隨著AI技術(shù)的發(fā)展，下一波人工智能將會(huì)更加強(qiáng)大

（文章來(lái)源：EEWORLD）

人工智能是一個(gè)涵蓋圖像識(shí)別、自然語(yǔ)言處理(NLP)和機(jī)器人等多方面維度的廣泛領(lǐng)域。AI也在以一種有時(shí)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(zhuǎn)向他們的IT供應(yīng)商合作伙伴，幫助他們開(kāi)發(fā)和部署AI解決方案，以最好地滿(mǎn)足他們的需求。大衛(wèi)·埃里森是聯(lián)想公司的高級(jí)人工智能數(shù)據(jù)科學(xué)家，他的職責(zé)包括使用先進(jìn)的人工智能技術(shù)為客戶(hù)組織提供解決方案，同時(shí)在內(nèi)部支持聯(lián)想全球數(shù)據(jù)中心集團(tuán)的整體人工智能戰(zhàn)略。

聯(lián)想已投入商業(yè)運(yùn)營(yíng)的項(xiàng)目包括利用卷積神經(jīng)網(wǎng)絡(luò)從圖像中提取特征，并將其歸類(lèi)為缺陷，以檢測(cè)工廠的制造缺陷。聯(lián)想還為一家賽車(chē)公司開(kāi)發(fā)了一套計(jì)算機(jī)視覺(jué)系統(tǒng)，以決定是否應(yīng)該讓特定的汽車(chē)進(jìn)入維修站進(jìn)行維修。埃利森表示，今年和不久的將來(lái)，人工智能的主要趨勢(shì)包括基于計(jì)算機(jī)視覺(jué)的應(yīng)用程序、用于訓(xùn)練人工智能模型的數(shù)據(jù)生成和數(shù)據(jù)標(biāo)記算法的開(kāi)發(fā)，以及基于轉(zhuǎn)換模型的自然語(yǔ)言處理的快速進(jìn)展。

在計(jì)算機(jī)視覺(jué)方面，開(kāi)發(fā)人員和研究人員現(xiàn)在開(kāi)始探索將這種能力與人工智能的其他一些領(lǐng)域相結(jié)合的實(shí)用方法，比如機(jī)器人技術(shù)或自動(dòng)應(yīng)用圖像字幕等應(yīng)用的自然語(yǔ)言處理。據(jù)埃里森介紹，這部分是因?yàn)橛?jì)算機(jī)視覺(jué)的一些基本問(wèn)題已經(jīng)被證明很難解決，研究人員正在尋找新的方法來(lái)解決這些問(wèn)題，而不是簡(jiǎn)單地推動(dòng)研究領(lǐng)域向前發(fā)展。

埃里森：“我認(rèn)為我們?cè)诮鉀Q一些核心的計(jì)算機(jī)視覺(jué)任務(wù)時(shí)遇到了問(wèn)題，比如3D投影，當(dāng)你看到一張圖片，一棟建筑的二維圖像，人類(lèi)的大腦可以將其推斷成三維形狀，但機(jī)器很難做到這一點(diǎn)?！痹谶@方面已經(jīng)有很多研究，但這是一個(gè)尚未解決的核心問(wèn)題，我認(rèn)為人們會(huì)感到沮喪，會(huì)嘗試一些新東西，或者嘗試將它與其他領(lǐng)域相結(jié)合，找到更好的用途?！?/p>

埃里森認(rèn)為，這就是為什么機(jī)器人技術(shù)是目前最廣泛研究的人工智能領(lǐng)域之一，因?yàn)樗鼮槿藗兲峁┝艘粋€(gè)明確的目標(biāo)。他列舉的例子包括使人工智能能夠使用視覺(jué)感應(yīng)在其周?chē)目臻g中安全移動(dòng)——無(wú)論是制造工廠的機(jī)械臂，還是使用人工智能導(dǎo)航到目的地的自動(dòng)車(chē)輛。數(shù)據(jù)集需要大量的人工數(shù)據(jù)標(biāo)簽，因此越來(lái)越多的研究項(xiàng)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(jì)算機(jī)自動(dòng)給數(shù)據(jù)貼上標(biāo)簽。

埃里森解釋?zhuān)骸耙粋€(gè)典型的例子就是一個(gè)具有計(jì)算機(jī)視覺(jué)應(yīng)用和接近傳感器機(jī)器人。計(jì)算機(jī)視覺(jué)能夠比接近傳感器看得更遠(yuǎn)。但是當(dāng)機(jī)器人向前移動(dòng)時(shí)，出現(xiàn)在計(jì)算機(jī)視覺(jué)中的東西最終會(huì)以物體的形式出現(xiàn)在近距離傳感器中。”根據(jù)傳感器的數(shù)據(jù)，回溯到物體第一次被發(fā)現(xiàn)的時(shí)間，然后對(duì)其進(jìn)行標(biāo)記。

人工智能系統(tǒng)一旦部署就不太可能遇到這樣的問(wèn)題，因此可能無(wú)法在訓(xùn)練數(shù)據(jù)集中表示出來(lái)，這是開(kāi)發(fā)人員面臨的另一個(gè)挑戰(zhàn)。然而，如果這些邊緣情況代表了真實(shí)場(chǎng)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(guān)鍵的例子是自動(dòng)駕駛。在你的數(shù)據(jù)集中有多少次在昏暗的暴風(fēng)雪中開(kāi)車(chē)上山?你的數(shù)據(jù)集中不會(huì)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(shuō)，邊緣案例是通過(guò)使用合成數(shù)據(jù)來(lái)處理的，合成數(shù)據(jù)是使用各種方法來(lái)創(chuàng)建的，例如生成模型。但這也產(chǎn)生了一個(gè)問(wèn)題，即數(shù)據(jù)科學(xué)家或開(kāi)發(fā)人員如何才能確保這些合成數(shù)據(jù)準(zhǔn)確地反映出人工智能在現(xiàn)實(shí)生活中會(huì)遇到什么情況。

“這很關(guān)鍵，”埃里森承認(rèn)，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(shí)也也使用了神經(jīng)網(wǎng)絡(luò)自動(dòng)編碼器或更復(fù)雜的生成對(duì)抗網(wǎng)絡(luò)(GANs)等方法，其中一個(gè)網(wǎng)絡(luò)創(chuàng)建合成數(shù)據(jù)，另一個(gè)網(wǎng)絡(luò)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(xùn)練，來(lái)模擬出足夠現(xiàn)實(shí)的案例。你同時(shí)訓(xùn)練兩個(gè)神經(jīng)網(wǎng)絡(luò)，一個(gè)生成這些例子，一個(gè)判斷這些例子，你希望最終得到一些更現(xiàn)實(shí)的東西。”

GANs已經(jīng)被用于生成數(shù)據(jù)的一個(gè)很好的例子就是“深度偽造”技術(shù)，這種技術(shù)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(lái)像是在單獨(dú)的音軌中說(shuō)話。據(jù)埃里森介紹，這表明了這類(lèi)模型已經(jīng)達(dá)到的比較復(fù)雜程度。盡管如此，基于轉(zhuǎn)換的深度學(xué)習(xí)模式是過(guò)去幾年在自然語(yǔ)言處理領(lǐng)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(dǎo)地位。這是因?yàn)樗鼈円呀?jīng)發(fā)展到能夠識(shí)別句子之間的依賴(lài)關(guān)系和連接，而在早期的模型中使用的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)[1]本質(zhì)上是連續(xù)的，并且往往會(huì)丟失單詞的上下文。

“一個(gè)帶有隱藏的多頭傳感器的轉(zhuǎn)換器，會(huì)添加規(guī)范層和前饋層，但它沒(méi)有所有的反饋機(jī)制，而這些反饋機(jī)制會(huì)減慢處理速度，所以他們能夠看到更大的區(qū)域。”按照埃里森的說(shuō)法，這對(duì)模型解釋含義的能力有影響，而RNN在多個(gè)句子中識(shí)別同一個(gè)實(shí)體時(shí)存在問(wèn)題。一個(gè)算法很難做出這兩個(gè)句子之間的飛躍，遞歸神經(jīng)網(wǎng)絡(luò)在這方面存在問(wèn)題。

這種架構(gòu)使得變壓器（transformers）在許多最近開(kāi)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?cè)贜LP任務(wù)中顯示出了巨大的潛力，例如文檔分類(lèi)、情感分析、問(wèn)題回答和句子相似性。
? ? ? （責(zé)任編輯：fqj）