下一代深度学习的思考与若干问题

尽管深度学习技术得到了长足的发展,然而发展过程中,存在诸多理论问题需要进一步深入的研究和关注。深度学习的基本思想就是模拟人脑的信息处理机制,希望能够对自然信息,尤其是声音、语言、文字、图像进行很好的处理。而这些是传统的计算机方法难以做到的。但是目前深度学习对于人脑的知识处理机制和推理机制了解的还不够,同时也实现的不够。深度神经网络主要是通过学习和优化来实现对数据的计算处理,从而产生了对海量大数据样本的训练问题、稀疏编码与表征问题、泛化问题、可解释性问题和鲁棒性问题。下面从从类脑启发、物理启发和进化启发等三个方面讨论深度学习的表征、学习与优化理论。

类脑感知与认知的挑战与思考

从脑科学和认知科学到人工智能,我们能够从生物物理机理中得到什么启发?推动认知人工智能,不仅需要“感知”也需要“认知”。本文首先对人工智能与深度学习的发展脉络进行了梳理与反思,在此基础上浅谈认知建模、自动学习和渐近演化。

下一代人工智能的挑战与思考

1人工智能发展的回顾众所周知,人工智能与人的围棋比赛毫无悬念,从这个意义来讲,大家好像觉得机器可以挑战人,但不是整个时代就要有更大的改变。回过头来看,虽然人工智能有五六十年的历史,但是从目前人工智能最核心的神经网络来讲,应该有七十多年的历史,因为神经网络基本单元模型到现在已经有七十多年了。