2018年曾经发生和未曾发生的人工智能革命 NOW16

BCG:中国正在成为全球人工智能领域的新兴领导者

回顾2018年,人工智能在这一年中继续在数字领域迅猛增长,并将其神奇的力量注入到几乎每个行业的每个角落,并彻底改变了人们使用数据的方式。如今,很多企业都急于利用深度学习技术来颠覆他们的业务流程。现实情况是,尽管人工智能已真正改变了视听识别等领域,但鉴于人工智能为理解语言提供了强大的新工具,并首次提供了具有微弱直觉的算法,但迄今为止,绝大多数商业人工智能应用程序在现实应用中往往没有获得多少改进。与传统方法相比,如果那些系统一开始就得到正确构建,那么这些程序将很快被替换。

如今,很多人对深度学习感兴趣,并赋予它几乎神话般的超人能力。企业急于在每个项目上采用人工智能这样的新兴技术。即使一些面临风险,传统行业也在积极采用人工智能技术,例如,在每个成功提案中都需要“社交媒体”的资助机构现在需要在某个地方采用“深度学习”,甚至考虑为每个项目提供资金,无论人工智能对解决目前的问题是否具有适用性。

在公众意识和企业高管的通常想法中,人工智能被描述为类似人类的算法,这些算法对于人类来说比较初级,不够智能,但这些算法不断进行改进,并且可以通过更多的训练数据来进行学习和修复。

当然,现实情况是当今的深度学习算法更多的是艺术而不是科学。精确度的提高不仅来自于盲目地将更多的训练数据投入算法,还来自于仔细选择的训练数据、错综复杂的调整、实验测试,以及一些运气。而成功的算法是一个谜,即使是算法的创作者也不能完全理解,也不能在其他领域自动复制。即使是最准确的模型也会如此脆弱,以至于最轻微的改变或恶意干预都会使它们偏离轨道。

如今的人工智能系统并不具备人类一样的头脑,是一种基本的统计封装,只是比过去的方法更强大、能力更强,这与计算机诞生以来所做的事情相比并没有什么不同。

在视听分析等一些领域,深度学习方法具有真正的变革性,允许机器在理解和生成图像、语音和视频方面达到精确水平,而这些在几年前是无法想象的。神经视觉系统可以识别车辆的品牌和型号,即使在遍布武器、旗帜、士兵、枪支的战场图片中,可以理解地上的枪,指向空中的枪和指向人的枪之间的区别。它可以估计照片拍摄的地理位置,即它看起来与以往看到的训练图像有很大不同。它还可以创建出人性化的新图像或语音。

这是真正的应用人工智能革命发生的地方,为机器理解开辟了新的模式。

与此同时,使用人工智能进行普通的文本和数字分析并不总能显示出更高程度的变革。就像它取代的统计机器翻译(SMT)一样,神经机器翻译(NMT)在良好的情况下可以达到类似人类的流畅程度,但在其他情况下却失败了。虽然神经机器翻译(NMT)系统确实可以在学术竞赛中获得更高的BLEU分数,但是当应用于日常的实际日常内容时,其收益并不一定显著,因为它们会在混乱的理解中混淆不清。

问题在于,神经机器翻译(NMT)就像其前身统计机器翻译(SMT)一样,只是盲目地应用从大量训练数据中学到的统计模式。神经机器翻译(NMT)系统只能应用学习模式将一组符号转换为另一组符号,就像模仿艺术家画作的孩子一样,在纸上通过颜色和形状进行模仿,却不了解他们想要绘制的内容。与人类翻译不同,当今的神经模型实际上并不理解它们正在阅读的概念和思想的深层含义,他们只是像统计机器翻译(SMT)方法一样识别符号的模式。神经机器翻译(NMT)系统在识别更复杂的模式、执行更复杂的重新排序,以及在更大的文本窗口中操作的能力方面具有相当优越的性能,但即使是神经机器翻译(NMT)系统仍然主要在句子级别或单独的小块文本中运行。人们还有很长的路要走,更加完善的神经机器翻译(NMT)系统可以读取整个文本段落,将其提炼为它所讨论的抽象概念和观点,然后将其完全从基于思想的抽象表示形式转换为另一种语言,带来语境和消除歧义、语境化和框架的知识。

此外,大多数语言缺乏训练数据意味着,即使是最前沿的神经机器翻译(NMT)系统仍然像许多语言的统计机器翻译(SMT)系统一样失败,或者遭受同样的段落不流畅问题,这些问题将会隔一定时间出现,这使得它们的关键论点无法被理解。

本文经CRJWZ.Com自动排版过滤系统处理!


免责声明:文章内容不代表本站立场,本站不对其内容的真实性、完整性、准确性给予任何担保、暗示和承诺,仅供读者参考;文章版权归原作者所有!本站作为信息内容发布平台,页面展示内容的目的在于传播更多信息;本站不提供金融投资服务,阁下应知本站所提供的内容不能做为操作依据。投资者应谨防ICO、变相ICO!市场有风险,投资需谨慎!如本文内容影响到您的合法权益(含文章中内容、图片等),请及时联系本站,我们会及时删除处理。


为您推荐