全球三大人工智能AI大脑


        在众多已公布的人工智能项目之中,有三个已经初现端倪的“人工大脑”格外引人注目。他们分别是:

linuxkiss1.jpg

        谷歌大脑

        “谷歌大脑”是谷歌X实验室一个主要研究项目。谷歌大量购买人工智能公司,机器人公司,智能家居公司,大力发展无人汽车,智能眼镜等技术,计划以谷歌大脑为中枢神经系统,为无人汽车,工厂机器人,智能家居,智能眼镜提供源源不断的数据支持。

        截止到2014年4月,谷歌已斥巨资收购了包括波士顿动力公司在内的9家机器人公司。谷歌的自动驾驶汽车已经完成了总计70万英里的高速公路无人驾驶巡航里程。谷歌的人工神经网络通过观看一周YouTube视频,能自主学会识别哪些是关于猫的内容。这意味着人工智能已迈出了领域翻开崭新一页。

        2015年4月,谷歌宣布已获得将人类性格植入机器人的系统专利。该系统可以让机器人的说话方式及表情可模仿某个特定的人。让机器人拥有已故亲属或者某个名人的“性格”,这一天或许并不遥远。


        IBM人脑模拟芯片

        2014年8月,IBM发布能模拟人类大脑的SyNAPSE(SystemsofNeuromorphicAdaptivePlasticScalableElectronics,即“自适应塑料可伸缩电子神经形态系统”)芯片,相比前一代原型,新的芯片已达到量产要求,并且拥有100万个“神经元”内核、2.56亿个“突触”内核以及4096个“神经突触”内核,而功率则仅有70毫瓦,该芯片能够模仿人脑的运作模式,更擅长进行模式识别,而且低功耗,在认知计算方面要远远穿过传统计算架构。


        百度大脑

        “百度大脑”项目集中了世界上最强大的研究团队,利用计算机技术模拟人脑,已经可以做到2-3岁孩子的智力水平。“百度大脑”将融合“深度学习”算法、数据建模、大规模GPU并行化平台等技术。李彦宏对外披露,如果继续发展十年、二十年,这样一个大脑很有可能就会比人脑还要聪明。

        百度大脑的深度学习技术,现在已经有能力构建规模达到200亿个参数的深度神经网络,这是业界最大规模的深度神经网络系统,百度是世界上第一家用深度神经网络做网页排序的网络公司。

        2015年1月17日在北京举行的极客公园创新大会上,由百度和清华大学研发还处于试验阶段的无人自行车已经在人工智能的驱动下,保持平衡自由穿过讲台前的过道。这辆自行车可以跟着人走。“当你在跑步时,可以把衣服和水挂到车上,这样你可以轻松跑步,而自行车则会一路跟随你。它像一匹小马,跟你是朋友。人工智能改变了人机关系。”

linuxkiss2.jpg

        人工智能何以成为“超强大脑”

        人类棋手一滴泪下,为这场似乎一开始便已注定结局的人机围棋大战画上了句号。是什么给了“阿尔法狗”如此高超的棋艺?是什么让人工智能成为“超强大脑”?答案是算法。

        算法是指由计算机执行的一系列独立的指令和动作。从初始状态和初始输入开始,这些指令描述了完整的计算步骤——通过一系列有限的、确切的指令,产生并输出答案和数据,最终止于结束状态。

        人工智能的算法是一套利用机器智能解决问题的复杂手段。过去,我们给计算机下达规则式的指令来解决问题;现在,我们只要告诉计算机想解决的问题,它就可以自行选择算法来解决问题——这便是人工智能带来的根本性变革。

        人工智能最重要的是学习能力,即根据机器以往的经验来不断优化算法。第一次人工智能的浪潮始于上世纪70年代,当时的人工智能算法采用的是符号逻辑推理规则,以实现知识表征。由于缺乏自我学习能力,彼时的人工智能无法解决新领域中出现的问题。第二代人工智能虽然在学习和感知能力上表现更佳,但由于当时的机器学习模型不具备大量吸收训练数据的能力,与人类的水平仍有很大差距。


        大约在10年前,深层与结构化机器学习,或称为深度学习的新范式,让人工智能算法的智能程度越来越高。传统的机器学习方法让电脑学习的“知识”,要由人来设计并输入,因为需要掌握大量的专业知识,导致特征工程成为机器学习的瓶颈。深度学习打破了这一瓶颈,通过多层结构算法,机器对数据集的“特征”进行筛选和提取,通过反复训练,最终获得了提取抽象概念的能力。

        随着神经网络研究的深入,计算机视觉和听觉等让人工智能技术再次迎来发展的拐点,计算机的算法也越来越精进。未来,计算机对自然语言的应用还将大幅提高,电脑可以听懂、读懂人类平常所用的语言,而不仅仅是机器指令。这样,存在于互联网和局域网中的海量信息,都可以成为深度学习的素材。

        通过深度学习,人工智能可以达到近似或超过人类的识别精度。但与人类相比,机器所需要的训练数据、 能耗和计算资源却要多得多。从统计学角度看,虽然机器能够达到的识别精度总体上令人印象深刻,但在个体应用中的表现往往不尽如人意。此外,由于目前大多数深度学习模型不具备推理和解释能力,因而无法预测和提前防范严重错误的出现。

        在提高人工智能学习能力的过程中,科学家和研究者们从未放松过对与之相关的伦理道德问题的思考。例如美国电气与电子工程师协会(IEEE)去年便发布了全球首个《人工智能道德准则设计草案》,力求让人工智能更好地为人类服务。相信随着未来在范式、算法和硬件领域不断出现新的突破,人工智能的浪潮将深刻影响人类的生活方式。


        --文章摘自网络

上一篇