探討人工智能的特點(diǎn)與如何讓人工智能更好的服務(wù)我們生活

人工智能，或稱人工智能，讓我們在自拍時(shí)看起來更好，當(dāng)我們向Alexa詢問天氣情況時(shí)，會順從地告訴我們天氣，并推動(dòng)自動(dòng)駕駛汽車的發(fā)展。正是這項(xiàng)技術(shù)使機(jī)器能夠從經(jīng)驗(yàn)中學(xué)習(xí)并執(zhí)行類似于人類的任務(wù)。

作為一個(gè)整體，人工智能包含許多子領(lǐng)域，包括自然語言處理、計(jì)算機(jī)視覺和深度學(xué)習(xí)。大多數(shù)時(shí)候，工作中的具體技術(shù)是機(jī)器學(xué)習(xí)，它專注于開發(fā)分析數(shù)據(jù)和做出預(yù)測的算法，并且在很大程度上依賴于人類的監(jiān)督。

SMU信息系統(tǒng)助理教授孫乾茹將訓(xùn)練一個(gè)小規(guī)模的人工智能模型比作教小孩子識別周圍的物體?！耙婚_始一個(gè)孩子不了解他周圍的很多事情。他可能看到一個(gè)蘋果，但不知道它是蘋果，他可能會問，這是香蕉嗎？他的父母會糾正他，不，這不是香蕉。這是一個(gè)蘋果。這樣的反饋在他的大腦中，然后信號微調(diào)他的知識。”

孫教授的研究主要集中在深度卷積神經(jīng)網(wǎng)絡(luò)、元學(xué)習(xí)、增量學(xué)習(xí)、半監(jiān)督學(xué)習(xí)以及它們在圖像和視頻識別中的應(yīng)用。

訓(xùn)練人工智能模型

由于人工智能的復(fù)雜性，孫教授在潛入研究項(xiàng)目之前，先對該領(lǐng)域的一般概念和當(dāng)前趨勢進(jìn)行了探討。

她解釋說，有監(jiān)督的機(jī)器學(xué)習(xí)涉及到模型本身在一個(gè)標(biāo)記的數(shù)據(jù)集上進(jìn)行訓(xùn)練。也就是說，數(shù)據(jù)被標(biāo)記為模型正在構(gòu)建以確定的信息，這些信息甚至可以按照模型應(yīng)該分類為數(shù)據(jù)的方式進(jìn)行分類。例如，一個(gè)設(shè)計(jì)用來識別蘋果的計(jì)算機(jī)視覺模型可能會在一組不同的蘋果圖像上進(jìn)行訓(xùn)練。

給它數(shù)據(jù)，數(shù)據(jù)就有標(biāo)簽，她解釋道一張圖片可能包含一個(gè)蘋果，該圖片通過深度人工智能模型進(jìn)行一些預(yù)測。如果預(yù)測是對的，那就沒事了。否則，該模型將得到計(jì)算損失或懲罰，通過反向傳播來修改其參數(shù)。所以模型會不斷更新。

孫教授觀察到，目前最先進(jìn)或性能最好的人工智能模型幾乎都是基于深度學(xué)習(xí)模型的。在深度學(xué)習(xí)中，該模型基于包含許多層的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，從圖像、文本或聲音中學(xué)習(xí)執(zhí)行識別任務(wù)。例如，如果輸入是圖像，則假設(shè)圖像可以由不同的空間尺度或特征層來描述。

孫教授舉例說：“以我的臉為例。區(qū)別于其他人的特征是我的眼睛、鼻子、嘴巴作為局部特征，臉型和膚色作為全局特征。對于識別，我可以用這些特征來表示“這就是我”。對于機(jī)器模型，它在不同的層中對這些局部和全局特征進(jìn)行編碼，從而可以進(jìn)行相同的識別?！?/p>

訓(xùn)練人工智能模型需要大量的數(shù)據(jù)才能準(zhǔn)確識別。她認(rèn)為，如果一個(gè)人工智能模型只有一張人臉圖像，那么它在識別這個(gè)人時(shí)就會出錯(cuò)，因?yàn)樗床坏狡渌娌刻卣鳎@些特征正是這個(gè)人區(qū)別于其他人的面部特征外觀有差異，人工智能依賴于高度不同的數(shù)據(jù)集，以便了解圖像的所有差異。

健康促進(jìn)應(yīng)用程序

孫教授正在研究的項(xiàng)目之一是Food AI++，這是新加坡健康促進(jìn)委員會（HPB）的一個(gè)應(yīng)用程序。用戶只需用手機(jī)拍下正在吃的食物的照片，就可以確定食物成分?jǐn)?shù)據(jù)。該應(yīng)用程序的目的是幫助用戶跟蹤所食用食物的營養(yǎng)，并利用這些信息實(shí)現(xiàn)健康、均衡的飲食。

孫教授和她的團(tuán)隊(duì)收集用戶用餐時(shí)拍攝的圖像數(shù)據(jù)并上傳到應(yīng)用程序中。觀察發(fā)現(xiàn)，食物圖像非常嘈雜和多樣，反映了不同的文化。

例如，新加坡的華人和馬來人有不同的飲食習(xí)慣、飲食風(fēng)格和不同的食物種類，她澄清道當(dāng)我們訓(xùn)練一個(gè)模型時(shí)，我們從有限的類別列表開始，但是對于food應(yīng)用程序，我們發(fā)現(xiàn)我們必須在應(yīng)用程序編程接口（API）中一直擴(kuò)展這些類別。我們必須不斷地修改和更新數(shù)據(jù)集。新加坡豐富的文化多樣性是該項(xiàng)目最大的挑戰(zhàn)之一。

除了收集更多不同的數(shù)據(jù)外，該團(tuán)隊(duì)還在研究領(lǐng)域自適應(yīng)學(xué)習(xí)算法。在不同的文化背景下，有不同的領(lǐng)域，因此他們必須考慮如何通過利用有效的學(xué)習(xí)算法，快速調(diào)整他們預(yù)先訓(xùn)練的模型。為了對食物圖像進(jìn)行這種處理，他們需要開發(fā)特定于食物的域自適應(yīng)算法。他們還需要考慮將食品知識包括在內(nèi)，以提高多領(lǐng)域模型的整體效率。

“我們希望通過在新領(lǐng)域中使用一個(gè)小數(shù)據(jù)集來進(jìn)行這種調(diào)整。”孫教授說這是一項(xiàng)具有挑戰(zhàn)性的任務(wù)，它將使來自不同文化的新加坡用戶受益。

AME的FANN項(xiàng)目

孫教授目前正處于一個(gè)名為“先進(jìn)人工智能系統(tǒng)的快速適應(yīng)神經(jīng)網(wǎng)絡(luò)（FANN）”的三年項(xiàng)目的早期階段。該項(xiàng)目由美國科學(xué)技術(shù)研究局（a*STAR）在其先進(jìn)制造與工程青年個(gè)人研究基金（AME YIRG）下資助，主要研究計(jì)算機(jī)視覺例如圖像處理，圖像識別，或者視頻中的目標(biāo)檢測。計(jì)算機(jī)視覺算法通常依賴于卷積神經(jīng)網(wǎng)絡(luò)（CNNs），這是她的專長領(lǐng)域。

“這項(xiàng)研究的關(guān)鍵假設(shè)是，有可能建立基于統(tǒng)計(jì)水平知識學(xué)習(xí)的模型適應(yīng)推理水平，通過驗(yàn)證這一假設(shè)，我們也正在接近高級人工智能系統(tǒng)的目標(biāo)，該系統(tǒng)可以為AME領(lǐng)域的應(yīng)用訓(xùn)練具有類人智能的機(jī)器模型?！?/p>

該研究旨在實(shí)現(xiàn)自動(dòng)化視覺檢測的高魯棒性和計(jì)算效率，以及精密制造和先進(jìn)圖像識別技術(shù)之間的交叉知識。孫教授相信，當(dāng)快速適配檢測裝置廣泛應(yīng)用于生產(chǎn)線的設(shè)計(jì)、布局、制造、裝配和測試過程時(shí)，研究成果將大大提高成品率，降低制造成本。
編輯：lyn