<b>AI 的下一个前沿问题是识别“无”的意思</b>
在人类的早期，我们知道一个苹果加一个苹果等于两个苹果。我们是从实物开始计数，直到后来才引入了零的概念，或者不妨说空盒子里的苹果数。零的概念对数学产生了革命性的影响，今天我们可以自由自在的在数学运算中使用零。但对人工智能（AI）而言，零或无仍然是一个尚未涉足的领域，<a href="https://spectrum.ieee.org/tech-talk/robotics/artificial-intelligence/the-next-frontier-in-ai-nothing">它可以成为 AI 领域的新突破</a>。AI 和深度学习需要能识别无的意思，并使用无进行推理。深度学习算法如深度神经网络（deep neural networks 或 DNN）传统上是以监督的方式训练区识别特定类的东西。在获得大量高质量数据训练之后，深度学习算法能精确的对已知的的对象进行分类。但当未知的对象出现后问题就来了。如果引入了训练数据集中不存在的未知对象，DNN 不得不进行猜测。举例来说，DNN 用苹果和香蕉的图片集进行了训练，当面临橘子图像时它只能猜测并将其分类为最接近的水果——也就是苹果，它会认为橘子就是苹果，因为它的世界是由苹果和香蕉组成的。在训练 DNN 时，无或零的概念将会非常有用。如果 DNN 能将对象分类为苹果、香蕉，“无或未知”，那么开发者将会知道需要添加新的分类。但到目前为止，还没有简单的方法训练 DNN 去产生“无”的回应，能发出信号通知开发者它看到了偏…
在人类的早期，我们知道一个苹果加一个苹果等于两个苹果。我们是从实物开始计数，直到后来才引入了零的概念，或者不妨说空盒子里的苹果数。零的概念对数学产生了革命性的影响，今天我们可以自由自在的在数学运算中使用零。但对人工智能（AI）而言，零或无仍然是一个尚未涉足的领域，<a href="https://spectrum.ieee.org/tech-talk/robotics/artificial-intelligence/the-next-frontier-in-ai-nothing">它可以成为 AI 领域的新突破</a>。AI 和深度学习需要能识别无的意思，并使用无进行推理。深度学习算法如深度神经网络（deep neural networks 或 DNN）传统上是以监督的方式训练区识别特定类的东西。在获得大量高质量数据训练之后，深度学习算法能精确的对已知的的对象进行分类。但当未知的对象出现后问题就来了。如果引入了训练数据集中不存在的未知对象，DNN 不得不进行猜测。举例来说，DNN 用苹果和香蕉的图片集进行了训练，当面临橘子图像时它只能猜测并将其分类为最接近的水果——也就是苹果，它会认为橘子就是苹果，因为它的世界是由苹果和香蕉组成的。在训练 DNN 时，无或零的概念将会非常有用。如果 DNN 能将对象分类为苹果、香蕉，“无或未知”，那么开发者将会知道需要添加新的分类。但到目前为止，还没有简单的方法训练 DNN 去产生“无”的回应，能发出信号通知开发者它看到了偏…
1 comment
Log in to comment
在人类的早期，我们知道一个苹果加一个苹果等于两个苹果。我们是从实物开始计数，直到后来才引入了零的概念，或者不妨说空盒子里的苹果数。零的概念对数学产生了革命性的影响，今天我们可以自由自在的在数学运算中使用零。但对人工智能（AI）而言，零或无仍然是一个尚未涉足的领域，<a href="https://spectrum.ieee.org/tech-talk/robotics/artificial-intelligence/the-next-frontier-in-ai-nothing">它可以成为 AI 领域的新突破。AI 和深度学习需要能识别无的意思，并使用无进行推理。深度学习算法如深度神经网络（deep neural networks 或 DNN）传统上是以监督的方式训练区识别特定类的东西。在获得大量高质量数据训练之后，深度学习算法能精确的对已知的的对象进行分类。但当未知的对象出现后问题就来了。如果引入了训练数据集中不存在的未知对象，DNN 不得不进行猜测。举例来说，DNN 用苹果和香蕉的图片集进行了训练，当面临橘子图像时它只能猜测并将其分类为最接近的水果——也就是苹果，它会认为橘子就是苹果，因为它的世界是由苹果和香蕉组成的。在训练 DNN 时，无或零的概念将会非常有用。如果 DNN 能将对象分类为苹果、香蕉，“无或未知”，那么开发者将会知道需要添加新的分类。但到目前为止，还没有简单的方法训练 DNN 去产生“无”的回应，能发出信号通知开发者它看到了偏离常规的东西。