- 0
- 0
- 0
分享
- 深度学习红利见顶,AI“敢问路在何方”?姚期智院士支招
-
2022-09-15
姚期智
图灵奖得主、中国科学院院士、清华大学人工智能国际治理研究院学术委员会主席
在刚刚闭幕的2022世界人工智能大会(WAIC)上,很多观众邂逅了一件神奇的“隐身衣”:将一件T恤举在身前走过摄像头,它便对你“视而不见”,用来演示的屏幕上,一起路过的行人中,唯有你没有被绿色方框标注。“这意味着,最后输出的报告中,你所有的信息都不在其中。”现场的瑞莱智慧RealAI工作人员告诉记者,一些特殊场景下,穿这件T恤的人就算在镜头里出现,人脸也不会被特殊标注并抓取,从而躲过比对。
这是一个警醒。10年前,ImageNet挑战赛上,Geoffrey Hinton团队运用神经网络深度学习技术,将图片识别的错误率从30%左右提升至16.42%,从而掀起本轮人工智能浪潮。
然而,高速发展10年后,学界普遍认为,从应用的角度来看,以数据驱动的深度学习,其技术潜力已接近“天花板”。一方面,深度学习的本质是利用没有加工处理过的数据,用概率学习的“黑箱”处理方法寻找规律,这一方法本质上不可解释、不可以迁移使用,而且需要大量标识化的数据。另一方面,风险点也已出现,除了记者在2022WAIC现场看到的这件“隐身衣”外,伪造人脸“骗”银行认证系统,在国内已有多起实际案例出现。
世界人工智能大会举办的第五年,人们开始讨论新的话题:当此轮深度神经网络学习的技术红利逐渐见顶时,如何推动人工智能的普及化以惠及更多产业?人工智能新的发展又该走向何方?
占领制高点议题
“为了人工智能将来的发展,我们必须在基础研究上做大量工作。”姚期智指出,生成原始创新的生态,中国研究学者必须做到“人无我有”。
清华大学交叉信息研究院高阳研究组去年在高效率强化学习上实现了突破。Atrai游戏是目前强化学习领域最常用的性能测试标准之一。2015年,Deep Mind团队提出的算法DQN,通过200M帧训练数据,在Atari游戏上达到了人类平均水平。但高阳团队提出的EfficientZero仅使用了DQN需求数据量的1/500,2小时便实现了同等效果。
姚期智认为,建设人工智能创新高地,就是要在制高点议题上,取得话语权。此外,在关键技术上,中国即便现阶段相对不足,也要尽力追赶,争取早日进入世界前列。而在新兴理论与技术方向,大家都在同一起跑线上,应该争取先机,和全球并跑。
姚期智重点指出两个交叉研究方向:量子智能和AI+X,一方面要及早准备,随着量子计算机的逐渐成熟,进行算法突破;另一方面要与其他学科交叉研究,使其成为原创工作的源泉。比如人工智能和材料学便可以一起研究,用新材料创造新的建筑方式。
(文章节选,有所删改)
关于我们
清华大学人工智能国际治理研究院(Institute for AI International Governance, Tsinghua University,THU I-AIIG)是2020年4月由清华大学成立的校级科研机构。依托清华大学在人工智能与国际治理方面的已有积累和跨学科优势,研究院面向人工智能国际治理重大理论问题及政策需求开展研究,致力于提升清华在该领域的全球学术影响力和政策引领作用,为中国积极参与人工智能国际治理提供智力支撑。
新浪微博:@清华大学人工智能国际治理研究院
微信视频号:THU-AIIG
Bilibili:清华大学AIIG
来源 | 本文转载自IT时报,点击“阅读原文”获取更多内容
-
阅读原文
* 文章为作者独立观点,不代表数艺网立场转载须知
- 本文内容由数艺网收录采集自微信公众号清华大学人工智能国际治理研究院 ,并经数艺网进行了排版优化。转载此文章请在文章开头和结尾标注“作者”、“来源:数艺网” 并附上本页链接: 如您不希望被数艺网所收录,感觉到侵犯到了您的权益,请及时告知数艺网,我们表示诚挚的歉意,并及时处理或删除。