计算机能像人类一样思考

2016.12.09 08:19 人工智能概念股

gregregregre

据外媒报道,芬兰计算机科学家正在人工智能研究的过程中取得新突破:深度学习神经网络可以自主识别出图片中的对象,准确率达到了75%。

人脑非常奇妙。在几十年研究之后,人类仍然无法复制出人脑的超快计算速度。目前,计算机科学家可以利用的最强大工具是神经网络。这样的大型计算机网络能通过训练去解决复杂问题,而机制类似于人类的中枢神经系统,即利用不同层次的神经元解决问题的不同部分,最终合并为适当的答案。

目前的问题在于,这样的神经网络需要大量数据输入和训练,随后才能学会如何解决问题。例如,ImageNet是个很好的训练数据源,这一庞大的可视化信息数据库中包含100万张经过人工标注的照片。

这被称作“监督学习”,而真正的人工智能意味着,神经网络需要学会如何自动完成“无监督学习”。这正是芬兰创业公司Curious AI希望实现的目标。

Curious AI首席技术官安迪·拉斯姆斯(Antti Rasmus)在赫尔辛基的Slush 2016科技行业大会上表示:“人脑会进行大量的无监督学习。我们不需要反复告诉婴儿,勺子是什么。他们可以自动从环境中学习,并形成概念。”

“对人脑来说,根据某一对象形成概念很简单。这已在心理学中得到了研究,即‘格式塔理论’。人脑会将具备类似形状、颜色、运动状态和模式的东西归类在一起。我们采取的第一步是让深度学习系统能像人脑一样,对对象进行归类。”

将神经科学应用于人工神经网络

在神经科学中,名为“速率编码”的理论认为,大脑中神经元的激发速率越高,神经元就越活跃。神经元持续被激发。而80年代时,科学家发现,神经元会将自身组织在一起,代表不同的信息。

这一理论被称作“临时编码”。理论认为,神经元的激发时机很重要,而准确的激发时机定义了,在数万神经元中哪些神经元属于同一群体。因此,一部分神经元可以同时激发,帮助大脑识别一系列对象中的某个对象,例如一堆办公用品中的一块红布,而另一部分神经元会告知大脑,其他对象都属于背景信息。

拉斯姆斯表示:“我们的计算机算法集成了临时编码机制。我们在神经网络的每层中保存多个拷贝。整个神经网络被复制了4次。这意味着系统可以学习得知,每个拷贝代表了某个特定对象,而将这些对象合并在一起,就可以与原始图像进行匹配。”拉斯姆斯此前曾是英伟达的软件工程师,目前正在芬兰阿尔托大学从事深度学习的博士研究工作。

“通过将图像分为不同的4组,神经网络可以自行编码图像。这就是无监督学习,我们不用对系统进行任何标记。当我们向神经网络展示图片时,它会将图片自主分解成为元素(例如图片中的对象)。”

在神经网络将图片分解为单独元素之后,归类和识别对象就变得更容易,因为这些对象不会相互重叠,导致图像模糊不清。

知觉分组可以给深度学习带来变革

研究人员最初指导神经网络在无监督的情况下分析图片,组织对象,随后向图像加入标记信息(监督学习),从而观察系统究竟学会了什么。他们发现,Curious AI的Tagger系统能实现75.1%的准确率。

作为对比,传统神经网络的准确率只有21%,比随机猜测的准确率仅仅高出1%。

拉斯姆斯表示:“这是革命性的研究,这使得无监督学习获得了进一步发展。通过让机器获得对象的概念,我们实现了更类似人脑的无监督学习。这可以帮助未来的研究,让神经网络进行更高层次的推理,学习对象与环境的相关性。”

“在当前系统中,计算机运行在基于统计的世界观中。如果让计算机进入人类生活的世界,那么非常重要的一点是让机器以类似人类的方式去理解世界。人们通常很难理解计算机视觉的效果很差,因为人眼视觉对我们来说很自然。”

该公司的相应论文《Tagger:深度无监督知觉分组》将于12月7日在巴塞罗那的“神经信息处理系统2016”深度学习大会上发表。

Curious AI正在寻找工业界的合作伙伴,在现实世界的人工智能系统中试点其深度学习技术。目前,该公司正与希望发展无人驾驶技术的汽车厂商进行接触。

人工智能概念股:埃斯顿、科大智能、汉王科技、江南化工、华东数控、和而泰、中科曙光、永创智能、北京君正、通富微电、永创智能、劲拓股份。

人工智能概念股

那么问题来了:最值得配置的人工智能概念股是哪只?即刻申请进入国内首个免费的非公开主题投资交流社区概念股论坛参与讨论!

0 0 0

东方智慧,投资美学!

我要投稿

申明:本文为作者投稿或转载,在概念股网 http://www.gainiangu.com/ 上发表,为其独立观点。不代表本网立场,不代表本网赞同其观点,亦不对其真实性负责,投资决策请建立在独立思考之上。

< more >

ABCDEFGHIJKLMNOPQRSTUVWXYZ0-9
暂无相关概念股
暂无相关概念股
go top