标签:ffffff learning one 三维 大小 int sha 蛋白质 学院
在2012年,加州的X Lab 用一千台计算机架成的 Brain,展现了前所未有的机器学习能力。研究者们准备了一千万张从 视频随机截图的静止画面给 Brain「观看」。研究者没有在系统中默认任何图像知识、也没有在图片上附加任何说明标签,就让机器自己发掘图库所隐含的规则。在三天的「观看」学习之后,Brain成功地将这些视频截图分成了三类:人脸、身体、还有──猫。能够区分出猫的图片,是 Brain的一大突破,也是这个研究结果的一大亮点(及笑点),但它的重要性绝不仅于此。它代表机器从此能够如同人类一样,在庞杂无尽的数据中自己找出潜在的抽象规则,而不需要他人的说明或指导。它也标示着人工智能(Artificial intelligence, AI)的新篇章:深度学习(deep learning)技术。例如艾伦人工智能中心的执行长 Oren Etzioni,就没有考虑将深度学习纳入当前开发中的人工智能系统中。该机构目前的研究是以小学程度的科学知识为目标,希望能开发出光是看学校的教科书,就能够轻松应付各类考试的智能程序。Oren Etzioni 以飞机为例,他表示,最成功的飞机设计都不是来自于模仿鸟的结构,所以脑神经的模拟并无法保证人工智能的实现,因此他们暂不考虑借用深度学习技术来开发这个系统。
现行的人工智能程序,基本上都是将大大小小的各种知识写成一句一句的陈述句,再灌进系统之中。当输入问题进去智能程序时,它就会搜寻本身的数据库,再选择出最佳或最近解。2011年时,IBM 有名的 Watson 智能计算机,便是使用这样的技术,在美国的电视益智节目中打败的人类的最强卫冕者。虽然过去都是使用传统式的手工输入知识,然而 Watson 团队现在也考虑将深度学习技术应用在部分的运算之中。IBM 的首席科技主管 Rob High 表示,他们现在已经在进行实验,检视深度学习能如何提高 Watson 辨认图片的能力。
虽然各家人工智能实验室对于深度学习技术的反应不一,但科技公司与计算机科学家们已经看中它的潜在获利能力。George Dahl 已经着手在寻找创立公司的可能性,而 Facebook 的人工智能部门也开始招募相关领域的研究者。Andrew Ng 表示,深度学习的系统会随着数据库越庞大,而变得更有效率。当硬件与网络的不断进化、各种影音数据急速累积,深度学习技术将会吸引更多研究者发展它的各种可能性。George Dahl也表示,深度学习还尚在襁褓之中、才开刚始发展,他预期,这个技术将是未来的一大趋势。
标签:ffffff learning one 三维 大小 int sha 蛋白质 学院
原文地址:http://blog.51cto.com/13243248/2320570