隨著AI技術的發(fā)展，下一波人工智能將會更加強大

（文章來源：EEWORLD）

人工智能是一個涵蓋圖像識別、自然語言處理(NLP)和機器人等多方面維度的廣泛領域。AI也在以一種有時看似瘋狂的速度發(fā)展，因此很難跟上正在發(fā)生的一切。

不出所料，許多組織轉向他們的IT供應商合作伙伴，幫助他們開發(fā)和部署AI解決方案，以最好地滿足他們的需求。大衛(wèi)·埃里森是聯(lián)想公司的高級人工智能數(shù)據(jù)科學家，他的職責包括使用先進的人工智能技術為客戶組織提供解決方案，同時在內(nèi)部支持聯(lián)想全球數(shù)據(jù)中心集團的整體人工智能戰(zhàn)略。

聯(lián)想已投入商業(yè)運營的項目包括利用卷積神經(jīng)網(wǎng)絡從圖像中提取特征，并將其歸類為缺陷，以檢測工廠的制造缺陷。聯(lián)想還為一家賽車公司開發(fā)了一套計算機視覺系統(tǒng)，以決定是否應該讓特定的汽車進入維修站進行維修。埃利森表示，今年和不久的將來，人工智能的主要趨勢包括基于計算機視覺的應用程序、用于訓練人工智能模型的數(shù)據(jù)生成和數(shù)據(jù)標記算法的開發(fā)，以及基于轉換模型的自然語言處理的快速進展。

在計算機視覺方面，開發(fā)人員和研究人員現(xiàn)在開始探索將這種能力與人工智能的其他一些領域相結合的實用方法，比如機器人技術或自動應用圖像字幕等應用的自然語言處理。據(jù)埃里森介紹，這部分是因為計算機視覺的一些基本問題已經(jīng)被證明很難解決，研究人員正在尋找新的方法來解決這些問題，而不是簡單地推動研究領域向前發(fā)展。

埃里森：“我認為我們在解決一些核心的計算機視覺任務時遇到了問題，比如3D投影，當你看到一張圖片，一棟建筑的二維圖像，人類的大腦可以將其推斷成三維形狀，但機器很難做到這一點?！痹谶@方面已經(jīng)有很多研究，但這是一個尚未解決的核心問題，我認為人們會感到沮喪，會嘗試一些新東西，或者嘗試將它與其他領域相結合，找到更好的用途?！?/p>

埃里森認為，這就是為什么機器人技術是目前最廣泛研究的人工智能領域之一，因為它為人們提供了一個明確的目標。他列舉的例子包括使人工智能能夠使用視覺感應在其周圍的空間中安全移動——無論是制造工廠的機械臂，還是使用人工智能導航到目的地的自動車輛。數(shù)據(jù)集需要大量的人工數(shù)據(jù)標簽，因此越來越多的研究項目現(xiàn)在都集中在自我監(jiān)督算法上，它可以獲取已經(jīng)收集到的數(shù)據(jù)，并讓計算機自動給數(shù)據(jù)貼上標簽。

埃里森解釋：“一個典型的例子就是一個具有計算機視覺應用和接近傳感器機器人。計算機視覺能夠比接近傳感器看得更遠。但是當機器人向前移動時，出現(xiàn)在計算機視覺中的東西最終會以物體的形式出現(xiàn)在近距離傳感器中?！备鶕?jù)傳感器的數(shù)據(jù)，回溯到物體第一次被發(fā)現(xiàn)的時間，然后對其進行標記。

人工智能系統(tǒng)一旦部署就不太可能遇到這樣的問題，因此可能無法在訓練數(shù)據(jù)集中表示出來，這是開發(fā)人員面臨的另一個挑戰(zhàn)。然而，如果這些邊緣情況代表了真實場景，那么就需要考慮這些情況，以確保AI模型正確地處理它們?！瓣P鍵的例子是自動駕駛。在你的數(shù)據(jù)集中有多少次在昏暗的暴風雪中開車上山?你的數(shù)據(jù)集中不會有很多這樣的情況，所以他們本質(zhì)上必須做模擬數(shù)據(jù)?！?/p>

換句話說，邊緣案例是通過使用合成數(shù)據(jù)來處理的，合成數(shù)據(jù)是使用各種方法來創(chuàng)建的，例如生成模型。但這也產(chǎn)生了一個問題，即數(shù)據(jù)科學家或開發(fā)人員如何才能確保這些合成數(shù)據(jù)準確地反映出人工智能在現(xiàn)實生活中會遇到什么情況。

“這很關鍵，”埃里森承認，但到目前為止的解決方案只是生成更多的數(shù)據(jù)，并希望這將用足夠的合成數(shù)據(jù)填充那些用例。同時也也使用了神經(jīng)網(wǎng)絡自動編碼器或更復雜的生成對抗網(wǎng)絡(GANs)等方法，其中一個網(wǎng)絡創(chuàng)建合成數(shù)據(jù)，另一個網(wǎng)絡用于判斷候選數(shù)據(jù)的質(zhì)量。埃里森：“所以這是一種自我訓練，來模擬出足夠現(xiàn)實的案例。你同時訓練兩個神經(jīng)網(wǎng)絡，一個生成這些例子，一個判斷這些例子，你希望最終得到一些更現(xiàn)實的東西?！?/p>

GANs已經(jīng)被用于生成數(shù)據(jù)的一個很好的例子就是“深度偽造”技術，這種技術已經(jīng)被用于創(chuàng)建逼真的人臉，或者改變視頻，使視頻中的人看起來像是在單獨的音軌中說話。據(jù)埃里森介紹，這表明了這類模型已經(jīng)達到的比較復雜程度。盡管如此，基于轉換的深度學習模式是過去幾年在自然語言處理領域的成功案例之一，埃里森相信這些模式將繼續(xù)占據(jù)主導地位。這是因為它們已經(jīng)發(fā)展到能夠識別句子之間的依賴關系和連接，而在早期的模型中使用的循環(huán)神經(jīng)網(wǎng)絡(RNN)[1]本質(zhì)上是連續(xù)的，并且往往會丟失單詞的上下文。

“一個帶有隱藏的多頭傳感器的轉換器，會添加規(guī)范層和前饋層，但它沒有所有的反饋機制，而這些反饋機制會減慢處理速度，所以他們能夠看到更大的區(qū)域?！卑凑瞻＠锷恼f法，這對模型解釋含義的能力有影響，而RNN在多個句子中識別同一個實體時存在問題。一個算法很難做出這兩個句子之間的飛躍，遞歸神經(jīng)網(wǎng)絡在這方面存在問題。

這種架構使得變壓器（transformers）在許多最近開發(fā)的NLP模型中扮演了重要的角色，例如谷歌的BERT和OpenAI的GPS?-2，以及Facebook的RoBERTa和微軟的MT-DNN，它們在NLP任務中顯示出了巨大的潛力，例如文檔分類、情感分析、問題回答和句子相似性。
? ? ? （責任編輯：fqj）