神经网络的寒冬下声音免费在线播放-喜马拉雅

各位听众朋友大家好，现在向大家介绍美国科学家特伦斯谢诺夫斯基所著《深度学习智能时代的核心驱动力量》，现在介绍的是神经网络的寒冬下半部分。

在2006年达特茅斯人工智能A@I50会议结束时的总结性发言中, 马文·明斯基一开始就表示

对演讲和 AI的研究方向感到失望。他解释道:“你们不是在解决通用的智能问题。你们只是在解决具体的应用问题。”这次会议应该是张我们所取得的进展的一次庆祝, 但是却被他的指责打击了。我做的演讲是关于强化学习的进展, 并展示了 TD-Gammon 通过训练, 能在西洋双陆棋中表现出冠军水平的显著成果。不过我的演讲并没有给他留下深刻的印象, 他始终认为, 那只是一个游戏罢了。

明斯基的“通用的智能”意味着什么呢? 他在其著作《心智社会》(The Society of Mind)中提到, 前提是通用的智能来自简单媒介之间的相互作用、明斯基曾经说过, 有关他的理论的最大想法, 是来源于试图创建一台使用机器人手臂、摄像机和计算机的机器, 可以用儿童的积木构建一个结构(图2-1)。这听起来很像一个应用。一个具体的应用会迫使你专注于并深入到最底层问题, 而抽象理论化的方法则不能。演讲人在达特茅斯会议上所报告的成就, 来自对具体问题的深入了解, 为更全面的理论理解铺平了道路。也许, 一个更好的通用智能理论有一天会从这些狭隘的AI成就中浮现出来。

我们的大脑不只是凭空产生抽象的想法。它们与我们身体的所有部位密切相连。我们的身体又通过我们的感官输入和运动效应器与外界密切相连。生物智能因此而具体化。更重要的是我们的大脑在与外界互动的同时，经历了一个漫长的成熟过程。学习是一个与发育同时进行的过程，并且在我们达到成年后，仍然会持续很长一段时间，因此学习对于通用智能的的发展至关重要。
有趣的是, 人工智能中最难解决的问题之一是常识。显然这是儿童并不具备的, 只有在长期与接触后, 大多效成人才会获得常识。人工智能中经常忽路的情绪和通感也是智能的一个重要方面。情绪是个整体信号, 可以使大脑为不能由局部大脑状态决定的行动做好准备。

AI50的最后一天举行了宴会。在晚餐结束时, 1956年达特茅斯人工智能夏季研究项目的5名回归成员简要介绍了会议和人工智能的未来。在问答期间, 我站起来,转向明斯基说道:“神经网络社区有种看法:你是上世纪70 年代需要为神经网络萧条负责的魔鬼。你是魔鬼吗?

明斯基发起了一场关于我们如何不理解我们网络的数学局限性的长篇大论。我打断了他:“明斯基博士, 我问的是一个是或否的问题。你是, 还是不是? ”他犹豫了片刻, 然后喊道:“是的, 我是魔鬼! ”

1958年, 弗兰克·罗森布拉特制造了一个模拟计算机, 被设计用来模拟感知器, 因为当时数字计算机在模拟计算密集度高的网络模型时速度很慢。到了20 世纪80年代, 计算机的计算功能大大提升, 让我们能够通过模拟小型网络来探索学习算法。但直到2010年, 才有足够的计算机能力将网络规模扩大到可以解决实际问题的程度。

明斯基在 1954 年从普林斯顿大学获得数学博士学位, 他的论文是关于用神经网络进行计算的理论和实验研究。他甚至用电子部件构建出了小型网络。以了解它的行为。当我还是普林斯顿大学物理研究生时, 就听说数学系里没有人有资格评审他的论文”, 所以人给把它发给了普林斯顿高等研究院的数学家们, 据说他们能与上帝交谈。回复的评论是。“如果这在今天不是数学, 未来总有一天会是”这足以为明斯基赢得他的博士学位。而神经网络确实引发了一类新的数学函数。这些函数激发了新的研究, 并正在成为数学的一个新分支。年轻的明斯基超越了他的时代。

神经网络的寒冬 下

神经网络的寒冬 下

用户评论

神经网络的寒冬下

神经网络的寒冬下