深度学习并未走进死胡同(2)
|
尤尔认为，瓶颈背后的原因是一个叫做“组合爆炸”的概念：就视觉领域而言，从组合学观点来看，真实世界的图像量太大了。任何一个数据集，不管多大，都很难表达出现实的复杂程度。更何况每个人选择物体、摆放物体的方式不一样，搭出的场景数量可以呈指数增长。而这需要无限大的数据集，无疑对训练和测试数据集提出巨大挑战。 业内专家表示，这三大局限性问题虽还杀不死深度学习，但它们都是亟待需要警惕的信号。 “已死”之说值得商榷 去年，深度学习领域一位知名学者曾在脸谱发布惊人之语——深度学习已死，引起业内一片哗然，以至于现在网上机器学习社区的一些人说，搞深度学习是在走死胡同。 “我认为‘深度学习已死’这种说法，是出自那些曾经极为看好深度学习、后来却意识到其局限的业内人士。而局限并不意味着这个事物已经死亡，我们可以补充一些东西进去。”法国泰雷兹集团首席技术官马克·厄曼向科技日报记者表示。 “我不赞同‘深度学习已死’的提法。”新一代人工智能产业技术创新战略联盟联合秘书长、科大讯飞副总裁兼AI研究院联席院长李世鹏指出。 李世鹏说，深度学习作为一个新的计算科学领域的方法，当然有其自身的限制和缺陷。这个在外界被炒作成万能的AI工具，其实科学界一直都很谨慎地对待，从一开始大家就知道它的一些局限性，比如对标注了的大数据依赖、非解释性、没有推理功能、对训练集里包括的样本就能工作得很好而对没有包括的样本就很差、系统模型处于非稳态（相对人类智能而言，对抗扰动攻击能力比较差）等。 “我比较赞成尤尔教授的客观说法——深度学习在计算机视觉领域的瓶颈已至，特别是他讨论问题的这个时间点很有必要，在方向上有矫枉过正的提示作用。现在大家对深度学习热衷得有些过度，在学术界，甚至在产业界，给人一种似乎‘非深度学习非AI’的感觉。实际上这是有很大问题的，因为深度学习确实只是人工智能领域里一个被实现出来的，却比较窄的成功经验。”远望智库人工智能事业部部长、图灵机器人首席战略官谭茗洲指出。 总而言之，李世鹏表示，深度学习已死之说法值得商榷。在未来相当一段时间里，深度学习会对人工智能发展起着积极推动作用，并具有很大的应用价值，同时，科学家对深度学习天生的缺陷和局限已明晰，正在尝试一些方法补足其现阶段发展的不足，并在各自的领域内探索着下一代人工智能的突破。（记者 华 凌）（责任编辑：刘晓方） |
（本网站所发布文章只作为信息传播使用，不代表本网观点）
相关阅读：
- 2017年天津市创新创业大赛初赛成功举办 07-18
- AI你好 你要的人才，在路上 07-14
- 2014年中国参与第四代核能系统国际论坛工作研讨会在合肥召开 03-21
- 流感肆虐,成都儿科门诊爆满！医生的提醒要注意 01-11
- 教育部提醒家长确认学校已为学生建立电子学籍 03-17
- 2014年度创新型产业集群试点（培育）工作座谈会在北京召开 11-26
- 教育部：真改实改彻底改确保深化整改任务落实处 05-10
- 科技部与白俄罗斯国家科学技术委员会关于在智能物流监控技术领域 01-30
- 统筹国内国际资源 服务教育改革发展 12-21
- 太行山下听心声--革命老区西柏坡镇人民的喜与盼 10-15
资讯排行榜
