陈左宁 中国工程院院士陈左宁：人工智能模型和算法的七大发展趋势
体育导语：日前，为期3天的2020全国高性能计算学术年会在郑州举行。中国工程院副院长、中国工程院院士陈左宁作题为《人工智能进展对算力需求分析》的报告。陈左宁提出人工智能模型和算法的7大发展趋势，并对AI趋势对算力的需求进行分析和预测
日前，为期3天的2020全国高性能计算学术年会在郑州举行。中国工程院副院长、中国工程院院士陈左宁作题为《人工智能进展对算力需求分析》的报告。陈左宁提出人工智能模型和算法的7大发展趋势，并对AI趋势对算力的需求进行分析和预测，她表示，未来人工智能将向“自学习、自演化”方向发展。人工智能将在无人监管的情况下发展。人工智能需要适应“小数据”，降低标注要求，降低计算开销。目前广泛使用的是主动学习，即算法主动请求标注，将一些过滤后的数据提交给专家进行标注。迁移学习是为了增强训练好的模型，解决目标领域只有少量标注样本数据的问题。强化学习是指智能体构成一个系统来描述行为并给出评价和反馈的学习。从主动学习到迁移学习再到强化学习，所需能力从“人机交互能力和数据整合能力”进化到“具备大计算能力和数据处理能力的预训练”再到“信息收集能力和概率计算能力”。
未来人工智能的可解释越来越重要。首先，深度学习进一步设计算法和参数，提高泛化能力，需要模型算法可解释。对抗样本如果导致模型失效，那训练数据将不合理地被局部放大。另外，模型愈复杂，越容易失去可调式性和透明性。人工智能模型有透明模型和事后可解释模式，无论是哪一个模型，他们都有对算力的需求，具体需求是需要我们将可解释技术融入软件环境中，为现有软件框架增加可解释技术接口；第二个需求是将人-AI系统结合。以人为中心，把人对事情的解释跟整个模型融合在一起。智能模型的自学习和自进化能力得到加强。从自动机器学习到有限约束的Au‐toML，再到寻找空之间极其丰富的自进化AutoML，人工智能模型的自学习和自进化需要我们为计算框架、大计算能力和辅助设备提供支持。人工智能将促进多种算法、模型的有机组合。这个趋势目前已经非常明显了，目前单一的算法或模型难以解决实际问题，经过分析，我们可以把多种模型有机结合起来，另外，人工智能模型的发展希望融入多种技术来解决已有问题。当然，人工智能的应用流程越来越复杂，所以，不同流程所涉及的环境也多样化，这就需要不同的算法和模型的组合，需要计算存储等可扩展能力和基础软件能力提升，支持复杂模型。人工智能应用需要关注生命周期。从设计到数据预处理、构建、训练、优化模型、部署、推理、维护更新、数据积累、准备、训练、获取推理结果，这些全生命周期的不同任务有不同的时间，空和计算要求，全生命周期要考虑可解释性和公平性的需求。分布式、分散式的需求越来越突出。首先，大型、复杂模型，海量数据需要并行、分布式计算；其次，联邦学习等分散场景需要分布式ML原生算法。因此这就需要大算力、原生支持分散场景，而并行的、分散的人工智能模型算法本身的需求越来越突出。深度推理的能力会逐渐加强。清华大学唐杰老师认为，从计算、感知、认知到意识，对计算能力的需求，从最初的计算存储、输入输出，到语音图像的识别，再到认知推理、自我学习和顿悟，体现了对计算需求的进化。如何应对各种形式的不确定性是目前的一大难题。比如从环境中感知的信息，知识的情境特异性，缺乏完整的理论来充分解释自然现象，计算的合理性有限等。我们可以从以下三个方面来有效地处理各种形式的不确定性，如概率计算、类脑和类脑架构、模拟计算。总结下来，人工智能对算力的需求有如下特点：关系和概率计算更加突出，同时不要求高精度、不要求高容错，在节点上简单了；人在环路中的需求非常明显。这些特点可能随着人工智能的发展不断发展。喜欢这个内容的人也喜欢原标题：《【院士之家】中国工程院院士陈左宁：人工智能模型和算法的七大发展趋势》
免责申明：以上内容属作者个人观点，版权归原作者所有，不代表朝夕新闻网立场！登载此文只为提供信息参考，并不用于任何商业目的。如有侵权或内容不符，请联系我们处理，谢谢合作！
当前文章地址：https://www.zhaoxingangjiegou.com/tiyu/179844.html 感谢你把文章分享给有需要的朋友！