logo资料库

人工智能发展与挑战ppt.pdf

第1页 / 共50页
第2页 / 共50页
第3页 / 共50页
第4页 / 共50页
第5页 / 共50页
第6页 / 共50页
第7页 / 共50页
第8页 / 共50页
资料共50页,剩余部分请下载后查看
人工智能:模型与算法 人工智能发展与挑战 吴飞 浙江大学计算机学院
提纲 1、 记忆驱动的智能计算 2、 可计算社会学 3、若干挑战
记忆是人类认知的基石 工作记忆 (直觉、顿悟、因果等推理) 持续时间:< 30 sec 瞬时记忆 (多通道感知) 持续时间:< 5 sec 长期记忆 (先验、知识等) 持续时间: 1 sec--lifelong 知之在人者谓之知 知觉:人所固有认识外界客观 事物本能,如视觉、听觉和触 觉等能力 知有所合谓之智 智慧:知觉对外界事物的认知 所以能之在人者为 本能:人身上所具用来处置事 之能 物能力 能有所合谓之能 智能:对外界所产生的认知和 决策 《荀子. 正名》 Alan Baddeley, Working memory: looking back and looking forward, Nature Reviews Neuroscience 4, 829–839, 2003
记忆单元之间及其与环境的交互是提升智能能力的重要途径 工作记忆 (直觉、顿悟、因果等推理) 持续时间:< 30 sec 环境:强化学习 Your ability to remember something doesn’t just depend on the strength of the memory, it depends on the state that you’re in 瞬时记忆 (多通道感知) 持续时间:< 5 sec 长期记忆 (先验、知识等) 持续时间: 1 sec--lifelong Human-level control through deep reinforcement learning, Nature, 518:529–533, 2015
模型中的记忆(internal memory)  神经网络中的赫布理论(Hebbian theory):突触可塑性原理,即突触前神经元向突触后神经元的持续 重复的刺激可以导致突触传递效能的增加  神经元间权值信息既执行计算任务、又承载记忆功能。  记忆被新知识覆盖导致多任务难以实行、模型泛化能力不强、结果解释性弱
从分段学习到“端到端”学习:以自然语言翻译为例 语义 语用 语法 解码 编码  Conditional random field  Hidden Markov Model  word2vec  Paragraph2vec  Node2vec  path2vec
从分段学习到“端到端”学习:以视觉分类和理解为例 Detection Classification Understanding 黑盒子 (多粒度语义在中间层丢失)  Two stream model  Region-CNN  Mask R-CNN 输入端 端到端学习,利用卷积、池化和误差反 向传播技术,强调特征学习 输出端:高层语义 (what)
从分段学习到“端到端”学习 分段学习 端到端学习
分享到:
收藏