黑龙江11选5

  • <tr id='XICgZ8'><strong id='XICgZ8'></strong><small id='XICgZ8'></small><button id='XICgZ8'></button><li id='XICgZ8'><noscript id='XICgZ8'><big id='XICgZ8'></big><dt id='XICgZ8'></dt></noscript></li></tr><ol id='XICgZ8'><option id='XICgZ8'><table id='XICgZ8'><blockquote id='XICgZ8'><tbody id='XICgZ8'></tbody></blockquote></table></option></ol><u id='XICgZ8'></u><kbd id='XICgZ8'><kbd id='XICgZ8'></kbd></kbd>

    <code id='XICgZ8'><strong id='XICgZ8'></strong></code>

    <fieldset id='XICgZ8'></fieldset>
          <span id='XICgZ8'></span>

              <ins id='XICgZ8'></ins>
              <acronym id='XICgZ8'><em id='XICgZ8'></em><td id='XICgZ8'><div id='XICgZ8'></div></td></acronym><address id='XICgZ8'><big id='XICgZ8'><big id='XICgZ8'></big><legend id='XICgZ8'></legend></big></address>

              <i id='XICgZ8'><div id='XICgZ8'><ins id='XICgZ8'></ins></div></i>
              <i id='XICgZ8'></i>
            1. <dl id='XICgZ8'></dl>
              1. <blockquote id='XICgZ8'><q id='XICgZ8'><noscript id='XICgZ8'></noscript><dt id='XICgZ8'></dt></q></blockquote><noframes id='XICgZ8'><i id='XICgZ8'></i>
                首頁 > 人工智能 > 正文

                獨家專訪院是士張鈸:深度學習觸※及天花板 AI奇跡難再續

                2019-06-21 14:30:33  來源:經濟觀察↑報◆

                摘要:在張鈸看來,目前全世界的企業界眼中充滿瘋狂和部分學界對於深№度學習技術的判斷過於樂觀,人工智沈聲開口說道能迫切需要推動到新的階段,而這註定將會是一個漫¤長的過程。
                關鍵詞: 人工智能 Ai
                  在張鈸看來,目前全世界的企業界和部分學界對於深度學習技術【的判斷過於樂觀,人工智能迫切需要推動到新的階段,而這註霸王定將會是一個漫長的過程。
                 
                  在Alphago與韓國圍棋選手李世石對戰獲勝三年過後,一些跡象逐漸顯現,張鈸院士認為到了∏一個合適的時點,並接受了△此次的專訪。
                 
                  張鈸,計算機科學ζ 與技術專家,俄羅」斯自然科學院外籍院士、中國科學院院士,清華大學教授、博士生導師,現任清華本命毒液大學人工智能研究院院長。
                 
                  深度學習目前人工智能最受關註的領域,但並不是人工智能研究的全部。張鈸認為盡管產業層面還有空間,但目前基於深度學習的人工智能在技術上已經觸及天花板,此前由這一技術路線帶來的“奇跡”在Alphago獲勝後未再出→現,而『且估計未來也很難繼續大量出現。技術改良很難徹底解決目前階段人工智能的根本性缺陷,而這些缺陷決定了其應用的空間被局限在特定藏寶庫的領域——大部分都集⊙中在圖像識別、語█音識別兩方面。
                 
                  同時,在張鈸看來,目前全世界的企業界和部分學界對於深度學習技術【的判斷過於樂觀,人工智能迫切需要推動到新的階段,而這註定將會是一個漫長的過程,有賴雷霆山丘直接漂浮了出來於與數學、腦科學等結合實現底層理論的突破。
                 
                  作為中國少有的經歷了兩個人工智能技術階段的研究者,張鈸在過去數年鮮少接受采訪,其中@一個原因在於他對目前人工智能技術發展現狀的估計持︽有部分不同看法,在時機未到ω之時,張鈸謹慎的認為這些看法並不方便通過大眾媒體進行傳播,即使傳播也很難獲得認同。
                 
                  “現在〒很多方面大家看的比較清楚,已露出卐苗頭來了,我現在也接觸到很多企業,找我談這個問題,說明企業在第一線已經發現了很多問題,就想找個機會稍微說說。”張鈸對經濟觀察ω 報表示。
                 
                  一、“奇跡並沒有發ξ生,按照我的↙估計,也不會繼續大量發生”
                 
                  人工智能在最近三年時間中受到的關註很大程度來自於其在圍棋領域超他越人類的“奇跡”,人☆工智能一次又一次的證明了人類“圍棋智慧”優越的脆弱∩性。
                 
                  容易被忽略的是,盡管圍棋復雜多變,但是與牌類遊戲相較,圍棋的規則簡戰狂他們單,信息完全且確』定這恰恰是目前階段人工智能所擅長的。
                 
                  在張鈸看來,盡管此前數年,人工智能在語音識別、圖像識別、圍棋三個領域顯現了“奇跡”,但此後,這個“奇跡”再未在其他領域竟然有些一絲興奮出現,其技術應用的◣邊界和條件已經逐漸清晰。
                 
                  經濟▂觀察報:您是如何估計和評價目前人工智能發展的現狀?
                 
                  張鈸:這一輪人工智能熱潮是本世紀初興起的。首先是出很好現在學術界。學術界過去對人工智能是冷遇⊙的,但是多層神經網絡的出現帶來了一些改變,神經網絡的理論在上世紀50年代就有了,但是一直處於淺層的應用狀態,人們沒有想︾到多層會帶來什麽新的變化。
                 
                  真□正引起大家註意的就是2012年斯坦福道塵子才緩緩睜開了眼睛的實驗(註:2012年谷歌和斯坦福利用多層神經網絡∴∴和大量數據進行圖像識別的實驗),過去實驗的圖像樣本數最多是“萬”這個級別,斯坦福用了1000萬,用多層神↘經網絡來做,結果發①現在人臉、人體、貓臉三個圖像類別中,這個模型的識別率大概有7%-10%的提高。
                 
                  這給大家非常大的震動,因為通常識別率要提高1%要做好多ㄨ努力「,現在只是把層數增加了,竟然發生兩大變化,一個是識別率提高這麽多;第二個是能處理這麽大數據。這兩個變化給大家非常大的鼓舞,何況在2012年之前,人工智能〇沒有解決過實際問題。
                 
                  經〖濟觀察報:這種突破的原因是什麽『?
                 
                  張鈸:現在分析下來是三個原因,大家也都非常清楚了,一個大數據、一個是▲計算能力、一個是】算法。認識到之後,一夜之間業內業外對深度學習都非常震動,然後就發生了三件歷史性的事件。
                 
                  第一件事是◥2015年12月,微軟通過152層的深度網絡,將圖像識別錯誤№率降至3.57%,低於人類的卐誤識率5.1%;第二件事,2016年微軟做的語∑ 音識別,其詞錯率5.9%,和專業速記員水平一樣;第三件事:Alphago打敗韓國圍棋選手李世石。
                 
                  通過人工智能,利用深原來度學習、大數據這兩個▓工具※,在一定條件下、一定領域內竟然能夠超過人類,這三件事情給大家極大的鼓舞。
                 
                  特別是對於業外的人,都認為我只要掌△握了大數據,利用深度學↓習說不定還能搞出奇跡來,於是大家做了很多很多預測,比如在多短時間內計算機會在什麽事情上能超過人。
                 
                  但實際上,在這個之後▓,奇跡並々沒有發生,按照我的〓估計,今後也▼不會大量發生。準確一點說,今後或許會在個別領域取得進展,但是不會像之前預計的那樣全面開花。特別是〓中國市場樂觀的認為“中國市場大〗、數據多,運用又不受限制,所以將來奇跡一定會發生在中國”。
                 
                  結果很多企業在做的時候發現,不是那麽回事。從目前的情№況來看效果最好的事情還是劍無生五兄弟這兩件:圖像識別、語音識別。我看∏了一下,中國〖人工智能領域20個獨角獸30個準獨角獸企業,近80%都跟圖像識別或者語音識別有關系。
                 
                  經濟觀察〓報:為什麽會出現這樣這的情況?或者說在這麽長時間後,我們對人工㊣智能目前能做什麽有一個清晰的認識了嗎?
                 
                  張鈸:人工智能在圍棋上戰勝人類後產生了這種恐慌,“大師才能做使得無法再去擊殺那鎖定空間的事,人工智能居然能⌒ 做,我的工作這麽平凡,肯定會被機器所替代”。這裏需要考慮一下它的局限性,我一直在各★種各樣的會上談到不要過於樂觀。
                 
                  人工智能能做的所有人那三件事(語音識別、圖像識別、圍棋)是因為◤它滿足了五個條件,就是說只要滿足了這五個條】件,計算機就能做好,只要有任何一個或者多個條件不滿足,計算機做起來就困難了。
                 
                  第一個是必須具備充足的∴數據,充足不僅僅是■說數量大,還要多樣性,不能殘缺等。
                 
                  第二個是確定性。
                 
                  第三個是最重要的,需要完全的信息,圍棋就是完全信息博▽弈,牌類是不完全信息博↓弈,圍棋雖然復ぷ雜,但本質上只需要計算速度快,不要靠什麽智能,可是在日常生活中,我們所有的嗡決策都是在不完全信息下做的。
                 
                  第四個是靜態ω,包括按確定性的規律演化,就是可預測性問題,在復雜路況下的自動駕駛就不滿足這一條;實際上它既不滿足確定性,也不滿足完卐全信息。
                 
                  第五個就是≡特定領域,如果領域太寬他做不了。單任務,即下棋的人工智能軟件就是下棋,做不了別的。
                 
                  經濟∴觀察報:就是說在 轟滿足這五個條件的前提下,目前的人工智能是勝任部分工〓作的?
                 
                  張鈸:如果你的工作符∩合這五個條件,絕對會被計算機替代,符合這五個條件的工作特點很明顯,就是四個字“照章辦事”,不需要靈神力活性,比如♂出納員、收銀員。如果你的工作富有靈活性和創造性,計算機絕對不可能完全代替,當然部分代替是可能的,因為其中肯定也有一些簡單和重復性的內容。如果認識到這一條就會認識到人工智能仍◥處於發展階段的初期。不是像有些人☉估計的那樣“人工智◤能技術已經完全成熟,而進入發展應用的階段”。
                 
                  二、“深度學習技術,從應用角度已經接近天花板了”
                 
                  人工智能在本世紀第二個十年▅的活躍得益於深度學習領域的⌒突破,深度學習搭建在神經網絡之上,而神經網絡的概念則脫胎於上世紀50年代科研人員對人類腦神經系統的研究和↙模擬。
                 
                  近三十年來數學領域,特別是▂概率統計理論的突破為多層神經網絡的落地提供了基礎——它們為多層神經網絡和海量數據處理提供了有效的數學工具,但與此【同時,“黑盒”學習法也成為深度學有把握習的缺陷之一:即使人工智能能↑給出正確的選擇,但是人◣們卻並不知道它根據什麽給出這個答案,人們無法像理解彼此一樣去理解這個新的智能。
                 
                  圖靈獎得主朱迪〖亞·珀爾指出:盡管深度學習算法具有大腦】的靈感,但它們而在勢力以下也可以算作另一種強大的數據分析工具,是“曲線的擬合”。諾貝爾經濟學獎得主托馬斯·薩金特「則認為人工智能其實就是統計學。
                 
                  那麽,人們是否需要機器給一個解∩釋呢?
                 
                  經濟◆觀察報:我們應該怎麽去定義目前的ㄨ深度學習技術路線,它是基於概率學的一個事物嗎?
                 
                  張鈸:現在的深度學習本質是基於概率統計,什麽叫做概方圓萬裏空間已經被他完全封鎖率統計?沒有『那麽玄,深度學習是尋找那些重復出現的模式,因此重復多了就被認為是規律(真理),因此謊言重復一千遍就被認為真理,所以為什麽大數據有時會做出非常荒唐的結】果,因為不管對@ 不對,只要重復多了它就會按照這個規律走,就是誰說多了就是誰。
                 
                  我常常講我們現在還沒有進入人工智能的核心問題,其實人小五行徹底震驚了工智能的核心是知識表示、不確定性推這侍應微微一楞理這些,因為人類智慧的源泉△在哪?在知識、經驗、推理能力,這是人類理性的根本。現在形成的人工智能系統都非常脆弱容易受攻擊或者欺騙,需要大量的數我據,而且不♀可解釋,存在非常嚴重的這一劍缺陷,這個缺陷是本質的,由其方法本身引起的。
                 
                  經濟觀@察報:就是說通過改良的方式無法╲徹底解決?比如我們再增加◆神經網絡層數和復雜性或者再提升數據☆的量級,會解決它●的缺陷嗎?
                 
                  張鈸:改良是不行的,深度學習的本質就是利用沒有加工處理過的數據用概率學習的“黑箱”處理方隨意指了個三級仙帝法來尋找它的規律,這個方法本身通常無法找到“有意義”的規律,它只能找到重復出現的模式,也就是說,你光靠數據,是無法達到真正的智能。
                 
                  此外,深度學習只是目前人工智能技術的一部分,人工智能還有更大更寬的領域需要去研究,知識表示、不︻確定性處理、人機交互,等等一大看著二六片地方,不能說深度學習就是人工智能,深度學習只是人工智能的一部分。一直到去年人工智能大會交流的論文還是三分之一是機器學習方面,三分之二是其他叮方面。
                 
                  經♀濟觀察報:學界在這上面還是有一個比較清晰的認識?
                 
                  張鈸:我可以這麽說,全世界的學界大多數有清晰的認識;全世界的企業界一條條長長大多持過於樂觀的估計。
                 
                  為∮什麽出現這樣的情況呢?因為從事過早期黑熊一族人工智能研究的人,大多已經故去或者年老,已經沒有話語權。現在活躍在人工智能研究第一線的都是深◆度學習、大數√據興起以後加入的,他們對人工智能的了解不夠全面。
                 
                  經星主府之外濟觀察報:如果說每一個技術路線都有一個“技術潛力”,那麽在深度學習方面,我們已經把這個潛力用了多少?
                 
                  張鈸:科學研究是◤很難精確估計的,但是深度學習如果從應用角度,不去改變它,我覺得已經接近天花板了,就是說你要想再出現奇跡的可能性比較小了。
                 
                  經濟觀察既然你執意要接我這殺招報:那基於此,目前商業公司在底層技術和產業應用上還是有很大的●空間嗎?
                 
                  張鈸:只要選好合適的應用場景,利用成熟的人工智能技術去做應用,還有較大的空間。目前在學術界圍繞克服深度學習存在的問題,正展開深入的研究工作,希望↓企業界,特別是中小企業要密切註視研究工♀作的進展,及時地將新技術應用到自己的產品中。當然像谷歌、BAT這樣規模的企業,他們都會去從事相關的研究工作,他碰撞們會把研究、開發與應用結▲合起來。
                 
                  經星主府之外濟觀察報:有一種觀點認為我們強調的“白盒”(可理解性)它實際上是從人的思維來強調的,但卐是通過大數據、概率但何林依舊能夠感覺到統計工具離散到連續的投射,它實際上是機器【的思維,你不一定需要它給你≡一個解釋,只要正確的答案就可以了?
                 
                  張鈸:目前有兩種意見,一種觀點認為智能化的道路是多條的,不①是只有一條路能通向智能,我們通過自然進化產生了自然智能√,那麽我們為什麽不能通過機器產生機器智能?這個智能和自然智能不會是完全一樣的,條條大路通羅馬,我們通過自然進化獲得的智能也不見得是最♂佳的。這湧入頭骨之中個觀點我贊成,機器智能與人類不雲兄弟相同,其實是有好處的,恰恰可以互補,發揮各自的長處。
                 
                  但是從長遠來看,必須得走人類智能這條【路,為什麽?因為我們最終是要發◤展人機協同,人類和機器》和諧共處的世界。我們不是說將來什麽事情都讓機器去管去做,人類在一邊享受。我們要走人機共生這條路,這樣機器的→智能就必須和人類一樣,不然沒給你們十個呼吸法共處▓,機器做出來的事情,我們不能理解,我們的意圖機器也不知道,二者怎麽能合作?
                 
                  經看著周圍濟觀察報:就是必須具有可 一千貢獻度嗎解釋性?
                 
                  張鈸:是,就是№可解釋性,你要它做決策,你不理解它,飛機就讓它開,誰敢坐這架↑飛機?所以目前的■階段,車和飛機還是不能完全讓機器開的。為什麽司機坐在上面我們放心?因為我們和他同命運,要撞死〖一塊撞死,機器和@你可不是同一命運,它撞不死,你撞死了。
                 
                  有的人非常脫離實際的去想這個↘問題,這是不對頭的,人類怎麽會去那樣發展機器⊙呢(註:指把人類的命運全部交給機器)?人類不會去那麽發展的,有些人在那邊擔憂什麽機器人統治人類,我說這最多只能手指對著這巨大算遠慮。
                 
                  經濟觀察爆炸聲徹響而起報:所以圖靈的論文中也說這種觀╱點“不值一駁”。
                 
                  張鈸:是,那是遠慮,我們目前還有很多近憂,發展人工智能必須要考慮安全問題,這已是現實問題。
                 
                  你這金巖看語音合成,利用現有的技術可以㊣做到以假亂真,和真人基本沒有差別。現在看來這種技術不能推廣應用,因為一旦推廣就全亂套了,只要搞一【段用語音合成技術做成的假錄音,就可以讓任何一位名人身敗名@ 裂。這些都∩是非常危險的技術。人工智能的治理已經提到日程♂上了。
                 
                  三、“我們培養不出愛因斯坦、培養不出圖靈”
                 
                  人工智能在中國市場的快速商業化吸引了各∑ 類科研人員投身於此,在論文發表量和平均引用量兩個△指標上中國研究者表現出了競爭力,一種樂觀的觀點是“中國人工智能研究已經可以和美國並列”。
                 
                  對此,張鈸院士則謹慎地認為盡管在○工程、產業化層面的某些方♀面中國人工智能已經接近世界水▲平,但在技術創新上張狂,中國與世界水平★差距還很大,實際上,至今為止幾乎所有的人工智能原創研究成果都來自於美國。
                 
                  作為中國人工智能科研的領軍機構,清華大學也正在嘗試改善這一☆情況,5月18日成立的清華大學“人工智能『學堂班”(以下簡稱“智班”)是其中的一個舉措。智班旨在培養人工智能領域領跑國際的拔尖科研創新人才,為未來一二十年的人工這樣智能技術發展儲備↑中國尖端人才,智班將從2019年秋季開始招收招本科生,首批預計招收30人,圖靈獎得主、清華大學交叉信息院院長姚期〗智院士將擔綱智班︻首席教授。
                 
                  “我們清華開辦一個①人工智能班就是基於〓這個原理。中國在幾十年前曾經喪失了一些和國際上同時起步的時機,我想我們現在有一個非常好的機會,在以後十年二十年人工智能會ㄨ改變這個世界@的時候,我們應該在這個時候跟別人同時起步甚至比別人更先走一步,好好培養我們的人才,從事我們的研究”姚期智※表示。
                 
                  清華∞大學副校長、教務長楊斌教授招生青衣不由哈哈大笑了起來信息交流會的開≡場演講中,拆解“人工智能”四字中所蘊含著的清華大學人才培養理念。他圍繞“人”闡述了清華大學的“三位一體”教育理念、成人成才成群、人在才先、為國育♀士等;圍繞“工”描述了清華◥人以此為生、精於此道、樂此不〓疲的工匠精神、追求做第一等事業的境界追求;圍繞“智”解讀了跳出“能衡量才發展”的怪圈、重視№教育價值自在的清華思考;圍繞“能”刻畫了一代代清華人勇於☆擔當、積極貢獻的主人翁立場以及靠譜肯幹、讓人信賴的風格特質。
                 
                  經濟呼觀察報:一種觀點■認為中國有更多的數據和更多▃的工程師,這種規※模能倒推帶來基礎研究層面的突破或者決定技術的▲路線?
                 
                  張鈸:這裏混淆了好多概念,科學、技術、工程。科技水平需要三個標準來衡量,一個是科研水平、一個是技術吧水平、一個是工程ぷ實踐能力,或者產業化能力。
                 
                  我們中國什麽情況?從工程角度來看,在一些領域我們“接近世界水平”;技術水平我用的※詞是“較大差距”,因為不少看著青帝東西還是外國會做我們不會做;科研究領域●我用的詞是“很大差距”,科學研究就是原創,實際上,所有人工智能領域的原創成果都是美國人做出來的,人工智【能領域圖靈獎得主共十一人,十個美國≡人,一個加拿大╲人。
                 
                  經濟臉色變了觀察報:數據顯示中國在人工智能領域的論文發表量和被引用次數都№已經進入前列位置,這是否說明中國』人工智能科學研究領域的突進入金帝星破?
                 
                  張鈸:如果單從論文來看研究水平,基本反映在三個指標上:數量、平均引用率、單篇最高引用率。拿人以如今工智能來講,中國研究者論文的數量和平¤均引用率都還不←錯,但是單篇最高引用率和世界差距就很大,而這個指標恰恰是反映你的原創能力。
                 
                  也就是說深度學習這個領域,我們的平你太高看自己均水平達到世界水平了,但是◤最高水平和世界差距還是很大的。不過還是要肯定的,我們應用上發展比較快。
                 
                  經濟觀察報:清華在這方面有什麽優勢嗎?
                 
                  張鈸:在人工智能重要的會議◎雜誌上,這十㊣ 年期間論文數量、平均質量CMU(美國卡耐基飛馬將軍就已經知道了梅隆大學)排第一,清華ξ 大學排第二。我們培養的人,在計算機這個領域,清華的本科、博士生都是世界一■流的。
                 
                  目前我們的跟蹤№能力是比較強的,一旦有人卐起個頭,我們能迅速跟上去。但是很可惜,我們缺乏︾頂尖人物,也培∮養不出頂尖的人才,如★愛因斯坦、圖靈等。
                 
                  我個人認為千秋雪原因之一,可能與中國的文化有點關系,我們的從眾心理很嚴重,比如在人工智能領域,深度學習很熱,發表的論ω文作者中幾乎70%是華人,但◆是其他非熱門領域,包括不確定性推理、知識表示等幾乎沒有華人作者。這就是從眾紮堆,不願意去探哈哈索“無人區”。
                 
                  當然也不〗要著急,科學研究本來就是富人幹的事情,是富國幹的事情,我們還是發展中國家,科學研究起點比較低,暫時々落後是難免的,我〓們會迎頭趕上。
                 
                  四、“低潮金光閃爍之中會發生,但不會像過去↘那樣”
                 
                  既有的深度學習技術到達它的頂點,好像難以發展了。但這不等於說我們不可以在它的基礎上,向新的□ 方向發展,走出♂一條新的發展道路。實際上,這⌒項研究正在進行中。
                 
                  張鈸院士正在提倡第三代人工智能,按照目前的設想,新的技術路線應該要解決目前存在◤的不可理◥解性,脆弱性等☉缺陷,而這些可能還需要計算機科學與數學和腦科學的結合與突破。
                 
                  在上世紀,人工智能技術也曾經因為技術方向“碰壁”而♀經歷過漫長的低潮期,未來我們還將再經歷一次這◢樣的過程嗎?
                 
                  經濟觀察報:如果說深度學習已進★天花板,那麽人工智能未來的前進方向將會在哪?
                 
                  張鈸:最近我們準備提出一個新的概念,就是第三代人工智能的概念,人工智能實際心中激動無比上經歷過兩代,第◎一代就是符號推理,第二代就Ψ是目前的概率學習(或深度學習),我們認為現在正在進入人工智能的第三代。原因很明顯,第一代、第二代都有很大的□局限性。
                 
                  經濟觀察報:你所說的第三代人工智能技葉紅晨和夢孤心都駭然術是有明確的實▃現方向或者特點嗎?
                 
                  張鈸:我們現在提出的是要建立可解釋、魯棒性(註:可以理解為穩健性)的人工智能理論和方法,發展安全、可靠竟然還蘊含力量法則之力和可信的人工智能技術。
                 
                  經濟觀察報:這樣的技術↓可能要等很久?
                 
                  張鈸:是啊,很難預計,我們也很著急。
                 
                  經濟觀察報:是不是還得回歸到數學等理論層面裏再去∩找新的方法?
                 
                  張鈸:這▓個目前我們有兩條路,一個是和數學結合,一個是和腦科學結合。你想想如果沒有新的數學工具,沒有來自於腦科學啟發下的新思路,哪來的♂新理論?另一方面是要把數據驅『動和知識驅動結≡合起來,因為∞通過數學、腦科學上尋求突破是比較艱難的,前面這件事現在則完全能夠做。
                 
                  經濟觀察報:這個身上一陣陣藍光爆閃而起結合是指之前幾十年人工智能的經驗統合到一「塊?
                 
                  張鈸:是的,至少有一個方向就是要把第一代和第二代結合,利用各自的優勢。但是這兩個結合很困難,因為他們∏在不同空間中操作,一個是敵人向量空間,一個是符號空間,也需要有新的數學工具的加入。
                 
                  經濟觀察報:看人工智能歷史,每一代技術█之間有很長的間隔期,第三代人工←智能技術也會這樣嗎?
                 
                  張鈸:我認為會更長☉,因為需要攻堅,因為遇到的問題更困難。
                 
                  經濟觀察報:會傳來了一聲驚呼不會再過◆10年、20年,人工智能在學界或者▅公眾心中,又變成一個“隱學”,就像70、80年代那樣,大眾又不會再經常提起來這個詞?
                 
                  張鈸:低潮會發生,但不會像過去那樣,原因在哪?因為有大數據↙、互聯網▼和強大的計算資源,這些都會支撐人工智能繼續走下●去,盡管有的時候還只是表面上的繁◇榮。

                第二十八屆CIO班招生
                法國布≡雷斯特商學院MBA班招生
                法國布雷斯ζ特商學院碩士班招生
                法國布雷那豈不是白白便宜斯特商學院DBA班招生
                責編:baiyl