江苏龙网

  1. 首页 > 人文 > >

小镇的夕阳|CCF-GAIR 2020，周志华：“数据、算法、算力”人工智能三要素，在未来要加上“知识”|

编者按：2020年8月7日 ， 全球人工智能和机器人峰会（CCF-GAIR2020）正式开幕 。 CCF-GAIR2020峰会由中国计算机学会（CCF）主办 ， 香港中文大学（深圳）、雷锋网联合承办 ， 鹏城实验室、深圳市人工智能与机器人研究院协办 。 从2016年的学产结合 ， 2017年的产业落地 ， 2018年的垂直细分 ， 2019年的人工智能40周年 ， 峰会一直致力于打造国内人工智能和机器人领域规模最大、规格最高、跨界最广的学术、工业和投资平台 。
在第一天的人工智能前沿专场上 ， 南京大学计算机系主任、人工智能学院院长、CCF会士、ACM、AAAI、IEEE、IAPRFellow周志华教授以“反绎学习”为题发表了大会报告 。
因此 ， 他认为 ， 在人工智能研究上 ， 学术界和工业界适宜有不同的分工：把“对性能的追求”交给工业界 ， 学术界回到本源 ， 做“探路”和“思考未来”的事情 。
如何将“机器学习“与“逻辑推理”相结合 ， 是人工智能领域的“圣杯问题” ， 以往的努力有的是“重推理” ， 有的是“重学习” ， 另一侧未能充分发挥力量 。 周志华教授提出了“反绎学习” ， 希望在一个框架下让机器学习和逻辑推理二者能更均衡更充分地发挥效用 。
他说到 ， “现在都知道人工智能技术发挥作用需要数据、算法和算力这三要素 ， 未来需要把知识这个要素也考虑进来 。 知识凝聚了人的智慧 。 过去十几年 ， 我们都是从数据驱动的角度来研究人工智能 ， 现在是时候把数据驱动和知识驱动结合起来 。 ”
以下为周志华教授的现场演讲内容 ， 雷锋网作了不改变原意的编辑及整理周志华：各位专家、朋友 ， 大家上午好 。 感谢CCF和杜子德秘书长邀请 ， 作为CCF的老会员 ， 很高兴来参加这个活动 。 今天我跟大家分享的主题是《AbductiveLearning（反绎学习）》 。
谈到深度学习 ， 就要谈到深度神经网络 。 深度神经网络是非常庞大的系统 ， 要训练出来需要很多数据、很强算力的支撑 。 人工智能算法模型对于算力的巨大需求 ， 也推动了今天芯片业的发展 。 例如现在训练深度神经网络用到的GPU ， 更早是用于动画、渲染 。 如果没有深度神经网络这么大的需求 ， GPU也很难有今天这么大的市场 ， 更不用说现在还有TPU等新的设计 。
所以我们可以看到 ， 人工智能算法模型的发展 ， 与算力、芯片发展之间 ， 有相互促进的作用 。 这几方面的要素是互相促进、互相支撑 。
把“对性能的追求”交给工业界另一方面 ， 把强大的算力、超大的数据往上堆 ， 可能把现有机器学习算法模型的能力发挥到极致 ， 所能达到的性能水平甚至可能令算法研究者自己都感到惊讶 。 这种“大力出奇迹”的“暴力美学” ， 已经产生出了非常强大的模型 。


推荐阅读


上一篇：数码一号站|Pro+贵吗?，三星Note20系列发布，后置三摄骁龙865+，还觉得华为P40

下一篇：趣编程教育|现在报考还来得及，未来最“吃香”的4个大学专业