虽然用AI算法可以解决很多问题,但当前还是面临很多局限性和挑战。卡内基梅隆大学教授、苹果首任AI总监Ruslan Salakhutdino认为,当前面对的挑战主要分为以下四大类:
1) 自然语言理解与推理
2) 人工智能:深层强化学习和控制
3) 将领域知识融入到深度学习模型中
4) 多模态、半监督学习、自监督学习
Ruslan根据自己的探索和最新成果,对第二、第三项挑战进行了回应 ,他认为:1)可以使用知识库和文本结合的方法建立开放域问答系统,从而将领域知识应用于深度学习模型,从而提高开放式问答系统的搜索精度;2)用深度强化学习,结合传统的导航方法,可以提高导航系统的精度及泛化能力。
Ruslan Salakhutdinov,卡内基梅隆大学教授,苹果首任AI总监,加拿大统计机器学习研究主席,微软学者和斯隆奖获得者,主要研究领域为深度学习概率图模型和大规模优化,师从Geoffrey Hinton,是剪枝、深度编码等著名学习方法的提出者。他于2009年获得多伦多大学的博士学位,随后又在麻省理工大学开展了为期两年的博士后研究。2016年,入职卡内基梅隆大学,同年获得英伟达人工智能先驱奖,并加入苹果公司担任AI研究总监。目前Ruslan已累计发表学术论文300多篇,是深度学习领域年轻一代领军科学家,主要的研究方向为:语音识别、计算机视觉、推荐系统、语言理解、药物研发及生物图像分析。
本文内容整理自Ruslan Salakhutdino于第二届北京智源大会开幕式主题演讲“Incorporating Domain Knowledge into Deep Learning Models”,以下是演讲视频及要点整理。
整理:智源社区 钱小鹅
一、将领域知识融入到深度学习模型
首先,Ruslan 为我们剖析了一个非常有意思的例子,如下图1,如果我们试图回答如下这个问题:请问据我们所知,哪些冠状病毒可以感染人类呢?答案有三类:MERS-CoV、 SARS-CoV 以及Covid-19。想要回答这个问题,我们可以从多个渠道亦或者我们自身现有的知识库中挖掘到答案,但我们不难发现的是,这是一个关于生物防疫或病毒方向的专业问题,无论我们调用上述所说的哪种渠道回答这个问题,我们最终所调用的必然是与该问题相同或相关的领域知识,也就是Ruslan 本次讲座中的关键词——Domain Knowledge。
图1:哪些冠状病毒可以感染人类?
领域知识在回答复杂问题是非常重要的,尤其是我们现在的工业场景中所需要的交叉知识