欢迎光临
我们一直在努力
您的位置:首页>资讯 >

什么是混合人工智能

随着研究界在人工智能和深度学习方面取得进展,科学家们越来越感到需要转向混合人工智能。混合人工智能被吹捧为解决当今深度学习面临的基本问题。

混合人工智能汇集了神经网络和符号人工智能的最佳方面。结合庞大的数据集(视觉和音频、文本、电子邮件、聊天记录等)允许神经网络提取模式。然后,基于规则的人工智能系统可以通过使用算法来操纵符号来操纵检索到的信息。

研究人员正在开发混合人工智能系统,该系统可以像人脑一样毫不费力地找出物体之间简单的抽象关系及其背后的原因。

什么是符号人工智能?

在1960 年代和 1970 年代,随着研究人员越来越渴望了解机器与自然如何相互作用,新技术的进步得到了满足。研究人员认为,使用符号方法将不可避免地产生人工智能机器,这被视为他们学科的长期目标。

“优秀的老式人工智能”或“GOFAI”是约翰豪格兰德在他 1985 年出版的《人工智能:非常想法》一书中创造的,该书探讨了人工智能的伦理和哲学含义。自从 1950 年代最初努力构建会思考的计算机以来,人工智能领域的研究和开发遵循了两种平行的方法:符号人工智能和连接主义人工智能。

符号人工智能(也称为经典人工智能)是人工智能研究的一个领域,专注于尝试以陈述性的形式清晰地表达人类知识,即事实和规则。从 1950 年代中期到 1980 年代后期,符号人工智能得到了大量使用。另一方面,近年来,诸如深度神经网络机器学习之类的联结主义方法已经走上前列。

结合符号人工智能和神经网络

由于其技术限制,在过去几年中,符号方法发生了转变。

根据MIT-IBM Watson AI Lab 的 IBM 主管David Cox 的说法,深度学习和神经网络在“世界的混乱”方面表现出色,但符号 AI 则不然。神经网络仔细研究和比较大量带注释的实例,以发现重要的关系并创建相应的数学模型。

一些著名的 IT 企业和学术实验室已经为深度学习的使用付出了巨大的努力。神经网络和深度学习擅长处理符号 AI 失败的任务。因此,它被用来应对当今的复杂挑战。例如,深度学习在面部识别和结核病检测方面的用例对计算机视觉革命做出了重大贡献。与语言相关的活动也受益于深度学习的突破。

然而,深度学习和神经网络存在某些限制。一个论点是大量数据的可用性取决于它。此外,神经网络也容易受到敌对实例(通常称为对抗性数据)的影响,这些实例可以以不可预测和有害的方式操纵 AI 模型的行为。

然而,当相互结合时,符号 AI 和神经网络可以形成开发混合 AI 系统的良好基础。

混合人工智能的未来

混合人工智能模型利用神经网络处理和评估非结构化数据的能力,同时还使用符号人工智能技术。连接主义观点认为,基于神经网络的技术最终将提供复杂且广泛适用的人工智能。2019 年,国际学习表征会议 (ICLR) 发表了一篇论文,其中研究人员将神经网络与基于规则的人工智能相结合,以创建 AI 模型。这种方法被称为“神经符号概念学习者” (NCSL);它声称克服了人工智能面临的困难,并优于其各部分的总和。NCSL,一种由麻省理工学院和 IBM 的研究人员开发的人工智能混合系统,用于解决视觉问答 (VQA) 问题;NSCL 将神经网络与神经网络结合使用,具有显着的准确性。研究人员证明 NCSL 能够处理 VQA 数据集 CLEVR。更重要的是,混合人工智能模型可以用更少的训练数据取得出色的成绩,并克服两个长期存在的深度学习挑战。

甚至谷歌搜索引擎也是一个复杂的一体式人工智能系统,由尖端的深度学习工具(如 Transformers)和高级符号操作工具(如知识图谱)组成。

免责声明:本网站图片,文字之类版权申明,因为网站可以由注册用户自行上传图片或文字,本网站无法鉴别所上传图片或文字的知识版权,如果侵犯,请及时通知我们,本网站将在第一时间及时删除。