专栏首页GPUS开发者Facebook的三堂AI入门课

Facebook的三堂AI入门课

语音助理、智慧家电、购物推荐⋯⋯ 人工智能替我们的生活中带来便利,但却也让不少人担心人工智能发展到最后,是否会产生自主行为,形成电影中机器挑战人类的情节。

在图像辨识、语言翻译和动态时报排序等都用到大量人工智能的Facebook,希望破除这个迷思。Facebook的AI研究部门负责人Yann LeCun认为,多数的害怕来自于不理解,「我们希望告诉人们AI并非魔法,而是严谨的科学。」因此在部落格上发布三段浅显易懂的影片,替大家上一堂AI入门课。

人工智能比人类厉害的地方:辨识出大量数据中的模式

大部分的人工智能系统由人工神经网络和程序码构成,模拟大脑神经元的运作方式,并像人类和动物一样,可以透过修改神经元的连接方式,从经验中学习。

其中,人工智能特别擅长辨识出大量数据中的模式,这是人类较不擅长的,此外,还可用于学习翻译、简单的逻辑推理,甚至是系统性地产生新想法。

什么是机器学习算法?

用来训练人工智能的机器学习算法,实际上如何运作?

他们将人工智能比喻成一台机器,若最终希望能让它辨识出「汽车」和「狗」的不同,必须先提供大量汽车和狗的照片,让机器练习回答,并在每次的回答中调整解题过程。最终,就算出现过去没看过的图片,也能找出是否有共同点而辨识出物体。

过去,传统算法只能重复性的一一比对数据库,比对到类似图片才能归纳出答案,而常听到的机器学习算法,则可在比对的过程中「训练」机器的辨识能力,大量减少所需时间和运算效能。

看过影片后,就可以了解机器学习的过程其实真的很「数学」。

对计算机而言,图片由一组数字矩阵组成,这些数字分别代表不同像素的亮度。举例来说,想要分辨字母「C」和「D」,首先计算出代表C和D的数字矩阵,再乘以「权重」,若数字加总后大于零,可判断是C,反之则为D。而机器学习算法,就是在辨识图片的过程中不断依照C和D的图像特性,调整权重。

影片中说明,算法会同时考量C和D的数字矩阵,最终可调整成只对C有反应且为正的权重、只对D有反应且为负的权重。因此,只要知道加总结果大于或小于零,就可以知道数字矩阵代表的字母。

有利于辨识局部图像的深度学习法:卷积神经网络

不过,就算学会如何辨识不同物体,只要物体出现在图片中的尺寸、露出部位和角度只要有些不同,就可能让机器误以为是完全不同的东西。

这时候便会用上深度学习结构「卷积神经网络(convolutional neural network,ConvNet)」,在第一层会先抓出物体的局部影像,例如轮胎的轮子,或人的眼睛,且让这些局部影像重复出现在不同影像图层的不同位置;第二阶段则可将第一层的影像组合起来,例如整张脸、机翼等,最后可组合成完整的一辆车、一架飞机、一个人等。透过这样的分层分析,可简化机器辨识复杂图像的步骤。该技术也可应用于自驾车、语音辨识及翻译。 三种AI学习方法

Facebook指出,目前人工智能学习方法大致分三种。

首先是透过输入大量资料并给予奖励反馈的「强化学习」,教机器下棋就是其中一种,不过缺点是,就算只是学一个简单任务也需要大量数据和练习。

而最常用于训练神经网络的「监督式学习」,就像爸妈用绘本教小朋友物体名称,当我们提供机器汽车的图片,会告诉他正确答案是汽车,算法可以从这过程中学到汽车的特性。

最后一种是「无监督式学习」,亦称为「预测型学习」。大多数人类和动物最初都是以这种方式学习,透过观察以及和这个世界互动,便能学到基本知识,例如这世界是三维的、物体不会突然消失等。但目前人工智能尚未发展到这种学习阶段,这也是限制人工智能进展的因素之一。

想成为AI人才,先学好数学

Facebook建议,如果未来想以AI作为工作,数学和物理绝对是必修课,微积分、线性代数、机率和统计,尽可能修越多越好。此外,计算机科学、工程、经济、神经科学等科目,对研发人工智能也有帮助。

不过令人意外的是,文章中特别提到哲学的重要性,因为其对理解和学习任何知识都有帮助。这也呼应到Facebook近来被批评其动态时报推播假新闻影响美国大选结果,在每种机器学习应用的背后,最终还是得回归到「人」。

本文分享自微信公众号 - 吉浦迅科技(gpusolution),作者:張庭瑜

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2016-12-17

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 对话二三事:微软公司语言辨识技术创新纪录

    微软Microsoft的研究人员创造了语言辨识的世界纪录,该公司推出的最新科技,采用GPU加速深度学习技术,辨识对话中的字句,几乎达到等同于人类的准确率。 研究...

    GPUS Lady
  • Google TPU云可能会与英伟达合作

    英伟达首席执行官黄仁勋坚持认为,用于训练机器学习模型的开发工具的处理能力和云计算能力,使得人工智能在计算平台和数据框架中无处不在。黄预测说,这场人工智能革命的一...

    GPUS Lady
  • (图解)人工智能的黄金年代:机器学习

    Lady我在整理一些关于Deep learning方面的学习资料,看到好文章总是忍不住想跟各位分享。这次将系统地介绍深度学习的前世今生,文章很有趣,但也很长,将...

    GPUS Lady
  • 未来十种AI人工智能技术

    AI人工智能说(或写)出正确的单词并且是连贯的顺序来传达一个明确且清晰的意思,而且还能很容易被听众(或读者)理解,对于一台以完全不同于人脑的方式处理信息的AI人...

    用户2746302
  • 机器学习和应用统计学在金融行业的应用

    聊起 AI,画面都充斥着机械语言:精密高级的芯片,光怪陆离的智能产业……你眼中的 AI 有什么样的能力?能给传统行业带来哪些变革与发展?基于此,云加社区联手知乎...

    云加社区
  • GMIS 2017第一天亮点全面盘点:从机器学习到交叉学科

    机器之心原创 机器之心编辑部 2017 年 5 月 27 日上午,机器之心主办的第一届全球人工智能峰会(GMIS 2017)在北京 898 创新空间顺利开幕,中...

    机器之心
  • AI这么火,要不要追赶AI的热潮?

    12月14日,吴恩达成立landing.ai,开始进入AI+产业。“人工智能将会改变制造业的面貌”,这一动作让人们对AI的关注度在2017年的末尾又一次升温。 ...

    企鹅号小编
  • 博客 | TensorFlow系列专题(一):机器学习基础

    1956年的8月,美国达特茅斯学院(Dartmouth College)举行了一次研讨会,这次会议由约翰麦卡锡等人发起,会议上约翰麦卡锡首次提出了“人工智能”这...

    AI研习社
  • TensorFlow系列专题(一):机器学习基础

    1956年的8月,美国达特茅斯学院(Dartmouth College)举行了一次研讨会,这次会议由约翰麦卡锡等人发起,会议上约翰麦卡锡首次提出了“人工智能”这...

    磐创AI
  • 人工智能的过去、现在和未来

    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,...

    小莹莹

扫码关注云+社区

领取腾讯云代金券