香港科技大學(xué)教授楊強：人工智能需要大數(shù)據(jù)，遷移學(xué)習(xí)能讓人人都享受人工智能的紅利

人工智能大數(shù)據(jù) 楊強紅利

楊強 | 2016-05-23 11:43

【數(shù)據(jù)猿導(dǎo)讀】如今，我們的云計算技術(shù)可以利用群體智能、群體智慧、手機、網(wǎng)絡(luò)等聚集大量的數(shù)據(jù)。但到目前為止，人工智能領(lǐng)域取得的成就，僅僅是部分富人、擁有大數(shù)據(jù)的人在享受，對于大部分人來說，只能旁觀。楊強表示，遷移學(xué)習(xí)讓人人享受人工智能紅利

香港科技大學(xué)教授楊強：人工智能需要大數(shù)據(jù)，遷移學(xué)習(xí)能讓人人都享受人工智能的紅利

摘要：我們都在為人工智能技術(shù)歡呼，但問題是，人人都能享受到人工智能的紅利嗎?人工智能需要大數(shù)據(jù)，但大多數(shù)的人并不擁有大數(shù)據(jù)，這導(dǎo)致真正擁有大數(shù)據(jù)資源的人能把所有的資源都聚集在自己身邊，豪門更豪。對此，香港科技大學(xué)教授楊強在2016中國云計算大會上表示，我們可以發(fā)展技術(shù)，得到其他人的幫助，得到別人知識的遷移，使我們在短時間內(nèi)通過小數(shù)據(jù)就能迅速成長。如果我們有能力把大數(shù)據(jù)的模型遷移到每一個人身上，人們就都能享受人工智能帶來的紅利。

我們都在為人工智能技術(shù)歡呼，但問題是，人人都能享受到人工智能的紅利嗎?人工智能需要大數(shù)據(jù)，但大多數(shù)的人并不擁有大數(shù)據(jù)，這導(dǎo)致真正擁有大數(shù)據(jù)資源的人能把所有的資源都聚集在自己身邊，豪門更豪。

對此，香港科技大學(xué)教授楊強在2016中國云計算大會上表示，我們可以發(fā)展技術(shù)，得到其他人的幫助，得到別人知識的遷移，使我們在短時間內(nèi)通過小數(shù)據(jù)就能迅速成長。如果我們有能力把大數(shù)據(jù)的模型遷移到每一個人身上，人們就都能享受人工智能帶來的紅利。

人工智能得到快速發(fā)展

人工智能經(jīng)歷了漫長的發(fā)展歷程。人工智能的先驅(qū)阿蘭•圖林曾發(fā)問，機器可以思維嗎?從50年代開始，前人做出各種假設(shè)，提出了很多關(guān)鍵性的問題。機器可以學(xué)習(xí)嗎?機器可以規(guī)劃嗎?機器可以推理嗎?

人們設(shè)想把老專家的一些思考、思維和知識遷移到計算機里，但后來發(fā)現(xiàn)這個過程非常艱難，因為把知識描述出來、表達出來、學(xué)習(xí)出來，并非易事。在嘗試的過程中，人們做出了很多努力。

在1990年代，IBM 公司推出一款國際象棋程序“深藍”，在當(dāng)年的人機大戰(zhàn)中，戰(zhàn)勝了當(dāng)時國際象棋世界冠軍卡斯帕羅夫，這一消息在世界范圍內(nèi)廣為流傳，這是人工智能的一個里程碑。但云計算是人工智能的前提，因為當(dāng)時并沒有能幫助人們收集大量數(shù)據(jù)的云計算，導(dǎo)致了數(shù)據(jù)量的不足。

如今，我們的云計算技術(shù)可以利用群體智能、群體智慧、手機、網(wǎng)絡(luò)等聚集大量的數(shù)據(jù)。今天的人工智能活躍起來，有以下幾個原因：

1、匯聚了大量的數(shù)據(jù)。無論是谷歌公司，還是國內(nèi)的互聯(lián)網(wǎng)公司，都匯聚了很多大數(shù)據(jù)。

2、今天的計算能力突飛猛進。

3、深度學(xué)習(xí)、強化學(xué)習(xí)等算法取得了很大的成就。人們可以用機器來做同聲翻譯，可以做非常好的人臉識別，基于圖像的搜索變得非常便利。作為一個辨別性的模型，深度學(xué)習(xí)模型可以轉(zhuǎn)化成一個生成模型。圖片識別性轉(zhuǎn)化成生成器可向深度學(xué)習(xí)描繪那些印象最深的情景，科學(xué)家可以面對圖片用文字問自然語言的問題，在圖片里得到答案，得到文字形式的回答。阿爾法狗很牛，是因為其積累了大量的棋譜，可以產(chǎn)生3千萬的盤面來訓(xùn)練。

資源不均導(dǎo)致的人工智能隱憂

從互聯(lián)網(wǎng)到人工智能的轉(zhuǎn)變，成功還是集中在大公司。到目前為止，人工智能領(lǐng)域取得的成就，僅僅是部分富人、擁有大數(shù)據(jù)的人在享受，對于大部分人來說，只能旁觀。沒有大數(shù)據(jù)資源的人，是否就不能享受人工智能的紅利呢?

在生物信息領(lǐng)域，可以獲得單條的基因鏈或蛋白質(zhì)鏈大量的數(shù)據(jù)，但是把它和人的行為對應(yīng)起來的數(shù)據(jù)卻少之又少，能得到幾千條樣本已是相當(dāng)不錯，這和圖像識別里上千萬個樣本的數(shù)量簡直不能相提并論。所以，深度學(xué)習(xí)至今為止對于生物信息領(lǐng)域的大部分?jǐn)?shù)據(jù)還是無法使用。教育領(lǐng)域積累的大量數(shù)據(jù)也無法被大部分企業(yè)享用。

18世紀(jì)的工業(yè)大革命中，資本使得某些資本家變得越來越強大，使得窮人越來越窮，富人越來越富，今天的智能革命也有這樣的危險。數(shù)據(jù)是資本、是石油，有數(shù)據(jù)的人能夠提供越來越多的服務(wù)，也就能夠得到更多的數(shù)據(jù)。這會不會形成一些智能寡頭?這才是對人類最大的危險，而并不是人工智能本身。

人工智能可以將我們的能力擴大，我們希望所有人都能享受人工智能帶來的紅利，該怎么做?

遷移學(xué)習(xí)讓人人享受人工智能紅利

楊強表示，他們在這方面做了很多努力，其中一個努力是遷移學(xué)習(xí)。如果能在計算機上做到遷移，就可以在數(shù)據(jù)量少的情況下得到效率的提高。例如，當(dāng)我們來到一個新的領(lǐng)域時，如果有能力把過去的模型遷移到新的領(lǐng)域，那么在新的領(lǐng)域就不需要過多數(shù)據(jù)。這樣一來，小數(shù)據(jù)也可以享受人工智能的福利。

比如，在推薦領(lǐng)域有一個冷啟動問題，即在一個新的領(lǐng)域沒有足夠的新數(shù)據(jù)。解決冷啟動問題的方法就是把過去通過大數(shù)據(jù)建好的模型遷移到新領(lǐng)域，使得人們在新的領(lǐng)域只用少數(shù)的數(shù)據(jù)也可以把工作做好。

同時，可以讓機器讀取文字，變成對圖像有用的知識，這樣一來，知識就可以在不同的表達之間做遷移。研究發(fā)現(xiàn)，讓機器讀一千個字，就可以足夠好地識別一幅圖片，也就是說書并不需要無限的讀下去。把遷移學(xué)習(xí)和強化學(xué)習(xí)相結(jié)合，使得我們不需要訓(xùn)練很長時間，就可以學(xué)會新的技能。

在貸款方面，貸款往往都是小額貸款，大額貸款的樣本非常少，無法做對應(yīng)的模型。楊強介紹，最近他們的團隊通過遷移學(xué)習(xí)把小額貸款的大量數(shù)據(jù)產(chǎn)生的模型，遷移到大額貸款的少數(shù)樣本上，取得了非常大的成功。這樣，只有小數(shù)據(jù)的人也能夠享受人工智能紅利了。

來源：中國軟件網(wǎng)

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關(guān)內(nèi)容都會注明來源與作者；轉(zhuǎn)載我們原創(chuàng)內(nèi)容時，也請務(wù)必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會受到數(shù)據(jù)猿追責(zé)。