数据科学家刘茵茵: AlphaGO无法解决开放环境下的现实难题

 中国电子报、电子信息产业网  作者:李佳师
发布时间:2017-06-06
放大缩小
  

全球的人工智能领域许多顶级“大牛”是华人,而且许多为女性,除了谷歌谷歌首席女科学家李飞飞,英特尔人工智能产品事业部数据科学部主任刘茵茵是另一个牛人、“女学霸”。最近刘茵茵来北京出席“全球机器智能峰会”(GMIS 2017)发表了《演变中的人工智能,与模型俱进》的主题演讲。其后接受采访,她谈了AI模型与算法,也谈了AlphaGO,谈了英特尔的AI路径,透露了许多人工智能界的趋势变化。

从模型到方案 从粗铁到剪刀锤子

刘茵茵指出,深度学习推动着人工智能领域的进展,每个AI模型都是理论和实践的突破,以模型为起点,通过收集数据,进行训练,基于人工智能框架和计算动力,解决应用问题,再把相关经验反馈到模型中,形成一个闭环的良性循环,即通过更好的模型,提供更高效的人工智能解决方案。

很多人对于AI模型与AI解决方案彼此之间的关系并不明晰。刘茵茵解释到,打一个不恰当的比喻,这些模型工具像一个很粗略的铁,需要通过各种应用场景不断地去使用,需要有多种不同的模型的优化和设计,把它打造成一个锤子或者一把剪刀再或者是一把瑞士军刀。

通常AI学术文章提出了很好很新颖的方向和想法,学术文章里出来的模型并不能直接用于在真正的产品级别的商业方案里。还有在方案方面,很多时候用户和不同领域的人们想解决的问题也是比较模糊。以精准农业为例,他们也许会提出,AI可不可以帮助我们解决了解田地里育苗的长势情况?这种问题其实非常模糊。我们需要基于模型知识,把他们提出的需求细化到一个具体的问题上,到底是图片识别还是其他什么识别?然后提出方案来解决他们这样一个模糊的问题。

一种模型可以投入到不同的领域中给出多样的解决方案。刘茵茵以图像模型和序列模型为例,图形识别可以用于精准农业,进行作物疾病的识别。同样在无人驾驶应用中,也可以用游戏引擎直接生成场景图片来进行用于无人驾驶的模型的训练。序列模型则帮助了金融从业者从海量的数据中找到和自身任务相关的信息,这样的模型也能被用于基因组学、语音识别等领域。

被神话的AlphaGO究竟怎么来解读

作为算法和数据科学方面的专家,刘茵茵来北京前几天,AlphaGO又和人类下了一次棋,她对AlphaGO的看法是什么?

“据我的理解,AlphaGO它在算法方面集中了很多深度学习的技术,还涉及一些更传统的人工智能技术,是一个合集。在一个特定的围棋环境里,因为环境是非常固定的,AlphaGO可以知道我做了某一步之后会有什么样的结果,它在学习的过程当中可以不断地去测试自己,不断地去学习提高自己。这是一个非常大的突破。” 刘茵茵说。

但刘茵茵进一步表示,在人工智能的发展和各种真实的情况当中,很多时候环境是非常开放的,你并不知道这个环境会引起什么样的反响。要想解决问题,除了深度学习还需要很多其他的AI算法,对于我们将来共同创造一些更新的创新方面都起到很重要的作用。所以我们作为英特尔在设计自己的AI平台的时候,非常注重深度学习以及以此为基础的其他方面,除了深度学习有很多特别支持在各种其他的算法方面也都做到考虑。

在这一点上,IBM的机器学习首席技术官Jena-Francois Puget最近也表达了类似的观点,深度学习虽然很好,它实现了计算机视觉和自然语言处理上的突破。但这需要大量的投资和数据。大多数公司都没有足够的数据来让深度学习发挥作用。此外,在许多更适合使用机器学习技术的领域,深度学习不是首选的技术。

英特尔AI事业部主要做什么

不久前,英特尔成立了专门的AI事业部来加大对AI的推动,这个事业部的核心宗旨是什么,究竟怎么运作,与其他公司的AI推动有什么不一样的地方?

刘茵茵透露,之前她是在英特尔Nervana 团队,是一个单独的团队,现在英特尔把Nervana变成AI产品事业部,这意味着英特尔希望把AI做得更具前瞻性和更具连贯性,把原来分散的产品或者是研究或者算法等资源都放在一个更连贯的平台里。集中各种资源、各种力量,能够把英特尔AI平台里面的各种部分彼此如何关联,理得更清楚,能够建立一个非常连贯的生态环境,提供给用户和其他行业的人。这样其他行业对英特尔AI技术感兴趣,进入这里就能全面了解,就能全部解决。

“英特尔AI从最上端开始,通过平台帮用户做一些协调,当然里面有产品、有人帮你做协调。具体的队伍的组成,有做硬件的人来设计我们下一代芯片,有软件的人做我们各种开源的架构,还有硬件支持,数据科学和做算法团队。在上端和外面的用户做一下接口,基本目标就是这样。” 刘茵茵表示,因为AI事业部刚成立两个月,要把所有的东西都要整合到这个连贯的平台里需要时间,所以很多东西仍是在不断变化当中。


来源:中国电子报、电子信息产业网            责任编辑:
分享到:
0