你好,游客 登录
背景:
阅读新闻

人工智能五大能力水平:基于深度学习的人工智能分类

[日期:2017-01-08] 来源:新智元  作者: [字体: ]

本文作者基于深度学习提出人工智能的五大分类:1.仅分类(C);2.记忆分类(CM);3.知识分类(CK);4.不完全知识分类(CIK);5.协同不完全知识分类(CCIK),希望能让我们知道我们目前处在人工智能的哪个阶段,以及我们最终能到达哪里。

(文/)Arend Hintze 曾把人工智能分为以下四个类型:

反应机器:是最基本的 AI 类型,它们无法形成记忆,也无法利用过去的经验来做决策。在设计好的任务之外,它们无法起作用。

有限的记忆:这种类型的 AI 能够根据过去的经验进行当前的决策。但是,这种记忆是转瞬即逝的,无法用于未来的经验。

心智理论:这些系统能够形成对世界的表示,以及与之交互的其他智能体。

自我理论:在这里,主要是推测性的描述。

相比“狭义AI”(Narrow AI)和“通用AI”(General AI)的二分法,我更喜欢这种分类。这个分类试图将“狭义AI”分成3类,让我们对不同的AI实现间的区别有更多概念。我对这个分类的保留意见是,它们似乎来自一种 GOFAI(有效的老式人工智能)的基调。此外,从“有限的记忆”到“心理理论”的跳跃也似乎太大了。

因此,我想更针对深度学习领域提出我对人工智能的分类,而且我的分类更实用,对业者来说更有帮助。这个分类能让我们知道我们目前处在人工智能的哪个阶段,以及我们最终能到达哪里。

深度学习能力的实用分类:

1.仅分类(C)

这个级别包括完全连接神经网络(FCN)和卷积神经网络(CNN)以及它们的各种组合。这些系统把高维向量作为输入,并且达到一个单一的结果作为输出,通常输入向量的分类。这些系统可以被视为无状态函数,也就是说它们的行为仅仅是当前输入的一个函数。生成模型是这一类里热门的研究领域之一。简言之,这些系统本身已经是相当有能力的。

2.记忆分类(CM)

这个级别包括与 C 级的网络相对应的存储器元件。LSTM 是这一类的典型例子,其中记忆单元嵌入在 LSTM 节点内。其他的还有 DeepMind 的神经图灵机(NMT)和可微分神经计算机(DNC)。这些系统能在计算时维持状态。

3.知识分类(CK)

这个级别有点类似 CM 级,但与原始记忆不同,C 级的网络能够访问的信息是符号知识库。我实际上发现了三种符号整合,一种是转移学习方法,一种是自上而下的方法,另外一种是自下而上的方法。第一种方法使用作为正则化项的符号系统。第二种方法是在层级的顶部具有由神经表示在底部构成的符号元素。最后一种方法则与第二种方法相反,其中 C 级的网络实际上是附在一个符号知识库上。

4.不完全知识分类(CIK)

在这个级别,我们有一个建立在 CK 之上的系统,能够以不完全的信息进行推理。这类系统的一个例子是 AlphaGo 和玩扑克牌的系统。但是,AlphaGo 没有使用 CK 级,而是使用 CM 级的能力。像 AlphaGo 一样,这些系统可以通过自身运行的模拟来训练自己。

5.协同不完全知识分类(CCIK)

这个级别非常类似于“心智理论”(theory of mind),将多个代理神经网络组合到一起以解决问题。这些系统旨在解决多个目标。我们实际上在对抗网络中做执行这一系统运行机制的原始版本,通过与判别器相竞争的生成网络将学习泛化,这个概念进一步扩展到游戏理论驱动的网络,能够开展战略和战术以解决多个目标。我们目前还没有达到这个级别,在前面一级还有很多研究要做。

不同的级别能够实现前一级别中不存在的功能。例如,C级系统仅能够预测反因果关系。CM级别的系统能够非常好地进行翻译。CIK级别系统能够进行战略游戏。

除了自我意识的过程外,这种分类与 Hinzte 分类是一致的。本文没有也不打算就自我意识进行论述,同时也没有解决零点或单向学习,以及无监督学习的问题。这些都是人工智能的根本问题,正如 Yann LeCun 所说:

“如果智能是一个奶油蛋糕,无监督学习将是蛋糕胚,监督学习是蛋糕上的糖霜,而强化学习将是奶油蛋糕上的樱桃。现在,我们知道如何做糖霜和樱桃,但我们不知道如何做蛋糕。”

LeCun 最近开始使用“预测学习”代替“无监督学习”,这是一个有趣的变化,反应了 LeCun 对制作“蛋糕”(也即实现“智能”)观点的微妙变化。在 LeCun 看来,需要建立基础,我们才能在人工智能方面取得实质性进展。换句话说,在我们都能够建立“预测基础层”之前,添加再多的能力,比如存储器、知识库和合作代理,都是没有用的。在NIPS 2016会议上,LeCun 公开了这张幻灯片:

编译来源:http://www.kdnuggets.com/2016/12/5-capability-levels-deep-learning-intelligence.html

收藏 推荐 打印 | 录入:admin | 阅读:
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款