“哈萨比斯恩师：深度学习只能帮助我们处理10%的难题”

本篇文章2125字，读完约5分钟

本论文由本智能实验室(公众号smartman 163 )制造。 聚焦ai，阅读下一个大时代！

【本智能信1月28日消息】今天上午，《麻省理工科技评论》新兴科技峰会emtech china在北京召开。 会议上，mit计算机科学与人工智能实验室教授tomaso poggio发表演讲，阐述了过去五年人工智能行业的前沿探索，以及未来可能在哪里取得突破。

tomaso poggio表达了对深度学习的看法，说深度学习很像这个时代的“炼金术”，但有必要从“炼金术”变成真正的化学。

tomaso poggio认为，过去五年人工智能行业最重要的两成是alphago和自动驾驶，两个行业都有自己的学生，一个是alphago的领头羊哈扎维斯( hassabis )，另一个是moblieye的CEO，

alphago和moblieye进步的背后是什么样的动因呢？ tomaso poggio认为，这要归功于机器学习的算法，即深度学习和强化学习，它来自于认识科学和神经科学。

“但是，深入的学习有助于应对10%的课题，剩下的90%需要来自神经科学和认识科学的研究。 ”。 tomaso poggio先生说，将来需要更好地理解人类的思维和大脑。 据悉，目前，tomaso poggio正在领导麻省理工学院的cbmm中心研究这个问题。 “我们的使命是在理解认识方面取得新的进步，了解智能整体架构和智能背后的科学原理。 ”。 tomaso poggio先生说。 小羿

以下是tomaso poggio演讲的实录。

tomaso poggio :我想谈谈今天人工智能行业发生了什么。 首先，我想谈谈我们在人工智能方面最近取得的一点成功，特别是在过去的五年里，以及我们的人工智能未来可能在哪里取得突破。 然后，深入学习。 深度学习和我们时代的炼金术很像，但需要从炼金术变成真正的化学。 这样，你就会知道深入学习将来能实现什么。

过去五年，人工智能行业最重要的两成是alphago和自动驾驶。 我在这两个行业有我的学生，所以呆得足够久了。 一个是alphago的hassabis先生，他是deepmind员工，现在在谷歌。 另一个是moblieye的ceo amnon shashua，他现在加入了英特尔。

接下来，让我们看看过去23年的机器学习取得了那些进步。

23年前，我和哈扎维斯( hassabis )想整合计算机视觉和机器学习，建立识别行人的学习系统。 在这个视频中，行人和信号灯被机器识别，基本上每秒会出现10个错误。 当时是1995年，所以我们对这个结果很满意。

但是，moblieye后来发现每30英里只出现一个错误，使错误率下降到当年的百万分之一，机器学习的准确性明显提高。

alphago和moblieye进步的背后是什么样的动因呢？

首先，我认为是机器学习的算法。 第一是深度学习，第二是强化学习。 所有这些都来自认识科学和神经科学。

深度学习的框架是60年代在研究猴子的视觉系统时发明的，为了更好地研究大脑学习时的神经结构，fukushima提出了最初的量化模型，20年前提出了现代版的hmax。 这些框架都是不相容的——从脑科学到现在的深度学习，本质上是同一层次结构。 从下往上，神经等级越来越高。 与这个结构的局部连接不大，每个高级神经元只能连接到下一级神经元。

我们也在去年开发了alexnet。 这也是性能最高的架构。 基于神经科学，我们通过工程学的研究，不断地迅速发展。 这是非常重要的事情。 因为我们还没有实现人工智能。

深度学习可以帮助我们解决10%的难题。 剩下的90%呢？ 我的回答是，我们也许也需要来自神经科学和认识科学的研究。 我们有必要更好地理解人类的思维和大脑。 这也是我们mit的大脑、心智和机械中心( cbmm )研究的问题，五年前我们开始了相关的研究。 我们的使命是在认识方面取得新的进步，了解智能整体框架和智能背后的科学原理。 关于智能的科学有助于回答了解生命起源的最大问题，如宇宙的起源和时间的来源。 大脑中智能的产生是科学目前需要处理的元问题。

cbmm想通过以下三条路径处理这个问题。

1 :计算机科学+机器学习

2 :神经科学

3 :了解科学

我们与谷歌这样的商业企业合作，探索在工程和科学行业合作的可能性。

这几年，技术的快速发展和理论的快速发展，包括深度神经互联网行业的快速发展显着。 为了理解深层神经网络的工作原理，必须回答背后的三个基本问题。

1、近似理论:深层互联网在什么情况下比浅层互联网有效？

2、优化:应该如何设计经验风险函数？

3、学习理论:为什么深度学习不适合？

这三个问题是机器学习的基石。 他们的回答多而复杂，为了应对这种问题，我们从一开始就需要思考深入学习的技术理论及其局限性。

现在是应用人工智能的黄金时代，通过深入的学习及其工程应用，我们终于能够将前所未有的人工智能科学理论应用到工程实际中，并为我们赋予能量。 如果我们能够超越深入学习的理论，更好地了解人类的智能，我们就会更深入地了解我们人类是什么。

关注本智能公众号( smartman163 )，获取人工智能领域的最新报告。

来源：安莎通讯社