不卡色视频在线观看,優質中文字幕一区二区人妻,日韩欧美精品久久中文字幕,女人天堂av性爱亚洲性爱

西門子代理商 ?？谖鏖T子一級代理商 海口西門子一級代理商

Bernhard Schölkopf教授，43歲，是蒂賓根和斯圖加特的新馬普研究所智能系統(tǒng)的負(fù)責(zé)人，也是全球范圍機(jī)器智能領(lǐng)域內(nèi)的專家。作為物理學(xué)家和數(shù)學(xué)家的Schölkopf開發(fā)了一種新的學(xué)習(xí)技能，用來從復(fù)雜的數(shù)據(jù)庫中找出其規(guī)律性。他曾在貝爾實(shí)驗(yàn)室和微軟研究所等地從事研究，并在2011年被授予了馬普研究獎。

從科學(xué)的角度來說，學(xué)習(xí)的真正意義是什么？

Schölkopf：這要看你提問的對象是誰。心理學(xué)家會說學(xué)習(xí)是根據(jù)經(jīng)驗(yàn)而改變行為。但是，這只是其中的一部分。如果有人傷到了腳，就會一瘸一拐——不是因?yàn)樗麑W(xué)會了這樣走路，而是因?yàn)槟_受傷了。我是一個(gè)物理學(xué)家，從另一方面，就要找出某個(gè)特定輸入值為什么產(chǎn)生某種結(jié)果，其中的規(guī)律是什么?？茖W(xué)家把這種基于觀察而得出因果結(jié)論的推理稱為“實(shí)證推理”。我的研究所希望將相關(guān)的機(jī)制轉(zhuǎn)化為運(yùn)算法則，這樣就可以找出人類自己無法解決的問題的答案。

您能舉一個(gè)例子嗎？

Schölkopf：面對大量數(shù)據(jù)時(shí)，就會出現(xiàn)這種問題。例如生物信息學(xué)?；?qū)W家想要找出DNA鏈條上基因起始和結(jié)束的位置。你可以在實(shí)驗(yàn)室里做一個(gè)實(shí)驗(yàn)，會產(chǎn)生大量的數(shù)據(jù)，其中有數(shù)以百萬計(jì)的數(shù)據(jù)點(diǎn)之間通過高維連接通道相。人類無法從這里找出任何規(guī)律，無法預(yù)測在哪里可以找出正確的界面。但是如果你使用這些數(shù)據(jù)去訓(xùn)練軟件，就會進(jìn)展得相當(dāng)順利。規(guī)律性的東西會逐漸匯合到一起，也就是說，從本質(zhì)上這意味著輸入的數(shù)據(jù)越多，結(jié)果就越精確。這正是機(jī)器學(xué)習(xí)的優(yōu)勢。機(jī)器從大量數(shù)據(jù)中找出不同的結(jié)構(gòu)，而人類卻做不到。這并不奇怪，因?yàn)槲覀兊拇竽X擅長的是感知和行動——而不是科學(xué)過程。機(jī)器學(xué)習(xí)的另一個(gè)優(yōu)勢體現(xiàn)在用感應(yīng)器去觀察環(huán)境，而我們?nèi)祟?不具備這種能力。例如，畢竟我們沒有裝備內(nèi)置的激光掃描儀，不能測量距離。

人類大腦的優(yōu)勢何在？

Schölkopf：大腦是一種復(fù)雜的器官，可以通過學(xué)習(xí)從而非常精確地、高效地完成一些任務(wù)。大腦在進(jìn)化過程中面對重要問題時(shí)，比如識別視覺模式，這一點(diǎn)就體現(xiàn)得很明顯。這就是為什么我們在不到一秒種的時(shí)間內(nèi)就可以識別出數(shù)字和字母，但是電腦卻做不到的原因。另一方面，如果將這些符號轉(zhuǎn)化成條形碼，我們卻讀不懂，但是電腦可以。這是因?yàn)槲覀兊拇竽X在整個(gè)生活過程中已經(jīng)得到了訓(xùn)練，可以抽象出數(shù)字和字母的規(guī)律性。神經(jīng)科學(xué)家Horace Barlow就曾經(jīng)說大腦是統(tǒng)計(jì)決策器官。但是，我們必須認(rèn)識到，它只能高效地完成某些統(tǒng)計(jì)任務(wù)——也就是那些在進(jìn)化過程中最重要的任務(wù)。

在您看來，感覺在學(xué)習(xí)過程中發(fā)揮著什么樣的作用？

Schölkopf：感覺在人類學(xué)習(xí)中毫無疑問地發(fā)揮著作用——例如，判斷哪些是重要的，哪些是有意義的，或者有關(guān)動機(jī)的情況。進(jìn)化似乎表明人類“實(shí)現(xiàn)”的一切都是有用的。這就是為什么我相信在智能系統(tǒng)設(shè)計(jì)中遲早會提到并用到心理學(xué)議題。然而，我自己的感覺告訴我，要想理解并利用這種人工智能系統(tǒng)并使其發(fā)揮作用，還要走很長的路。

40年前，科學(xué)家就認(rèn)為很快能給機(jī)器人安裝人工智能系統(tǒng)。但是哪里出了問題，才使這一目標(biāo)遲遲未能實(shí)現(xiàn)？

Schölkopf：那些機(jī)器是工程師制造的，這就是為什么人類能夠理解它們。這種機(jī)器人里的感應(yīng)器顯示測量出的數(shù)據(jù)，隨后它身體里的發(fā)動機(jī)就會開始相應(yīng)地運(yùn)動。但是，從傳統(tǒng)的角度來看，人工智能可不是工程師能夠解決的問題。生物系統(tǒng)是真正的智能系統(tǒng)，所以，人們很難理解它們。像過去那種簡單的項(xiàng)目在這里行不通。

您的意思是機(jī)器需要學(xué)會如何學(xué)習(xí)嗎？

Schölkopf：學(xué)習(xí)型系統(tǒng)是有一些優(yōu)勢，但它們也是由工程師設(shè)計(jì)出來的。在這方面，最大的進(jìn)步體現(xiàn)在監(jiān)督學(xué)習(xí)中，人類需要首先評估測量得出的數(shù)據(jù)，或者我們可以說，給它貼上標(biāo)簽。例如你可以告訴一個(gè)程序某個(gè)特定的人何時(shí)會進(jìn)入某個(gè)圖像中，這樣來訓(xùn)練面部識別軟件。如果訓(xùn)練的時(shí)間足夠長，即使這個(gè)人每次看起來都略有不同，軟件也能進(jìn)行一些計(jì)算并識別出這個(gè)人。

換言之，人類和動物的學(xué)習(xí)不屬于監(jiān)督學(xué)習(xí)？

Schölkopf：對。在大多數(shù)情況下，不是。但是，例如，父母指著一張照片上的貓，告訴孩子這是貓，這種就屬于監(jiān)督學(xué)習(xí)。但是抓住東西這個(gè)動作，這是孩子們自己就可以學(xué)會的。機(jī)器現(xiàn)在還做不到。這就是為什么我們不斷地使用“強(qiáng)化學(xué)習(xí)”這種折中的辦法。這種情況下，機(jī)器人的設(shè)計(jì)者不再告訴機(jī)器如何用胳膊來抓東西。他/她只是報(bào)告給機(jī)器人是否成功地抓到了東西。機(jī)器人就會知道哪種辦法有效，并決定用的運(yùn)動方式來移動胳膊。

在您的大腦界面中腦電波被轉(zhuǎn)化成肌肉運(yùn)動，生物系統(tǒng)和機(jī)器相結(jié)合時(shí)，會出現(xiàn)什么情況？

Schölkopf：設(shè)計(jì)大腦界面的初衷是想幫助癱瘓的人通過想象運(yùn)動的過程來真正做到移動胳膊，與此同時(shí)，我們要測量其腦電波。人類大腦的運(yùn)動是我們無法通過數(shù)字模型來反映的，所以在這里我們也需要使用監(jiān)督學(xué)習(xí)。在訓(xùn)練階段，研究人員不僅要記錄病人的腦電波還要記錄病人所想象的運(yùn)動。如果我們輸入足夠的數(shù)據(jù)，識別率能夠達(dá)到80%至90%。但是，普及的程度——就是將此能力推廣去解決相似問題的可能性——很低。例如，即使知道了手運(yùn)動時(shí)的腦電波，并不意味著你可以據(jù)此判斷腿如何運(yùn)動。我們?nèi)祟愂沁@方面的大師——畢竟，我們學(xué)會如何用手在紙上寫字，就能夠在黑板上寫出同樣的字，不同之處就是稍微大點(diǎn)。

如今機(jī)器學(xué)習(xí)主要應(yīng)用在哪些方面？

Schölkopf：它被用在我們看不到，但每天卻離不開的一些東西上——如搜索引擎。谷歌聘用的很多人都是機(jī)器學(xué)習(xí)方面的專家。再比如，銀行使用機(jī)器學(xué)習(xí)去預(yù)測股票價(jià)格的走勢。還有一項(xiàng)有趣的醫(yī)療設(shè)備：正電子斷層掃描儀（PET），一般在醫(yī)療應(yīng)用中和計(jì)算機(jī)斷層掃描儀器一起使用，后者的圖像被用來修正PET圖像數(shù)據(jù)的強(qiáng)度值。但是，醫(yī)生們更偏愛核磁共振斷層掃描（MRT）設(shè)備，因?yàn)樗鼈冞€能夠提供生理信息。西門子近來推出了一種融合二者功能的MR-PET系統(tǒng)。我們的研究所已經(jīng)開發(fā)出一種方法，可以根據(jù)MRT圖像來預(yù)測合成的CT圖像。通過用成對的MRT-CT圖像去訓(xùn)練機(jī)器學(xué)習(xí)，才完成這項(xiàng)研發(fā)。所以，現(xiàn)在我們再處理PET圖像時(shí)，就像它已經(jīng)被計(jì)算機(jī)斷層掃描設(shè)備處理過一樣。

在未來十年或20年中，機(jī)器學(xué)習(xí)研究會有如何進(jìn)展？

Schölkopf：通過越來越強(qiáng)大的計(jì)算機(jī)，肯定會在處理大量數(shù)據(jù)方面有長足的發(fā)展。但是究竟是否會研發(fā)出全新的方法很難說。我希望可以在因果學(xué)習(xí)中有所斬獲。目前，我們已經(jīng)可以找出統(tǒng)計(jì)的規(guī)律，但是還沒有找到背后的因果法則。設(shè)想一下：鸛多的國家也一般人口出生率也比較高。那這是不是就表明鸛會帶來孩子呢？當(dāng)然不是——但是我們目前使用的辦法還不能區(qū)分這種情況，所以我們需要找出因果法則。

那人們一直以來想讓機(jī)器人學(xué)習(xí)的夢想會實(shí)現(xiàn)嗎？

Schölkopf：我相信實(shí)際在未來將會出現(xiàn)更多的行動自動化的系統(tǒng)。40年前，研究人員就設(shè)想今天機(jī)器人會隨處可見。但是現(xiàn)實(shí)并不是這樣，例如我不相信在醫(yī)院會看到機(jī)器人護(hù)士。畢竟，人類比機(jī)器更擅長照顧其他人。我們更可能看到的是安裝了人工智能系統(tǒng)的微型機(jī)器人，能夠做一些人類無法進(jìn)行的操作，比如可以進(jìn)入人體內(nèi)治療并消滅腫瘤。