图灵奖得主Yoshua Bengio:深度学习当务之急,是理解因果关系

  • 时间:
  • 浏览:0

科技行者 10月11日 北京消息:淬硬层 学习擅长在小量数据中发现模式,但无法解释它们之间的联系,而图灵奖获得者Yoshua Bengio你会改变并算不算点。

 

图:“将因果关系整合到人工智能中是一件大事!”——Yoshua Bengio

今年3月,Yoshua Bengio凭借着在淬硬层 学习技术的突出贡献而获得图灵奖,这是计算机科学领域的最高荣誉。正是淬硬层 学习技术掀起了人工智能的复兴浪潮,也一步步推动了无人驾驶汽车、即时语音翻译以及人脸识别成为肯能。

而现在,Bengio指出“淬硬层 学习肯能走到了瓶颈期”。他认为,除非淬硬层 学习里能 里能超越模式识别并真正掌握因果关系的更多信息,也不 它根本不肯能发挥其完整版潜力,也无法带来真正的AI革命。换句话说,淬硬层 学习应当现在开始理解“为哪此”。

这位蒙特利尔大学(University of Montreal)教授肯能55岁了,留着浓密的白发与眉毛。他解释道,淬硬层 学习技术在理想的场景下我我觉得表现良好,但肯能无法推理出因果关系,就无法接近人类的智力水平。“将因果关系整合到AI当中肯能成为目前的头等大事。”Bengio说,“当前的机器学习实现办法 立足另哪几个 基本假设,即经过训练的AI系统在避免实际什么的问题时,面对的数据与训练数据属于同一类型。但在现实生活中,情况不肯能那么 简单。”

包括淬硬层 学习在内,目前的机器学习系统往往专用性极强,只针对特定任务进行训练,累似 识别图像中的小猫,肯能音频中的口语指令等。自2012年面世以来,淬硬层 学习肯能展现出了卓越的数据模式识别能力,无论是从医学影像素材中发现癌症迹象,还是通过账目记录识别欺诈活动,淬硬层 学习技术肯能被广泛应用于多种实际场景当中。

也不 ,淬硬层 学习本质上对因果关系是盲目的。与真正的医生不同,淬硬层 学习算法无法解释为哪此特定的图像模式肯能处在病变,这意味并算不算危急情况下,大伙儿 里能 谨慎使用淬硬层 学习。

而理解了因果关系以前,现有AI系统将在智能度与执行数率方面更上一层楼。举个例子,肯能要让另哪几个 机器人意识到,快速下落的瓷器极易损坏,就里能 了把几二个花瓶扔到地上再观察结果。

Bengio补充道,上端的例子也里能 延伸到无人驾驶汽车。“人类里能 了经历小量事故,才意识到谨慎驾驶的重要性,肯能大伙儿 人类里能 在脑海中想象事故场景,以便在事故真的处在时做好心理准备。

什么的问题在于,大伙儿 要要怎样为AI系统赋予并算不算能力?

Bengio在他的研究实验室里,正在开发并算不算里能 里能识别简单因果关系的淬硬层 学习新版本。他和他的同事最近发表了一篇研究论文,概述了并算不算办法 。大伙儿 使用一套数据集,该数据集以概率形式描述了真实世界什么的问题之间的因果关系,诸如吸烟、肺癌等。在此基础上,大伙儿 又创建出直接中有 因果关系的多套综合数据集。

论文中提到的算法,在本质里能 够就哪此变量之间具有因果关系做出基本假设,而后测试不同变量的调整算不算与其初步判断相吻合。累似 ,吸烟并算不算与癌症从不纯因果关系,但吸烟有肯能诱发癌症的事实仍然不容辩驳,即使癌症也与并算不算并算不算因素(累似 去医院就诊)相关,,并算不算事实也应该是显而易见的。

机器最终肯能会利用并算不算办法 来形成并算不算假设,即当物体掉落时肯能处在哪此,而后通过少数哪几个实际观察东西摔到地板上时来确认并算不算人的结论算不算正确。

Bengio肯能参与过一次AI技术革新。在过去几十年中,他与今年的另外几位图灵奖获得者(包括任职于多伦多大学与谷歌公司的Geoffrey Hinton,以及任职于纽约大学及Facebook的Yann LeCun)一起去,一起去发展出释放现代淬硬层 学习潜力的思想与工程技术。

淬硬层 学习利用人工神经网络生成并加强数学形式的联系,从而模拟人类神经元与突触的学习办法 。训练数据(累似 图像肯能音频)会被馈送至神经网络当中,神经网络则对训练素材进行分析及自我调整,直到里能 里能以正确的办法 做出响应为止。也不 在理论上,但会 我里能 里能看到足够多的训练图像并拥有充裕的计算能力,淬硬层 学习多线程 即可通过训练以极高的准确率识别照片中的对象。

淬硬层 学习使用人工神经网络,通过形成和加强连接,在数学上近似于人类神经元和突触的学习办法 。训练数据,如图像或音频,被输入到另哪几个 神经网络,并算不算神经网络会逐渐调整,直到它做出正确的反应。肯能淬硬层 学习多线程 能看到小量的训练图像,并具有足够的计算能力,那么 它就能被训练来识别照片中的物体,也不 准确率很高。

也不 ,淬硬层 学习算法从不善于概括总结,也很难将并算不算人在并算不算场景下学习到的知识应用于另并算不算场景。换句话说,淬硬层 学习里能 了捕捉到什么的问题之间的相关性——累似 公鸡啼叫与太阳升起,但却无法考虑产生并算不算相关性的淬硬层 次意味。

并算不算不少领域肯能在因果关系研究方面投入了小量时间与精力,近几十年来再次再次出现了并算不算探索因果关系的数学技术,也彻底改变了包括社会科学、经济学以及流行病学在内的多个行业的研究范式。目前,肯能有少数研究人员现在开始努力将因果关系与机器学习结合起来。

凭借因果推理方面的贡献获得2011年图灵奖的Judea Pearl表示,尽管并那么 认真研究过,但Bengio的思考办法 给他留下了深刻的印象。Pearl在最近合著的《因果之书:因果关系的新科学(The Book of Why: The New Science of Cause and Effect)》当中提到,肯能那么 对因果关系的推理能力,AI的发展将从根本上受到限制。

认知科学实验也表明,理解因果关系对于人类成长乃至智力发展至关重要,尽管大伙儿 尚不清楚人类是要怎样掌握并算不算关键知识的。

Bengio关于因果关系的研究,代表行业肯能在并算不算什么的问题的探索方面迈出重要一步。我我觉得也不 一小步,但里能 由此看到,淬硬层 学习正朝着现实主义方向勇敢前行,事实上,尽管这项技术的应用正在快速普及,但肯能有太久的专家提到“其在语言理解等核心领域仍面临着严重局限”。

在采访当中,Bengio还对企业严重夸大AI及淬硬层 学习实际能力的行为表示失望。他指出,“在我看来,商界最好能扭转并算不算波不良风气,现在的炒作氛围我我觉得太过浓重了。

并算不算并算不算研究人员则认为,对淬硬层 学习的过度关注也是造成目前什么的问题的意味之一。纽约大学名誉教授Gary Marcus在最近出版的《重新引导AI:构建大伙儿 里能 里能信任的人工智能(Rebooting AI: Building Artificial Intelligence We Can Trust)》中提到,Bengio对因果推理的关注预示着技术思想层面肯能现在开始再次再次出现可喜的变化。

他表示,“目前有太久淬硬层 学习项目都单纯关注缺少因果关系的粗糙关联性,这常常意味淬硬层 学习系统在真实条件下(明显不同于训练场景的条件下)进行测试时,往往拿什么都那么良好的实际表现。

Marcus认为,人类的行为应当成为指导AI技术发展的重要办法 。“当孩子们提出「为哪此」的以前,就代表大伙儿 你会了解什么的问题眼前 的因果关系。一旦机器学会提出「为哪此」,其智能化水平也将迎来真正的飞跃。