淺談 AI人工智能發展里程

| 戴劍寒(HKCS) | 06-03-2019 09:30 | |

近年來,在許多認知任務中,機器已達到甚或超過人類的表現,過去一直困擾科學家在人工智能(Artificial Intelligence;AI)領域中的挑戰,如連續學習中災難性遺忘問題,深度增強學習中的學習速率問題亦已漸被攻克。不過,機器真的很聰明嗎?人工智能能否達到或超越人類能力?人工智能如何增強和擴展人類專業知識,並幫助我們克服現實世界的各種挑戰?

【精選文章】AI人工智能要在「常識」上突破

近幾年,人工智能進展皆依賴於深度學習(Deep Learning),多層人工神經網絡和大數據等技術。若有足夠數量的標記訓練數據集(通常 TB 級別以上)和計算能力(需要使用 GPU 加速技術),使用這種深度學習技術方法,可讓人工智能實現前所未有的成效。

人工智能如此火熱,相關的研究已經超過了半個世紀,但其實我們現在到底處於人工智能技術發展的哪個階段呢?首先,人工智能按照其智能的能力,可以分為 3 種類型:「狹義人工智能(Narrow AI)」、「廣義人工智能(Broad AI)」,以及「一般人工智能(General AI)」。 

【相關報道】AI 當道?美國將有25%市民被人工智能搶工作

能力最強的是「一般人工智能」,被描述為能像人類一樣真正思考、推理和自我學習,但這類型的人工智能技術難度極大,現今還屬於科幻小說的概念。難度最低的、也是發展相對成熟的,是「狹義人工智能」,指人工智能系統能在單一領域執行單項任務,如電腦視覺(Computer Vision)識別、語音識別和語言繙譯等;而這些人工智能系統已滲透我們的日常生活,例如電貿服務商用聊天機器人(Chatbot)進行個性化營銷。

然而,在實際情況中,「狹義AI」仍然存在很多問題,我們還需要有更廣泛功能的人工智能技術,才能有效應用 AI,解決現實世界各種複雜問題;例如需要人工智能系統可在欠缺大量數據的情況下,仍能有效學習。再者,人工智能系統在提供高可靠和高準確度模型之外,還需要模型產生出來的結果是公平的、值得信賴的,以及可以解釋的。它們不僅需要能將知識和推理結合起來,更要具備自學能力,能不斷的提高性能和實現更複雜的功能。

【精選文章】從初創集資百強 透視 AI人工智能熱潮

這也是「廣義AI」的目標:可以執行跨領域、多任務的工作。現時許多世界領先的商業公司和學術機構,正在推動拓展此類研究,相信「廣義AI」系統,應可在短期內普及。

 在電腦視覺領域上,我們通常需要數千或數萬個已標記的圖像,才能精確訓練一個視覺識別模型。科學家最近開發了新穎的「少數鏡頭」學習方法,可以從一個例子中,準確識別新對象,毌須額外數據或標籤。這項算法可以節省大量為數據加標籤的人力工作,因而節省了大量時間和資源。

【相關報道】AI人工智能的冬天?

 語言語義領域方面,科學家正在用人工智能分析從互聯網上收集的文本數據,如社交媒體的話題和評論;人工智能技術已可針對有爭議的話題,自動構建有說服力的觀點和論據,給予準確的利弊分析,幫助人們思考和判斷,做出正確決策。

今天的人工智能,不僅限於用在照片或影片搜索,甚至可以成為你的專項任務智能助手。不久將來,人工智能更可幫助人類,在模糊或有爭議的問題上,建立不同的論點,輔助政府制定更佳的政策。

【精選文章】數碼經濟AI人工智能 全球發展火車頭

以上內容純屬作者個人意見,並不代表本網立場。

Photo:Peter Durand
Source:ezone.hk

相關文章

Page 1 of 16