人工智能观察

科技、创新、生活,在这里全面读懂人工智能。

谷歌:AI系统需要“自我怀疑”能力,方能作出更好的决定!

0?wx_fmt=gif&wxfrom=5&wx_lazy=1


本文由人工智能观察编译

译者:Sandy


在人工智能领域里,最具影响力的一个方面是深度学习。目前它正在被赋予一项全新的能力——一种不确定感。

 

优步和谷歌的研究人员正在对两种最流行的深度学习框架进行修改,使其可以处理概率问题。这将为最聪明的AI程序提供一种方法,来衡量它们在进行预测或者做出决定时有多大的信心。从本质上来讲,是想让AI程序知道什么时候应该进行“自我怀疑”。


在深度学习领域,涉及到要向大型的神经网络提供示例数据,在过去的几年中取得了巨大的成功:不仅可以使机器能够识别图像中的物体,还可以几乎完美地实现语音转录。但是,它仍然需要大量的训练数据以及计算能力,甚至有时候是很脆弱的。

 

虽然与常规思路有些不同,但是许多人认为,“自我怀疑”的策略为该问题提供了一个解决方案。这一方法在自动驾驶汽车或者其他自主机器的某些情况下,可能会发挥关键作用。

640?wx_fmt=png&wxfrom=5&wx_lazy=1

谷歌公司致力于研究这个问题的Dustin Tran表示“用户希望拥有一项可以衡量人工智能确定性的系统。如果一辆自动驾驶汽车都不知道自己的确定程度,那么很可能会犯严重的错误,一旦错误产生,那将是致命的。”

 

这项工作反映出不确定性是人类推理和智力的一个关键方面。剑桥大学教授兼Uber首席科学家,著名AI研究员Zoubin Ghahramani说,将不确定性添加到AI程序中可以使它们变得更智能,更不容易出错。

 

在某次AI会议上,一群研究人员聚在一起对Uber发布的Pyro进行了讨论。Pyro是一种新的编程语言,将深度学习与概率编程结合在了一起。

 

斯坦福大学教授兼Uber人工智能实验室的研究员Noah Goodman曾在长滩组织了一次AI会议。在此次会议中,Tran也在其中,他也为Pyro的发展作出了贡献。

 

Goodman称,赋予深度学习处理概率的能力可以使其在许多方面变得更加智能。比如,它可以帮助一个程序以合理的确定性,从几个例子而不是几千个例子中,识别物体。提供一定程度的确定性的度量,并不意味着提供出“是”或“否”的答案,这在一定程度上也对工程复杂的系统有益。

 

相对来说,传统的深度学习系统只能从所输入的数据中展开学习,而Pyro可以用来建立一个有知识的预编程系统。这对目前任何机器学习可能出现的场景都是有用的。

 

“如果你有相应的知识,想要构建一个模型,概率编程就特别有用,”Goodman说。“届时,人们可以用Pyro做各种各样的事情。”

 

Edward是由哥伦比亚大学研发的另一种包含不确定性的编程语言,DARPA投资研发的。虽然Pyro和Edward都处于早期发展的阶段,但是我们不难想象到为什么谷歌和优步会对它感兴趣。

 0?wx_fmt=jpeg

Uber在很多领域都使用了机器学习,从路由驱动到设定一路飙升的价格,当然,还有它的自动驾驶汽车。不得不说,该公司对人工智能投入了巨额资金,并且聘请了一批AI专家进行研究。而谷歌也重新建立了自己的业务,主要围绕人工智能和深度学习进行研究。

 

哥伦比亚大学统计和计算机科学教授David Blei认为,将深度学习和概率变成结合在一起是一个很好的想法,但是还有很多工作要做。“原则上说,它非常强大。”David表示,“但是,技术上会存在很多挑战。”

 

尽管如此,正如Goodman所指出的那样,Pyro和Edward对于把人工智能领域的两个相互竞争的学派聚合在一起也很重要,一个侧重于神经网络,另一个侧重于概率。

 

近年来,神经网络学派一直处于主导地位,其他的想法都被抛之脑后。为了推进AI的进步,这个领域可能有必要去接受一些其他的理念。

 

Goodman说:“其实,不必把这些学派看作是独立的。他们可以相互结合——事实上,他们现在正要被结合起来,完成我们正在建立的工具。”


0?wx_fmt=gif

阅读更多
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

加入CSDN,享受更精准的内容推荐,与500万程序员共同成长!
关闭
关闭