蘋(píng)果AI總監(jiān)釋疑：如何幫助深度學(xué)習(xí)“充電”

　　蘋(píng)果公司人工智能(AI)總監(jiān)魯斯蘭·薩拉克霍特迪諾夫(Ruslan Salakhutdinov)認(rèn)為，近年來(lái)產(chǎn)生諸多令人矚目成果的深度神經(jīng)網(wǎng)絡(luò)，在未來(lái)幾年里將會(huì)通過(guò)增加記憶、注意力和常識(shí)等方式進(jìn)行“充電”。

　　3月28日在舊金山舉行的EmTech Digital會(huì)議上，薩拉克霍特迪諾夫表示，這些屬性可以幫助解決人工智能領(lǐng)域的許多突出問(wèn)題。薩拉克霍特迪諾夫依然在匹茲堡的卡內(nèi)基梅隆大學(xué)擔(dān)任副教授，他在演講中指出，深度學(xué)習(xí)驅(qū)動(dòng)的機(jī)器視覺(jué)和自然語(yǔ)言理解依然存在局限性。

　　深度學(xué)習(xí)涉及在許多關(guān)聯(lián)層中使用大量模擬神經(jīng)元的技術(shù)，近年來(lái)在機(jī)器感知方面取得了巨大進(jìn)步。但在其它方面，這些網(wǎng)絡(luò)仍然存在許多不足。例如，薩拉克霍特迪諾夫展示了基于這項(xiàng)技術(shù)的圖像捕捉系統(tǒng)如何錯(cuò)誤地標(biāo)記圖像，因?yàn)樗偸顷P(guān)注圖像中的每個(gè)細(xì)節(jié)。

　　隨后，薩拉克霍特迪諾夫給出所謂的“注意力機(jī)制”解決方案，這是一種對(duì)深度學(xué)習(xí)的微調(diào)，在過(guò)去幾年中得到快速發(fā)展。這種方法可以糾正錯(cuò)誤，具體方法是當(dāng)標(biāo)題中應(yīng)用不同的詞語(yǔ)時(shí)，系統(tǒng)會(huì)把注意力集中在圖像的特定部分。同樣的方法也可以用于幫助提高自然語(yǔ)言理解能力，使機(jī)器能夠?qū)Ｗ⒂诰渥拥南嚓P(guān)部分，從而推斷出它的意思。

　　Facebook的研究人員也在開(kāi)發(fā)名為“記憶網(wǎng)絡(luò)”的技術(shù)，它可以改善機(jī)器與人類(lèi)交談的方式。顧名思義，這種方法為神經(jīng)網(wǎng)絡(luò)添加了長(zhǎng)期記憶部分，以便于它們能記住聊天記錄。“記憶網(wǎng)絡(luò)”也被證明可以改進(jìn)另一種人工智能，即強(qiáng)化學(xué)習(xí)。舉例來(lái)說(shuō)，卡內(nèi)基梅隆大學(xué)的兩位研究人員最近展示了如何開(kāi)發(fā)更智能的游戲算法。

　　Alphabet人工智能子公司DeepMind的研究人員也展示了自己的研究成果，包括利用深度學(xué)習(xí)系統(tǒng)構(gòu)建和訪(fǎng)問(wèn)記憶形式。強(qiáng)化學(xué)習(xí)正迅速成為解決機(jī)器人和無(wú)人駕駛領(lǐng)域難題的有價(jià)值方式，它也被MIT Technology Review評(píng)為2017年10大突破性技術(shù)之一。

　　薩拉克霍特迪諾夫表示，未來(lái)令人興奮的另一個(gè)研究領(lǐng)域是，將手工構(gòu)建的知識(shí)體系與深度學(xué)習(xí)結(jié)合起來(lái)。他指的是像Freebase這樣的常識(shí)數(shù)據(jù)庫(kù)，以及像WordNet這樣的詞義庫(kù)。薩拉克霍特迪諾夫稱(chēng)，就像人類(lèi)在分析語(yǔ)言或解釋視覺(jué)場(chǎng)景時(shí)非常依賴(lài)常識(shí)那樣，這樣做會(huì)讓人工智能系統(tǒng)變得更聰明。他說(shuō)：“我們?cè)鯓硬拍馨阎暗闹R(shí)融入到深度學(xué)習(xí)中去呢?這是一個(gè)巨大的挑戰(zhàn)?！?/p>

　　薩拉克霍特迪諾夫曾在匯聚不同AI領(lǐng)域研究人員的會(huì)議上發(fā)表演講，演講者討論的共同主題是需要各種各樣的方法來(lái)將AI提升到新的層次。華盛頓大學(xué)研究不同機(jī)器學(xué)習(xí)方法的教授佩德羅·多明戈斯(Pedro Domingos)在會(huì)上表示：“還需要從完全不同的角度來(lái)研究AI。在機(jī)器學(xué)習(xí)領(lǐng)域有這樣一個(gè)學(xué)派，他們認(rèn)為我們不需要花哨的新算法，只需要更多數(shù)據(jù)。但我認(rèn)為，在真正解決AI問(wèn)題之前，我們需要找到一些真正深刻的、基本的想法。”