对话周志华教授:关于人工智能和机器学习

<正>2016年3月"阿尔法狗"(Alpha Go)围棋程序对战世界围棋冠军、职业九段选手李世石,并以4:1的总比分获胜,吸引了全世界的关注,社会舆论为之哗然.2017年10月19日,阿尔法狗的研发团队、谷歌旗下的Deep Mind的最新研究成果以"Mastering the game of Go without human knowledge"为题发表于Nature,再次引起轰动.报道称新一代的阿尔法元(Alpha Go Zero),完全从零     

AI预测蛋白质结构，哈萨比斯认为这一切只是开始

正"借助人工智能,或许能揭开有关生命运作方式的部分奥秘。"戴密斯·哈萨比斯(Demis Hassabis)是人工智能公司Deep Mind的联合创始人。他领衔的团队近期解决了生物学的一大艰深问题。比赛前的媒体造势阶段,李世石很是自信。他即将和一位特殊的选手对弈——人工智能围棋程序Alpha Go。不过,身为人类顶尖棋手之一的李世石认为自己会轻松获胜。"我觉得,Alpha Go的基本机制是概率计算,只不过是一台机器而已。"李世石当时这么说。即便是在输掉第一场比赛之后,     

面向合成生物学的机器学习方法及应用

机器学习的目标是设计可以根据先验知识和观测数据不断改进其性能的算法.该算法可以帮助机器从大量的数据中提取知识,从而提升其在特定任务上的性能.作为数据驱动的方法,机器学习可以有效利用高通量实验技术产生的大批量生物数据,实现合成生物体的功能预测与智能化设计,改变合成生物学的研究范式.本文首先介绍机器学习在合成生物学领域广泛应用的几个模型及方法,如支持向量机、神经网络、生成式对抗网络、深度强化学习等.然后介绍机器学习方法在合成生物学领域的典型应用,如启动子预测、酶催化设计、代谢途径构建、基因线路设计等.本文综述面向合成生物学的机器学习方法及应用,并试图启发读者如何选择和设计机器学习方法用于合成生物学的研究.     

机器人,我们的“新”朋友

正人类在下个世纪会面临人工智能机器人的大规模崛起吗?它们的智力会超过人类吗?至少霍金已经向人类发出了警告:"人工智能机器人可能会在接下来的100年之内取代人类,甚至可能会导致人类的灭绝。"他甚至认为:"与其担心谁来控制人工智能,人类更应该担心的是,人工智能到底愿不愿意接受人类控制。"最近有关人工智能机器人的新闻层出不穷:谷歌围棋"高手"Alpha Go战胜韩国名将李世石;美国科学家阿扎德·沙德曼研发的STAR机器人,成功完成了猪大肠的缝合     

人工智能组曲(一):定义未来

正读者朋友,我是小e。很高兴又与大家相聚在《硅谷新视野》。在这期,甘老师要奏一组新的乐章——《人工智能组曲》,请大家欣赏。定义未来智能革命妙,AI来开道。Alpha Go胜李柯,Alpha Zero更俏。算法是引擎,数据是燃料。待到奇点到来时,人机携手笑。世事真奇妙,越想越觉俏,仅仅两年多,全球都知道。知道什么?"人工智能"这个词!不是吗?试想想,在2016年以前,也就是在阿尔法狗大胜围棋     

空间数据挖掘的里程碑式力作——评《空间数据挖掘理论与应用》

计算机技术的不断进步,使得计算机从仅仅代替人工计算,逐渐扩展为以计算机系统来模仿人类的视觉、听觉及其思维等高级智能.人们曾经为建立计算机专家系统而努力工作,但不久就遇到了难以建立专家知识库的问题.随后,计算机专家们就转向机器学习,试图让计算机像人一样,有自学习功能.但这种努力也遇到问题,即让计算     

基于自动特征提取方法的太阳耀斑预报模型

在太阳耀斑预报模型中,首先需要从原始观测数据中提取刻画太阳活动区特性的物理特征参量,然后使用统计或机器学习方法寻找物理特征参量与太阳耀斑发生的关系,以达到建立太阳耀斑预报模型的目的.其中,太阳活动区物理特征的提取在整个建模过程中发挥着重要的作用,活动区物理特征的优劣直接决定着预报模型性能的高低.然而,随着机器学习技术的发展,机器学习方法中的深度学习算法能够从原始数据中自动提取特征,并建立预报模型.本文利用深度学习方法建立了一个太阳耀斑预报模型.与先提取活动区物理参量、再建立预报模型的传统机器学习方法相比较,本文所建立的预报模型具有更好的预报性能.     

人工智能的未来

正杰夫·迪恩(Jeff Dean)是谷歌公司的人工智能项目负责人,他与《美国科学家》(American Scientist)主编费内拉·桑德斯(Fenella Saunders)对谈,讨论了当前人工智能研究所面临的若干重大进展和担忧,以及这种局面会如何影响人类社会。机器学习领域已经取得许多进展,你认为其发展方向在哪?我们已经在深度学习方面取得重要进展。深度学习本质上是人工神经网络的重塑。人工神经网络已经出现三四十年,作     

神经科学引入AI得到的启示

<正>深度思维(DeepMind)创始人丹米斯·哈撒比斯(Demis Hassabis)曾经指出,对于构建智能水平与人类相当的人工智能(AI)来说,人类大脑就是一个至高无上的灵感来源。持这种观点的不止他一个。深度学习的成功向人们展示了如何把来自神经科学的启迪(记忆、学习、决策、视觉)转换成各类算法,并以此把我们人类强大认知能力赋予人工智能的硅大脑。不过,人工智能又会对神经科学的发展有何启示呢?2019     

机器学习在可穿戴智能传感系统中的应用与进展

近些年,随着传感器和集成电路制造工艺的高速发展,可穿戴设备的应用越来越多;同时,利用人工智能和机器学习方法来辅助和促进可穿戴系统的应用也得到了广泛的研究.机器学习辅助的可穿戴智能传感系统可以跟踪监测人体活动和生命体征信号,在人机交互、数字健康乃至临床诊断等领域具有重要的应用前景.本文详细介绍和讨论了近期可穿戴传感器件、机器学习算法及其辅助可穿戴传感应用等研究进展,并探讨了机器学习辅助的可穿戴传感系统面临的挑战,总结了有待改进之处.同时,本文也针对机器学习在可穿戴传感系统中的进一步应用提出了潜在的解决方案和可能的发展方向.     

科幻作家眼中的“阿尔法围棋”和“人工智能”

正近期的"围棋人机大战"引发网民高度关注。由谷歌公司开发的围棋人工智能程序"Alpha Go"(阿尔法围棋,网民戏称"阿狗")以3:0完胜围棋世界冠军李世石。比赛胜负已分,但带给人的思考却未就此停止。该如何看待"阿狗"与李世石的巅峰对决?成熟的人工智能技术离我们还远吗?人工智能技术成熟后人类生活将会发生哪些变化?带着诸多疑问,记者专访科幻小说《三体》的作者刘慈欣,告诉你一个科幻小说作家眼中的"阿狗"和"人工智能"。     

踏踏实实地研究人工智能

今天人工智能的巨大成就表现在机器学习上取得了突破性的发展及"智能+"推动了人工智能的普适应用。人工智能成为世界科技发展的一个新高地,各国对此都作出战略布局。同时,人工智能的发展也向我们提出了新的挑战,在伦理、社会治理等方面引入了新的课题。在展望人工智能光明前景的同时,我们也要清楚地认识到:人工智能,特别是机器学习,它基本的方法、基本的思路还是比较简单和粗糙的。现在的人工智能是着重于智能外延的人工智能,也就是说着重于模拟人的智能的外在功能,而人工智能的发展还有待于在智能内涵的理解上的不断进展。本文就此对人工智能的发展作一个抛砖引玉的讨论,也对机器学习的研究方向作探讨。     

本期专题简介

正人工智能(Artifical Intelegence, AI),是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。1956年人类历史上第一次关于人工智能的研讨会的召开,标志着人工智能学科的诞生。经过60多年的发展,随着深度学习技术瓶颈的突破,人工智能的研究浪潮汹涌澎湃。人工智能与大数据、云平台、机器人、移动互联网及物联网等的深度融合,使得人工智能技术与产业开始扮演基础性、关键性和前沿性的核心     

面向分子科学的数据智能

分子科学是化学的核心,也是生物、材料、药学等学科的基础.传统的分子科学研究通过实验或理论手段进行,研究成本高、周期长,难以处理高复杂度体系.随着大数据时代的到来,数据驱动的人工智能研究已成为继实验、理论和模拟之后的第4种科学研究范式.数据驱动的机器学习凭借其快速高效的数据处理能力,在分子科学领域展现出巨大的发展潜力.尤其是在分子性质预测、分子设计、化学反应预测及逆合成、量子化学计算、自动化合成等领域获得了广泛应用.本文首先介绍面向分子科学数据智能研究过程中的3个关键部分,即分子科学开放数据集、分子描述符和机器学习算法;然后,列举机器学习在不同分子科学研究方向中的重要应用案例;最后,分析讨论该研究领域可能存在的挑战及潜在发展方向.     

人工智能:概念·方法·机遇

人类一切有意识的活动(特别是创新性活动),都是在人类智能的支配下展开和完成的.人工智能科学技术的研究目标,正是要探索人类智能(自然智能的最佳代表)的工作机理,在此基础上研制各种具有一定智能水平的人工智能机器,为人类的各种活动提供智能服务.可见,人工智能的进步将带动人类的科技、经济、社会、文化、军事等各个领域的创新发展,正因为如此,各国(特别是发达国家)都高度重视人工智能科学技术的研究.在这种背景下,认清人工智能的发展趋势和规律,抓住机遇加快我国人工智能的发展,对我国的现代化建设将具有重大的现实意义和深远的战略意义.     

数据驱动的锂离子电池全生命周期状态参数评估

机器学习作为人工智能核心技术之一,通过对当前数据的学习找出复杂问题之间的关系而被广泛应用,机器学习作为研究锂离子电池状态参数估计的新技术,相关报道也层出叠见.本文首先回顾了传统模型中的电化学模型和等效电路模型在电池状态估计的研究进展;然后基于这些模型当前的局限性,回顾、分析、比较了不同机器学习模型在电池状态参数估计中的应用进展及取得的成绩;最后指出了当前基于数据驱动的人工智能方法在锂离子电池状态参数评估过程中所面临的问题,并对未来发展提出了建议.     

编者按

心理学的终极目标是要理解人的意识起源及其生物学基础,这首先要从研究人类行为出发.认知神经科学的兴起和发展反映了认知心理学和神经科学的交叉融合的趋势,它以理解人类的信息加工过程为核心,包括感知觉、注意与意识、学习与记忆、语言、情绪以及决策等,是一门探讨心理是如何被组织而产生意识和智能以及这些过程是如何在脑中实现的学科.对人类行为的研究,离不开各种技术手段的发展.在过去20多年里,脑科学、     

大数据哈希学习:现状与趋势

随着信息技术的迅速发展,各行各业积累的数据都呈现出爆炸式增长趋势,我们已经进入大数据时代.大数据在很多领域都具有广阔的应用前景,已经成为国家重要的战略资源,对大数据的存储、管理和分析也已经成为学术界和工业界高度关注的热点.收集、存储、传输、处理大数据的目的是为了利用大数据,而要有效地利用大数据,机器学习技术必不可少.因此,大数据机器学习(简称大数据学习)是大数据研究的关键内容之一.哈希学习通过将数据表示成二进制码的形式,不仅能显著减少数据的存储和通信开销,还能降低数据维度,从而显著提高大数据学习系统的效率.因此,哈希学习近年来成为大数据学习中的一个研究热点.本文对这方面的工作进行介绍.     

面向无人移动平台的自主进化学习研究进展与展望

无人移动平台是改变未来人类生产生活方式和战争形态的新质科技力量,其核心在于利用人工智能技术提升无人移动平台的自主化和智能化水平.然而,现阶段的人工智能模型参数、结构、推理链等核心要素固化,当无人移动平台面对复杂多变的对象、环境、任务以及资源受限的硬件平台,泛化和外推能力严重受限,无法满足实际应用需求.为了攻克这一技术难题,受生命智能体进化机制启发,本文提出了面向无人移动平台的自主进化学习方法,并根据进化模式的不同,将智能模型的自主进化过程划分为即时性进化、长时性进化和推理链进化3个层次;详细讨论了每个层次智能模型进化方法的技术路线和优缺点;最后,对智能模型自主进化技术在无人移动平台上的应用进行了展望与分析,并指出了现阶段自主进化学习方法存在的问题以及未来的研究方向.     

如何看待人工智能的发展

人工智能本质上是对人类智能的功能模拟.虽然在某些方面的表现比人类智能更优秀,但是由于其固有的复杂性和技术的局限性,所以充其量只不过是人类智能的延伸,最终在整体上是不能代替人类智能的.