dwchen的个人博客分享 http://blog.sciencenet.cn/u/dwchen

博文

突破AI核心算法,解决AI产业“卡脖子”问题 精选

已有 4541 次阅读 2019-5-22 13:08 |个人分类:人工智能|系统分类:观点评述

  在人工智能发展如日中天的今天,在人工智能技术向一切领域渗透的今天,在人工智能妇孺皆知的今天,中国工程院前院长“徐匡迪之问”引人深思:“中国有多少数学家(或科学家)投入(或全心投入)到人工智能的基础算法研究中?”由于核心算法缺位,类似于芯片行业,中国人工智能产业发展面临“卡脖子”窘境。

 国内AI企业的核心技术大部分都是使用了国际上开源的人工智能算法,之后进行了二次开发,成为针对特定问题的人工智能应用软件。使用开源的人工智能算法,可大大加快了开发进程和降低了开发成本,但也导致“知其然不知其所以然”的尴尬局面,为今后的深入发展埋下“安全隐患”。

 最先进的算法代码不会开源,所谓开源算法代码也不是最先进的算法,导致我国AI企业的智能水平与世界一流AI企业还存在一定的差距。开源代码,类似于“科研鸦片”,由于可以免费在线获取,省时省力省钱,使得国内AI企业散失了开发核心算法的动力和雄心。最为可怕的事,一旦国际关系发生重大变化,我们将获取不到最新升级的开源代码,国内AI企业的智能水平将会被远远落下。到时候,才想起来去追赶,恐怕为时已晚,而且由于差距过大,即使全力追赶,也恐怕望尘莫及了。

 今年,G.Hinton等深度神经网络(DNN)三剑客获得计算机图灵奖,他们所提出的深度神经网络算法是当前AI最核心的算法,在图像识别和语音识别等领域具有很多成功的应用。被很多人奉若神明的DNN,其实也不是无懈可击。经过深入思考和分析,我们认为,深度神经网络有三大缺陷:(1)计算量庞大, 有大量的参数需要循环迭代和微调优化 ,计算时间非常长 ;(2)采用大量的GPU等设备,硬件成本高,我们每年要耗费大量资金去购买,给国外送去大量外汇;(3)学习后有千万甚至数亿个参数,模型解释性差,“知其然而不知其所以然”,用起来心里没谱。所以,用DNN技术下下围棋,玩玩游戏还可以,但是难以用于像自动驾驶这样安全攸关的应用场景。不能迷信DNN技术,应用DNN技术的特斯拉自动驾驶汽车就出了几次重大交通事故。出了事故事很可怕,更可怕的是不知道DNN错在哪里,以确保下一次不再犯同样的错误。

 在大数据时代,浅层模型和算法难以发挥作用,深度学习确实是一个重要的发展方向。不过,我认为深度学习不仅仅是指DNN,还可以有很多其他形式,也许能取得比DNN更好的效果。所以,我们必须要开发新的深度学习算法,一方面要学习深度神经网络DNN的强大学习功能,一方面要具有很强的解释性以确保开发系统的安全性。另外,我们还需要考虑模型不要太复杂,参数不要太多,以降低硬件成本,最好用国产芯片就可以实现,做到既经济实用,又安全高效。做到以上几点的新型深度学习算法是一个很宏大的理想,需要长时间的努力,真心希望我国科学家能帅先做到。到时候,我们把代码开源,欢迎国内外同行去下载使用。这也是我的AI梦,希望在不久的将来能实现。

 




http://blog.sciencenet.cn/blog-57940-1180492.html

上一篇:李彦宏先生完全有资格有实力参选中国工程院院士
下一篇:华为事件的另类解读

13 王林平 李毅伟 周忠浩 李剑超 尉剑俊 王立新 黄永义 雷宏江 赛义甫 刘学武 刘钢 杨正瓴 zjzhaokeqin

该博文允许注册用户评论 请点击登录 评论 (25 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备14006957 )

GMT+8, 2019-6-20 11:58

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部