MENU
科研中心

科研中心

之江实验室聚焦网络信息和人工智能两大领域,重点在未来网络计算、泛化人工智能、泛在信息安全、无障感知互联、智能制造与机器人等五大方向开展基础性、前沿性技术研究。

发布日期:2018-09-08

“直觉性AI”,郑南宁院士为你深度解析新一代人工智能研究的新方向!

《直觉性AI与无人驾驶》

——中国工程院院士郑南宁

今天,我跟各位一起来看看AI研究的一个新方向“直觉性AI”。为了把这个问题讲得再清楚一点,我后面还会以无人驾驶作为一个应用的例子来谈。

1536727229489429xVzL.jpg

一、目前人工智能深度学习还存在各种局限

人工智能发展到现在,主要存在着五大主要学派,即符号主义,联结主义,贝叶斯方法,进化学派和类推学派。然而现在基于不同流派的深度学习的人工智能方法都有着很多的局限性,比如过度地依赖训练数据——如指令驱动和数据驱动,无法很好的使用“注意力”等等。


二、有能力学习的机器,而不是机器学习

其中,形式化是经典人工智能的一个基本的理论框架演绎逻辑和语义描述,但是形式化的方法是不可能为我们所有的对象建立模型,不能为所有对象建立模型它的原因是两点,第一是所谓的条件问题,因为我们不可能枚举出产生一个行为的所有先决条件,第二是分歧问题,不可能枚举出一个行为的所有隐性的结果。由于条件问题、分歧问题我们要去枚举,有些难题只能是在指数时间内破解,也就是说计算时间与输入规模的幂成正比,一些问题的解决需要近乎无限长的时间。

因此,我们要从人的大脑的记忆、学习与预测的机制来看,我们能不能够去构造一个有效的,人类认知信息加工机制的架构,我们要寻找一个有能力学习的机器(learning machine),而不是单一的机器学习(machine learning)。为了回答上面的问题,我们要发展新一代人工智能,最根本要回答两个问题,一个是什么是人类智力所独有的特征?要做到像人类一样拥有的智能行为,计算机需要什么样的能力?

三、深度挖掘人类智力特征

因为人类认知的所有的高级形式,比如说概念的形式,推理、问题的求解、创造力乃至基本的记忆和知觉一切都与智力相关,人工智能就是如何用机器来与人类的一种智力。因此我们可以通过发展受脑认知和神经科学启发的人工智能。

这种结合脑科学的人工智能的目的在于使机器学习产生人脑思考的特征,学习人脑的认知途径。包括认知映射,直觉推理和认知推理等等方法。通过这些途径,可以使机器像人一样对物理世界进行直观的理解。


四、直觉性AI

前面我们谈到认知映射、认知推理还有直觉推理,下面再把这个问题朝实际的方向去推动。怎么来使机器像人一样对物理世界进行直观的理解,就是说要实现物理层面认知推理的基本要素。这个基本要素有三点,第一是对物体或者对象特征进行识别并形成长短期记忆。第二是对物体和对象之间的相互关系与作用的直观理解。三是其想象力的行为的模型产生。因为关于物体和对象的关系,以及物理层面的直观推理是人类治理的核心,让机器像人类一样对物理世界进行直观理解,是人工智能追求的核心目标,就是未来新的人工智能这是一个非常重要的研究方向。

直观物理层面的推理的基本框架,第一,构造一个内部对称模型,在行动之前来预想到可能的结果。第二,勾出环境模型,提取有用的信息,第三是规范想象的行为,最大化任务效率。就是要达到这三个目的。下面再把这个框架融合到一个可计算的模型之中,就是机器的直觉推理模型了。


五、直觉AI与无人驾驶

现在我们再来谈谈和无人驾驶去结合。在讲这个之前,我先谈一下直觉。用一句话来描述它,就是以一种最少的假设去描述一个系统或者产生相应的行为,最少的假设。如果是从直觉推理去看待智能驾驶可能为无人驾驶技术的发展带来新的方法,这里我讲的是“可能”,可能就意味着是一种探索。我在这里把无人驾驶这样一个人工智能的问题定义成是具有一种不确定性,且具有约束条件和先验知识环境的理解和推理,大家注意不确定性,这是显然的。它又是具有约束条件的,所谓约束条件人在路面开会不会飞起来,我是这样简单的比喻,当然约束条件还有很多,比如说交通规则,还有先验知识还有对环境的理解。

通过将脑科学和深度学习进行结合,西安交大研发了将直觉性AI和无人驾驶进行了结合。并且在各种道路上进行了测试。但是与此同时,无人驾驶也存在着许多的挑战。比如场景的可靠感知,预行为的理解以及意外遭遇的应对等。对于这些有情境认知所产生的问题,我们可以通过发展一种进化的、发展的自主驾驶学习系统,使其学习过程与人类司机的驾驶训练类似,即熟能生巧的直觉性AI,基于认知计算引擎的自主驾驶系统。

1536727378538389R9GI.jpg

总的来说,我们需要更多时间来发现受脑认知和神经学科启发的人工智能突破点,把研究建立在严谨的理论,模型建造,实验验证与分析的基础上。同时,新一代人工智能的发展离不开信息科学,认知科学,神经科学,数学等学科的共同进步,必须加强来自多学科的实验科学家和理论科学家的合作。除此之外,现代科学的进步往往是在新的思想和已有的成见之间精致平衡中实现的。面对人工智能研究与应用的热潮,需要保持冷静思考和踏实工作;期望值过高,有没有达到预期的目标,有可能会给学科发展带来低潮甚至灾难性的后果,使最初的期望目标成为“皇帝的新衣”。

我们一定要踏踏实实地来推进我们国家人工智能的发展,注重基础性研究,同时也要和当前的应用紧密结合起来,解决实际问题。我们要以问题驱动,来带动我们的基础研究,我觉得之江实验室定位在“一体两核”非常好,而且你们前面定的几个课题都是我们今后人工智能发展所需要的。今天我就讲到这里。



上一条:干货:ToF技术科普篇

下一条:数据、运算力、开源平台,人工智能发展的三…

该内容仅限
内部人员查看

请登录