尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
關注
過去人類幾千年的科學實驗、幾百年的理論科學，以及十年的計算科學，似乎都是由有一些非常智慧的「最強大腦」引領的，例如牛頓、愛因斯坦，他們從比較小的數據中進行觀察，比如看到一只蘋果掉下來，會思考萬有引力；觀察到在不同鐵軌上迎面開來的兩列火車，考慮到相對運動的問題，然後進行推理演繹，歸納出一條定律或一個公理。
中國人工智能學會理事長、工程院院士李德毅卻認為如今的大數據時代下，已經不太可能再出現像牛頓、愛因斯坦這樣用一個約束好的方程來描述一個規律的科學家。
大數據改變了我們對整個世界的管理方法，我們不再是簡單地靠一個天才想像一個公理來演繹，相反，我們是通過大數據來歸納，而且在歸納過程中，還需要特別注意一些特例現象。
所以，我們有了大數據，我們需要強調個性化，強調對數據的收集和挖掘。機器的深度學習便是上述現象的一個縮影。
當然， 深度學習雖然足夠讓大多數人工智能的研究者為之振奮，卻還是具有明顯的局限性。如何讓機器學會常識、直覺，對機器和研究者來說都是大難題。
怎麼去做一個策劃或計劃安排，而不是做一次性的決定，比如我們要有一次很好的旅遊體驗，不是買張機票就解決了，我可能要知道去什麼地方、做哪些事情、住什麼酒店、吃什麼事物、看什麼景點，需要有什麼計劃安排，深度學習還是沒有辦法做到的。
如果小孩子要認識蘋果，媽媽要給他識別一萬只甚至更多蘋果，他才能認出「這是只蘋果」，媽媽一定要崩潰了。小孩子學習認識蘋果，你只要告訴他這是蘋果，也許給他看三只蘋果，他就能完全認知「蘋果」的概念，而不用給他展示一萬只蘋果。
再比如機器雖然可以從一堆圖片中辨認出某種鳥類，也能識別哪種會飛，哪種不會飛，但需要成千上萬甚至更多的例圖，並且始終不會明白為什麼這種鳥會飛、那種鳥不會飛。
因為有些數據不可能大量提取，成本太高，就好像如果學開車不可能要出過很多次車禍才能學會不撞車。
還有一點不可忽視，研究者通常只是知道機器是否在深度學習，很難說出機器自身的程序、參數究竟怎麼在學習，看上去就像是一個「黑盒子」，甚至有時候機器會出現一些出乎意料的學習結果，這也引發一些哲學層面的思考：機器會不會失控，會不會給人類帶來一些惱人的結果？
這些未解之謎，都等待著我們一步步探索、一步步解決，不故步自封，亦不妄自菲薄。這也許就是科學本來的樣子，學無止境，但總有執著的人為之跋涉。
樂昆說：「這正是我們現在做的——訓練機器和預測未來會發生什麼，就算那個未來可能是我們無法想像的。」
——摘自楊瀾新作《人工智能真的來了》
後續我們將繼續為您分享人工智能精彩專題，敬請期待！
報名咨詢：
400-620-5066 、 010-87762908
更好的自己
