张钹院士在清华EMBA课堂上分享“人工智能和未来”【北京清华大学总裁班|MBA|EMBA招生信息网】 
最新报名:
3分钟前,黑龙江哈尔滨某房地产开发公司总经理加入房地产总裁班,2小时前,河北石家庄某文化传播公司3名高管加入企业管理创新总裁班,2小时前,河南郑州某置业公司总经理加入房地产总裁班,5小时前,内蒙古呼和浩特某乳业公司总经理加入工商管理EMBA总裁班,6小时前,上海某金融证券公司1名高管加入工商管理总裁班,11小时前,山西太原某航天飞机制造企业2名高管加入工商管理EMBA总裁班
商学院banner图
张钹院士在清华EMBA课堂上分享“人工智能和未来”
发布时间:2018-11-07 18:56:47

本文来自于张钹院士在清华EMBA课程的精彩报告。张教授是中国人工智能泰斗级人物,报告深入浅出,介绍了人工智能的历史、现状和未来。人工智能可以发挥的巨大作用和局限性,都有客观的回答。


本人从2000年开始接触大数据挖掘技术和建模应用,对人工智能有所了解。听了张教授的报告,仍觉得收获不浅。推荐给对人工智能有兴趣的朋友们。


张教授报告内容图文并茂,篇幅有限,下面是概括性总结,大致记录了报告的框架和基本主题:


1、人工智能可以实现么?人脑和计算机都是信息处理系统,所以存在计算机局部替代人脑的可能。
 

2、人工智能领域,用机器实现四个功能:1)逻辑思维、2)感知、3)动作协调控制、4)情感、灵感、顿悟。其中1)是符号系统,2)-4)是亚符号系统。目前多数成果体现在1)-3),4)的研究进展有限。

 
3、所谓符号模型,即基于知识与经验的物理符号推理系统,其中的三要素是知识驱动、符号主义,以及基于规则的模型。我把这段话翻译成:懂业务,并把客观因素翻译成计算机懂得语言,学习和建模。

 
4、计算机会写诗。看了大量的案例。个人的结论是辞藻丰富,字句华丽,但在情感、呼应联想、全局观、立意等方面不足。

 

5、相比吟诗作赋,计算机对对联的能力更强,甚至不逊于人。背后的原因是规则越多,越确定,计算机的计算能力就发挥得越好。


6、人工智能的两个标志性成果,一是国际象棋领域,1997年深蓝打败了世界冠军卡斯帕罗夫;二是2011年自动问答系统智力强大战胜了人类冠军。


7、  IBM 的沃森系统采用知识驱动方法,知识库搜集了2亿页知识,4TB存储,包括词典、百科全书、主题词表、新闻专线等不同数据源知识。回答目标和主题词导向问题很容易,比如“谁在1974年9月8日被总统豁免”,但遇到需要计算或者思考的问题有难度,如“与智利陆地边界最长是哪个国家”,“与美国没有外交关系的国家哪个最北”等。


8、从技术而言,人工智能从感知到深度学习,体现在如神经网络模型的隐层多少上。


9、提高图像识别效果靠深度学习。


10、图像识别在缉拿逃犯等领域发挥了实际作用。


11、图像识别在医学影像识别中发挥较大的作用。一个典型的例子是关于肺癌早期影像的国际数据大赛,清华学子获得了金奖。


12、 生物特征包括人脸、指纹、掌纹、虹膜、视网膜、DNA、签名、姿势、击键、声纹等角度,都具备大数据建模的意义和应用背景。


13、语音含有丰富的信息,值得关注。

14、目前可以做到语音合成朗读、生成歌唱,以及判断方言、口音、性别,辨别声音主人等。


15、 基于网络大数据,可以实现传染病、二手车、股票(我笑一笑)等预测。


16、基于网络大数据,可以处理社交网络的突然事件和品牌分析。


17、关于围棋,阿尔法狗。围棋和象棋是不同的领域,象棋注重逻辑推理,而围棋注重直觉。围棋的人工智能领域,其实是人工智能领域从理性到感性的跨越。


18、围棋的建模分析方法是多叉树。面对天文数字的分叉,经验和逻辑可以协助去除了绝大多数的分支,导致算法最后的可实现。


19、阿尔法狗数据:真实棋局3000万,自我学习3000万,如此自我循环学习上亿次棋局。


20、行动控制机器人。最难的是双足机器人。与国际先进技术相比,我国尚有距离。


21、工业机器人领域,(日)安川、发那科、(瑞士)ABB、(德国)库卡高端垄断,中低端中国有一定优势。

 


22、工业机器人的方向或难点,是视觉与触觉的结合。

23、人机智能对话,在应用领域已有初步成绩。


24、根据斯坦福大学研究,人工智能的几个主要研究领域:交通、家庭服务、健康、教育、低资源群体、安全、娱乐,在中国加上金融与智能制造。


25、人工智能的难点,必须满足一个或多个条件:数据、确定性、完全信息、静态、特定领域(边界)。


26、人工智能和人脑的差别,通俗的说,人是小错不断,大错少犯;机器是小错少犯,要犯就可能是大错。


27、 人工智能(有时)不具备可解释性,并解答不了突破边界的问题。


28、 人工智能的未来发展需要关注的问题:小样本甚至零样本学习;不确定性推理;感知和理解;人机交互;知识驱动和数据驱动的结合;发展鲁棒可解释性的人工智能。

 

 

版权申明:以上课程知识产权归属主办单位,总裁班研修网仅提供信息展示,而非商业行为 ICP备11007365号

免责声明:总裁研修网部分内容摘自网络,如有侵害您的权益,请联系管理员删除

Copyrights © 2007-2018 PXMBA.ORG All rights reserved