|
4：1，最终，“阿尔法围棋”（AIphaGo）无悬念地击败了世界围棋冠军李世石九段。和曾经挑战国际象棋大师的“深蓝”相比，“阿尔法围棋”更具挑战性，因为围棋走法之复杂，战略和推理要求之严格，都在极度考验着“选手”的智力水平，需要“深度学习”才能完成任务。 眼看国际人工智能机器人智商大有“碾压”人类之势，我们不禁要问，我国的人工智能发展现状如何？带着相关问题，《中国科学报》记者走进了我国人工智能领域的领军科研机构——中科院自动化所。 完全复制人脑路还长 何为“深度学习”，中科院自动化所模式识别国家重点实验室副主任陶建华研究员这样解释：“阿尔法围棋”采用的“深度学习”技术是一种多层人工神经网络。之所以“阿尔法”能在短时间内掌握大量围棋走法，建立前期优势，陶建华形容每层神经网络会把“大量矩阵数字、矢量或流数据作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出”。 如同生物神经大脑的工作机理，这种多层神经网络通过合适的矩阵数量、多层组织链接起来，形成神经网络“大脑”，并进行精准复杂的处理。 “虽然神经网络在几十年前就有了，但直到最近才形势明朗。”由于需要大量的训练才能发现矩阵中的数字价值，陶建华表示，最近几年，一些能获取海量资源的团队在挖掘神经网络，而他们就是通过“大数据”技术来进行高效训练。 这种多层次的深度神经网络特点是在物理及数据处理上模仿人脑，处理外部信息的构造和流程，在一些简单功能上，其可以被看作人脑在处理该问题时的一个复制。 陶建华表示，由于人脑的结构异常复杂，人类想要通过程序完全复制一个人脑，至少目前还有很长的路要走。“深度神经网络在解决智能技术中的某一个或几个问题时，能够体现出类似于人的能力，但从整体上看，智能技术目前难以达到人脑的思维复杂度。”他解释说。 深度神经网络应用非常广泛，以“深度学习”为基础的智能算法是未来人工智能领域的重要研究内容，也是目前该领域中最为关注的核心内容之一。 “事实上，‘深度学习’已经在人脸识别、手写识别、语音识别、语义理解、机器翻译等范围内产生了大规模的应用。”陶建华表示，深度神经网络同时还在无人驾驶汽车、智能服务机器人等一系列代表未来技术的产品中发挥着举足轻重的作用。“‘深度学习’体现出来的高性能，实际上已经掀起了新一代智能技术的革新浪潮。” (责任编辑：admin) |