0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

深度学习的冬天什么时候到来?

hl5C_deeptechch 来源:yxw 2019-07-12 11:04 次阅读
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

从 2016 年 AlphaGo 战胜李世石掀起深度学习的热潮,到如今深度学习寒冬论甚嚣尘上,短短两三年时间,深度学习被唱衰,如今在产业互联网的高速发展下深度学习又该走向何方?未来的发展方向在何方?

深度学习技术自身的局限性

深度学习毕竟是机器学习,不会像人一样思考,这就使得深度学习存在着很大的局限性。对于大多数任务而言,要么不存在相应的深度神经网络能够解决任务,要么即使存在这样的网络,它也可能是不可学习的。

通过堆叠更多的层并使用更多训练数据来扩展当前的深度学习技术,只能在表面一缓解一些问题,无法解决更根本的问题,比如深度学习模型可以表示的内容非常有限,比如大多数你想要学习的程序都不能被表示为数据流形的连续几何变换。

另外一点比较突出的问题在于深度学习的泛化能力不够,或者称之为只有局部泛化能力。而我们人类不会,我们通过将事务进行抽象和推理的手段,可以做到少样本或者零样本学习。对于我们人类而言,我们有着极端泛化能力。

比如说,我们想要学习让火箭登录月球的正确发射参数。

如果使用深度网络来完成这个任务,并用监督学习或强化学习来训练网络,那我们需要输入上千次、甚至上百万次发射实验。相比之下,我们人类可以利用抽象能力提出物理模型(火箭科学),并且只用一次或几次实验就能得到让火箭登录月球的精确解决方案。同样,如果你开发一个能够控制人体的深度网络,并且希望它学会在城市里安全行走,不会被汽车撞上,那么这个网络不得不在各种场景中死亡数千次,才能推断出汽车是危险的,并且做出适当的躲避行为。将这个网络放在一个新的城市,它将不得不重新学习已知的大部分知识。但人类不需要死亡就可以学会安全行为,这个也要归功于我们对假想情景进行抽象建模的能力。

看来,深度学习和真正意义上的智能有着极大差距。语音识别、智能翻译、图像识别、AlphaGo、自动驾驶….. 尽管人类在深度学习领域取得了不小的进步,但是距离人类级别的人工智能仍有着很大距离。

深度学习技术该走向何方?

深度学习带来了人工智能的第三次热潮,大量资本和人才纷纷涌入人工智能领域,关于人工智能的创业公司迅速增长。据最新发布的《中国新一代人工智能科技产业发展报告》统计,2018 年全球人工智能领域专利申请量达到 13 万余件,我国人工智能企业占世界人工智能企业总数的 21.67% ,排名世界第二。

技术不同于科学研究,迟早要寻求回报。人工智能风口下的初创公司,只有精耕产品需求,使解决方案更加的解决客户难题,才能发挥技术的价值。

另一项数据则显示我国 90% 的 AI 公司由于未找到商业变现的途径,处于亏损状态。但也有一些企业借创新的技术,过硬的实力,全链的产业落地模式,在产业互联网时代受到资本的宠溺,一跃成为行业独角兽,如第四范式、字节跳动、寒武纪科技、云从科技、驭势科技、旷视科技、商汤科技、图森未来、依图科技等高科技公司。

国内外各大科技巨头公司纷纷进军深度学习领域,无论是国外的谷歌、亚马逊、Facebook,还是国内的百度、阿里、腾讯等科技巨头公司纷纷开源了自己的深度学习框架。产业互联网时代,更多人工智能公司追求商业落地,将技术赋能场景。

我们如何克服深度学习的局限性并通向通用智能?众多科学家对此也进行了解答:

在未来,模型将会融合算法模块与几何模块,前者提供正式的推理、搜索和抽象能力,后者提供非正式的直觉和模式识别能力。——《Python 深度学习》

AlphaGo(这个系统需要大量的手动软件工程和人为设计决策)就是这种符合人工智能和几何人工智能融合的一个早期的例子。

此外,通过使用存储在可复用的子程序的全局库(这个库随着在数千个先前任务和数据集上学习高性能模型而不断进化)中的模块化部件,这种模型可以自动成长,而不需要人类工程师对其进行硬编码。随着元学习系统识别出经常出现的问题解决模式,这些模式将会被转化为可复用的子程序(正如软件工程中的函数和类),并被添加到全局库中。这样就可以实现抽象和极端泛化能力。

因此,这种永久学习的模型生长系统可以被看作是一种通用人工智能(AGI artificial general intelligence)。

为了达到这个目标,多年来,深度学习领域一直处于所谓的人工智能革命的最前沿。许多人相信深度学习将带领我们进入通用 AI 时代。但从过去的风口浪尖,到如今的尘埃落地,浪潮一再的退去。计算机视觉与 AI 专家 Filip Piekniewski 曾警示预测人工智能的冬天就像是猜测股市崩盘——不可能精确地知道发生的时间,但几乎可以肯定会在某个时刻发生,就像股市崩盘之前,有迹象表明会发生危机,但在当时的环境中,却很容易被大家忽视。

深度学习已经出现了明显的下降迹象。人工智能将何去何从?深度学习将会走向何方?

2019 年 10 月 19 日,中国计算机大会将就“深度学习的冬天什么时候到来”的话题开展论坛,由中科院计算所研究员山世光担任论坛主席。这场大会以“智能+引领社会发展”为主题,将邀请多位国内外计算机领域知名专家、企业家到会做特邀报告,同时还有 80+ 场技术论坛、20 场活动及展览展示等。

未来充满了不确定,但我们可以为这个冬天做好更多的准备。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 互联网
    +关注

    关注

    55

    文章

    11397

    浏览量

    112544
  • 人工智能
    +关注

    关注

    1825

    文章

    51337

    浏览量

    272298
  • 深度学习
    +关注

    关注

    73

    文章

    5625

    浏览量

    126511

原文标题:深度学习的冬天什么时候到来?

文章出处:【微信号:deeptechchina,微信公众号:deeptechchina】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

    评论

    相关推荐
    热点推荐

    基于MATLAB/Simulink实现压缩深度学习模型

    深度学习网络模型通常会占用较多内存。如果网络需要满足特定的内存限制,例如要部署到资源受限的嵌入式硬件上,通常需要减小模型规模。MATLAB( Deep Learning Toolbox Model Compression Library ),支持对神经网络进行压缩。
    的头像 发表于 08-25 14:44 296次阅读
    基于MATLAB/Simulink实现压缩<b class='flag-5'>深度</b><b class='flag-5'>学习</b>模型

    人工智能机器学习系统班,人工智能深度学习系统班

    在人工智能技术日新月异的今天,深度学习已不再是实验室里的象牙塔,而是推动各行各业数字化转型的核心引擎。然而,在浩如烟海的教程与碎片化的知识中,许多学习者陷入了一个共同的瓶颈:能够熟练调用现成的模型
    发表于 08-22 18:04

    AI算法进阶训练营教程学习深度学习算法进阶、模型优化、多模态融合与工业级算法调优实战教程分享

    从算法原理到商业杠杆:传统机器学习的实战价值重构 在人工智能产业被大模型与生成式AI光环笼罩的当下,传统机器学习算法正经历一场深刻的价值重估。许多企业与开发者陷入“唯深度学习论”的误区
    发表于 07-18 11:36

    唐宇迪亲授!深度学习系统课程学习

    破局AI培训红海:深度学习系统班第12期的商业价值与护城河解析 在人工智能席卷全球的浪潮下,深度学习人才已成为各大科技企业竞相争夺的核心资产。随之而来的,是AI培训市场的爆发式增长。然
    发表于 07-12 16:10

    【噪声系数】什么时候可以用58公式?

    问题?本文从底层公式开始,计算了58这个常数由来,并介绍了什么时候可用58公式、什么时候必须换精确算法。 一、“58公式”的由来 光通信系统中,评估光放大器性能的一个重要的指标就是噪声系数,该指标用于衡量光放大器“额外产生噪声多少”的核心指
    的头像 发表于 07-07 09:50 476次阅读
    【噪声系数】<b class='flag-5'>什么时候</b>可以用58公式?

    人工智能深度学习系统班v12.0 第12期咕泡

    突破学习难点,深度学习进阶心得 在深度学习的这条路上,入门并不算太难。跑通一个MNIST手写数字识别、用预训练模型做个图像分类,甚至在CIF
    的头像 发表于 05-08 18:10 1153次阅读

    深度学习为什么还是无法处理边缘场景?

    [首发于智驾最前沿微信公众号]虽然自动驾驶车辆已经完成了数百万公里的行驶测试,深度学习也已被普遍应用,但依然会在一些看似简单的场景中犯下低级错误。比如在遇到一些从未见到过的边缘场景时,系统可能会
    的头像 发表于 05-04 10:16 2605次阅读
    <b class='flag-5'>深度</b><b class='flag-5'>学习</b>为什么还是无法处理边缘场景?

    人工智能-Python深度学习进阶与应用技术:工程师高培解读

    深度学习的工程化落地,早已不是纸上谈兵的事。从卷积神经网络到Transformer,从目标检测到大模型私有化部署,技术栈不断延伸,工程师面临的知识体系也越来越庞杂。现根据中际赛威工程师培训老师的一份
    的头像 发表于 04-21 11:01 750次阅读
    人工智能-Python<b class='flag-5'>深度</b><b class='flag-5'>学习</b>进阶与应用技术:工程师高培解读

    请问JH7110硬件资料什么时候放出来?

    JH7110硬件资料什么时候放出来,会有参考demo吗,见了好多只开源软件,不开源硬件的了…
    发表于 03-26 08:15

    JH7110 什么时候支持 Vulkan API?

    JH7110 什么时候支持 Vulkan API? 现在很多图形应用程序后端 API 正在迁移到 vulkan 支持 vulkan 后,您还可以运行许多以前不支持的游戏 JH7110 的 GLES
    发表于 01-26 06:11

    机器学习深度学习中需避免的 7 个常见错误与局限性

    无论你是刚入门还是已经从事人工智能模型相关工作一段时间,机器学习深度学习中都存在一些我们需要时刻关注并铭记的常见错误。如果对这些错误置之不理,日后可能会引发诸多麻烦!只要我们密切关注数据、模型架构
    的头像 发表于 01-07 15:37 616次阅读
    机器<b class='flag-5'>学习</b>和<b class='flag-5'>深度</b><b class='flag-5'>学习</b>中需避免的 7 个常见错误与局限性

    穿孔机顶头检测仪 机器视觉深度学习

    LX01Z-DG626穿孔机顶头检测仪采用深度学习技术,能够实现顶头状态的在线实时检测,顶头丢失报警,顶头异常状态报警等功能,响应迅速,异常状态视频回溯,检测顶头温度,配备吹扫清洁系统,维护周期长
    发表于 12-22 14:33

    如何深度学习机器视觉的应用场景

    深度学习视觉应用场景大全 工业制造领域 复杂缺陷检测:处理传统算法难以描述的非标准化缺陷模式 非标产品分类:对形状、颜色、纹理多变的产品进行智能分类 外观质量评估:基于学习的外观质量标准判定 精密
    的头像 发表于 11-27 10:19 621次阅读