深度學(xué)習(xí)“瓶頸”已至 計(jì)算機(jī)視覺如何突破困局?

 機(jī)氣林商城智能科技2019提供自動(dòng)化零件,工控產(chǎn)品,工業(yè)機(jī)器人,以及機(jī)器人零部件、機(jī)械元件以及氣動(dòng)元件等。機(jī)氣林商城,一站式機(jī)器人采購平臺(tái)

  機(jī)氣林電商有話說:

 

近期,計(jì)算機(jī)視覺奠基者之一,霍金的弟子,約翰霍普金斯大學(xué)教授Alan Yuille提出“深度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域的瓶頸已至?!?/p>

從人工智能的發(fā)展過程看,深度學(xué)習(xí)是繼專家系統(tǒng)之后人工智能應(yīng)用的又一重要研究領(lǐng)域,也是人工智能和神經(jīng)計(jì)算的核心研究課題之一。Alan Yuille認(rèn)為,現(xiàn)在做AI不提神經(jīng)網(wǎng)絡(luò),成果都很難發(fā)表了,這不是一個(gè)好勢(shì)頭。如果人們只追求神經(jīng)網(wǎng)絡(luò)的潮流,拋棄所有老方法,也不去想如何應(yīng)對(duì)深度網(wǎng)絡(luò)的局限性,那么這個(gè)領(lǐng)域可能很難有更好的發(fā)展。

深度學(xué)習(xí)確實(shí)是一個(gè)讓人向往的技術(shù),這無可辯駁。其實(shí),神經(jīng)網(wǎng)絡(luò)這個(gè)概念自上個(gè)世紀(jì)60年代就已經(jīng)出現(xiàn)了,只是因?yàn)樽罱诖髷?shù)據(jù)、計(jì)算機(jī)性能上面出現(xiàn)的飛躍,使得它真正變得有用起來,由此也衍生出來一門叫做“深度學(xué)習(xí)”的專業(yè),當(dāng)前國(guó)內(nèi)涉及計(jì)算機(jī)視覺領(lǐng)域中,越來越多的人工智能公司或者研究機(jī)構(gòu)投身到“深度學(xué)習(xí)”的浪潮中了,國(guó)內(nèi)誕生了如曠視科技、商湯科技、極鏈科技Video++、依圖科技等優(yōu)秀的初創(chuàng)AI企業(yè)。旨在將復(fù)雜的神經(jīng)網(wǎng)絡(luò)架構(gòu)應(yīng)用在數(shù)據(jù)建模上,最終帶來前所未有的準(zhǔn)確性。

現(xiàn)在的技術(shù)開發(fā)成果也確實(shí)讓人印象深刻。計(jì)算機(jī)現(xiàn)在可以辨識(shí)圖片和視頻里的東西都是什么,可以將語音轉(zhuǎn)化成為文字,其效率已經(jīng)超過了人力范疇。Google也將GoogleTranslate服務(wù)中添加了神經(jīng)網(wǎng)絡(luò),現(xiàn)在的機(jī)器學(xué)習(xí)在翻譯水平上已經(jīng)逐步逼近人工翻譯?,F(xiàn)實(shí)中的一些應(yīng)用也讓人大開眼界,就比如說計(jì)算機(jī)可以預(yù)測(cè)農(nóng)田作物產(chǎn)量,其準(zhǔn)確性比美國(guó)農(nóng)業(yè)部還高。機(jī)器還能更加精準(zhǔn)的診斷癌癥,其準(zhǔn)確度也比從醫(yī)多年的老醫(yī)師還要高。

美國(guó)國(guó)防部高級(jí)研究計(jì)劃局的一名負(fù)責(zé)人John Lauchbury形容如今人工智能領(lǐng)域內(nèi)存在著三股浪潮:

第一股浪潮:知識(shí)庫,或是類似于IBM所開發(fā)的“深藍(lán)”和Waston專家系統(tǒng)。

第二股浪潮:數(shù)據(jù)學(xué)習(xí),包括了機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。

第三股浪潮:情境適應(yīng),其中涉及通過利用少量數(shù)據(jù),在現(xiàn)實(shí)生活中構(gòu)建出一個(gè)可靠的,解釋型的模型。

從這三股浪潮中,可以發(fā)現(xiàn)目前深度學(xué)習(xí)算法的研究工作進(jìn)展不錯(cuò)。

但深度學(xué)習(xí)的成果是建立在極其苛刻的前提條件之上。

不管是“監(jiān)督學(xué)習(xí)”,亦或者是“強(qiáng)化學(xué)習(xí)”,它們都需要大量的數(shù)據(jù)進(jìn)行支撐,而且在提前計(jì)劃上面表現(xiàn)的非常差,只能做某些最簡(jiǎn)單直接的模式辨認(rèn)工作。

相比之下,人就能夠從極少數(shù)的例子上學(xué)到有價(jià)值的信息,并且善于在時(shí)間跨度很長(zhǎng)的計(jì)劃,在針對(duì)某個(gè)情境上有能力自己建造一個(gè)抽象模型,并利用這樣的模型來做站在最高處的歸納總結(jié)。

以自動(dòng)駕駛汽車為例,如果你是采用的“監(jiān)督學(xué)習(xí)路徑”,那么你需要從汽車駕駛的情境中提取海量的數(shù)據(jù),而且還要以明確標(biāo)示出來的“動(dòng)作標(biāo)簽”進(jìn)行分類挑揀,比如“停止”“行駛”等。再接下來,你還需要訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò),使得它能夠從眼下的情景和所與之相對(duì)應(yīng)的行動(dòng)之間構(gòu)建因果聯(lián)系。

如果你是采用的“強(qiáng)化學(xué)習(xí)路徑”,那么你應(yīng)該給算法一個(gè)目標(biāo),讓它能夠獨(dú)立地判斷當(dāng)下最優(yōu)解是什么,電腦在不同的情境之下,為了實(shí)現(xiàn)避免撞車的這個(gè)動(dòng)作,它估計(jì)要宕機(jī)上幾千次。雖然現(xiàn)在已經(jīng)有了比較大的進(jìn)展,一些神經(jīng)網(wǎng)絡(luò)可以從數(shù)據(jù)層面,在相當(dāng)大的樣本數(shù)量上給出一個(gè)驚人的成果,但是它們?nèi)绻麊为?dú)拿出一個(gè)出來,還是不可靠的,所犯的錯(cuò)誤也是人一輩子都不可能犯的。

數(shù)據(jù)質(zhì)量的不穩(wěn)定性帶來的是不可靠、不準(zhǔn)確,以及不公平。同樣,輸出的結(jié)果,還得取決于輸入的數(shù)據(jù)質(zhì)量如何。神經(jīng)網(wǎng)絡(luò)中如果輸入的數(shù)據(jù)是不準(zhǔn)確的,不完整的,那么結(jié)果也會(huì)錯(cuò)的離譜,有些時(shí)候會(huì)造成巨大的損失。不要小看這樣的風(fēng)險(xiǎn),錯(cuò)誤的輸出可能會(huì)造成極大的危害,以GAN為例,有一些不軌之徒可以以一種人類肉眼無法識(shí)別的方式篡改圖片,讓機(jī)器錯(cuò)誤的辨識(shí)圖片。篡改的圖片和最初的圖片在我們看來可能是一致的,但是無人駕駛汽車中,汽車就會(huì)受到威脅。

深度學(xué)習(xí)依然存在瓶頸,但目前它要發(fā)揮的作用所需要的前置條件太過苛刻,輸入數(shù)據(jù)對(duì)其最終的結(jié)果有著決定性的影響。如果要真正達(dá)到理想中的人工智能,這些瓶頸還有待于人們的進(jìn)一步突破。 

  【人氣商品】:

  機(jī)器林商城產(chǎn)品大推薦

  【品牌推薦】:

  機(jī)氣林電商爆款大曝光、機(jī)器人周邊產(chǎn)品總覽

  【最新資訊】:

   機(jī)氣林商城官網(wǎng)(網(wǎng)址打不開就+V:I99~46O3~9726機(jī)氣林)

  上海機(jī)氣林智能科技有限公司

  上海市青浦區(qū)華浦路 500 號(hào)

  電話:021-59801300