当前位置:首页 > 前端

2018年,关于深度学习的10个预测

作者:it技术知识网 阅读次数: 时间:2019-05-30 17:41:10

摘要:原标题:2018,学习10预测的深度我有一种预感:2018年,一切都将是一个巨大的变化。我们将是一个强有力的方式将持续到2018令人惊叹的突破在2017年看到了学习达到的深度。在学习领域2017年的深入研究将被应用到日常的应用软件。这是我10预测2018年深入研究:(1)最深入研究的硬件初创企业领域将无法学到很多详细的硬件初创公司将是

原标题:2018年,10个预测关于学习的深度

我有一种预感:2018年,一切都将是一个巨大的变化。我们将是一个强有力的方式将持续到2018令人惊叹的突破在2017年看到了学习达到的深度。在学习领域2017年的深入研究将被应用到日常的应用软件。

这里是10我的2018预测深入的研究:

(1)在硬件初创公司领域最深入研究将失败

许多深学习硬件初创公司将开始提供其硅产品在2018年(学习硬件核心部件的深度由晶体硅制成的)。其中大部分的企业会破产,因为他们忘了提供良好的软件来支持他们的新解决方案。该DNA是硬件初创公司。不幸的是,在研究中,软件和硬件的景深同样重要。大多数这些初创公司的不了解软件,不知道软件开发的成本。这些公司可以提供芯片产品,但没有在这些产品上运行。

研究人员将开始使用这些核心张量计算,不仅对推理,也为加速训练。英特尔的解决方案将继续被推迟,这可能会令人失望。记录显示,英特尔无法实现 - 2017年中期计划,都不知道什么时候该公司将发布消息。谷歌将继续向世界学习机TPU芯片惊喜。或许,谷歌通过其IP授权给其他半导体厂商进军硬件业务。如果它仍然是除了NVIDIA的唯一真正的球员,它是有道理这样做。

(2)元学习将成为新的SGD

2017年,已经有许多研究在研究的元份量领域。随着研究社会更好地了解元学习,老随机梯度下降(SGD),将有利于搜索方法的发展和探索更有效的方法的组合被搁置。无监督学习进度会出现增量,但它主要是由元学习算法驱动。

(3)产生一个新的模型驱动的建模

在模型上科学研究会产生越来越多。目前,大多数的研究已经在语音和图像生成的领域进行。然而,我们发现,这些方法将被集成到复杂系统建模工具,包括深入运用经济模型研究。

(4)自学习游戏是自动化知识创造

AlphaGo零和AlphaZero划伤游戏通过自主学习是一个巨大的飞跃。在我看来,影响其深学习的出现影响同样重要的是带来。深入研究发现,通用函数逼近,加强自我风格的学习游戏中发现知识创造的一种常见方式。我期待着学习和自我游戏看到更多的进展。

(5)减小的机器直观语义间隙化学品

这是我做的最雄心勃勃的预测。我们将缩小的直觉和理性的机机之间的语义鸿沟。双过程理论(双过程理论)(机器的两种认知的概念,一个是无模式,另一种是基于模型)将是我们应该如何建立一个新的人工智能比较笼统的概念。在2018年,人工直觉的概念不再是一个边缘的概念,而是一个普遍接受的概念。

无法实现(6)解释力 - 我们有捏造事实

有两个问题的解释力。更常见的问题是,这些解释有太多的规则,人们往往不能完全掌握。第二个问题是不那么常见,那就是,机器会创造一些完全陌生的,原因不明的概念。我们在AlphaGo零和Alpha零的策略见过这个。人类将发现,他们需要一些时间玩象棋是违反直觉的,但它可能仅仅是因为人们没有理解其中的逻辑是一招走后面的能力。

\

在我看来,这不是一个问题。取而代之的是,该机将成为“假解释”非常好。总之,目的是解释机器,使人类感到舒服的理解或解释明白直观的诠释人性的一面。然而,在大多数情况下,人类无法得到完整的解释。

我们需要创建一个虚假的解释,以使在深入学习进度。

(7)研究结果的景深将成倍

在2017年,它已经很难掌握全面深入的研究学习。论文数量提出了在约4000 ICLR 2018年会议。为了赶上开会,研究人员必须阅读10篇一天。

\

问题在这一领域进一步恶化,因为理论框架是不断变化的。为了使在理论领域取得进展,我们需要寻找能够让我们有更好的洞察更先进的数学方法。这将是一个艰难的过程,因为研究领域的深度研究人员大部分是不相关的数学背景,以了解这些系统的复杂性。深入学习从复杂性理论研究人员的需求,但这些都是极少数研究人员。

由于缺乏研究和许多理论文章,我们现在正处于一个非常尴尬的境地。还缺少的是通用AI(强人工智能)一般路线图。因为理论是弱,我们能做的最好的事情是建立在与路线图有关人类认知的一个里程碑。我们只有认知心理学理论的框架来自于投机。这是一个糟糕的情况,因为这些地区的经验证据参差不齐。

在2018年,研究论文深入的学习可能会增加三到四倍。

\

(8)工业化环境是通过教学实现

导致可预测性和道路系统发展的可控性更大的深度研究,通过具体的教学环境的发展取得。如果你想找到最原始的教学方法,你只需要看看有多深学习网络上线进行训练。我们将看到在这方面取得更多进展。

我们期望更多的公司公开其内部基础设施,解释他们是如何部署大规模的深入研究。

(9)出现会话认知

我们衡量(AGI)人工智能总体进展已经过时的方法。需要有一个新的模式来解决现实世界中的动态的复杂性(即非静止)。我们将能够在2018年看到这一新领域的更多报道。

(10)我们需要应用到道德领域的人工智能

更多人工智能应用于道德要求的领域将增加。现在,人们越来越意识到造成意想不到的后果的破坏性影响,从控制自动化带来的损失。我们今天简单的自动化到Facebook,Twitter的,谷歌,亚马逊和其他网站发现可能有社会的副作用。

我们需要了解的道德部署可以预测人的行为机。面部识别是最危险的,我们有能力的一个。作为一个社会,我们需要问自己只是为了社会的整体利益和利用人工智能,人工智能,而不是增加武器不平等。

在未来的一年中,我们将看到更多的道德讨论。但是,不要指望会有引入新规则。在理解对社会人工智能的影响而言,政策制定者往往是几年背后。我不希望他们停止玩弄权术,着手解决现实社会问题。美国人民已经成为众多安全漏洞的受害者,但我们并没有看到政府解决通过新的立法,这个严重的问题,或采取任何行动。所以,我们自己不要盲目乐观的预期。

原文链接:https://开头VentureBeat的。COM / 2018/01/02/10-预测换深学习中2018 /

编译组产生。责任编辑:郝抨骋。

本文链接:2018年,关于深度学习的10个预测

友情链接:

大悲咒经文 佛经 观音心经