【给科学家的科学思维 kindle】学术圈内外都意识到这

  • A+
所属分类:书评读后感
       

选自《给科学家的科学思维内容》王大顺著

括这一领域究竟是应该被称作“人工智能”还是“机器学习”,但是
学术圈内外都意识到这确实是“下一个大事件”。

深度学习确实有效,这一点应该说已经得到了验证。2012年以
来,深度学习已经在多到让我们难以记录的领域内击败原有的机器学

习方法。这些进展无疑已经改变了图像371-374与语音识别375-377、

问答系统3278和机器翻译279 380等典型的计算机科学领域。深度神经
网络也在其他更广泛的领域突破了原有的记录,这些领域包括药物活

性预测381、粒子加速器数据分析382 383、大脑回路重构384以及基因
突变和表达的预测335, 386 。

最为重要的是,这并非渐进式的改善,而是性能上的跳跃性提
升。2012年,深度学习在 ImageNet挑战赛首次惊攀亮相,这一赛事是
图像目标识别领域的旗舰性年度竞赛。与当时最好的其他方法相比,
深度学习方法的误差率几乎减小了一半。此后,深度学习算法的性能
快速和逼近人类水平。在围棋和日 本将旗等策略游戏、强调合作的多人
电子游戏和经常要虚张声势的得州扑克游戏等场景中,深度学习的表
现甚至已经超越了人类专家。深度学习在2018年的CASP会议上的表现
为它又赢得了一枚超越人类表现的奖章: 它在预测蛋白质的30结构方
面打败了所有的科学家。

简而言之,人工智能帮助我们发现数据中那些隐含的、不确定的
模式和结构。这些模式对于人类而言是易于发现的〈例如,在一幅图
像中,猫的位置) ,但是对于计算机而言一直是很困难的。更为精确
的表述是,人们通常难以把这类任务转换为计算机任务,而人工智能
让机器可以用一种奇特的方式自己来做这种转换。

尽管人工智能浪潮席卷全球,近期的主要进展其实都有赖于一个
方法: 监督学习。该方法要求只给算法提供两组信息 : 大量的输入
也被称作“训练数据”以及为了给输入分类所用到的清晰的指令
(“标记”) 。例如,如果目标是识别垃圾邮件,那么就给算法提供
数百万的邮件并告知其中每个邮件是否是垃圾邮件。然后算法就会仔
细检查数据以确定垃圾邮件的特征。在这一学习任务完成后,如果给
Mn深度学习的魔力在于它无须人工输入就能找出数据的最佳表示方
式,这是因为它包含许多中间层,并且其中的每一层都会根据标记给
出数据的一种表示和转换方式。只要层数足够多,深度神经网络就有
可能很好地揭示隐藏在数据中的极为错综复杂的结构或模式。更值得
注意的是,深度神经网络完全是靠自己发现这些模式的。我们可以把
深度神经网络具有不同层想象为它拥有了能够调节数百万旋钮的灵活
性。只要给系统提供指引清晰且足够多的数据,它就能够自动调节所
有的旋钮以找出表示数据的最佳方式。

当前的人工智能与以往有什么不同? 毕竟20多年前IBM的国际象棋
程序深蓝 〈Deep Blue) 就击败了当时的世界冠军卡斯帕罗夫 (Garry
Kasparovy) 。过去的人工智能依赖的是缺乏智能的精细计算。深蓝击
败卡斯帕罗夫是因为它每秒可以估测2亿个位置,从而预判哪一步最有
可能获胜。这种人工智能在面对围棋和和蛋白质折和登这类更为复杂的游
戏时就无能为力了,因为它无法处理所有的可能性。

然而,深度学习却在这些领域取得了巨大的成功。2016年,
DeepMind研究团队设计的AlphaGo在5轮比赛中击败了围棋世界冠军李
世石。它取得胜利并非靠评估每一种可能的走法,而是靠研究人类棋
手完成的棋局以学习何种走法有可能获胜或失败。

但是,既然机器系统已经能够向自身学习,那么为什么还要向人
类学习昵? 这也正是深度学习真正有趣的地方。仅仅在AlphaGo战胜人

类棋手一年之后,DeepMind就研发出了Alphazero387,其厉害之处在
于它只知道围棋规则而没有任何先验知识和数据输入。换句话说,它
是真正从零开始,通过不停地与自己对骞而自学成才。AlphaZero怒是
围棋大师,也是国际象棋和日 本将棋大师,它击败了所有的人类棋手
和计算机程序。

最为重要的是,由于AlphaZero没有学习人类棋手的对局,它的下
法也与人类棋手不同。它更像一个外星人,展示了一种人类大师以前
从未见过的直觉和见解。围棋世界冠军柯洁甚至感叹人工智能就像
“上上帝”一样在下棋。确实,它的那些复杂而又优美的下法都没有依
靠人类知识。而且AlphaZero是以超人类的速度习得这一技艺的: 只需
| 棋训练和8小时的围棋训练,它的能力就能超过已有的
地 。再想想那些数字。我们把变化最多也是研究最多的人类游戏的规
则告知人工智能算法,算法自己只是基于规则和棋盘就学会了下棋的
策略。像所有的初学者一样,它在一开始也会犯各种电大的错误。但
是当你回过神来再去看的时候,它已经是史上最佳棋手了。

如果深度学习能够在人类自己的棋盘游戏上击败人类,对于复杂

9科学呢?

更智能的人工智能,更多的创造性创新

人工智能可通过两种主要的途径影响我们从事科学的方式。一种
方式类似于谷歌对互联网的影响,人工智能将会极大地改进信息的获
取,优化科学的各个方面,包括从信息获取到科学家目前所从事的许
多过程的自动化。这是一种理想的情形,因为大多数科学家都期望能
够实现日 常工作的自动化,从而可以聚焦于创造性的活动。另一种途
径更像AlphaGo对围棋的影响,人工智能系统能够对于复杂问题快速给
出创造性的答案。人工智能也许有一天会在反乌托邦式的世界里取代

组织信息

人工智能已经推动了现代社会的许多方面。每次你在谷歌搜索中
输入一个搜索查询,人工智能就会在万维网上查找并猜测你的真实需
求。当你打开脸书应用的时候,人工智能会决定把哪个朋友的更新首
先呈现给你。当你在亚马逊上购物时,人工智能会给你推荐一些你可
能会喜欢的商品,尽管这些商品在你的购物车中从未出现过。我们周
边的设备中也出现越来越多的人工智能。当你拿着智能手机拍照时
人工智能会自动圈住面部并调整焦距以获得最佳效果。当你对Siri、
Alexa和Cortana这样的“个人助理”说话时,需要人工智能把你说的
话转换为文字。

科学的哪些方面能够由这类人工智能加以扩展? 首先,我们应该
都清楚,现在发表的文献的数量已经多到无法全部追踪。人工智能能
否给出个性化的论文阅读推荐? 人工智能能否连贯地总结这些文章的
内容摘要,提取与我们相关的关键发现,生成该领域关键进展的快报

关于律师需要的素质和能力的图片

【给科学家的科学思维 kindle】学术圈内外都意识到这

关于律师需要的素质和能力的相关词

讲一个科学家的故事3分钟 关于科学家的故事有哪些
科学家是怎样解释的 人类大脑如何开发
霍金预言 十大预言 黑心科学家

《给科学家的科学思维内容》下载

回到顶部

《给科学家的科学思维内容》信息

书名:给科学家的科学思维内容
作者:瑞·达利欧
出版社:天津科学技术出版社
出版时间:2021-12
ISBN:9787557696856
页数: 408

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: