腾讯 AI Lab 张潼主任带你轻松 get AI 新知识

上古时期的口口相传, 到古代的竹简书籍, 再到现代的电脑网络, 不同的传承方式映照着人类文明不同的历史进程。当下,人工智能时代悄然而至,"Alphago"、" 绝艺"纷纷刷爆了人们的眼球,你还在说人工智能时代离你很远吗?

最近腾讯 AI Lab 主任张潼博士在内部做了一次分享,在短短 20 多分钟时间里帮助大家快速了解人工智能。腾讯云技术社区经张潼博士授权,将此次分享的实录分享给社区用户。读完本文后,你将了解什么是AI?有哪些研究方向和应用场景?作为小白,AI对你有什么影响?为什么现在又爆发AI热潮?AI的未来又是怎样的?

腾讯 AI Lab 主任张潼

01、人工智能的概念是什么?

人工智能(Artificial Intelligence,AI)是指计算机像人一样拥有智能能力,是一个融合计算机科学、统计学、脑神经学和社会科学的前沿综合学科,可以代替人类实现识别、认知,分析和决策等多种功能。如当你说一句话时,机器能够识别成文字,并理解你话的意思,进行分析和对话等。

02、AI 的发展有哪些关键里程碑?

AI 在五六十年代时正式提出,90 年代,国际象棋冠军卡斯帕罗夫与"深蓝" 计算机决战,"深蓝"获胜,这是人工智能发展的一个重要里程碑。而 2016 年,Google 的 AlphaGo 赢了韩国棋手李世石,再度引发 AI 热潮。今年,腾讯推出围棋软件"绝艺"大放异彩,这些都代表了特定时期 AI 发展的技术水平。

AI 不断爆发热潮,是与基础设施的进步和科技的更新分不开的,从 70 年代 personal 计算机的兴起到 2010 年 GPU、异构计算等硬件设施的发展,都为人工智能复兴奠定了基础

同时,互联网及移动互联网的发展也带来了一系列数据能力,使人工智能能力得以提高。而且,运算能力也从传统的以 CPU 为主导到以 GPU 为主导,这对 AI 有很大变革。算法技术的更新助力于人工智能的兴起,最早期的算法一般是传统的统计算法,如 80 年代的神经网络,90 年代的浅层,2000 年左右的 SBM、Boosting、convex 的 methods 等等。随着数据量增大,计算能力变强,深度学习的影响也越来越大。2011 年之后,深度学习的兴起,带动了现今人工智能发展的高潮。

03、AI 有哪些研究领域和分支?

人工智能研究的领域主要有五层,最底层是基础设施建设,包含数据和计算能力两部分,数据越大,人工智能的能力越强。往上一层为算法,如卷积神经网络、LSTM 序列学习、Q-Learning、深度学习等算法,都是机器学习的算法。第三层为重要的技术方向和问题,如计算机视觉,语音工程,自然语言处理等。还有另外的一些类似决策系统,像 reinforcement learning(编辑注:增强学习),或像一些大数据分析的统计系统,这些都能在机器学习算法上产生。第四层为具体的技术,如图像识别、语音识别、机器翻译等等。最顶端为行业的解决方案,如人工智能在金融、医疗、互联网、交通和游戏等上的应用,这是我们所关心它能带来的价值。

值得一提的是机器学习同深度学习之间还是有所区别的,机器学习是指计算机的算法能够像人一样,从数据中找到信息,从而学习一些规律。虽然深度学习是机器学习的一种,但深度学习是利用深度的神经网络,将模型处理得更为复杂,从而使模型对数据的理解更加深入。

机器学习有三类,第一类是无监督学习,指的是从信息出发自动寻找规律,并将其分成各种类别,有时也称"聚类问题"。第二类是监督学习,监督学习指的是给历史一个标签,运用模型预测结果。如有一个水果,我们根据水果的形状和颜色去判断到底是香蕉还是苹果,这就是一个监督学习的例子。最后一类为强化学习,是指可以用来支持人们去做决策和规划的一个学习方式,它是对人的一些动作、行为产生奖励的回馈机制,通过这个回馈机制促进学习,这与人类的学习相似,所以强化学习是目前研究的重要方向之一。

04、AI 有哪些应用场景?

人工智能的应用场景主要有以下几个方面:

在计算机视觉上,2000 年左右,人们开始用机器学习,用人工特征来做比较好的计算机视觉系统。如车牌识别、安防、人脸等技术。而深度学习则逐渐运用机器代替人工来学习特征,扩大了其应用场景,如无人车、电商等领域。

在语音技术上,2010 年后,深度学习的广泛应用使语音识别的准确率大幅提升,像 Siri、Voice Search 和 Echo 等,可以实现不同语言间的交流,从语音中说一段话,随之将其翻译为另一种文字;再如智能助手,你可以对手机说一段话,它能帮助你完成一些任务。与图像相比,自然语言更难、更复杂,不仅需要认知,还需要理解。

在自然语言处理上,目前一个比较重大的突破是机器翻译,这大大提高了原来的机器翻译水平,举个例子,Google 的 Translation 系统,是人工智能的一个标杆性的事件。2010 年左右, IBM 的"Watson"系统在一档综艺节目上,和人类冠军进行自然语言的问答并获胜,代表了计算机能力的显著提高。

在决策系统上,决策系统的发展是随着棋类问题的解决而不断提升,从 80 年代西洋跳棋开始,到 90 年代的国际象棋对弈,机器的胜利都标志了科技的进步,决策系统可以在自动化、量化投资等系统上广泛应用。

在大数据应用上,可以通过你之前看到的文章,理解你所喜欢的内容而进行更精准的推荐;分析各个股票的行情,进行量化交易;分析所有的像客户的一些喜好而进行精准的营销等。机器通过一系列的数据进行判别,找出最适合的一些策略而反馈给我们。

05、腾讯在 AI 领域的布局是怎样的?

从 AI Lab 来讲,首先进行前沿研究。针对腾讯的业务来解决一些行业的问题而促进人工智能的发展。同时,发展游戏 AI,腾讯去做"绝艺",与腾讯的游戏场景分不开。不光是在围棋场景,在其他棋类、游戏场景中,都可以嵌入 AI,这将是未来的一个发展方向。再次,腾讯是一个社交公司,我们可以围绕着像智能助手、社交机器人等做一些尝试,积累很多的 AI 的能力。第四,腾讯注重内容,注重版权,注重自己生成内容。这就需要进行个性化推荐,包括搜索、对内容的生成等,都可以做一些研究。最后,我们希望将这些能力开放整合,如通过语音开放给其他行业,使大家能够利用这些能力。

06、AI 的未来是怎么样?

在计算机视觉上,未来的人工智能应更加注重效果的优化,加强计算机视觉在不同场景、问题上的应用。

在语音场景下,当前的语音识别虽然在特定的场景(安静的环境)下,已经能够得到和人类相似的水平。但在噪音情景下仍有挑战,如原场识别、口语、方言等长尾内容。未来需增强计算能力、提高数据量和提升算法等来解决这个问题。

在自然语言处理中,机器的优势在于拥有更多的记忆能力,但却欠缺语意理解能力,包括对口语不规范的用语识别和认知等。人说话时,是与物理事件学相联系的,比如一个人说电脑,人知道这个电脑意味着什么,或者它是能够干些什么,而在自然语言里,它仅仅将"电脑"作为一个孤立的词,不会去产生类似的联想,自然语言的联想只是通过在文本上和其他所共现的一些词的联想, 并不是物理事件里的联想。所以如果要真的解决自然语言的问题,将来需要去建立从文本到物理事件的一个映射,但目前仍没有很好的解决方法。因此,这是未来着重考虑的一个研究方向。

当下的决策规划系统存在两个问题第一是不通用,即学习知识的不可迁移性,如用一个方法学了下围棋,不能直接将该方法转移到下象棋中,第二是大量模拟数据。所以它有两个目标,一个是算法的提升,如何解决数据稀少或怎么自动能够产生模拟数据的问题,另一个是自适应能力,当数据产生变化的时候,它能够去适应变化,而不是能力有所下降。所有一系列这些问题,都是下一个五或十年我们希望很快解决的。

未来,我们需要去探讨:

(1)创造力,对于创造力目前有一定的方法慢慢研究,从而使机器开始具有人的一些创造力。但它的通用性受限,特别是对物理事件的理解,只有把这些问题解决了,才有可能造出像人一样的机器人,成为人的意义上的智能。

(2)学科交叉融合,未来需要探索更多的算法和交叉科学上等等的一些融合。所以人工智能在下一个阶段既有非常广阔的应用前景,也有很多挑战。

总结

纵观人工智能的发展,既有低谷,又有高潮。从历史的经验上来看,人工智能的发展既离不开基础设施的发展,也受到游戏 AI 的推动,游戏 AI 能帮助我们更加直观的了解机器带来的智能能力。虽然,当前人工智能大多集中在感知分析阶段,未涉及到深层的认知加工,但我们有理由相信,在未来,人工智能的发展会越来越广泛,它会促进全行业数据的加速产生,推动移动化计算的发展,在垂直领域,AI 也会向商业化发展靠拢,创造出更多的直接经济价值。

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

编辑于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人工智能快报

研究人员称量子计算并非深度学习最佳工具

2015年11月11日,互联网产业资讯网站(VenTureBeat)发文指出量子计算机并不适合深度学习。在过去的几年中,谷歌公司一直在努力改善其人工智能服务,谷...

2936
来自专栏量子位

英特尔研发神经元AI处理器,模仿大脑功能,无需训练数据集

陈桦 问耕 编译整理 量子位 出品 | 公众号 QbitAI ? 刚刚,黄仁勋在北京跑步上台演讲,庄严宣布:CPU的时代结束了。 好巧,英特尔说:不单CPU不行...

2754
来自专栏AI科技评论

哈工大刘挺:哈工大SCIR实验室的NLP研究 | CCF-GAIR

全球人工智能与机器人峰会(CCF-GAIR)将于 6 月底在深圳举办,其中哈尔滨工业大学刘挺教授 将担任自然语言处理专场主席。

1171
来自专栏腾讯技术工程官方号的专栏

游戏AI探索之旅:从AlphaGo到MOBA游戏

2.9K6
来自专栏新智元

IEEE详解深度学习“常春藤联盟”,AI云将席卷企业级服务

【新智元导读】开源以及云服务让深度学习这种高端的AI技术几乎能供所有人使用,初创企业虽然能在细分领域抢占市场,或让自己被巨头收购,但在人才竞争以及用户方面,还是...

2496
来自专栏钱塘大数据

《哈佛商业评论》:人工智能商业之路的机遇和挑战

250多年来,经济增长的根本动力一直是技术创新。其中最重要的是经济学家所谓的通用技术——包括蒸汽机、电力和内燃机。每一个都催化了互补创新和机遇的浪潮。例如,内燃...

35611
来自专栏PaddlePaddle

技术|深度学习行业应用及就业方向大猜想

一直以来,大家都在盛传深度学习是工程师的风口,但是对于深度学习和行业的联系却很少被提及。

1031
来自专栏人称T客

SaaS估值新模型SANE的介绍| 报告

T客汇官网:tikehui.com 撰文 | 卿云 由于Twilio(NYSE:TWLO)当时IPO,将其从此分析中将其排除。为了减轻数据中的生存偏差,早期数据...

2445
来自专栏新智元

盖茨、扎克伯格都看好的AI智适应教育,松鼠AI聚拢顶尖技术专家

1665
来自专栏ATYUN订阅号

【业界】AI发展得有多快? 斯坦福大学给出了一份成绩单

事实证明,我们很难预测AI的新进展何时会发生。在1956年的the Dartmouth Summer Research Project研究项目中,科学家们认为也...

34510

扫码关注云+社区