴趣的:(评人工智能如何走向新阶段?)