蘋果AI總監(jiān)釋疑：如何幫助深度學習“充電”

騰訊科技訊 蘋果公司人工智能（AI）總監(jiān)魯斯蘭·薩拉克霍特迪諾夫(Ruslan Salakhutdinov)認為，近年來產(chǎn)生諸多令人矚目成果的深度神經(jīng)網(wǎng)絡，在未來幾年里將會通過增加記憶、注意力和常識等方式進行“充電”。

3月28日在舊金山舉行的EmTech Digital會議上，薩拉克霍特迪諾夫表示，這些屬性可以幫助解決人工智能領域的許多突出問題。薩拉克霍特迪諾夫依然在匹茲堡的卡內基梅隆大學擔任副教授，他在演講中指出，深度學習驅動的機器視覺和自然語言理解依然存在局限性。

深度學習涉及在許多關聯(lián)層中使用大量模擬神經(jīng)元的技術，近年來在機器感知方面取得了巨大進步。但在其它方面，這些網(wǎng)絡仍然存在許多不足。例如，薩拉克霍特迪諾夫展示了基于這項技術的圖像捕捉系統(tǒng)如何錯誤地標記圖像，因為它總是關注圖像中的每個細節(jié)。

隨后，薩拉克霍特迪諾夫給出所謂的“注意力機制”解決方案，這是一種對深度學習的微調，在過去幾年中得到快速發(fā)展。這種方法可以糾正錯誤，具體方法是當標題中應用不同的詞語時，系統(tǒng)會把注意力集中在圖像的特定部分。同樣的方法也可以用于幫助提高自然語言理解能力，使機器能夠專注于句子的相關部分，從而推斷出它的意思。

Facebook的研究人員也在開發(fā)名為“記憶網(wǎng)絡”的技術，它可以改善機器與人類交談的方式。顧名思義，這種方法為神經(jīng)網(wǎng)絡添加了長期記憶部分，以便于它們能記住聊天記錄。“記憶網(wǎng)絡”也被證明可以改進另一種人工智能，即強化學習。舉例來說，卡內基梅隆大學的兩位研究人員最近展示了如何開發(fā)更智能的游戲算法。

Alphabet人工智能子公司DeepMind的研究人員也展示了自己的研究成果，包括利用深度學習系統(tǒng)構建和訪問記憶形式。強化學習正迅速成為解決機器人和無人駕駛領域難題的有價值方式，它也被MIT Technology Review評為2017年10大突破性技術之一。

薩拉克霍特迪諾夫表示，未來令人興奮的另一個研究領域是，將手工構建的知識體系與深度學習結合起來。他指的是像Freebase這樣的常識數(shù)據(jù)庫，以及像WordNet這樣的詞義庫。薩拉克霍特迪諾夫稱，就像人類在分析語言或解釋視覺場景時非常依賴常識那樣，這樣做會讓人工智能系統(tǒng)變得更聰明。他說：“我們怎樣才能把之前的知識融入到深度學習中去呢？這是一個巨大的挑戰(zhàn)?！?/p>

薩拉克霍特迪諾夫曾在匯聚不同AI領域研究人員的會議上發(fā)表演講，演講者討論的共同主題是需要各種各樣的方法來將AI提升到新的層次。華盛頓大學研究不同機器學習方法的教授佩德羅·多明戈斯（Pedro Domingos）在會上表示：“還需要從完全不同的角度來研究AI。在機器學習領域有這樣一個學派，他們認為我們不需要花哨的新算法，只需要更多數(shù)據(jù)。但我認為，在真正解決AI問題之前，我們需要找到一些真正深刻的、基本的想法。”

（編譯/金鹿）