最新內容
http://www.86xian.com 發布日期：2016-03-21 中關村多媒體創意產業園 關注度：
http://www.bjmmedia.com.cn
4：1，最終，“阿爾法圍棋”（AIphaGo）無懸念地擊敗了世界圍棋冠軍李世石九段。和曾經挑戰國際象棋大師的“深藍”相比，“阿爾法圍棋”更具挑戰性，因為圍棋走法之復雜，戰略和推理要求之嚴格，都在極度考驗著“選手”的智力水平，需要“深度學習”才能完成任務。
眼看國際人工智能機器人智商大有“碾壓”人類之勢，我們不禁要問，我國的人工智能發展現狀如何？帶著相關問題，《中國科學報》記者走進了我國人工智能領域的領軍科研機構——中科院自動化所。
完全復制人腦路還長
何為“深度學習”，中科院自動化所模式識別國家重點實驗室副主任陶建華研究員這樣解釋：“阿爾法圍棋”采用的“深度學習”技術是一種多層人工神經網絡。之所以“阿爾法”能在短時間內掌握大量圍棋走法，建立前期優勢，陶建華形容每層神經網絡會把“大量矩陣數字、矢量或流數據作為輸入，通過非線性激活方法取權重，再產生另一個數據集合作為輸出”。
如同生物神經大腦的工作機理，這種多層神經網絡通過合適的矩陣數量、多層組織鏈接起來，形成神經網絡“大腦”，并進行精準復雜的處理。
“雖然神經網絡在幾十年前就有了，但直到最近才形勢明朗�！庇捎谛枰罅康挠柧毑拍馨l現矩陣中的數字價值，陶建華表示，最近幾年，一些能獲取海量資源的團隊在挖掘神經網絡，而他們就是通過“大數據”技術來進行高效訓練。
這種多層次的深度神經網絡特點是在物理及數據處理上模仿人腦，處理外部信息的構造和流程，在一些簡單功能上，其可以被看作人腦在處理該問題時的一個復制。
陶建華表示，由于人腦的結構異常復雜，人類想要通過程序完全復制一個人腦，至少目前還有很長的路要走�！吧疃壬窠浘W絡在解決智能技術中的某一個或幾個問題時，能夠體現出類似于人的能力，但從整體上看，智能技術目前難以達到人腦的思維復雜度�！彼忉屨f。
深度神經網絡應用非常廣泛，以“深度學習”為基礎的智能算法是未來人工智能領域的重要研究內容，也是目前該領域中最為關注的核心內容之一。
“事實上，‘深度學習’已經在人臉識別、手寫識別、語音識別、語義理解、機器翻譯等范圍內產生了大規模的應用�！碧战ㄈA表示，深度神經網絡同時還在無人駕駛汽車、智能服務機器人等一系列代表未來技術的產品中發揮著舉足輕重的作用�！啊疃葘W習’體現出來的高性能，實際上已經掀起了新一代智能技術的革新浪潮�！�
“深度學習”領域差距并不大
對于人工智能是否已經超越人類智商，陶建華認為目前國際上先進的深度神經網絡框架已經能夠在一定程度上模擬人腦的局部功能，在一些能力上也達到或者接近了人類水平，但這并不意味著其可以完全取代人腦。
“這一技術最大的應用還在解決一些具體問題上，在一些具有較多邏輯推理的場合也可以體現出其非常出色的性能，比如圍棋�！碧战ㄈA認為即便如此，在可預見的未來，深度神經網絡依然還只是人類的一個工具，目的是幫助提高人的工作效率或改善人的生活�！叭斯ぶ悄芪磥淼陌l展目標是讓智能技術越來越接近人類的智能�！�
陶建華認為我國和國際相比，在人工智能的“深度學習”領域，差距也并不算大。
但他也坦言，在前沿探索上，尤其在“深度學習”技術與腦科學、材料科學等前沿科學和科技的交叉上，我國和國際還有一定距離�！叭缃鼛啄辏琋ature和Science刊登了大約10篇左右與‘深度學習’相關的論文，大多源于其與腦科學的聯系以及如何用這種技術去解決前沿科學問題等�！倍谶@一點上，我們的科學家還沒有太多斬獲。
“如今，無論是在‘深度學習’中的人臉識別、手寫識別、語音識別或機器翻譯等領域，以模式識別國家重點實驗室為主要研發力量，我們的科研人員早已吹響了‘攻城拔寨’的‘號角’，緊跟著世界的發展腳步�！敝锌圃鹤詣踊彼L劉成林自信地說道。
作為我國人工智能領域的一塊“戰略要地”，中科院自動化所會聚了一大批我國智能技術領域的國際一流人才，以模式識別國家重點實驗室為“大本營”，他們正在不斷開展著模式識別、機器學習、計算機視覺、圖像處理等方面的人工智能，包括“深度學習”的重要工作。
“實驗室在口語信息處理、自然語言處理等方面進行著長期的探索和積累，近幾年來結合深度神經網絡技術，在上述領域的研究中均取得了突破性的進展�！眲⒊闪种赋�，尤其是近兩年，實驗室深入開展了“類腦”智能技術的研究，試圖從腦科學和神經科學中獲得靈感，發展新的理論與方法，全面提高機器的智能水平。
希望在學科交叉中獲得成功
“為緊跟國際上的‘交叉’發展熱，我們希望通過將人工智能與腦結合的研究繼續跟進發展趨勢�！碧战ㄈA告訴記者。
實驗室的“類腦”研究基于認知腦模型的視覺計算方法和語音語言認知模型與方法，建立“類腦”視覺系統的可計算模型與學習方法體系以及具有語義理解能力和知識自學習能力的語音語言計算系統。
陶建華表示，科研人員將進一步把“類腦”的研究成果引入到機器人和智能系統建設中，研究出人機智能協同、交互式智能生長的理論方法，打造出具有全面“類人”認知和運動功能的“類腦”智能機器人。
如今，實驗室通過建立視覺信息處理、生物識別與安全、語音語言信息處理等幾大研究組，開展著諸如車載語音助手對話系統、面向自然口語對話的深層次信息感知、語音產生過程神經生理建模、社會感知數據處理公共平臺等項目的研究工作，不斷為探索人類智力的本質提供著科學依據。
以陶建華承擔的面向自然口語對話的深層次信息感知項目為例，就旨在建立融合對話情景、音視覺特征的深層次信息感知模型，實現具有對話意圖理解與表達能力的自然口語對話系統，從而加深對言語交互過程中對話情境與音視覺表達間關系的理解，為在人機交互中建立更有效的音視覺感知與生成積累相應關鍵技術。
不僅如此，在“深度學習”中的機器翻譯領域，如今，自動化所的模式識別研發團隊也已經在國家“863”計劃、國家自然科學基金等課題的支持下，在機器翻譯系統框架、海量翻譯知識獲取、翻譯模型與算法、多語種翻譯技術等方面取得了重大突破；還自主研制出基于互聯網大數據的機器翻譯云平臺，打破了國外互聯網公司在此領域內的壟斷地位。
而就在今年3月中旬，自動化所還與中科大智航空技術有限公司聯合建立了“人工智能與機器人教育聯合實驗室”。實驗室旨在面向智能科學與技術領域科學教育與傳播，并全面致力于提升社會人工智能與機器人理論和應用方面的研究水平。
（來源：科技日報）
 |  |
 |  |
