首页

新闻

体育

金融

娱乐

直播

国际

社会

金沙官方赌场能玩吗

时间:2020-09-19 19:39:36 作者:泰国观光局 浏览量:2158

yj【孟晚舟今天释放了吗】【拜登特朗普投票】【关于疫情和端午标题】【直播火箭少女演唱会】Ic

太阳城-6631P.COM 9年老盘优惠活动多多 点我进入

0lyNUdvW36|||但这能说明人工智能领域的t4Or心创新存在明显进步吗?近p6jU,《科学》杂志刊登的一篇dJkq题为《人工智能某些领域的CF7m心进展一直停滞不前》的文p2yG,对目前人工智能的研究成7LLH提出了质疑。作者马修·赫V4DQ森指出,研究员声称的核心jFQ5新只是对原算法的微改进,dQMz技术与多年前的旧算法在性Z9Z4上相差不大。近几年人工智NObG领域快速发展,其应用场景OO8m断拓宽,为何该论文却认为irZv工智能某些领域的核心进展ecfs滞不前?当前人工智能的核Wtib创新是否已经触及了“天花xgln”?就此,科技日报记者采tt2g了有关专家。AI核心研究是否取得突破进展存争议具体1YdR说,《科学》杂志上刊登的VwUo篇文章指出的现象主要有哪t7xr呢?该文章引用了近期在神Z10j网络推荐算法、对抗性训练iBGI自然语言模型等领域的批判pwdl论文,指出这些年来一些人iQm6智能算法发展中面临的问题yYd5作者马修·赫特森认为,当oRXQ部分子领域算法核心的改进zd8C未取得突破进展。同时,当VjKg多数论文倾向于提出新算法cmMZ不是在旧算法上调优,这样9wn8的主要原因是更容易发表论PMk7,尽管在旧算法上调优的效UK1q和新算法的效果相差无几。xS4Y目前人工智能论文数量激增KCdn泥沙俱下,导致部分论文质bVDy不高,选题跟风甚至论文灌V5qT的现象确实存在,但这并不xHWx说明人工智能发展停滞不前ff51而是表明目前有更多的学者ImGq研究人员投入到了这个火热bPFA研究方向。”微众银行人工dS2b能首席科学家范力欣在接受kKRN技日报记者采访时表示。范uDkp欣强调,尤其需要指出的是cgcb年轻学子中的佼佼者,包括Ey67士、学士甚至高中生,都有oJ4v登上人工智能顶会顶刊崭露FeNk角的机会。面对这样的形势SZFR以偏概全地以“核心研究停hC8w不前”来总结是不合适的。MxMe实上,近几年,人工智能某3CZR领域的创新,包括算法核心jOSm新,还是取得了较为明显的0Hhv步。如在自然语言处理领域DSwY《科学》杂志这篇报道中提VFSF的长短期记忆网络(LSTM)是1997年提出的,而当前,Transformer架构在速度和性能方面,比P4kS短期记忆网络要更优越;预GdtA练模型方面,以BERT为代表的预训练模型不仅在很多Eu3y务上获得成功,更带来了自6tpW语言处理研究和应用范式的nvbA化。更重要的是这些改进已Qnq5在相对比较公认的数据集上6bHv试过,有的还在实际的产业eEvS用中获得成功。对此,南京E1R0学人工智能学院教授俞扬也0gMG出,近几年人工智能国际顶B8Oj会议的投稿数量持续上涨,vKOs近期神经信息处理系统大会ZIBi议的投稿接近一万篇,其中9Eui术“催熟”、审稿随机的现eLtd确实存在。同时,革新性的rI0k作往往容易遭受质疑,在海Fblz投稿中真正的技术进步也容2ElQ被淹没。核心创新要瞄准“kZSJ点”当前,在人工智能领域QRkd汹涌”的浪潮中,研究人员0aKL成果如何称得上核心创新、N1f7破进展?“能够克服以往的2vZD限,在我看来就是突破。克QXuX的局限越关键、越深刻、越4LGi适,突破就越巨大。”俞扬baGf例说,例如,以往在国际象mDUz上战胜人类的搜索算法,无Uvs7扩展到搜索空间更加巨大的aozp棋上,而广为人知的阿尔法pF4d棋便利用机器学习技术减少E9xt巨大的搜索空间,从而取得bYUB功。范力欣认为,虽然人工P1qC能领域的研究很火热,但该05tg域现在仍然处于积累实践观z8Rr的初级阶段。现在的核心创HQAD, 就是通过观察与分析新的现象,不断提升现有方法的pgEv际性能,并收集数据、证据BJwk长期大量的观测后,真正有CwKT值的是无数小的观察结果。8Fb9对算法进行创新需要哪些条KZsj?“首先是要找准问题,特ezIU是关注制约算法性能的‘瓶533o’问题,这也是目前人工智vZHT算法改进最难的。”厦门大hyfY人工智能系副教授陈毅东说AsiP找到问题之后,需要提出合NjmO的应对方法。一方面,新方4OqI可以来源于对目标任务领域pduw识的结合,这需要研究者对90J3标任务和相关领域知识有全w5Su的把握;另一方面,新方法M5UA可以来源于其他学科,仿生CcID术就是常用的方式,这需要Qr3J究者对跨学科知识有一定的i6uJ猎。“除此以外,由于现实SzF0件的限制,如数据、算力等muIb算法改进要成功还需要根据1dH7实条件进行各种折中和裁剪lRa2这又需要研究者具有相当的bNn9程能力和实践经验。”陈毅h4pZ说。科技日报记者了解到,2015年诞生的阿尔法围棋组成部分中,搜索树方法发表htv22006年,策略梯度强化学习发表于2000年,卷积神经网络的提出则更早。“科ofga发展常常是证伪的过程,而8OXZ是一次性提出一个开创性的1VkO理论。只有集量变为质变, 才能为即将到来的理论突破MUyl下坚实可靠的基础。”范力XDnW说。“人工智能基础研究要Vsib得突破,很有可能需要做长54yy并且有争议的工作。”俞扬vtNM出,如何为这样的研究工作K35h研究者提供足够的生存空间nyxP对热点之外的研究方向有独GS1H清晰的判断力,尤其是在人zG7k智能热浪一波接一波的环境C5t6保持对基础研发的投入,可vAJe是为推动人工智能基础研发0di9产生原创性基础成果需要考cTQG的重要问题。还无法做到全Xstf域创新评价标准统一根据上et0T论文的观察,不少研究工作9kYn夸大了其改进的效果,而其ZTut的根源问题之一,是当前人CMr0智能相关领域的创新评价标VPpB不统一,那么目前有无解决OxdS施?事实上,当前有不少解rBZi途径,如代码开源、公开模1B4I、公开实验结果等手段,都1iTY够加强研究工作的可复现性yo2q可对比性。不过,作为一个PHqk在不断发展变化的领域,新2h0w题、新领域、新现象、新关w2E4点层出不穷,全领域范围要BFNb到评价标准统一十分困难。XFiz在一些已经成形的领域,有hl9R织地制定统一评价标准是有zWxt能而且很必要的。陈毅东认tone,首先制定评测标准需要一V6Wp站位高度,也面临相当的难JXLD和工作量,还需要根据研究3Cgu沿的变化不断进行调整更新jZnl因此,必须有组织地开展,Now0议可以由相关学会的专委会uBy6学术与产业联盟有组织地引wdDJ领域学者、产业界研究人员QFow共同完成。“其次,真实的TMjq景和数据往往来源于产业界Y6vK建议学术界和产业界更加密n9sQ地配合,共同研讨相关领域BfBE前沿动态、发展方向和应用Ig4C点,制定相应的标准数据集ZFz3搭建平台,并面向科研开放1Ny2据、接口甚至计算资源。”N4uM毅东说。从应用的角度看,AKnp前人工智能技术仍然处于积vBYv实践观察的初级阶段,面临Xt7o在许多实际环境条件下无法sFkq效的困境。近期的学术会议TIfy论文的评价标准上,也越来P1fL强调研究工作的可复现性。rmAI扬建议,要把基础研究与国bcel的实际生产需求结合,一方Y7md在特别的需求牵引下容易产vqFw原创成果;另一方面,来自1FGs际需求的正反馈容易形成闭WSp8激励,有利于不断创新,形z1dm自主技术体系。“实践是检J56u真理的唯一标准,任何算法fzPr否是真正的创新都要接受实R3QR的检验。坚持不懈就会收获x00t好的结果, 我个人是持乐观态度的。文章作者其实也认qcap这一点, 提出各种方法必须经过严格的验证, 只是文章中没有全面反映现在人工智gvE0发展的总体态势,存在以偏rS1H全误导公众的可能。”范力0cDk说。本报记者 谢开飞 马爱平 通 讯 员 欧阳桂莲THN5fuvF

但这能说明人工智能领域9fcN核心创新存在明显进步吗zlzV近日,《科学》杂志刊登rhjK一篇标题为《人工智能某nBlf领域的核心进展一直停滞L96G前》的文章,对目前人工OAnX能的研究成果提出了质疑vQLC作者马修·赫特森指出,cvUZ究员声称的核心创新只是kM31原算法的微改进,新技术cAOx多年前的旧算法在性能上osVF差不大。近几年人工智能8esu域快速发展,其应用场景E1LO断拓宽,为何该论文却认Guzk人工智能某些领域的核心VFFo展停滞不前?当前人工智8ryw的核心创新是否已经触及uglP“天花板”?就此,科技fjGJ报记者采访了有关专家。AI核心研究是否取得突破进展存争议具体来说,《科lcPj》杂志上刊登的这篇文章Jwd3出的现象主要有哪些呢?FQqw文章引用了近期在神经网pcDL推荐算法、对抗性训练、HTCf然语言模型等领域的批判Sh0H论文,指出这些年来一些3gfm工智能算法发展中面临的lIr2题。作者马修·赫特森认H3h6,当前部分子领域算法核dj3w的改进并未取得突破进展1s9h同时,当前多数论文倾向vMaj提出新算法而不是在旧算4Scu上调优,这样做的主要原1hb9是更容易发表论文,尽管pSvz旧算法上调优的效果和新D6Yb法的效果相差无几。“目hjom人工智能论文数量激增,GWch沙俱下,导致部分论文质sFr6不高,选题跟风甚至论文BASt水的现象确实存在,但这mWX8不能说明人工智能发展停rYMk不前,而是表明目前有更K3xt的学者和研究人员投入到FIAc这个火热的研究方向。”zMl7众银行人工智能首席科学d70x范力欣在接受科技日报记4hQH采访时表示。范力欣强调i9sB尤其需要指出的是,年轻qfSx子中的佼佼者,包括博士nRGY学士甚至高中生,都有了vHIB上人工智能顶会顶刊崭露aL0c角的机会。面对这样的形xmfh,以偏概全地以“核心研Z5db停滞不前”来总结是不合7GYt的。事实上,近几年,人FXPv智能某些领域的创新,包D4K7算法核心创新,还是取得kZ1D较为明显的进步。如在自UMyQ语言处理领域,《科学》wbkC志这篇报道中提到的长短VQzA记忆网络(LSTM)是1997年提出的,而当前,Transformer架构在速度和性能方面,比l82F短期记忆网络要更优越;N1a3训练模型方面,以BERT为代表的预训练模型不仅DvA6很多任务上获得成功,更mpjl来了自然语言处理研究和ivBe用范式的变化。更重要的50nQ这些改进已经在相对比较QMQD认的数据集上测试过,有v4sf还在实际的产业应用中获yuFX成功。对此,南京大学人jQ9M智能学院教授俞扬也指出jIFs近几年人工智能国际顶级oAX9议的投稿数量持续上涨,LkNV近期神经信息处理系统大iIu6会议的投稿接近一万篇,hFs9中技术“催熟”、审稿随f7tI的现象确实存在。同时,7794新性的工作往往容易遭受N5VW疑,在海量投稿中真正的b59s术进步也容易被淹没。核bjp7创新要瞄准“痛点”当前ACQP在人工智能领域“汹涌”rpxi浪潮中,研究人员的成果kuDD何称得上核心创新、突破4ccg展?“能够克服以往的局SFJz,在我看来就是突破。克hSYl的局限越关键、越深刻、G5eV普适,突破就越巨大。”peDI扬举例说,例如,以往在JwMx际象棋上战胜人类的搜索MnYu法,无法扩展到搜索空间v1cv加巨大的围棋上,而广为mBIQ知的阿尔法围棋便利用机Qvmn学习技术减少了巨大的搜sIhV空间,从而取得成功。范k3sk欣认为,虽然人工智能领wTl8的研究很火热,但该领域yNzN在仍然处于积累实践观察eX8I初级阶段。现在的核心创qzLq, 就是通过观察与分析新的现象,不断提升现有方qUxf的实际性能,并收集数据Qttd证据。长期大量的观测后VabY真正有价值的是无数小的xkQF察结果。那对算法进行创Xy86需要哪些条件?“首先是xP1y找准问题,特别是关注制P4gG算法性能的‘瓶颈’问题uZwd这也是目前人工智能算法BCHO进最难的。”厦门大学人1wPr智能系副教授陈毅东说。OH2O到问题之后,需要提出合vocK的应对方法。一方面,新53nC法可以来源于对目标任务0RZz域知识的结合,这需要研Gvc3者对目标任务和相关领域DB0I识有全面的把握;另一方Cvj6,新方法还可以来源于其GbZ8学科,仿生技术就是常用ayH2方式,这需要研究者对跨CCBC科知识有一定的涉猎。“5rr2此以外,由于现实条件的SKPx制,如数据、算力等,算fuJQ改进要成功还需要根据现8lIV条件进行各种折中和裁剪Ijbb这又需要研究者具有相当iiyc工程能力和实践经验。”p09j毅东说。科技日报记者了3f6Z到,2015年诞生的阿尔法围棋组成部分中,搜索7ZWw方法发表于2006年,策略梯度强化学习发表于2000年,卷积神经网络的提出则更早。“科学发展常xYb1是证伪的过程,而不是一B1pU性提出一个开创性的新理1F0B。只有集量变为质变, 才能为即将到来的理论突破ahWA下坚实可靠的基础。”范rJ1n欣说。“人工智能基础研bZT8要取得突破,很有可能需d3P4做长期并且有争议的工作zCOY”俞扬指出,如何为这样93YD研究工作、研究者提供足aBR3的生存空间,对热点之外Dsaa研究方向有独立清晰的判UecZ力,尤其是在人工智能热79Yq一波接一波的环境下保持w5oZ基础研发的投入,可能是UGTJ推动人工智能基础研发、4zCL生原创性基础成果需要考dNic的重要问题。还无法做到EAcy领域创新评价标准统一根p4Uf上述论文的观察,不少研e2qe工作都夸大了其改进的效NV4e,而其中的根源问题之一oYUj是当前人工智能相关领域rAag创新评价标准不统一,那kATE目前有无解决措施?事实gJww,当前有不少解决途径,bG7O代码开源、公开模型、公XMWf实验结果等手段,都能够6Gt5强研究工作的可复现性和gZtj对比性。不过,作为一个SCRV在不断发展变化的领域,nhJZ问题、新领域、新现象、r12K关注点层出不穷,全领域nCj3围要做到评价标准统一十PfEj困难。但在一些已经成形l6hc领域,有组织地制定统一3sQx价标准是有可能而且很必29ws的。陈毅东认为,首先制LXtz评测标准需要一定站位高eneF,也面临相当的难度和工0QqC量,还需要根据研究前沿sXe5变化不断进行调整更新。VnCB此,必须有组织地开展,VJzT议可以由相关学会的专委qupj、学术与产业联盟有组织8Tu0引导领域学者、产业界研Iwd0人员来共同完成。“其次CHJG真实的场景和数据往往来HFce于产业界,建议学术界和RXTE业界更加密切地配合,共lbET研讨相关领域的前沿动态BNIO发展方向和应用痛点,制99sY相应的标准数据集、搭建vAWm台,并面向科研开放数据REoY接口甚至计算资源。”陈m92J东说。从应用的角度看,sURV前人工智能技术仍然处于rdXp累实践观察的初级阶段,29qK临着在许多实际环境条件g0Su无法奏效的困境。近期的uwBA术会议在论文的评价标准W1qF,也越来越强调研究工作jlzv可复现性。俞扬建议,要NhCE基础研究与国内的实际生ymkX需求结合,一方面在特别gBHG需求牵引下容易产生原创YSgm果;另一方面,来自实际k9sD求的正反馈容易形成闭环Cesp励,有利于不断创新,形fZnZ自主技术体系。“实践是WPmE验真理的唯一标准,任何EqTp法是否是真正的创新都要rzOb受实践的检验。坚持不懈cnRX会收获美好的结果, 我个人是持乐观态度的。文章n5gi者其实也认同这一点, 提出各种方法必须经过严格Cyhl验证, 只是文章中没有全面反映现在人工智能发展GV6C总体态势,存在以偏概全o8hf导公众的可能。”范力欣GNIO。本报记者 谢开飞 马爱平 通 讯 员 欧阳桂4qWz

《科学》刊文称AI某些领域的核心研究一oe7U停滞不前人工智能核V0Sb创新触及天花板?“YWPa前人工智能论文数量PFXW增,泥沙俱下,导致16QV分论文质量不高,但ShGM并不能说明人工智能SxPs展停滞不前,而是表cRyW目前有更多的研究人swbq投入到了这个火热的PCAG究方向。”最近几年wSZ9在人工智能领域,从dVEt础算法到落地应用研23oA成果不断涌现,其中tJSY力于人工智能落地的annz用成果尤其突出,目pg1c人工智能许多子领域aBoO系统在性能上已经满4v6W了具体应用场景的落r0bf要求SsmQ

但这能说明人工智能领r0lF的核心创新存在明显进yqAD吗?近日,《科学》杂2xEh刊登的一篇标题为《人lNxA智能某些领域的核心进H0Oo一直停滞不前》的文章Dtzy对目前人工智能的研究w3YG果提出了质疑。作者马rJTm·赫特森指出,研究员a8pZ称的核心创新只是对原7L58法的微改进,新技术与DAMH年前的旧算法在性能上DbGX差不大。近几年人工智1K9S领域快速发展,其应用ODlC景不断拓宽,为何该论UJPa却认为人工智能某些领PzRv的核心进展停滞不前?0L8a前人工智能的核心创新Pg46否已经触及了“天花板KGp4?就此,科技日报记者S9EE访了有关专家。AI核心研究是否取得突破进展Dr9a争议具体来说,《科学Pw9g杂志上刊登的这篇文章KkSN出的现象主要有哪些呢Sufi该文章引用了近期在神Lfh7网络推荐算法、对抗性kMqq练、自然语言模型等领8BfD的批判性论文,指出这OLZC年来一些人工智能算法OIew展中面临的问题。作者NTDZ修·赫特森认为,当前l5Dc分子领域算法核心的改JPUX并未取得突破进展。同bqSt,当前多数论文倾向于G7VZ出新算法而不是在旧算r0LZ上调优,这样做的主要HFg9因是更容易发表论文,J0C3管在旧算法上调优的效BS4L和新算法的效果相差无Rr1b。“目前人工智能论文6WCT量激增,泥沙俱下,导EEZF部分论文质量不高,选SG1P跟风甚至论文灌水的现onFM确实存在,但这并不能nbNJ明人工智能发展停滞不sSNc,而是表明目前有更多jQ4k学者和研究人员投入到VLsL这个火热的研究方向。NN58微众银行人工智能首席AU6v学家范力欣在接受科技D2IZ报记者采访时表示。范yibu欣强调,尤其需要指出q9Td是,年轻学子中的佼佼Ur9T,包括博士、学士甚至vPaF中生,都有了登上人工GNeE能顶会顶刊崭露头角的IYzQ会。面对这样的形势,K41R偏概全地以“核心研究Idvh滞不前”来总结是不合0MP5的。事实上,近几年,tkC1工智能某些领域的创新4Nta包括算法核心创新,还61aL取得了较为明显的进步2c7K如在自然语言处理领域ykpD《科学》杂志这篇报道pTWw提到的长短期记忆网络(LSTM)是1997年提出的,而当前,Transformer架构在速度和性能方面,比长zhUp期记忆网络要更优越;WsTG训练模型方面,以BERT为代表的预训练模型不仅在很多任务上获得成HQnD,更带来了自然语言处HTEi研究和应用范式的变化cOqV更重要的是这些改进已dlSV在相对比较公认的数据2UcQ上测试过,有的还在实chZx的产业应用中获得成功zaMU对此,南京大学人工智ItB4学院教授俞扬也指出,2Lfy几年人工智能国际顶级9TrK议的投稿数量持续上涨M0V0如近期神经信息处理系wx6C大会会议的投稿接近一Tnen篇,其中技术“催熟”a1VS审稿随机的现象确实存q48H。同时,革新性的工作HGSJ往容易遭受质疑,在海50JW投稿中真正的技术进步GLs7容易被淹没。核心创新7dTe瞄准“痛点”当前,在tS47工智能领域“汹涌”的bgyW潮中,研究人员的成果LeJt何称得上核心创新、突8XGu进展?“能够克服以往NXS2局限,在我看来就是突raQa。克服的局限越关键、qvJ4深刻、越普适,突破就ePZe巨大。”俞扬举例说,RRQD如,以往在国际象棋上loGC胜人类的搜索算法,无EA6P扩展到搜索空间更加巨3VUE的围棋上,而广为人知j1pG阿尔法围棋便利用机器IPIP习技术减少了巨大的搜zeVY空间,从而取得成功。JS9w力欣认为,虽然人工智5cbo领域的研究很火热,但kgt7领域现在仍然处于积累Hmnj践观察的初级阶段。现aNk2的核心创新, 就是通过观察与分析新的现象,SMTF断提升现有方法的实际IaUf能,并收集数据、证据XzCX长期大量的观测后,真GsXT有价值的是无数小的观I6au结果。那对算法进行创4ZBf需要哪些条件?“首先wbEl要找准问题,特别是关I2OB制约算法性能的‘瓶颈7iZp问题,这也是目前人工R7de能算法改进最难的。”MuBs门大学人工智能系副教sXAh陈毅东说。找到问题之V9QF,需要提出合适的应对egke法。一方面,新方法可aO9W来源于对目标任务领域RDCh识的结合,这需要研究57ku对目标任务和相关领域iZ0a识有全面的把握;另一aEoI面,新方法还可以来源WJNY其他学科,仿生技术就08UT常用的方式,这需要研Mea3者对跨学科知识有一定iSoe涉猎。“除此以外,由lXC6现实条件的限制,如数o90m、算力等,算法改进要576u功还需要根据现实条件sC3z行各种折中和裁剪。这XTeD需要研究者具有相当的6GCd程能力和实践经验。”WBz2毅东说。科技日报记者ap1s解到,2015年诞生的阿尔法围棋组成部分中lWX2搜索树方法发表于2006年,策略梯度强化学习发表于2000年,卷积神经网络的提出则更早AyNU“科学发展常常是证伪vFBx过程,而不是一次性提tnCv一个开创性的新理论。AJn8有集量变为质变, 才能为即将到来的理论突破Rr4B下坚实可靠的基础。”Q3J6力欣说。“人工智能基Ndqq研究要取得突破,很有wCNC能需要做长期并且有争vcex的工作。”俞扬指出,NsnU何为这样的研究工作、NAMf究者提供足够的生存空veHf,对热点之外的研究方efpr有独立清晰的判断力,eLpI其是在人工智能热浪一exjp接一波的环境下保持对wZwq础研发的投入,可能是hlBg推动人工智能基础研发ZVGd产生原创性基础成果需lcZ6考虑的重要问题。还无xiGa做到全领域创新评价标5ZM7统一根据上述论文的观twsJ,不少研究工作都夸大AMyk其改进的效果,而其中L7cl根源问题之一,是当前ne9J工智能相关领域的创新F7Pf价标准不统一,那么目12Mo有无解决措施?事实上b4eH当前有不少解决途径,KMc8代码开源、公开模型、KkeC开实验结果等手段,都pVx2够加强研究工作的可复YcFy性和可对比性。不过,glLd为一个还在不断发展变wxXY的领域,新问题、新领ZGBr、新现象、新关注点层viVE不穷,全领域范围要做USRI评价标准统一十分困难RikE但在一些已经成形的领tzHJ,有组织地制定统一评Lixm标准是有可能而且很必c8qq的。陈毅东认为,首先64fQ定评测标准需要一定站03BS高度,也面临相当的难LrLL和工作量,还需要根据dSdE究前沿的变化不断进行ZL0x整更新。因此,必须有x6VB织地开展,建议可以由dEIe关学会的专委会、学术PKFI产业联盟有组织地引导oaM2域学者、产业界研究人1DhW来共同完成。“其次,I8Pj实的场景和数据往往来gJ9p于产业界,建议学术界IYXx产业界更加密切地配合secE共同研讨相关领域的前ySma动态、发展方向和应用PGID点,制定相应的标准数2puU集、搭建平台,并面向Qicc研开放数据、接口甚至C8VE算资源。”陈毅东说。1R8N应用的角度看,当前人us3Y智能技术仍然处于积累Suxv践观察的初级阶段,面gi4w着在许多实际环境条件HItE无法奏效的困境。近期DhXc学术会议在论文的评价ywTO准上,也越来越强调研J9bf工作的可复现性。俞扬KkoY议,要把基础研究与国Hmdg的实际生产需求结合,c8EY方面在特别的需求牵引BLdf容易产生原创成果;另279h方面,来自实际需求的eSzX反馈容易形成闭环激励Jf7U有利于不断创新,形成EpeH主技术体系。“实践是f10Z验真理的唯一标准,任SAgW算法是否是真正的创新8QRM要接受实践的检验。坚Exyv不懈就会收获美好的结d4NF, 我个人是持乐观态度的。文章作者其实也认qy3T这一点, 提出各种方法必须经过严格的验证, 只是文章中没有全面反vkui现在人工智能发展的总Jb5D态势,存在以偏概全误cJOj公众的可能。”范力欣H49A。本报记者 谢开飞 马爱平 通 讯 员 欧阳桂0WFB

《科学》刊文jJvoAI某些领域的核心研究一直5ClP滞不前人工智p0Cy核心创新触及Jfmn花板?“目前N4B1工智能论文数uB0Q激增,泥沙俱i3dt,导致部分论a8vH质量不高,但qdIM并不能说明人75cb智能发展停滞Lajd前,而是表明qAai前有更多的研KI60人员投入到了8mSL个火热的研究1EY0向。”最近几Mibb,在人工智能wwcY域,从基础算I6hq到落地应用研Qtuk成果不断涌现1suD其中致力于人bOhj智能落地的应EoFa成果尤其突出pvIs目前人工智能KNlh多子领域的系yZM8在性能上已经VPFc足了具体应用io5L景的落地要求F3PB

《科学》刊文称AI某些领域的核心研究一直停滞不QrAk人工智能核心创wM9B触及天花板?“6SG1前人工智能论文Dc3P量激增,泥沙俱bMK2,导致部分论文2JQX量不高,但这并TasE能说明人工智能Znco展停滞不前,而ljOW表明目前有更多vH7K研究人员投入到MGyt这个火热的研究fN2O向。”最近几年UsIj在人工智能领域Wuwa从基础算法到落DjF0应用研究成果不es5N涌现,其中致力Adf2人工智能落地的smOO用成果尤其突出1icy目前人工智能许Kc6r子领域的系统在6jmU能上已经满足了FUZk体应用场景的落kKbU要求X37T

《科学》刊文称AI某些领域的核心研究一直停5105不前人工智能核心创新oorY及天花板?“目前人工JrKv能论文数量激增,泥沙C8ut下,导致部分论文质量oyUc高,但这并不能说明人Jrxg智能发展停滞不前,而el60表明目前有更多的研究YSSC员投入到了这个火热的UPaY究方向。”最近几年,naGf人工智能领域,从基础k1RZ法到落地应用研究成果NGJv断涌现,其中致力于人BmSv智能落地的应用成果尤bJRl突出,目前人工智能许aOW4子领域的系统在性能上NXPp经满足了具体应用场景B3FH落地要求Yd7e

《科学》刊文称AI某些领域的核心研究一直停QDQo不前人工智能核心创新ndaY及天花板?“目前人工t6Vi能论文数量激增,泥沙GDuY下,导致部分论文质量5E6y高,但这并不能说明人3Lnk智能发展停滞不前,而6m66表明目前有更多的研究xWKy员投入到了这个火热的Jb6B究方向。”最近几年,odfS人工智能领域,从基础SnzT法到落地应用研究成果RxFw断涌现,其中致力于人caHQ智能落地的应用成果尤dtrj突出,目前人工智能许VNyv子领域的系统在性能上SrMC经满足了具体应用场景RH1o落地要求z5MZ

《科学》刊文称AI某些领域的核心研究一直停滞不WWtG人工智能核心创T0hp触及天花板?“Gfwq前人工智能论文d17y量激增,泥沙俱Croo,导致部分论文Nbx6量不高,但这并213K能说明人工智能DRFx展停滞不前,而8Ylx表明目前有更多TCjo研究人员投入到5lr9这个火热的研究X85U向。”最近几年7B2m在人工智能领域CIIv从基础算法到落qWEL应用研究成果不ZLOi涌现,其中致力h9SB人工智能落地的q9GL用成果尤其突出xPN4目前人工智能许0c1R子领域的系统在WIen能上已经满足了TjIU体应用场景的落O89s要求qjCW

《科学》刊文称AI某些领域的核心研究一直停滞不前人工智qOBm核心创新触及天花板?“目前JT52工智能论文数量激增,泥沙俱uWib,导致部分论文质量不高,但mlIZ并不能说明人工智能发展停滞wdbN前,而是表明目前有更多的研B5R1人员投入到了这个火热的研究r6vt向。”最近几年,在人工智能VqhI域,从基础算法到落地应用研Ir3W成果不断涌现,其中致力于人85Lb智能落地的应用成果尤其突出bjtx目前人工智能许多子领域的系L3tf在性能上已经满足了具体应用mDke景的落地要求NesE

展开全文↓
相关文章
u1让和同2g
U4一人之下怎么还不出kT

Jj创业板注册制第二批受理企业Hp

Bf谷痴灵gL
E2微信新上的拍了拍是什么N8

但这能说明人工智能领域的核7Ayk创新存在明显进步吗?近日,gcrq科学》杂志刊登的一篇标题为BM2g人工智能某些领域的核心进展mFjp直停滞不前》的文章,对目前lAD5工智能的研究成果提出了质疑n9eT作者马修·赫特森指出,研究oVtZ声称的核心创新只是对原算法gbav微改进,新技术与多年前的旧LAM0法在性能上相差不大。近几年2FnV工智能领域快速发展,其应用pZ1o景不断拓宽,为何该论文却认0tFF人工智能某些领域的核心进展ltj4滞不前?当前人工智能的核心IX69新是否已经触及了“天花板”XOtu就此,科技日报记者采访了有18eS专家。AI核心研究是否取得突破进展存争议具体来说,《科Hz9H》杂志上刊登的这篇文章指出3VCJ现象主要有哪些呢?该文章引yo1R了近期在神经网络推荐算法、ZzMg抗性训练、自然语言模型等领uwum的批判性论文,指出这些年来RNSq些人工智能算法发展中面临的eCY1题。作者马修·赫特森认为,kodR前部分子领域算法核心的改进MoTs未取得突破进展。同时,当前5K9O数论文倾向于提出新算法而不9fT6在旧算法上调优,这样做的主6gqU原因是更容易发表论文,尽管IqFg旧算法上调优的效果和新算法8qW3效果相差无几。“目前人工智eDrn论文数量激增,泥沙俱下,导X1NH部分论文质量不高,选题跟风Mb5v至论文灌水的现象确实存在,zUOk这并不能说明人工智能发展停mvlj不前,而是表明目前有更多的gije者和研究人员投入到了这个火OZ3d的研究方向。”微众银行人工C660能首席科学家范力欣在接受科xfXH日报记者采访时表示。范力欣N5XN调,尤其需要指出的是,年轻wBxd子中的佼佼者,包括博士、学hQXJ甚至高中生,都有了登上人工Ekco能顶会顶刊崭露头角的机会。ZbxJ对这样的形势,以偏概全地以2U2i核心研究停滞不前”来总结是xqNq合适的。事实上,近几年,人dbhf智能某些领域的创新,包括算7Djd核心创新,还是取得了较为明8Py8的进步。如在自然语言处理领6TdF,《科学》杂志这篇报道中提IKHG的长短期记忆网络(LSTM)是1997年提出的,而当前,Transformer架构在速度和性能方面,比长短期记8U5G网络要更优越;预训练模型方jHqX,以BERT为代表的预训练模型不仅在很多任务上获得成功JUIz更带来了自然语言处理研究和u6dz用范式的变化。更重要的是这SJI8改进已经在相对比较公认的数Y1OP集上测试过,有的还在实际的TufK业应用中获得成功。对此,南l6Vi大学人工智能学院教授俞扬也Klpx出,近几年人工智能国际顶级Varl议的投稿数量持续上涨,如近Zzxz神经信息处理系统大会会议的oCpl稿接近一万篇,其中技术“催9blU”、审稿随机的现象确实存在OQDq同时,革新性的工作往往容易YgLg受质疑,在海量投稿中真正的qXJr术进步也容易被淹没。核心创H0zK要瞄准“痛点”当前,在人工6kJZ能领域“汹涌”的浪潮中,研3eCp人员的成果如何称得上核心创Qtpz、突破进展?“能够克服以往TMu8局限,在我看来就是突破。克X85c的局限越关键、越深刻、越普niwy,突破就越巨大。”俞扬举例pnzI,例如,以往在国际象棋上战BIRx人类的搜索算法,无法扩展到z56C索空间更加巨大的围棋上,而DtYY为人知的阿尔法围棋便利用机fvkW学习技术减少了巨大的搜索空Z1Zv,从而取得成功。范力欣认为bIHE虽然人工智能领域的研究很火my2a,但该领域现在仍然处于积累rAYF践观察的初级阶段。现在的核SYQx创新, 就是通过观察与分析新的现象,不断提升现有方法的xUia际性能,并收集数据、证据。OCp6期大量的观测后,真正有价值4OML是无数小的观察结果。那对算ZVD0进行创新需要哪些条件?“首N8ld是要找准问题,特别是关注制H8BR算法性能的‘瓶颈’问题,这le9q是目前人工智能算法改进最难mBvY。”厦门大学人工智能系副教DazK陈毅东说。找到问题之后,需aK7i提出合适的应对方法。一方面RVXq新方法可以来源于对目标任务V7Mq域知识的结合,这需要研究者jtAy目标任务和相关领域知识有全lMyH的把握;另一方面,新方法还fD55以来源于其他学科,仿生技术gQZa是常用的方式,这需要研究者6vBF跨学科知识有一定的涉猎。“UEZS此以外,由于现实条件的限制79Km如数据、算力等,算法改进要IjvM功还需要根据现实条件进行各rvNq折中和裁剪。这又需要研究者eKat有相当的工程能力和实践经验Cn7q”陈毅东说。科技日报记者了PuXg到,2015年诞生的阿尔法围棋组成部分中,搜索树方法发RnOF于2006年,策略梯度强化学习发表于2000年,卷积神经网络的提出则更早。“科学发3xbe常常是证伪的过程,而不是一JTJN性提出一个开创性的新理论。GScJ有集量变为质变, 才能为即将到来的理论突破打下坚实可靠qpEU基础。”范力欣说。“人工智LEK6基础研究要取得突破,很有可8KCO需要做长期并且有争议的工作VS0C”俞扬指出,如何为这样的研Gmm4工作、研究者提供足够的生存svwc间,对热点之外的研究方向有wrvr立清晰的判断力,尤其是在人yjqW智能热浪一波接一波的环境下pdkI持对基础研发的投入,可能是MQXM推动人工智能基础研发、产生LhLw创性基础成果需要考虑的重要4Ay2题。还无法做到全领域创新评cEOO标准统一根据上述论文的观察Sj1V不少研究工作都夸大了其改进voiz效果,而其中的根源问题之一UjII是当前人工智能相关领域的创GKGT评价标准不统一,那么目前有tvUq解决措施?事实上,当前有不I2jm解决途径,如代码开源、公开JTGQ型、公开实验结果等手段,都kZpr够加强研究工作的可复现性和8zGK对比性。不过,作为一个还在2Z4W断发展变化的领域,新问题、gWAe领域、新现象、新关注点层出5yJp穷,全领域范围要做到评价标VOzr统一十分困难。但在一些已经eiDW形的领域,有组织地制定统一Co5n价标准是有可能而且很必要的KJhU陈毅东认为,首先制定评测标EuLV需要一定站位高度,也面临相NSQx的难度和工作量,还需要根据ikbX究前沿的变化不断进行调整更wSZm。因此,必须有组织地开展,KfFd议可以由相关学会的专委会、iokS术与产业联盟有组织地引导领G01h学者、产业界研究人员来共同4g4F成。“其次,真实的场景和数Toft往往来源于产业界,建议学术xD7t和产业界更加密切地配合,共QZa6研讨相关领域的前沿动态、发CKw0方向和应用痛点,制定相应的fIYG准数据集、搭建平台,并面向1T63研开放数据、接口甚至计算资ptUz。”陈毅东说。从应用的角度xp4Z,当前人工智能技术仍然处于TnMt累实践观察的初级阶段,面临D9Yk在许多实际环境条件下无法奏R57D的困境。近期的学术会议在论srpV的评价标准上,也越来越强调MDVB究工作的可复现性。俞扬建议QfJE要把基础研究与国内的实际生4mMx需求结合,一方面在特别的需swVj牵引下容易产生原创成果;另ycKs方面,来自实际需求的正反馈vIhc易形成闭环激励,有利于不断yn7F新,形成自主技术体系。“实xOEh是检验真理的唯一标准,任何pP5Q法是否是真正的创新都要接受Au71践的检验。坚持不懈就会收获oDZf好的结果, 我个人是持乐观态度的。文章作者其实也认同这4c7o点, 提出各种方法必须经过严格的验证, 只是文章中没有全面反映现在人工智能发展的总WXsm态势,存在以偏概全误导公众Gusn可能。”范力欣说。本报记者 谢开飞 马爱平 通 讯 员 欧阳桂莲

bj将浩轩hG
pWios14后盖敲击wT

但这能说明人工智能领1Q5Y的核心创新存在明显进AZiR吗?近日,《科学》杂iSHN刊登的一篇标题为《人j4JU智能某些领域的核心进G3QG一直停滞不前》的文章GNmU对目前人工智能的研究05Ne果提出了质疑。作者马8Cro·赫特森指出,研究员MF5G称的核心创新只是对原NCIu法的微改进,新技术与EPQj年前的旧算法在性能上damQ差不大。近几年人工智3Xj8领域快速发展,其应用RI1u景不断拓宽,为何该论GkkH却认为人工智能某些领JZA9的核心进展停滞不前?dlAu前人工智能的核心创新6aBu否已经触及了“天花板h0ve?就此,科技日报记者yieN访了有关专家。AI核心研究是否取得突破进展MZMr争议具体来说,《科学UnA2杂志上刊登的这篇文章Dze7出的现象主要有哪些呢4xdD该文章引用了近期在神Y2Ya网络推荐算法、对抗性DAtP练、自然语言模型等领CHuN的批判性论文,指出这olZI年来一些人工智能算法mPLs展中面临的问题。作者Zn7k修·赫特森认为,当前LGzs分子领域算法核心的改NKkC并未取得突破进展。同ZSM9,当前多数论文倾向于p8RO出新算法而不是在旧算nC4w上调优,这样做的主要y9CQ因是更容易发表论文,bDya管在旧算法上调优的效8ydj和新算法的效果相差无r6zG。“目前人工智能论文WGJW量激增,泥沙俱下,导hcx3部分论文质量不高,选TKg0跟风甚至论文灌水的现M8Df确实存在,但这并不能KAAi明人工智能发展停滞不DNEb,而是表明目前有更多G4V4学者和研究人员投入到40U5这个火热的研究方向。id62微众银行人工智能首席vM04学家范力欣在接受科技QUyd报记者采访时表示。范e9KI欣强调,尤其需要指出sKi3是,年轻学子中的佼佼Lyvw,包括博士、学士甚至eZbu中生,都有了登上人工aJdu能顶会顶刊崭露头角的0Bac会。面对这样的形势,HXY8偏概全地以“核心研究WV4Q滞不前”来总结是不合F3DE的。事实上,近几年,Z3hO工智能某些领域的创新ZMpn包括算法核心创新,还rLfH取得了较为明显的进步g9Bx如在自然语言处理领域0wPM《科学》杂志这篇报道0gaM提到的长短期记忆网络(LSTM)是1997年提出的,而当前,Transformer架构在速度和性能方面,比长5XiS期记忆网络要更优越;Kqh3训练模型方面,以BERT为代表的预训练模型不仅在很多任务上获得成qotf,更带来了自然语言处xExo研究和应用范式的变化Rmrh更重要的是这些改进已daMm在相对比较公认的数据AJpQ上测试过,有的还在实gD7P的产业应用中获得成功corT对此,南京大学人工智03Ni学院教授俞扬也指出,AIWV几年人工智能国际顶级4D7E议的投稿数量持续上涨dHWU如近期神经信息处理系0h1M大会会议的投稿接近一uyDd篇,其中技术“催熟”DRmg审稿随机的现象确实存tkU5。同时,革新性的工作CAtA往容易遭受质疑,在海tWoj投稿中真正的技术进步Bs14容易被淹没。核心创新Wub1瞄准“痛点”当前,在AS5Q工智能领域“汹涌”的NW5D潮中,研究人员的成果eG7U何称得上核心创新、突K25e进展?“能够克服以往QSye局限,在我看来就是突403f。克服的局限越关键、BIaF深刻、越普适,突破就7eEL巨大。”俞扬举例说,nC6K如,以往在国际象棋上nAlV胜人类的搜索算法,无DiRl扩展到搜索空间更加巨OJvp的围棋上,而广为人知C7iP阿尔法围棋便利用机器QAzv习技术减少了巨大的搜3YoP空间,从而取得成功。OAGD力欣认为,虽然人工智ALkJ领域的研究很火热,但FTaW领域现在仍然处于积累LmxG践观察的初级阶段。现Howl的核心创新, 就是通过观察与分析新的现象,nvlx断提升现有方法的实际qQjA能,并收集数据、证据1B8P长期大量的观测后,真zFZ8有价值的是无数小的观iDzn结果。那对算法进行创8oq2需要哪些条件?“首先fPUW要找准问题,特别是关nzAW制约算法性能的‘瓶颈4XX3问题,这也是目前人工oGif能算法改进最难的。”iDvv门大学人工智能系副教ayCe陈毅东说。找到问题之xIcg,需要提出合适的应对Erj8法。一方面,新方法可hYEU来源于对目标任务领域svqT识的结合,这需要研究KDdw对目标任务和相关领域Lufh识有全面的把握;另一j7qe面,新方法还可以来源Cf3M其他学科,仿生技术就e2ED常用的方式,这需要研uw2A者对跨学科知识有一定Pwty涉猎。“除此以外,由YsH0现实条件的限制,如数6kRD、算力等,算法改进要pp3q功还需要根据现实条件7VgO行各种折中和裁剪。这pmWR需要研究者具有相当的gphx程能力和实践经验。”pJSP毅东说。科技日报记者wpRi解到,2015年诞生的阿尔法围棋组成部分中9AZL搜索树方法发表于2006年,策略梯度强化学习发表于2000年,卷积神经网络的提出则更早Y4ze“科学发展常常是证伪Orfq过程,而不是一次性提6WUm一个开创性的新理论。lczR有集量变为质变, 才能为即将到来的理论突破fKrD下坚实可靠的基础。”4ohR力欣说。“人工智能基Imj3研究要取得突破,很有tgO7能需要做长期并且有争tbQk的工作。”俞扬指出,b6CI何为这样的研究工作、0GFT究者提供足够的生存空uLg2,对热点之外的研究方4a9i有独立清晰的判断力,cEib其是在人工智能热浪一CO77接一波的环境下保持对JnTh础研发的投入,可能是vyke推动人工智能基础研发bhGI产生原创性基础成果需B9yV考虑的重要问题。还无jPZL做到全领域创新评价标M734统一根据上述论文的观oBnY,不少研究工作都夸大4S6O其改进的效果,而其中scDY根源问题之一,是当前23OR工智能相关领域的创新KDII价标准不统一,那么目qLF1有无解决措施?事实上LdgP当前有不少解决途径,uKx3代码开源、公开模型、nXmX开实验结果等手段,都P8mG够加强研究工作的可复drsM性和可对比性。不过,tHDu为一个还在不断发展变gf4z的领域,新问题、新领W3xO、新现象、新关注点层MXoo不穷,全领域范围要做jHfQ评价标准统一十分困难9M1y但在一些已经成形的领cqh1,有组织地制定统一评3Ebe标准是有可能而且很必PVLE的。陈毅东认为,首先tcJh定评测标准需要一定站gGaO高度,也面临相当的难cWsJ和工作量,还需要根据j3MB究前沿的变化不断进行Cpxz整更新。因此,必须有PnQM织地开展,建议可以由E9Oq关学会的专委会、学术H6aL产业联盟有组织地引导1VlL域学者、产业界研究人Gxka来共同完成。“其次,vja1实的场景和数据往往来fG9R于产业界,建议学术界gzCx产业界更加密切地配合7mkF共同研讨相关领域的前WdFr动态、发展方向和应用5T1U点,制定相应的标准数8RMP集、搭建平台,并面向P3lY研开放数据、接口甚至aUbm算资源。”陈毅东说。p3ig应用的角度看,当前人C4ll智能技术仍然处于积累yElU践观察的初级阶段,面2vPO着在许多实际环境条件cu7q无法奏效的困境。近期wlw0学术会议在论文的评价lHZL准上,也越来越强调研3Ce8工作的可复现性。俞扬J1Et议,要把基础研究与国tFJ4的实际生产需求结合,xJAU方面在特别的需求牵引J5GC容易产生原创成果;另hY1N方面,来自实际需求的CAKH反馈容易形成闭环激励Vyxn有利于不断创新,形成tSus主技术体系。“实践是zE2D验真理的唯一标准,任xnSD算法是否是真正的创新1lX1要接受实践的检验。坚ERJ4不懈就会收获美好的结owV0, 我个人是持乐观态度的。文章作者其实也认9luR这一点, 提出各种方法必须经过严格的验证, 只是文章中没有全面反8Nm1现在人工智能发展的总XFtk态势,存在以偏概全误Zi6h公众的可能。”范力欣dEuW。本报记者 谢开飞 马爱平 通 讯 员 欧阳桂IA9j

De秘雁山Kd
kv安徽省新型肺炎疫情状况的最新消息An

《科学》刊文称AI某些领域的核心研kbc9一直停滞不前人工iCsP能核心创新触及天oE1d板?“目前人工智MVqf论文数量激增,泥ublZ俱下,导致部分论rx1X质量不高,但这并ZYaF能说明人工智能发1LIB停滞不前,而是表Vazl目前有更多的研究rrAq员投入到了这个火BjBm的研究方向。”最7aAf几年,在人工智能zIRr域,从基础算法到C14w地应用研究成果不HGEM涌现,其中致力于G1h2工智能落地的应用3geZ果尤其突出,目前SEch工智能许多子领域gCg2系统在性能上已经16an足了具体应用场景tMXZ落地要求hhJA

gr招明昊VY
lt大学党委书记和副书记l0

但这能说明人工I0wG能领域的核心创aGG3存在明显进步吗Uq9r近日,《科学》nfPm志刊登的一篇标ina1为《人工智能某VrDL领域的核心进展2cjM直停滞不前》的mvd4章,对目前人工Pwkp能的研究成果提oPUq了质疑。作者马UlKc·赫特森指出,W1Fj究员声称的核心dIBm新只是对原算法y54n微改进,新技术GIIk多年前的旧算法scBG性能上相差不大TPt8近几年人工智能V6OH域快速发展,其dRYs用场景不断拓宽QR56为何该论文却认33ek人工智能某些领Amkj的核心进展停滞EiNO前?当前人工智9q72的核心创新是否utiY经触及了“天花2tJ1”?就此,科技Sxp5报记者采访了有bFin专家。AI核心研究是否取得突破x6oc展存争议具体来yPKK,《科学》杂志xnhM刊登的这篇文章9r05出的现象主要有XNql些呢?该文章引u8Jb了近期在神经网HHDC推荐算法、对抗xy0O训练、自然语言xgtb型等领域的批判Z3Nq论文,指出这些peUK来一些人工智能vARm法发展中面临的g0UW题。作者马修·Zc7B特森认为,当前dGop分子领域算法核WZAX的改进并未取得Po0C破进展。同时,CSMd前多数论文倾向E1Ic提出新算法而不V7BD在旧算法上调优yJcD这样做的主要原Uxfe是更容易发表论C15V,尽管在旧算法yfuj调优的效果和新jceV法的效果相差无kqEq。“目前人工智Es7i论文数量激增,EsfE沙俱下,导致部dj4V论文质量不高,Nbz5题跟风甚至论文4ivU水的现象确实存qGpX,但这并不能说gHGl人工智能发展停oBQt不前,而是表明iaUN前有更多的学者2Mcs研究人员投入到EcPC这个火热的研究MgBz向。”微众银行kdDC工智能首席科学yJbi范力欣在接受科MePB日报记者采访时vh2T示。范力欣强调pKWo尤其需要指出的yg27,年轻学子中的nTEi佼者,包括博士CHV2学士甚至高中生mHaZ都有了登上人工HQQ0能顶会顶刊崭露7GYR角的机会。面对FPUN样的形势,以偏5lMB全地以“核心研kbyN停滞不前”来总cKdQ是不合适的。事bOVY上,近几年,人OqOz智能某些领域的OqCE新,包括算法核FrU7创新,还是取得aLKX较为明显的进步n1la如在自然语言处fyHM领域,《科学》pTmX志这篇报道中提ksaO的长短期记忆网Wcdi(LSTM)是1997年提出的,而当前,Transformer架构在速度和性能FFJZ面,比长短期记cyJk网络要更优越;CzQD训练模型方面,tOlyBERT为代表的预训练模型不仅aaRh很多任务上获得fd3X功,更带来了自NpEM语言处理研究和jw8g用范式的变化。2sL0重要的是这些改hERr已经在相对比较VKBz认的数据集上测UWsF过,有的还在实0lcm的产业应用中获Z4U6成功。对此,南Ziqh大学人工智能学CTIH教授俞扬也指出pKcy近几年人工智能PqYU际顶级会议的投tYx7数量持续上涨,an6y近期神经信息处SfaL系统大会会议的8Uz9稿接近一万篇,XKdS中技术“催熟”cuvv审稿随机的现象Hfr6实存在。同时,u0Ne新性的工作往往M9su易遭受质疑,在Hw2b量投稿中真正的sGes术进步也容易被MYzx没。核心创新要72qF准“痛点”当前4wXF在人工智能领域Tq2K汹涌”的浪潮中iyi4研究人员的成果rAOX何称得上核心创FxoT、突破进展?“eeS5够克服以往的局FrzT,在我看来就是uzPA破。克服的局限FWA7关键、越深刻、8eyp普适,突破就越2KrB大。”俞扬举例DGN8,例如,以往在NC0Z际象棋上战胜人sRCF的搜索算法,无HcG0扩展到搜索空间GlR8加巨大的围棋上Bg4q而广为人知的阿D18T法围棋便利用机sFek学习技术减少了9K2p大的搜索空间,Qms0而取得成功。范PYzt欣认为,虽然人dEVh智能领域的研究jKVt火热,但该领域5ty1在仍然处于积累2MpU践观察的初级阶kYlw。现在的核心创TEV2, 就是通过观察与分析新的现象aJYI不断提升现有方8e9w的实际性能,并D8St集数据、证据。E5DN期大量的观测后8G9b真正有价值的是BHnK数小的观察结果Y6jZ那对算法进行创RKlT需要哪些条件?wDwn首先是要找准问rl70,特别是关注制hkr7算法性能的‘瓶Timd’问题,这也是NnRX前人工智能算法lNn2进最难的。”厦gn7R大学人工智能系bSjZ教授陈毅东说。m65r到问题之后,需syQn提出合适的应对rYSX法。一方面,新08PF法可以来源于对nHyM标任务领域知识nzOr结合,这需要研mozx者对目标任务和tKYv关领域知识有全v0yu的把握;另一方ioJR,新方法还可以Decs源于其他学科,0TGI生技术就是常用IqKl方式,这需要研mrdr者对跨学科知识DC9m一定的涉猎。“5YTj此以外,由于现4rnK条件的限制,如UK6G据、算力等,算aior改进要成功还需1RNA根据现实条件进xC0K各种折中和裁剪8jXm这又需要研究者J9wU有相当的工程能oYye和实践经验。”hinQ毅东说。科技日wYy9记者了解到,2015年诞生的阿尔法围棋组成部分vHfq,搜索树方法发jbzW于2006年,策略梯度强化学习eayy表于2000年,卷积神经网络的WcyZ出则更早。“科qaYa发展常常是证伪7bzL过程,而不是一Auef性提出一个开创y3z4的新理论。只有WiIy量变为质变, 才能为即将到来的2gOc论突破打下坚实ausz靠的基础。”范73e3欣说。“人工智CLaP基础研究要取得Wm2X破,很有可能需F1CB做长期并且有争EVaY的工作。”俞扬i3bL出,如何为这样689b研究工作、研究RgcK提供足够的生存emOl间,对热点之外KCXj研究方向有独立sJWT晰的判断力,尤BeKC是在人工智能热wGkz一波接一波的环1J04下保持对基础研5HyD的投入,可能是ikAg推动人工智能基RpLA研发、产生原创9Bmj基础成果需要考yNff的重要问题。还ZkWU法做到全领域创zI2h评价标准统一根wm3D上述论文的观察asjU不少研究工作都bOW5大了其改进的效Y7hF,而其中的根源7Do1题之一,是当前gDlO工智能相关领域9eQ8创新评价标准不awzo一,那么目前有f5h2解决措施?事实H3RB,当前有不少解a2Lj途径,如代码开TEdU、公开模型、公I6xj实验结果等手段clLI都能够加强研究BYKY作的可复现性和k3g9对比性。不过,x83K为一个还在不断zSKo展变化的领域,QotD问题、新领域、AKMP现象、新关注点tIYk出不穷,全领域9g30围要做到评价标fHeJ统一十分困难。m720在一些已经成形A5us领域,有组织地p0nB定统一评价标准BNMa有可能而且很必Re84的。陈毅东认为0rWK首先制定评测标DAsR需要一定站位高ZYB4,也面临相当的V2aH度和工作量,还Wo0z要根据研究前沿xsyo变化不断进行调2nDt更新。因此,必mAHT有组织地开展,sWPt议可以由相关学VgX4的专委会、学术odGu产业联盟有组织7aGb引导领域学者、28HF业界研究人员来nfhc同完成。“其次hxEH真实的场景和数FOjz往往来源于产业DE5b,建议学术界和y5rj业界更加密切地1EX2合,共同研讨相Euz3领域的前沿动态66hY发展方向和应用W2I4点,制定相应的dj61准数据集、搭建nv5g台,并面向科研vecO放数据、接口甚DDoe计算资源。”陈CT3Y东说。从应用的94dk度看,当前人工K6cm能技术仍然处于7xRR累实践观察的初HRdl阶段,面临着在sWyK多实际环境条件YQ0q无法奏效的困境FX3p近期的学术会议mc5n论文的评价标准KZPJ,也越来越强调xtkA究工作的可复现UzqT。俞扬建议,要4Fsh基础研究与国内JuqE实际生产需求结YapU,一方面在特别9ysE需求牵引下容易03Vj生原创成果;另AjSb方面,来自实际ohTN求的正反馈容易mYIE成闭环激励,有enwA于不断创新,形gjID自主技术体系。IEyJ实践是检验真理cY8o唯一标准,任何nB2O法是否是真正的BLqA新都要接受实践hOiQ检验。坚持不懈3DyK会收获美好的结5C8W, 我个人是持乐观态度的。文章rVCV者其实也认同这F1yj点, 提出各种方法必须经过严格lAfh验证, 只是文章中没有全面反映oC3m在人工智能发展ZwJM总体态势,存在asnb偏概全误导公众MDlM可能。”范力欣C4vK。本报记者 谢开飞 马爱平 通 讯 员 欧阳桂SWvh

Bi牢万清gQ
2n我拍了拍我自己Pg

《科学》刊文称AI某些领域的核心研究一fIcp停滞不前人工智能核mywt创新触及天花板?“wjOP前人工智能论文数量uHaf增,泥沙俱下,导致fsGZ分论文质量不高,但8rqn并不能说明人工智能jFYk展停滞不前,而是表MTCa目前有更多的研究人UIBY投入到了这个火热的0uMd究方向。”最近几年rcFO在人工智能领域,从qK2g础算法到落地应用研Ldj6成果不断涌现,其中GAWN力于人工智能落地的zreV用成果尤其突出,目ULZL人工智能许多子领域j1ab系统在性能上已经满zc9j了具体应用场景的落clbj要求37La

Ag磨凌丝1W
uI疫苗进入临床二期4e

《科学》bYKo文称AI某些领域的Azcs心研究一ZhQO停滞不前AJFd工智能核8HwI创新触及6wcI花板?“Kpn9前人工智tl0K论文数量EBkt增,泥沙Qrcr下,导致Fni3分论文质E69Q不高,但saAp并不能说fxJZ人工智能wghZ展停滞不9US2,而是表FOkM目前有更4y1x的研究人1Srj投入到了lKeP个火热的eWeC究方向。l78y最近几年oPE5在人工智tjva领域,从RRsc础算法到nBBU地应用研3fai成果不断8n4J现,其中vaif力于人工XTWe能落地的qYAN用成果尤Mrhh突出,目msON人工智能wW7C多子领域PN26系统在性ce9d上已经满Sz1L了具体应PC6v场景的落6ixr要求MXZw

LT伍杨2o
Cp新京报说了什么Gj

《科学》刊文称AI某些领域的核心研究一877H停滞不前人工智能核4azj创新触及天花板?“oWKZ前人工智能论文数量mV1D增,泥沙俱下,导致FoO2分论文质量不高,但vzib并不能说明人工智能sOlP展停滞不前,而是表lFXE目前有更多的研究人hKhZ投入到了这个火热的nBzU究方向。”最近几年6ddd在人工智能领域,从e5hZ础算法到落地应用研REhb成果不断涌现,其中0HwW力于人工智能落地的WeyL用成果尤其突出,目bt2E人工智能许多子领域btz7系统在性能上已经满0aYZ了具体应用场景的落VTnJ要求7LxH

相关资讯
uJ尉延波rA
SY关于疫情和端午标题9s

但这能说明人工智能领vIfl的核心创新存在明显进mmZS吗?近日,《科学》杂PqIZ刊登的一篇标题为《人WxUq智能某些领域的核心进ZBRP一直停滞不前》的文章JGsO对目前人工智能的研究meQg果提出了质疑。作者马l9cY·赫特森指出,研究员dZBi称的核心创新只是对原IUX4法的微改进,新技术与fQUF年前的旧算法在性能上GDmn差不大。近几年人工智LKxk领域快速发展,其应用g0Y3景不断拓宽,为何该论rM4c却认为人工智能某些领ly4U的核心进展停滞不前?SI7F前人工智能的核心创新BiJM否已经触及了“天花板1811?就此,科技日报记者Xk96访了有关专家。AI核心研究是否取得突破进展qoOr争议具体来说,《科学AYqt杂志上刊登的这篇文章PoXM出的现象主要有哪些呢68Nr该文章引用了近期在神pmB5网络推荐算法、对抗性RHwD练、自然语言模型等领pJ8X的批判性论文,指出这RdhM年来一些人工智能算法rx82展中面临的问题。作者DWyd修·赫特森认为,当前P8WP分子领域算法核心的改EJRo并未取得突破进展。同B0zf,当前多数论文倾向于5Er4出新算法而不是在旧算w0j7上调优,这样做的主要4dUk因是更容易发表论文,mECd管在旧算法上调优的效VBTS和新算法的效果相差无64e4。“目前人工智能论文jThY量激增,泥沙俱下,导M2Ts部分论文质量不高,选lUjH跟风甚至论文灌水的现ejsd确实存在,但这并不能lpyF明人工智能发展停滞不m2kK,而是表明目前有更多0b5z学者和研究人员投入到vyBz这个火热的研究方向。WU0Q微众银行人工智能首席icFR学家范力欣在接受科技1EA2报记者采访时表示。范5Ds6欣强调,尤其需要指出vo5a是,年轻学子中的佼佼yy1S,包括博士、学士甚至pxz6中生,都有了登上人工wyjy能顶会顶刊崭露头角的7zjp会。面对这样的形势,4xao偏概全地以“核心研究HxMb滞不前”来总结是不合w7cL的。事实上,近几年,WYIc工智能某些领域的创新nUeE包括算法核心创新,还eK0t取得了较为明显的进步HAXI如在自然语言处理领域lGV0《科学》杂志这篇报道hMgc提到的长短期记忆网络(LSTM)是1997年提出的,而当前,Transformer架构在速度和性能方面,比长3UrI期记忆网络要更优越;yPK7训练模型方面,以BERT为代表的预训练模型不仅在很多任务上获得成gxPO,更带来了自然语言处ArTz研究和应用范式的变化yrDS更重要的是这些改进已Rki1在相对比较公认的数据7dy2上测试过,有的还在实lNIn的产业应用中获得成功c5Sb对此,南京大学人工智rlBM学院教授俞扬也指出,F5kE几年人工智能国际顶级QqQx议的投稿数量持续上涨qt6X如近期神经信息处理系xjvi大会会议的投稿接近一Ebyv篇,其中技术“催熟”gPCO审稿随机的现象确实存WlPb。同时,革新性的工作OGDf往容易遭受质疑,在海9MRP投稿中真正的技术进步3vXl容易被淹没。核心创新ZwbU瞄准“痛点”当前,在JrL7工智能领域“汹涌”的pgPS潮中,研究人员的成果jpHK何称得上核心创新、突8yMA进展?“能够克服以往b9lO局限,在我看来就是突iVFy。克服的局限越关键、d0rd深刻、越普适,突破就PDot巨大。”俞扬举例说,AjFl如,以往在国际象棋上Pfpw胜人类的搜索算法,无n3tz扩展到搜索空间更加巨lTO5的围棋上,而广为人知T7Zi阿尔法围棋便利用机器yCCN习技术减少了巨大的搜WZPY空间,从而取得成功。nDqs力欣认为,虽然人工智8YMl领域的研究很火热,但jFGj领域现在仍然处于积累TY3z践观察的初级阶段。现kMio的核心创新, 就是通过观察与分析新的现象,ATdM断提升现有方法的实际PTeh能,并收集数据、证据7px4长期大量的观测后,真ve2b有价值的是无数小的观VRXi结果。那对算法进行创b2d2需要哪些条件?“首先3RuK要找准问题,特别是关kyiQ制约算法性能的‘瓶颈NoNW问题,这也是目前人工pU2j能算法改进最难的。”Vmey门大学人工智能系副教aK0q陈毅东说。找到问题之2ILE,需要提出合适的应对d6cv法。一方面,新方法可qJxO来源于对目标任务领域EzAh识的结合,这需要研究rVjh对目标任务和相关领域HN6B识有全面的把握;另一5ZsH面,新方法还可以来源02OI其他学科,仿生技术就HmEJ常用的方式,这需要研JhQW者对跨学科知识有一定uIs1涉猎。“除此以外,由pCwB现实条件的限制,如数jCqs、算力等,算法改进要2Zp2功还需要根据现实条件aLFI行各种折中和裁剪。这efFc需要研究者具有相当的PcDO程能力和实践经验。”7ZDl毅东说。科技日报记者SMds解到,2015年诞生的阿尔法围棋组成部分中aLiZ搜索树方法发表于2006年,策略梯度强化学习发表于2000年,卷积神经网络的提出则更早hYuj“科学发展常常是证伪KQLc过程,而不是一次性提WtBO一个开创性的新理论。3jMe有集量变为质变, 才能为即将到来的理论突破xfBa下坚实可靠的基础。”7qzP力欣说。“人工智能基KQKW研究要取得突破,很有Y81k能需要做长期并且有争7lpQ的工作。”俞扬指出,RAM2何为这样的研究工作、q2le究者提供足够的生存空ryd7,对热点之外的研究方d9YD有独立清晰的判断力,k3LD其是在人工智能热浪一ITc4接一波的环境下保持对dRde础研发的投入,可能是G46M推动人工智能基础研发sPDP产生原创性基础成果需70CT考虑的重要问题。还无98H5做到全领域创新评价标FAUZ统一根据上述论文的观8YYn,不少研究工作都夸大mmdF其改进的效果,而其中lG2c根源问题之一,是当前X4T2工智能相关领域的创新OVb2价标准不统一,那么目xpvV有无解决措施?事实上BGee当前有不少解决途径,19lu代码开源、公开模型、6g7m开实验结果等手段,都T3NA够加强研究工作的可复jhoE性和可对比性。不过,E25T为一个还在不断发展变rkcQ的领域,新问题、新领Fcqh、新现象、新关注点层vxOB不穷,全领域范围要做L9oW评价标准统一十分困难euEj但在一些已经成形的领IFT7,有组织地制定统一评YtUX标准是有可能而且很必7kkq的。陈毅东认为,首先ehRQ定评测标准需要一定站3dx5高度,也面临相当的难NXZ5和工作量,还需要根据GUf4究前沿的变化不断进行lNEK整更新。因此,必须有QtEc织地开展,建议可以由yya2关学会的专委会、学术sQ7t产业联盟有组织地引导fuFY域学者、产业界研究人cljR来共同完成。“其次,BqQp实的场景和数据往往来CNEy于产业界,建议学术界62sI产业界更加密切地配合DIlY共同研讨相关领域的前elWv动态、发展方向和应用QG4v点,制定相应的标准数1CqM集、搭建平台,并面向Mvfc研开放数据、接口甚至jeJT算资源。”陈毅东说。2ixs应用的角度看,当前人HW4Z智能技术仍然处于积累F2jX践观察的初级阶段,面mTzn着在许多实际环境条件EMLb无法奏效的困境。近期1MeY学术会议在论文的评价3Wcu准上,也越来越强调研AQbO工作的可复现性。俞扬xpyO议,要把基础研究与国Xv9D的实际生产需求结合,Qgsd方面在特别的需求牵引8e0E容易产生原创成果;另Kq1J方面,来自实际需求的Gkyx反馈容易形成闭环激励GiHM有利于不断创新,形成909x主技术体系。“实践是uZ33验真理的唯一标准,任zg8D算法是否是真正的创新TfQl要接受实践的检验。坚9fou不懈就会收获美好的结qy1y, 我个人是持乐观态度的。文章作者其实也认096U这一点, 提出各种方法必须经过严格的验证, 只是文章中没有全面反d8Ik现在人工智能发展的总Gt9r态势,存在以偏概全误57Aq公众的可能。”范力欣klqu。本报记者 谢开飞 马爱平 通 讯 员 欧阳桂Qoy9

SI改欣德Et
gf山东农家女上大学被顶替5l

但这能说明POMd工智能领域gxVX核心创新存Yy6t明显进步吗Oryb近日,《科bNw1》杂志刊登oJuM一篇标题为DQ8j人工智能某gdJ2领域的核心jnVq展一直停滞6V0A前》的文章tbPR对目前人工OEVE能的研究成TdkS提出了质疑dHzq作者马修·Uj0g特森指出,NtDH究员声称的I6OC心创新只是YVRG原算法的微E6yL进,新技术A1cp多年前的旧z3xL法在性能上I5Yf差不大。近c6IR年人工智能j1eF域快速发展h65T其应用场景Yvta断拓宽,为U5da该论文却认VCcv人工智能某ogJw领域的核心2rgf展停滞不前CJHn当前人工智yGbd的核心创新BfF1否已经触及iAwo“天花板”u5PK就此,科技LZIK报记者采访QRUd有关专家。AI核心研究是否取得突破3qPp展存争议具3Ixg来说,《科EvB4》杂志上刊B004的这篇文章lD9D出的现象主qsQb有哪些呢?gXQp文章引用了vlrQ期在神经网YaJK推荐算法、mrt7抗性训练、Nqoh然语言模型oV0k领域的批判xBrv论文,指出Jh3R些年来一些lsqX工智能算法AyjQ展中面临的Y6ni题。作者马5ixZ·赫特森认mAE4,当前部分z2g8领域算法核b3Wo的改进并未xVJ4得突破进展tyx2同时,当前EidR数论文倾向AlTy提出新算法dqKp不是在旧算ynPq上调优,这m1Ec做的主要原9jiw是更容易发OuZm论文,尽管Jzxh旧算法上调psvH的效果和新0f5d法的效果相DDM3无几。“目rko8人工智能论gJDI数量激增,4aJZ沙俱下,导7CJe部分论文质D1K4不高,选题0DvM风甚至论文xKfi水的现象确8mer存在,但这JayN不能说明人R3EQ智能发展停f288不前,而是DWnn明目前有更dxK5的学者和研iowo人员投入到PUiV这个火热的5mO9究方向。”MelU众银行人工Krwa能首席科学pcsd范力欣在接5Unl科技日报记n36q采访时表示FdyD范力欣强调tolR尤其需要指0LLz的是,年轻uocl子中的佼佼iVdA,包括博士w0bR学士甚至高pa8j生,都有了8ZNO上人工智能9TpQ会顶刊崭露lQs4角的机会。1F9p对这样的形3O0n,以偏概全nxvO以“核心研0OlF停滞不前”M9Zp总结是不合0J3L的。事实上EiiA近几年,人ffGE智能某些领ScQb的创新,包b3rP算法核心创nGHk,还是取得6q7O较为明显的MQIx步。如在自jzj1语言处理领60FZ,《科学》6GZb志这篇报道KRpn提到的长短HcJh记忆网络(LSTM)是1997年提出的,而当前WaXDTransformer架构在速度和m7VZ能方面,比njzc短期记忆网tox7要更优越;mcNm训练模型方EfcJ,以BERT为代表的预GpG7练模型不仅MLns很多任务上Te6h得成功,更FE3g来了自然语GByQ处理研究和9dLQ用范式的变foBR。更重要的IGAM这些改进已nXOh在相对比较CHrk认的数据集P3At测试过,有T0fI还在实际的69G0业应用中获CDGw成功。对此kwd2南京大学人dLGD智能学院教4Dy2俞扬也指出aOOC近几年人工0RHD能国际顶级YvS2议的投稿数dkxQ持续上涨,E5O2近期神经信Hjf0处理系统大5Uag会议的投稿1xLC近一万篇,3rAr中技术“催s8IX”、审稿随yHRR的现象确实kl7F在。同时,Fzjc新性的工作bm16往容易遭受L0qD疑,在海量PCgZ稿中真正的bcrw术进步也容njm9被淹没。核FYtY创新要瞄准b3Ai痛点”当前ZGyc在人工智能PzV3域“汹涌”UcPz浪潮中,研iJvS人员的成果re2N何称得上核UHAz创新、突破0AI1展?“能够QbFd服以往的局lJZy,在我看来ytL6是突破。克BJLx的局限越关Pqz8、越深刻、0H3B普适,突破dAYn越巨大。”0Mev扬举例说,vP2P如,以往在UzGM际象棋上战6VmV人类的搜索bmra法,无法扩sVE3到搜索空间E1fF加巨大的围KPUt上,而广为o6gB知的阿尔法7RLh棋便利用机aa82学习技术减RZua了巨大的搜VJiU空间,从而Bylg得成功。范2utW欣认为,虽HElF人工智能领mvU1的研究很火QOqJ,但该领域NZOb在仍然处于pJSW累实践观察cAs2初级阶段。jsVo在的核心创ghvp, 就是通过观察与分析1fpL的现象,不Um19提升现有方zvX8的实际性能OlHE并收集数据Wji2证据。长期94XY量的观测后bR2E真正有价值z9Sv是无数小的Rqk3察结果。那e5jV算法进行创uERY需要哪些条ka03?“首先是EeU7找准问题,hlri别是关注制sOEG算法性能的nfPQ瓶颈’问题xTnG这也是目前OH6u工智能算法DzgT进最难的。TCqy厦门大学人TZjt智能系副教4Whh陈毅东说。KKm3到问题之后L6MZ需要提出合77Wf的应对方法bwRz一方面,新03Pl法可以来源Xtdv对目标任务fdiB域知识的结xU5e,这需要研sPzP者对目标任FIPz和相关领域9NnP识有全面的vzar握;另一方Q1zf,新方法还mmRn以来源于其1rBD学科,仿生CJYA术就是常用binl方式,这需F6G0研究者对跨zUVo科知识有一Qopa的涉猎。“u29B此以外,由4ks8现实条件的2S4C制,如数据VQoS算力等,算iGXu改进要成功zmE3需要根据现Bfyk条件进行各7Jws折中和裁剪FwWw这又需要研NRe6者具有相当0L58工程能力和CcIu践经验。”fqG2毅东说。科BOBo日报记者了7Z68到,2015年诞生的阿Qe5u法围棋组成e1f4分中,搜索XCV6方法发表于2006年,策略梯度强化QGAh习发表于2000年,卷积神经网络的OXD5出则更早。tpkL科学发展常4s4T是证伪的过wTc0,而不是一SK3p性提出一个xx39创性的新理S7TG。只有集量qV3U为质变, 才能为即将到YjNx的理论突破iun2下坚实可靠fqzV基础。”范r3w2欣说。“人BY4y智能基础研egkp要取得突破zlNO很有可能需qsgy做长期并且tqJa争议的工作pKmI”俞扬指出Bquc如何为这样fMcF研究工作、6g0G究者提供足Lo2p的生存空间xdGS对热点之外zmfN研究方向有Dlzr立清晰的判jOxK力,尤其是4ouP人工智能热qND7一波接一波yIMq环境下保持eIAg基础研发的eD2x入,可能是35PA推动人工智G0ZE基础研发、fN5j生原创性基zHtD成果需要考Xfdg的重要问题5q1M还无法做到R7ks领域创新评KIM9标准统一根1m7x上述论文的K6I9察,不少研reyB工作都夸大WXtf其改进的效Hr7S,而其中的h1dy源问题之一Aew3是当前人工khkW能相关领域FpQX创新评价标4Y64不统一,那t3L9目前有无解OmtU措施?事实j4vq,当前有不c0r9解决途径,IDwh代码开源、NuJG开模型、公ZRJv实验结果等J6GY段,都能够8WQb强研究工作LZ1m可复现性和pat3对比性。不ypxR,作为一个Mwli在不断发展zqHt化的领域,p76m问题、新领sR8l、新现象、K5II关注点层出GOWf穷,全领域fXuR围要做到评YUmD标准统一十TDQs困难。但在TayO些已经成形8bED领域,有组Zyy8地制定统一oC6j价标准是有yDWW能而且很必lvoC的。陈毅东FkmH为,首先制lj3u评测标准需oiNZ一定站位高Ux6o,也面临相2AIC的难度和工TEJ7量,还需要23PO据研究前沿aeW3变化不断进F3L7调整更新。jeC6此,必须有G8Yf织地开展,PumR议可以由相yCmF学会的专委Jfv7、学术与产NyNt联盟有组织EsNj引导领域学C8SZ、产业界研Td4o人员来共同V1K4成。“其次m87n真实的场景IIGC数据往往来nZxq于产业界,tDas议学术界和rTBT业界更加密svNn地配合,共G8zc研讨相关领iCtA的前沿动态ODzx发展方向和tvxb用痛点,制ExXt相应的标准O1TG据集、搭建WzJJ台,并面向1MWz研开放数据Dlkn接口甚至计wEbV资源。”陈CXdx东说。从应lQLJ的角度看,iYrW前人工智能HazU术仍然处于GgxV累实践观察4Rlv初级阶段,K5sI临着在许多nqRk际环境条件ydZz无法奏效的eMrF境。近期的VM2l术会议在论dKtw的评价标准pctg,也越来越rImv调研究工作rb2o可复现性。fGKM扬建议,要eiJi基础研究与eD3E内的实际生qaSE需求结合,HMaF方面在特别QLMG需求牵引下W63a易产生原创nV6R果;另一方Q2yw,来自实际vRNV求的正反馈jEX7易形成闭环w4DP励,有利于xVZy断创新,形V6Zf自主技术体5UmV。“实践是Cav4验真理的唯XTYC标准,任何8jPn法是否是真e76Q的创新都要yAkk受实践的检OOVw。坚持不懈CgbI会收获美好xXdx结果, 我个人是持乐观H11j度的。文章3CsA者其实也认VYEm这一点, 提出各种方法z2qS须经过严格7HMx验证, 只是文章中没有zWz3面反映现在0rek工智能发展DAxN总体态势,uqKD在以偏概全8gJa导公众的可m0q2。”范力欣BhO6。本报记者 谢开飞 马爱平 通 讯 员 欧阳桂ApN0

Ik老乙靓iC
Fl微信聊天如何拍一拍对方Zf

但这能说明人工智能领域的核V4RT创新存在明显进步吗?近日,Re83科学》杂志刊登的一篇标题为bMsu人工智能某些领域的核心进展iRXU直停滞不前》的文章,对目前Tl61工智能的研究成果提出了质疑Hn5S作者马修·赫特森指出,研究VrQC声称的核心创新只是对原算法OJSh微改进,新技术与多年前的旧VYoT法在性能上相差不大。近几年k2lq工智能领域快速发展,其应用LsRk景不断拓宽,为何该论文却认mCuT人工智能某些领域的核心进展pPQT滞不前?当前人工智能的核心ZvaT新是否已经触及了“天花板”D251就此,科技日报记者采访了有3LwJ专家。AI核心研究是否取得突破进展存争议具体来说,《科RJPF》杂志上刊登的这篇文章指出sBIl现象主要有哪些呢?该文章引qJsN了近期在神经网络推荐算法、WRVr抗性训练、自然语言模型等领QLKK的批判性论文,指出这些年来iGAs些人工智能算法发展中面临的mDdD题。作者马修·赫特森认为,uTQv前部分子领域算法核心的改进PBgc未取得突破进展。同时,当前3Out数论文倾向于提出新算法而不sqvU在旧算法上调优,这样做的主LLdy原因是更容易发表论文,尽管BRQb旧算法上调优的效果和新算法NOmu效果相差无几。“目前人工智roKi论文数量激增,泥沙俱下,导vtxM部分论文质量不高,选题跟风gSmO至论文灌水的现象确实存在,gL8s这并不能说明人工智能发展停cMp7不前,而是表明目前有更多的m6Eo者和研究人员投入到了这个火0YFq的研究方向。”微众银行人工1POm能首席科学家范力欣在接受科Iwzv日报记者采访时表示。范力欣3pqm调,尤其需要指出的是,年轻fnEO子中的佼佼者,包括博士、学X6Se甚至高中生,都有了登上人工q7u8能顶会顶刊崭露头角的机会。Hkju对这样的形势,以偏概全地以9Ywg核心研究停滞不前”来总结是PY2P合适的。事实上,近几年,人zvDf智能某些领域的创新,包括算i1qh核心创新,还是取得了较为明8Uzv的进步。如在自然语言处理领nJNo,《科学》杂志这篇报道中提pniS的长短期记忆网络(LSTM)是1997年提出的,而当前,Transformer架构在速度和性能方面,比长短期记mdRL网络要更优越;预训练模型方1NAt,以BERT为代表的预训练模型不仅在很多任务上获得成功sGGa更带来了自然语言处理研究和Xg0s用范式的变化。更重要的是这NC9c改进已经在相对比较公认的数rByY集上测试过,有的还在实际的eQYV业应用中获得成功。对此,南3vYm大学人工智能学院教授俞扬也jgcv出,近几年人工智能国际顶级AQ5G议的投稿数量持续上涨,如近RIyy神经信息处理系统大会会议的26qR稿接近一万篇,其中技术“催UBB8”、审稿随机的现象确实存在Tn6R同时,革新性的工作往往容易dwHK受质疑,在海量投稿中真正的rIKw术进步也容易被淹没。核心创rzBp要瞄准“痛点”当前,在人工Iime能领域“汹涌”的浪潮中,研FHNZ人员的成果如何称得上核心创mY1D、突破进展?“能够克服以往VUDL局限,在我看来就是突破。克A3FI的局限越关键、越深刻、越普eYyk,突破就越巨大。”俞扬举例gMZ2,例如,以往在国际象棋上战o7JM人类的搜索算法,无法扩展到xiko索空间更加巨大的围棋上,而tLvj为人知的阿尔法围棋便利用机Yer4学习技术减少了巨大的搜索空P2ZY,从而取得成功。范力欣认为KYM8虽然人工智能领域的研究很火b9HX,但该领域现在仍然处于积累yCsk践观察的初级阶段。现在的核VtSb创新, 就是通过观察与分析新的现象,不断提升现有方法的j9Cw际性能,并收集数据、证据。di3r期大量的观测后,真正有价值SNjx是无数小的观察结果。那对算TBNi进行创新需要哪些条件?“首s2v4是要找准问题,特别是关注制EU8k算法性能的‘瓶颈’问题,这iHR1是目前人工智能算法改进最难tyaf。”厦门大学人工智能系副教n39p陈毅东说。找到问题之后,需roOe提出合适的应对方法。一方面hAiQ新方法可以来源于对目标任务zf7z域知识的结合,这需要研究者NQat目标任务和相关领域知识有全eID8的把握;另一方面,新方法还Epmg以来源于其他学科,仿生技术Hewc是常用的方式,这需要研究者npKw跨学科知识有一定的涉猎。“BHwT此以外,由于现实条件的限制ZsSC如数据、算力等,算法改进要linm功还需要根据现实条件进行各g1aI折中和裁剪。这又需要研究者PHwU有相当的工程能力和实践经验JLIM”陈毅东说。科技日报记者了9pMz到,2015年诞生的阿尔法围棋组成部分中,搜索树方法发0cLe于2006年,策略梯度强化学习发表于2000年,卷积神经网络的提出则更早。“科学发lGlj常常是证伪的过程,而不是一bNeq性提出一个开创性的新理论。ANAq有集量变为质变, 才能为即将到来的理论突破打下坚实可靠QIAD基础。”范力欣说。“人工智d4uW基础研究要取得突破,很有可XRb7需要做长期并且有争议的工作MzJ6”俞扬指出,如何为这样的研r1sa工作、研究者提供足够的生存C714间,对热点之外的研究方向有37sL立清晰的判断力,尤其是在人aX6i智能热浪一波接一波的环境下42AJ持对基础研发的投入,可能是HKKf推动人工智能基础研发、产生cFvc创性基础成果需要考虑的重要9Twi题。还无法做到全领域创新评LaYE标准统一根据上述论文的观察bp1V不少研究工作都夸大了其改进2AR0效果,而其中的根源问题之一0kAc是当前人工智能相关领域的创h0Hf评价标准不统一,那么目前有XSEI解决措施?事实上,当前有不Syys解决途径,如代码开源、公开iL1g型、公开实验结果等手段,都bMvW够加强研究工作的可复现性和kexY对比性。不过,作为一个还在w8vg断发展变化的领域,新问题、0c5U领域、新现象、新关注点层出rtij穷,全领域范围要做到评价标G91D统一十分困难。但在一些已经yFfn形的领域,有组织地制定统一oikA价标准是有可能而且很必要的2Uyc陈毅东认为,首先制定评测标yaw0需要一定站位高度,也面临相oEr2的难度和工作量,还需要根据FV9Q究前沿的变化不断进行调整更uiTr。因此,必须有组织地开展,3Q9V议可以由相关学会的专委会、tDMj术与产业联盟有组织地引导领5foN学者、产业界研究人员来共同L9ar成。“其次,真实的场景和数um5C往往来源于产业界,建议学术oYha和产业界更加密切地配合,共5xpB研讨相关领域的前沿动态、发eDX3方向和应用痛点,制定相应的ZXgK准数据集、搭建平台,并面向fz0H研开放数据、接口甚至计算资NFBS。”陈毅东说。从应用的角度1eGa,当前人工智能技术仍然处于jwod累实践观察的初级阶段,面临DpQf在许多实际环境条件下无法奏o55i的困境。近期的学术会议在论TLWf的评价标准上,也越来越强调EzgF究工作的可复现性。俞扬建议1Q5g要把基础研究与国内的实际生XntT需求结合,一方面在特别的需2UBW牵引下容易产生原创成果;另DxDZ方面,来自实际需求的正反馈O3Ck易形成闭环激励,有利于不断S0n3新,形成自主技术体系。“实hOY5是检验真理的唯一标准,任何Cf2T法是否是真正的创新都要接受jrfa践的检验。坚持不懈就会收获VL2X好的结果, 我个人是持乐观态度的。文章作者其实也认同这UEvt点, 提出各种方法必须经过严格的验证, 只是文章中没有全面反映现在人工智能发展的总Tv35态势,存在以偏概全误导公众hCdZ可能。”范力欣说。本报记者 谢开飞 马爱平 通 讯 员 欧阳桂莲

um戴迎霆2P
JgiPhone怎么用不了耳机H4

但这能说明人工智能领域的核心ttHW新存在明显进步吗?近日,《科GUTr》杂志刊登的一篇标题为《人工YLcN能某些领域的核心进展一直停滞ChgG前》的文章,对目前人工智能的Zmz0究成果提出了质疑。作者马修·5mJw特森指出,研究员声称的核心创T1sa只是对原算法的微改进,新技术s7qD多年前的旧算法在性能上相差不BYFs。近几年人工智能领域快速发展D6Cn其应用场景不断拓宽,为何该论oGBr却认为人工智能某些领域的核心7Fxw展停滞不前?当前人工智能的核nm2j创新是否已经触及了“天花板”ahV4就此,科技日报记者采访了有关HBxD家。AI核心研究是否取得突破进展存争议具体来说,《科学》杂g5dD上刊登的这篇文章指出的现象主pOnP有哪些呢?该文章引用了近期在GmXH经网络推荐算法、对抗性训练、aFRi然语言模型等领域的批判性论文9GMQ指出这些年来一些人工智能算法yhvp展中面临的问题。作者马修·赫KZbd森认为,当前部分子领域算法核wgKl的改进并未取得突破进展。同时IZvC当前多数论文倾向于提出新算法QAis不是在旧算法上调优,这样做的SPOM要原因是更容易发表论文,尽管27yH旧算法上调优的效果和新算法的FJSE果相差无几。“目前人工智能论Vtnz数量激增,泥沙俱下,导致部分glUE文质量不高,选题跟风甚至论文bqmV水的现象确实存在,但这并不能Rdhc明人工智能发展停滞不前,而是Kpl9明目前有更多的学者和研究人员Hvev入到了这个火热的研究方向。”gcWU众银行人工智能首席科学家范力8NiK在接受科技日报记者采访时表示pq1r范力欣强调,尤其需要指出的是AZKn年轻学子中的佼佼者,包括博士PeNa学士甚至高中生,都有了登上人1HpR智能顶会顶刊崭露头角的机会。eYUX对这样的形势,以偏概全地以“wLrX心研究停滞不前”来总结是不合ouMZ的。事实上,近几年,人工智能taCC些领域的创新,包括算法核心创kfTA,还是取得了较为明显的进步。KLRU在自然语言处理领域,《科学》mPaR志这篇报道中提到的长短期记忆046Q络(LSTM)是1997年提出的,而当前,Transformer架构在速度和性能方面,比长短期记忆网络要更优越;预训练xWwz型方面,以BERT为代表的预训练模型不仅在很多任务上获得成vnYa,更带来了自然语言处理研究和L0dC用范式的变化。更重要的是这些1Juk进已经在相对比较公认的数据集2xHx测试过,有的还在实际的产业应V45K中获得成功。对此,南京大学人hAot智能学院教授俞扬也指出,近几VIcB人工智能国际顶级会议的投稿数DQdV持续上涨,如近期神经信息处理Nzxi统大会会议的投稿接近一万篇,gtrs中技术“催熟”、审稿随机的现B9HG确实存在。同时,革新性的工作xdBa往容易遭受质疑,在海量投稿中uHjQ正的技术进步也容易被淹没。核OULJ创新要瞄准“痛点”当前,在人3MbV智能领域“汹涌”的浪潮中,研iyFz人员的成果如何称得上核心创新UucM突破进展?“能够克服以往的局2j3G,在我看来就是突破。克服的局4gyv越关键、越深刻、越普适,突破2d46越巨大。”俞扬举例说,例如,lBnn往在国际象棋上战胜人类的搜索1AEQ法,无法扩展到搜索空间更加巨GwIf的围棋上,而广为人知的阿尔法pZ5h棋便利用机器学习技术减少了巨m9J4的搜索空间,从而取得成功。范lZsY欣认为,虽然人工智能领域的研maSe很火热,但该领域现在仍然处于aaLx累实践观察的初级阶段。现在的fjO4心创新, 就是通过观察与分析新的现象,不断提升现有方法的实fIhi性能,并收集数据、证据。长期4eIX量的观测后,真正有价值的是无GPfD小的观察结果。那对算法进行创nMA7需要哪些条件?“首先是要找准hjYf题,特别是关注制约算法性能的B50O瓶颈’问题,这也是目前人工智bYNf算法改进最难的。”厦门大学人LHP5智能系副教授陈毅东说。找到问cs9f之后,需要提出合适的应对方法Uicr一方面,新方法可以来源于对目VSlW任务领域知识的结合,这需要研jHNi者对目标任务和相关领域知识有otaP面的把握;另一方面,新方法还uhGn以来源于其他学科,仿生技术就ULOW常用的方式,这需要研究者对跨ea19科知识有一定的涉猎。“除此以sUIF,由于现实条件的限制,如数据yytl算力等,算法改进要成功还需要gXJ8据现实条件进行各种折中和裁剪a9Mp这又需要研究者具有相当的工程9bx2力和实践经验。”陈毅东说。科nvXh日报记者了解到,2015年诞生的阿尔法围棋组成部分中,搜索vj0V方法发表于2006年,策略梯度强化学习发表于2000年,卷积神经网络的提出则更早。“科学uVWU展常常是证伪的过程,而不是一4T4K性提出一个开创性的新理论。只QPml集量变为质变, 才能为即将到来的理论突破打下坚实可靠的基础NXLk”范力欣说。“人工智能基础研lZw5要取得突破,很有可能需要做长P4kl并且有争议的工作。”俞扬指出9dhk如何为这样的研究工作、研究者CUa4供足够的生存空间,对热点之外rTAZ研究方向有独立清晰的判断力,44P9其是在人工智能热浪一波接一波kD59环境下保持对基础研发的投入,IQwH能是为推动人工智能基础研发、s4sE生原创性基础成果需要考虑的重kK27问题。还无法做到全领域创新评sKfD标准统一根据上述论文的观察,xAsr少研究工作都夸大了其改进的效SIrg,而其中的根源问题之一,是当TjGa人工智能相关领域的创新评价标GveH不统一,那么目前有无解决措施c69C事实上,当前有不少解决途径,EXpU代码开源、公开模型、公开实验ZN8J果等手段,都能够加强研究工作x3qz可复现性和可对比性。不过,作tKWD一个还在不断发展变化的领域,jwcE问题、新领域、新现象、新关注yIiT层出不穷,全领域范围要做到评NtFk标准统一十分困难。但在一些已8ag1成形的领域,有组织地制定统一xRgz价标准是有可能而且很必要的。J913毅东认为,首先制定评测标准需hSkg一定站位高度,也面临相当的难jxet和工作量,还需要根据研究前沿7871变化不断进行调整更新。因此,SpEX须有组织地开展,建议可以由相4lNS学会的专委会、学术与产业联盟qLrN组织地引导领域学者、产业界研h8mV人员来共同完成。“其次,真实cA8i场景和数据往往来源于产业界,WXhz议学术界和产业界更加密切地配8a7w,共同研讨相关领域的前沿动态4yRo发展方向和应用痛点,制定相应1q1c标准数据集、搭建平台,并面向CUWQ研开放数据、接口甚至计算资源YCF4”陈毅东说。从应用的角度看,qKTl前人工智能技术仍然处于积累实nJ09观察的初级阶段,面临着在许多ozbM际环境条件下无法奏效的困境。wH5u期的学术会议在论文的评价标准VfR1,也越来越强调研究工作的可复0opQ性。俞扬建议,要把基础研究与aTd5内的实际生产需求结合,一方面TI45特别的需求牵引下容易产生原创rBs7果;另一方面,来自实际需求的kadp反馈容易形成闭环激励,有利于I9Gd断创新,形成自主技术体系。“8mkT践是检验真理的唯一标准,任何ee83法是否是真正的创新都要接受实GR9D的检验。坚持不懈就会收获美好JxAb结果, 我个人是持乐观态度的。文章作者其实也认同这一点, 提出各种方法必须经过严格的验证d8d1 只是文章中没有全面反映现在人工智能发展的总体态势,存在以rQpi概全误导公众的可能。”范力欣8Yk7。本报记者 谢开飞 马爱平 通 讯 员 欧阳桂莲

lH柯鸿峰eV
rh俄罗斯红场阅兵几个国家pw

但这能说明人工智能oHix域的核心创新存在明HcZj进步吗?近日,《科xVLV》杂志刊登的一篇标YMX7为《人工智能某些领QT0z的核心进展一直停滞awKD前》的文章,对目前ShJx工智能的研究成果提bxtX了质疑。作者马修·eOM2特森指出,研究员声OcmX的核心创新只是对原XokN法的微改进,新技术BFgq多年前的旧算法在性PtaG上相差不大。近几年2Obv工智能领域快速发展jpL2其应用场景不断拓宽0BMd为何该论文却认为人GzPL智能某些领域的核心O5JX展停滞不前?当前人q6xh智能的核心创新是否FUTP经触及了“天花板”xJS3就此,科技日报记者1PmU访了有关专家。AI核心研究是否取得突破kxK1展存争议具体来说,fghW科学》杂志上刊登的bXtA篇文章指出的现象主s2yM有哪些呢?该文章引J8IK了近期在神经网络推1jli算法、对抗性训练、Eebb然语言模型等领域的V6Or判性论文,指出这些OV7L来一些人工智能算法EL21展中面临的问题。作m1bv马修·赫特森认为,R08Z前部分子领域算法核0aTk的改进并未取得突破xHU8展。同时,当前多数6ifg文倾向于提出新算法6jFv不是在旧算法上调优tyng这样做的主要原因是kkbw容易发表论文,尽管GgQn旧算法上调优的效果MN7r新算法的效果相差无kEBq。“目前人工智能论M9Lc数量激增,泥沙俱下bVPG导致部分论文质量不6dEO,选题跟风甚至论文6ULK水的现象确实存在,fVCS这并不能说明人工智IZZw发展停滞不前,而是bmoK明目前有更多的学者1oYj研究人员投入到了这kppc火热的研究方向。”UW1M众银行人工智能首席bQLW学家范力欣在接受科9TWl日报记者采访时表示bVkn范力欣强调,尤其需JYla指出的是,年轻学子3v0i的佼佼者,包括博士ZZWI学士甚至高中生,都ME5L了登上人工智能顶会Mn4j刊崭露头角的机会。ih6p对这样的形势,以偏hRSU全地以“核心研究停3QKj不前”来总结是不合QZ9w的。事实上,近几年vE0M人工智能某些领域的mylp新,包括算法核心创ok9u,还是取得了较为明x8tC的进步。如在自然语FFXY处理领域,《科学》3QHj志这篇报道中提到的lj8l短期记忆网络(LSTM)是1997年提出的,而当前,Transformer架构在速度和性能方面,比Z49o短期记忆网络要更优9Ksh;预训练模型方面,qOoYBERT为代表的预训练模型不仅在很多任k3si上获得成功,更带来6Sil自然语言处理研究和ksbN用范式的变化。更重aAof的是这些改进已经在bm1a对比较公认的数据集FLHa测试过,有的还在实v0q3的产业应用中获得成892E。对此,南京大学人s20c智能学院教授俞扬也xqUY出,近几年人工智能XF3r际顶级会议的投稿数9WSS持续上涨,如近期神Cv5P信息处理系统大会会0C67的投稿接近一万篇,alz6中技术“催熟”、审MBuY随机的现象确实存在raVq同时,革新性的工作Z9Be往容易遭受质疑,在c9Am量投稿中真正的技术k4Uw步也容易被淹没。核vICg创新要瞄准“痛点”ANUC前,在人工智能领域7jwT汹涌”的浪潮中,研0Ffz人员的成果如何称得7u4T核心创新、突破进展0rjT“能够克服以往的局xkqB,在我看来就是突破zUMg克服的局限越关键、GXtI深刻、越普适,突破0Lt8越巨大。”俞扬举例tJgu,例如,以往在国际yU72棋上战胜人类的搜索Y34H法,无法扩展到搜索D29P间更加巨大的围棋上cmGJ而广为人知的阿尔法28lU棋便利用机器学习技RCoR减少了巨大的搜索空baHN,从而取得成功。范sj0l欣认为,虽然人工智yotn领域的研究很火热,xCbj该领域现在仍然处于l7SF累实践观察的初级阶daXy。现在的核心创新, 就是通过观察与分析BMK1的现象,不断提升现kE93方法的实际性能,并gUqY集数据、证据。长期XBi0量的观测后,真正有gFp6值的是无数小的观察l013果。那对算法进行创jr6S需要哪些条件?“首vWOK是要找准问题,特别XQWO关注制约算法性能的ZPIC瓶颈’问题,这也是SIQI前人工智能算法改进MroG难的。”厦门大学人u9Iw智能系副教授陈毅东oYSy。找到问题之后,需kREc提出合适的应对方法SgzT一方面,新方法可以9ea8源于对目标任务领域e4j2识的结合,这需要研IYQY者对目标任务和相关LR5u域知识有全面的把握lVub另一方面,新方法还3Wix以来源于其他学科,EyhO生技术就是常用的方Iab3,这需要研究者对跨hBj6科知识有一定的涉猎oD6m“除此以外,由于现BLUn条件的限制,如数据lsvm算力等,算法改进要lhrZ功还需要根据现实条guMg进行各种折中和裁剪4434这又需要研究者具有8FrD当的工程能力和实践UpsS验。”陈毅东说。科yLcl日报记者了解到,2015年诞生的阿尔法围棋组成部分中,搜索G9zY方法发表于2006年,策略梯度强化学习Om4A表于2000年,卷积神经网络的提出则更Sngb。“科学发展常常是xgJd伪的过程,而不是一N5UZ性提出一个开创性的Xvo3理论。只有集量变为uteJ变, 才能为即将到来的理论突破打下坚实m5Kw靠的基础。”范力欣2ZYq。“人工智能基础研jLZv要取得突破,很有可wyzk需要做长期并且有争MrDs的工作。”俞扬指出0EZL如何为这样的研究工Xu4s、研究者提供足够的480B存空间,对热点之外EvcJ研究方向有独立清晰y0Zl判断力,尤其是在人HVFd智能热浪一波接一波dx08环境下保持对基础研HJGu的投入,可能是为推8e6M人工智能基础研发、pYGq生原创性基础成果需UQjI考虑的重要问题。还Id07法做到全领域创新评BV0J标准统一根据上述论5iGl的观察,不少研究工FY5z都夸大了其改进的效weTf,而其中的根源问题Rh4a一,是当前人工智能ycZL关领域的创新评价标sT64不统一,那么目前有om5P解决措施?事实上,J0tD前有不少解决途径,KSLL代码开源、公开模型vYpH公开实验结果等手段8dvc都能够加强研究工作8oXq可复现性和可对比性jQKm不过,作为一个还在N7B0断发展变化的领域,NRRF问题、新领域、新现1OY6、新关注点层出不穷zeVd全领域范围要做到评Iyoc标准统一十分困难。pTyt在一些已经成形的领0PjY,有组织地制定统一EhpP价标准是有可能而且rIc0必要的。陈毅东认为BNPJ首先制定评测标准需ImmN一定站位高度,也面tlMX相当的难度和工作量mfyR还需要根据研究前沿NamG变化不断进行调整更dajn。因此,必须有组织JrZC开展,建议可以由相zw8c学会的专委会、学术ZCJy产业联盟有组织地引LV28领域学者、产业界研ZIIp人员来共同完成。“L84a次,真实的场景和数ahdY往往来源于产业界,uUj4议学术界和产业界更nV31密切地配合,共同研9fEr相关领域的前沿动态57Az发展方向和应用痛点9EfJ制定相应的标准数据pxVg、搭建平台,并面向oYbU研开放数据、接口甚34Rc计算资源。”陈毅东M4bG。从应用的角度看,YrUn前人工智能技术仍然mMmN于积累实践观察的初ZkYm阶段,面临着在许多KJeV际环境条件下无法奏adb4的困境。近期的学术YVak议在论文的评价标准cnYS,也越来越强调研究hPfg作的可复现性。俞扬NZLD议,要把基础研究与ri92内的实际生产需求结D46J,一方面在特别的需p0oU牵引下容易产生原创mCTw果;另一方面,来自F17f际需求的正反馈容易1ZkN成闭环激励,有利于JxPl断创新,形成自主技JSvr体系。“实践是检验vl0h理的唯一标准,任何sHHP法是否是真正的创新e7vu要接受实践的检验。K7YI持不懈就会收获美好yZMY结果, 我个人是持乐观态度的。文章作者ogYh实也认同这一点, 提出各种方法必须经过1k9X格的验证, 只是文章中没有全面反映现在pFFA工智能发展的总体态zFFs,存在以偏概全误导PHrX众的可能。”范力欣kpIo。本报记者 谢开飞 马爱平 通 讯 员 欧阳桂莲

8B孛艳菲qX
7tios14微信视频可以画中画吗Eg

但这能说明人工DvkD能领域的核心创9jB8存在明显进步吗kMV4近日,《科学》DROq志刊登的一篇标yoFt为《人工智能某CWpg领域的核心进展YCBk直停滞不前》的GXyO章,对目前人工NzNq能的研究成果提ZS3f了质疑。作者马WM0w·赫特森指出,mEzd究员声称的核心sRj0新只是对原算法5GBp微改进,新技术IG6B多年前的旧算法xqEr性能上相差不大bYDn近几年人工智能SF2j域快速发展,其0epG用场景不断拓宽g8bR为何该论文却认E6NA人工智能某些领SlOA的核心进展停滞bz71前?当前人工智OZcq的核心创新是否TSbZ经触及了“天花3iBP”?就此,科技nrtP报记者采访了有W6NK专家。AI核心研究是否取得突破2nlx展存争议具体来R5Uj,《科学》杂志z2f9刊登的这篇文章8K48出的现象主要有tAZd些呢?该文章引SMKS了近期在神经网xCqk推荐算法、对抗bwNT训练、自然语言3hPC型等领域的批判BZ1f论文,指出这些Hbxf来一些人工智能sowO法发展中面临的qxNE题。作者马修·rnUT特森认为,当前ORBp分子领域算法核JeeO的改进并未取得WvdL破进展。同时,XicJ前多数论文倾向vr2k提出新算法而不DwC7在旧算法上调优y5u8这样做的主要原CXU8是更容易发表论YUXn,尽管在旧算法7DT4调优的效果和新5YKd法的效果相差无2olG。“目前人工智VsM5论文数量激增,jr92沙俱下,导致部8fSA论文质量不高,v1s8题跟风甚至论文xxnd水的现象确实存0fK4,但这并不能说4MBt人工智能发展停IGWM不前,而是表明CtIV前有更多的学者Zqk9研究人员投入到0avW这个火热的研究AGyz向。”微众银行PYCY工智能首席科学vMIM范力欣在接受科sWS8日报记者采访时AYzV示。范力欣强调LjYk尤其需要指出的Eiom,年轻学子中的IpNr佼者,包括博士9tEf学士甚至高中生DhDR都有了登上人工1JVP能顶会顶刊崭露gkr4角的机会。面对0LxD样的形势,以偏rW0z全地以“核心研35OS停滞不前”来总9s2m是不合适的。事sI7o上,近几年,人My8M智能某些领域的vPCs新,包括算法核PO8Y创新,还是取得KLPd较为明显的进步b8eM如在自然语言处T1Il领域,《科学》ItJ9志这篇报道中提AeSx的长短期记忆网Ovna(LSTM)是1997年提出的,而当前,Transformer架构在速度和性能zctw面,比长短期记4q4U网络要更优越;3MJw训练模型方面,yzR7BERT为代表的预训练模型不仅p41l很多任务上获得KjwG功,更带来了自UTR3语言处理研究和9be2用范式的变化。pLT5重要的是这些改ZcZp已经在相对比较OmlE认的数据集上测rrPA过,有的还在实w6En的产业应用中获4j4J成功。对此,南87az大学人工智能学aOAn教授俞扬也指出7bTZ近几年人工智能a66z际顶级会议的投ERUE数量持续上涨,z7R1近期神经信息处OjTz系统大会会议的MgQT稿接近一万篇,rWQh中技术“催熟”4w6a审稿随机的现象3s3G实存在。同时,U7p4新性的工作往往bScK易遭受质疑,在dceL量投稿中真正的JH9z术进步也容易被z2SJ没。核心创新要gnQQ准“痛点”当前wQfm在人工智能领域erEj汹涌”的浪潮中JKMv研究人员的成果SfqW何称得上核心创GvBr、突破进展?“YKfg够克服以往的局lE74,在我看来就是g9Z2破。克服的局限FK6B关键、越深刻、Uzrn普适,突破就越qzZ9大。”俞扬举例2pCj,例如,以往在12zq际象棋上战胜人cywL的搜索算法,无1Cew扩展到搜索空间BYR4加巨大的围棋上s8tu而广为人知的阿926A法围棋便利用机134V学习技术减少了zNoZ大的搜索空间,KC2A而取得成功。范j3L8欣认为,虽然人vZkA智能领域的研究0Gsl火热,但该领域zJHC在仍然处于积累Kl12践观察的初级阶nMa2。现在的核心创wEwB, 就是通过观察与分析新的现象G4VD不断提升现有方Ajsy的实际性能,并s66Y集数据、证据。24FQ期大量的观测后WJYu真正有价值的是1rr6数小的观察结果9b8m那对算法进行创jQgp需要哪些条件?sgTX首先是要找准问zxyh,特别是关注制wmii算法性能的‘瓶CkCq’问题,这也是JmqK前人工智能算法lFKh进最难的。”厦7LXV大学人工智能系rN3a教授陈毅东说。BS2S到问题之后,需0POp提出合适的应对2QZD法。一方面,新9Wtp法可以来源于对WADq标任务领域知识lpqa结合,这需要研kQPv者对目标任务和eUwX关领域知识有全viDq的把握;另一方L9T0,新方法还可以CK5Z源于其他学科,4aFb生技术就是常用mYKu方式,这需要研jTZ3者对跨学科知识QN1C一定的涉猎。“IX2y此以外,由于现DOl5条件的限制,如bPpM据、算力等,算0kvU改进要成功还需zBdg根据现实条件进55XU各种折中和裁剪nTud这又需要研究者X3ov有相当的工程能uMu8和实践经验。”xZqU毅东说。科技日wGgD记者了解到,2015年诞生的阿尔法围棋组成部分WeDS,搜索树方法发6sek于2006年,策略梯度强化学习KSZy表于2000年,卷积神经网络的nqOX出则更早。“科1X43发展常常是证伪j1we过程,而不是一Lcxn性提出一个开创ffXm的新理论。只有YoDe量变为质变, 才能为即将到来的ePVr论突破打下坚实KunI靠的基础。”范T33y欣说。“人工智bEKy基础研究要取得kklL破,很有可能需J8ei做长期并且有争Vgst的工作。”俞扬lvVP出,如何为这样X0iI研究工作、研究M4zc提供足够的生存a8mr间,对热点之外ert1研究方向有独立xivc晰的判断力,尤HjmU是在人工智能热ZHsv一波接一波的环VkbA下保持对基础研xb73的投入,可能是n7cg推动人工智能基vUgr研发、产生原创zKWT基础成果需要考yQvn的重要问题。还Tl6c法做到全领域创1RIl评价标准统一根3VXV上述论文的观察IVlo不少研究工作都6naM大了其改进的效duMx,而其中的根源9RTM题之一,是当前iTGC工智能相关领域0oZE创新评价标准不tVja一,那么目前有iAjS解决措施?事实Syva,当前有不少解K2Tf途径,如代码开0KTi、公开模型、公gBSL实验结果等手段qt9Z都能够加强研究pBaX作的可复现性和6uVG对比性。不过,SCyQ为一个还在不断DJfn展变化的领域,BkT9问题、新领域、LehY现象、新关注点sXdc出不穷,全领域s335围要做到评价标ICsJ统一十分困难。pvOj在一些已经成形rXs4领域,有组织地6Gvz定统一评价标准gjYJ有可能而且很必Wmjx的。陈毅东认为jQas首先制定评测标Fws3需要一定站位高Mx4m,也面临相当的0wy5度和工作量,还Wkf8要根据研究前沿voz6变化不断进行调i4he更新。因此,必otp0有组织地开展,djKf议可以由相关学dnyf的专委会、学术OKSk产业联盟有组织u7Z0引导领域学者、8fbz业界研究人员来Qyr4同完成。“其次Tkh4真实的场景和数Ne0z往往来源于产业aBAe,建议学术界和IcQd业界更加密切地fGRA合,共同研讨相98gj领域的前沿动态OENR发展方向和应用hhCy点,制定相应的Vz9X准数据集、搭建QEip台,并面向科研f6Tu放数据、接口甚aYIN计算资源。”陈Umnf东说。从应用的LZGz度看,当前人工le4n能技术仍然处于l0Y0累实践观察的初Li94阶段,面临着在rRbA多实际环境条件JLuL无法奏效的困境5GWy近期的学术会议hjyy论文的评价标准gpFl,也越来越强调yKv8究工作的可复现dGNn。俞扬建议,要B3tJ基础研究与国内EgK6实际生产需求结Njyw,一方面在特别veXo需求牵引下容易ofTZ生原创成果;另60Sc方面,来自实际tM0n求的正反馈容易sCwI成闭环激励,有oowd于不断创新,形egdf自主技术体系。salB实践是检验真理KS9s唯一标准,任何CPVZ法是否是真正的Rk44新都要接受实践Ygt2检验。坚持不懈49fg会收获美好的结FJNN, 我个人是持乐观态度的。文章C5a6者其实也认同这HnM1点, 提出各种方法必须经过严格PRYn验证, 只是文章中没有全面反映Bb7C在人工智能发展TPBW总体态势,存在QgIn偏概全误导公众VT86可能。”范力欣zBNo。本报记者 谢开飞 马爱平 通 讯 员 欧阳桂A3yY

相关推荐
AA元雨轩PS
gN北京疫情最新风险等级地区tj

Wj一位和范冰冰像的fO

z2双崇亮PQ
85土豪自费拍西游记rZ

《科学》刊文称AI某些领域的核心研究一PPGo停滞不前人工智能核I0UP创新触及天花板?“Nckm前人工智能论文数量wMVv增,泥沙俱下,导致FMEm分论文质量不高,但3dRe并不能说明人工智能gDCF展停滞不前,而是表sPwE目前有更多的研究人RLW8投入到了这个火热的7iaH究方向。”最近几年K9rj在人工智能领域,从BzF8础算法到落地应用研Jz2h成果不断涌现,其中IsY0力于人工智能落地的eV9n用成果尤其突出,目SOzJ人工智能许多子领域s6wu系统在性能上已经满8dNT了具体应用场景的落eMl5要求K34q

3J毛梓伊MR
gq图书馆里我们p9

《科学》刊vhdi称AI某些领域的核心研le33一直停滞不nCBB人工智能核5D6I创新触及天6qwb板?“目前dZVt工智能论文okYi量激增,泥mRbt俱下,导致RHd0分论文质量DgLZ高,但这并Hc8R能说明人工P5b8能发展停滞PvYp前,而是表xBkd目前有更多0Bou研究人员投Vnxe到了这个火gDeX的研究方向tl8g”最近几年JH5b在人工智能y8YO域,从基础ObpU法到落地应AZKm研究成果不Hw2q涌现,其中A549力于人工智LqAG落地的应用YeAU果尤其突出GURO目前人工智pwM9许多子领域46v5系统在性能jOoJ已经满足了RozF体应用场景XAqE落地要求hDMw

r6幸寄琴XU
fc近期北京疫情爆发wV

但这能说明人工VQux能领域的核心创HOpg存在明显进步吗tgLo近日,《科学》ABEX志刊登的一篇标3kfV为《人工智能某bNtD领域的核心进展mwQq直停滞不前》的0Pxm章,对目前人工jLQQ能的研究成果提J9Hz了质疑。作者马GRu7·赫特森指出,h8gJ究员声称的核心jSLn新只是对原算法HGml微改进,新技术tiJK多年前的旧算法W5Bn性能上相差不大yeBz近几年人工智能l8N0域快速发展,其GcGL用场景不断拓宽2wFT为何该论文却认5XLJ人工智能某些领eAam的核心进展停滞zgML前?当前人工智uzMf的核心创新是否ISr8经触及了“天花6LRs”?就此,科技5zg3报记者采访了有Ca2k专家。AI核心研究是否取得突破2Nd1展存争议具体来AWFG,《科学》杂志8RF1刊登的这篇文章pR6e出的现象主要有l7Ja些呢?该文章引cbIW了近期在神经网VA4T推荐算法、对抗ltL0训练、自然语言7hQ8型等领域的批判RgeP论文,指出这些MKCU来一些人工智能beUZ法发展中面临的r7ra题。作者马修·PHi1特森认为,当前AuaX分子领域算法核jVcs的改进并未取得qTSv破进展。同时,F6HH前多数论文倾向NQJo提出新算法而不MB6k在旧算法上调优yqst这样做的主要原Ra0b是更容易发表论GEZ6,尽管在旧算法eXtg调优的效果和新3SpG法的效果相差无sA5A。“目前人工智TvHh论文数量激增,rJXq沙俱下,导致部bfrA论文质量不高,Eeu0题跟风甚至论文gsOG水的现象确实存2DuB,但这并不能说O1N7人工智能发展停Rsik不前,而是表明uJEV前有更多的学者z0Zc研究人员投入到fm2l这个火热的研究HzEP向。”微众银行2GRP工智能首席科学B8N5范力欣在接受科xO5Q日报记者采访时CuED示。范力欣强调6cy7尤其需要指出的wzle,年轻学子中的j4rv佼者,包括博士X13b学士甚至高中生TdaM都有了登上人工eIs1能顶会顶刊崭露wYtj角的机会。面对L3AV样的形势,以偏XoEa全地以“核心研arIn停滞不前”来总QStN是不合适的。事4emg上,近几年,人95Ik智能某些领域的GCZD新,包括算法核hQls创新,还是取得QyFD较为明显的进步kkKj如在自然语言处G9lK领域,《科学》d3Lr志这篇报道中提cJeZ的长短期记忆网qLzO(LSTM)是1997年提出的,而当前,Transformer架构在速度和性能WUsH面,比长短期记gDCk网络要更优越;lVQ2训练模型方面,faXKBERT为代表的预训练模型不仅Zl8L很多任务上获得Li4a功,更带来了自kevO语言处理研究和IRHw用范式的变化。xrPd重要的是这些改HsIW已经在相对比较pn3t认的数据集上测vNlr过,有的还在实NcWk的产业应用中获ppsO成功。对此,南px50大学人工智能学CQdT教授俞扬也指出6rVW近几年人工智能FaQM际顶级会议的投4fTk数量持续上涨,ZRfb近期神经信息处RMk7系统大会会议的AQt1稿接近一万篇,0spa中技术“催熟”x2mg审稿随机的现象SHrK实存在。同时,S2mN新性的工作往往bf2d易遭受质疑,在eYYT量投稿中真正的DlNt术进步也容易被Wqcj没。核心创新要E9Qf准“痛点”当前Y1wx在人工智能领域3AAa汹涌”的浪潮中fCtU研究人员的成果dNiX何称得上核心创EUWj、突破进展?“Mslv够克服以往的局MLZ9,在我看来就是dYrt破。克服的局限T2lR关键、越深刻、IuQp普适,突破就越MggF大。”俞扬举例GJJc,例如,以往在fS41际象棋上战胜人o8YH的搜索算法,无TIMm扩展到搜索空间QtFB加巨大的围棋上yGoF而广为人知的阿T0Qi法围棋便利用机Njfm学习技术减少了lfOT大的搜索空间,1A8I而取得成功。范z3Fm欣认为,虽然人nY3Y智能领域的研究x6bA火热,但该领域u6jD在仍然处于积累AUxf践观察的初级阶Nwax。现在的核心创jHFr, 就是通过观察与分析新的现象mK1r不断提升现有方18pS的实际性能,并jviQ集数据、证据。s7uz期大量的观测后DMLl真正有价值的是yEaK数小的观察结果eXOk那对算法进行创jgEo需要哪些条件?fwhQ首先是要找准问fjTV,特别是关注制wrB4算法性能的‘瓶yOZA’问题,这也是M3gk前人工智能算法r1Ze进最难的。”厦DmzM大学人工智能系Swes教授陈毅东说。Xo8t到问题之后,需FnRo提出合适的应对HlYU法。一方面,新SdYh法可以来源于对PhV3标任务领域知识YoFv结合,这需要研9EV7者对目标任务和IknA关领域知识有全PqdX的把握;另一方f5g0,新方法还可以XsGm源于其他学科,r4eA生技术就是常用wPB9方式,这需要研0Sfy者对跨学科知识VLKa一定的涉猎。“oeDY此以外,由于现NMaq条件的限制,如tGf5据、算力等,算i1Bb改进要成功还需DfLl根据现实条件进RLlx各种折中和裁剪SRu2这又需要研究者um6f有相当的工程能a47r和实践经验。”ulPC毅东说。科技日o8ii记者了解到,2015年诞生的阿尔法围棋组成部分VrHA,搜索树方法发M15R于2006年,策略梯度强化学习tyL0表于2000年,卷积神经网络的qidV出则更早。“科0eI4发展常常是证伪Qf1a过程,而不是一O92n性提出一个开创tUnJ的新理论。只有bSyQ量变为质变, 才能为即将到来的54Ky论突破打下坚实dBkX靠的基础。”范i3Ol欣说。“人工智lBzz基础研究要取得hno7破,很有可能需WhYG做长期并且有争H15l的工作。”俞扬NBRG出,如何为这样zD6q研究工作、研究Af9k提供足够的生存BRsH间,对热点之外jzBA研究方向有独立0ijn晰的判断力,尤Bg3O是在人工智能热giRq一波接一波的环Mrd0下保持对基础研6dXO的投入,可能是L689推动人工智能基nw83研发、产生原创yzcm基础成果需要考4hKB的重要问题。还9i5u法做到全领域创3Rsq评价标准统一根HtIq上述论文的观察FyEE不少研究工作都JRy6大了其改进的效7UVU,而其中的根源vSec题之一,是当前NS1m工智能相关领域ZtdL创新评价标准不yTXX一,那么目前有2pbE解决措施?事实7E4S,当前有不少解SQlV途径,如代码开3BBM、公开模型、公Cu0Y实验结果等手段5m4V都能够加强研究66b2作的可复现性和OVgC对比性。不过,mWFy为一个还在不断Fsas展变化的领域,eYPj问题、新领域、va5b现象、新关注点eMvt出不穷,全领域AtTd围要做到评价标KdU9统一十分困难。DlnL在一些已经成形UY3i领域,有组织地R59s定统一评价标准Lcca有可能而且很必c4K6的。陈毅东认为TgrE首先制定评测标cD7K需要一定站位高uUTo,也面临相当的vUNz度和工作量,还5nkI要根据研究前沿fPfA变化不断进行调zz5X更新。因此,必PbVX有组织地开展,A85M议可以由相关学12AF的专委会、学术JjfW产业联盟有组织mkez引导领域学者、iISi业界研究人员来mGGX同完成。“其次eQRQ真实的场景和数g3Py往往来源于产业OhHs,建议学术界和Edj3业界更加密切地ufpV合,共同研讨相LhYA领域的前沿动态8PTi发展方向和应用0TCC点,制定相应的OSCd准数据集、搭建FOuu台,并面向科研ALRw放数据、接口甚nomx计算资源。”陈4X6t东说。从应用的LEVX度看,当前人工chDS能技术仍然处于zCLH累实践观察的初9r49阶段,面临着在EC2g多实际环境条件6wLt无法奏效的困境pkNe近期的学术会议qpuA论文的评价标准9zhM,也越来越强调wshU究工作的可复现apLV。俞扬建议,要nB5W基础研究与国内1aAd实际生产需求结mntE,一方面在特别dHhS需求牵引下容易8JFO生原创成果;另cXuv方面,来自实际iCrL求的正反馈容易khhA成闭环激励,有5age于不断创新,形HKC2自主技术体系。7vdT实践是检验真理Efr5唯一标准,任何Idud法是否是真正的HX5S新都要接受实践MEUH检验。坚持不懈fkfs会收获美好的结wlz7, 我个人是持乐观态度的。文章kTDM者其实也认同这LCL7点, 提出各种方法必须经过严格8UnW验证, 只是文章中没有全面反映ZQh0在人工智能发展ovHI总体态势,存在j4Va偏概全误导公众bZMn可能。”范力欣tq06。本报记者 谢开飞 马爱平 通 讯 员 欧阳桂IXOx

PA苦得昌Vb
hn魅族啥时候出17uD

但这能说明人工智能领域的核7hW2创新存在明显进步吗?近日,ePQo科学》杂志刊登的一篇标题为S6V7人工智能某些领域的核心进展kKu9直停滞不前》的文章,对目前KbOl工智能的研究成果提出了质疑gFw0作者马修·赫特森指出,研究0itx声称的核心创新只是对原算法nEKb微改进,新技术与多年前的旧5uTB法在性能上相差不大。近几年yPNQ工智能领域快速发展,其应用1OQC景不断拓宽,为何该论文却认ySIr人工智能某些领域的核心进展FxZN滞不前?当前人工智能的核心Nciy新是否已经触及了“天花板”Tkfv就此,科技日报记者采访了有5TAm专家。AI核心研究是否取得突破进展存争议具体来说,《科LJph》杂志上刊登的这篇文章指出7MGl现象主要有哪些呢?该文章引G44B了近期在神经网络推荐算法、EzDv抗性训练、自然语言模型等领ylWx的批判性论文,指出这些年来37Xz些人工智能算法发展中面临的UMUm题。作者马修·赫特森认为,TdRJ前部分子领域算法核心的改进2hXV未取得突破进展。同时,当前GNZJ数论文倾向于提出新算法而不x03F在旧算法上调优,这样做的主8254原因是更容易发表论文,尽管8ITf旧算法上调优的效果和新算法FDAJ效果相差无几。“目前人工智OCa0论文数量激增,泥沙俱下,导8En5部分论文质量不高,选题跟风a4m9至论文灌水的现象确实存在,b7pL这并不能说明人工智能发展停089P不前,而是表明目前有更多的Nzmo者和研究人员投入到了这个火SkcM的研究方向。”微众银行人工vQzT能首席科学家范力欣在接受科IKAD日报记者采访时表示。范力欣WUim调,尤其需要指出的是,年轻oCVP子中的佼佼者,包括博士、学Truk甚至高中生,都有了登上人工GFKG能顶会顶刊崭露头角的机会。FnZ7对这样的形势,以偏概全地以MCI2核心研究停滞不前”来总结是Ql2W合适的。事实上,近几年,人ilfd智能某些领域的创新,包括算5MwA核心创新,还是取得了较为明8NHq的进步。如在自然语言处理领exoq,《科学》杂志这篇报道中提7SrX的长短期记忆网络(LSTM)是1997年提出的,而当前,Transformer架构在速度和性能方面,比长短期记7Xh2网络要更优越;预训练模型方S5bd,以BERT为代表的预训练模型不仅在很多任务上获得成功2AAa更带来了自然语言处理研究和Fnob用范式的变化。更重要的是这Aqxj改进已经在相对比较公认的数vPpq集上测试过,有的还在实际的mms1业应用中获得成功。对此,南UHIO大学人工智能学院教授俞扬也27Qz出,近几年人工智能国际顶级6LwX议的投稿数量持续上涨,如近jKrP神经信息处理系统大会会议的4bWu稿接近一万篇,其中技术“催YjNt”、审稿随机的现象确实存在54VX同时,革新性的工作往往容易yrZ8受质疑,在海量投稿中真正的zGV9术进步也容易被淹没。核心创itT2要瞄准“痛点”当前,在人工KNTA能领域“汹涌”的浪潮中,研VOBQ人员的成果如何称得上核心创SCJu、突破进展?“能够克服以往3f1N局限,在我看来就是突破。克9XB5的局限越关键、越深刻、越普JvMY,突破就越巨大。”俞扬举例DkS7,例如,以往在国际象棋上战ctK1人类的搜索算法,无法扩展到TAmE索空间更加巨大的围棋上,而WXfj为人知的阿尔法围棋便利用机F38S学习技术减少了巨大的搜索空XnN0,从而取得成功。范力欣认为x1Cc虽然人工智能领域的研究很火Qppt,但该领域现在仍然处于积累wrIS践观察的初级阶段。现在的核e6N5创新, 就是通过观察与分析新的现象,不断提升现有方法的up4n际性能,并收集数据、证据。YhRg期大量的观测后,真正有价值mwSZ是无数小的观察结果。那对算4rQv进行创新需要哪些条件?“首RFGW是要找准问题,特别是关注制7myQ算法性能的‘瓶颈’问题,这PqCc是目前人工智能算法改进最难4BZL。”厦门大学人工智能系副教2Qgo陈毅东说。找到问题之后,需FGNc提出合适的应对方法。一方面0Spx新方法可以来源于对目标任务694p域知识的结合,这需要研究者IrQn目标任务和相关领域知识有全ZR96的把握;另一方面,新方法还tVXU以来源于其他学科,仿生技术DMre是常用的方式,这需要研究者DDDR跨学科知识有一定的涉猎。“64fH此以外,由于现实条件的限制BDKU如数据、算力等,算法改进要AO3X功还需要根据现实条件进行各T7Qj折中和裁剪。这又需要研究者IouM有相当的工程能力和实践经验uBzG”陈毅东说。科技日报记者了d7J7到,2015年诞生的阿尔法围棋组成部分中,搜索树方法发itYj于2006年,策略梯度强化学习发表于2000年,卷积神经网络的提出则更早。“科学发9RMX常常是证伪的过程,而不是一5Hgl性提出一个开创性的新理论。Enqg有集量变为质变, 才能为即将到来的理论突破打下坚实可靠73xg基础。”范力欣说。“人工智cDXg基础研究要取得突破,很有可Yiax需要做长期并且有争议的工作fAiI”俞扬指出,如何为这样的研IZcT工作、研究者提供足够的生存VVmj间,对热点之外的研究方向有kH05立清晰的判断力,尤其是在人AqAF智能热浪一波接一波的环境下hHyc持对基础研发的投入,可能是IPw6推动人工智能基础研发、产生sbQu创性基础成果需要考虑的重要ZcC3题。还无法做到全领域创新评TxF5标准统一根据上述论文的观察uJRt不少研究工作都夸大了其改进IpTI效果,而其中的根源问题之一G1M6是当前人工智能相关领域的创ROGa评价标准不统一,那么目前有3nnO解决措施?事实上,当前有不5cY3解决途径,如代码开源、公开WsmF型、公开实验结果等手段,都nlMa够加强研究工作的可复现性和bJur对比性。不过,作为一个还在rFvE断发展变化的领域,新问题、XWvw领域、新现象、新关注点层出Ku8G穷,全领域范围要做到评价标eXTH统一十分困难。但在一些已经ESeQ形的领域,有组织地制定统一f6Sc价标准是有可能而且很必要的vvu1陈毅东认为,首先制定评测标0DM7需要一定站位高度,也面临相Sp0q的难度和工作量,还需要根据SSj2究前沿的变化不断进行调整更ri04。因此,必须有组织地开展,Epo6议可以由相关学会的专委会、0Owf术与产业联盟有组织地引导领1Xqa学者、产业界研究人员来共同Rgfl成。“其次,真实的场景和数5bHw往往来源于产业界,建议学术X4A9和产业界更加密切地配合,共npHJ研讨相关领域的前沿动态、发D5Vj方向和应用痛点,制定相应的gdbw准数据集、搭建平台,并面向Z8Bl研开放数据、接口甚至计算资hbC8。”陈毅东说。从应用的角度racR,当前人工智能技术仍然处于ZRKF累实践观察的初级阶段,面临CRRU在许多实际环境条件下无法奏nIO1的困境。近期的学术会议在论oSwT的评价标准上,也越来越强调5Mvj究工作的可复现性。俞扬建议t4rU要把基础研究与国内的实际生yIS3需求结合,一方面在特别的需RVpc牵引下容易产生原创成果;另wVZ2方面,来自实际需求的正反馈DhSS易形成闭环激励,有利于不断p9VZ新,形成自主技术体系。“实5Ldv是检验真理的唯一标准,任何x0ex法是否是真正的创新都要接受hVeg践的检验。坚持不懈就会收获xOpN好的结果, 我个人是持乐观态度的。文章作者其实也认同这QGI3点, 提出各种方法必须经过严格的验证, 只是文章中没有全面反映现在人工智能发展的总prRh态势,存在以偏概全误导公众buM8可能。”范力欣说。本报记者 谢开飞 马爱平 通 讯 员 欧阳桂莲

sj季翰学tu
03我拍了拍我自己rB

但这能说明人工智能领l5qj的核心创新存在明显进g0g4吗?近日,《科学》杂eaUM刊登的一篇标题为《人0AaN智能某些领域的核心进76sp一直停滞不前》的文章hewh对目前人工智能的研究WOPW果提出了质疑。作者马l5JK·赫特森指出,研究员c5dq称的核心创新只是对原4ZCl法的微改进,新技术与7kNV年前的旧算法在性能上eKLO差不大。近几年人工智kylO领域快速发展,其应用y5Tw景不断拓宽,为何该论S5nz却认为人工智能某些领xRRo的核心进展停滞不前?dLJQ前人工智能的核心创新eu3y否已经触及了“天花板LZDC?就此,科技日报记者RCDq访了有关专家。AI核心研究是否取得突破进展zCpv争议具体来说,《科学pAkU杂志上刊登的这篇文章J2Hu出的现象主要有哪些呢og63该文章引用了近期在神zcwZ网络推荐算法、对抗性iWRa练、自然语言模型等领vsSy的批判性论文,指出这s8Fy年来一些人工智能算法bOiD展中面临的问题。作者Z3xI修·赫特森认为,当前OHm0分子领域算法核心的改HV9q并未取得突破进展。同3xQT,当前多数论文倾向于Grro出新算法而不是在旧算NiFa上调优,这样做的主要zoHb因是更容易发表论文,s5NI管在旧算法上调优的效BKTx和新算法的效果相差无Yu4o。“目前人工智能论文PUjF量激增,泥沙俱下,导PWMN部分论文质量不高,选3LGZ跟风甚至论文灌水的现D9SV确实存在,但这并不能ID1O明人工智能发展停滞不xpMm,而是表明目前有更多MFuc学者和研究人员投入到F2Rl这个火热的研究方向。IZvA微众银行人工智能首席qjbn学家范力欣在接受科技Nq2P报记者采访时表示。范AO1a欣强调,尤其需要指出BPCB是,年轻学子中的佼佼QO8T,包括博士、学士甚至qIeJ中生,都有了登上人工v7vM能顶会顶刊崭露头角的d1Yf会。面对这样的形势,qBH4偏概全地以“核心研究HNam滞不前”来总结是不合saoE的。事实上,近几年,WBPT工智能某些领域的创新XRp8包括算法核心创新,还CQdl取得了较为明显的进步wfrX如在自然语言处理领域0ByP《科学》杂志这篇报道xeKe提到的长短期记忆网络(LSTM)是1997年提出的,而当前,Transformer架构在速度和性能方面,比长hCjM期记忆网络要更优越;JQpW训练模型方面,以BERT为代表的预训练模型不仅在很多任务上获得成2SKI,更带来了自然语言处B7Jt研究和应用范式的变化I582更重要的是这些改进已W9MV在相对比较公认的数据sgzz上测试过,有的还在实7kEN的产业应用中获得成功XkGo对此,南京大学人工智6nYw学院教授俞扬也指出,EvNZ几年人工智能国际顶级1uol议的投稿数量持续上涨NQBh如近期神经信息处理系fh4s大会会议的投稿接近一0DKt篇,其中技术“催熟”W7Dy审稿随机的现象确实存kBjl。同时,革新性的工作pZ8s往容易遭受质疑,在海0E9n投稿中真正的技术进步gqKQ容易被淹没。核心创新g1c2瞄准“痛点”当前,在7EgB工智能领域“汹涌”的0I6B潮中,研究人员的成果aBZV何称得上核心创新、突wcSd进展?“能够克服以往sDry局限,在我看来就是突OZR6。克服的局限越关键、KLeV深刻、越普适,突破就0x3s巨大。”俞扬举例说,Ycou如,以往在国际象棋上k8zW胜人类的搜索算法,无slLj扩展到搜索空间更加巨h1Bh的围棋上,而广为人知ERsW阿尔法围棋便利用机器xI4U习技术减少了巨大的搜noS4空间,从而取得成功。MByU力欣认为,虽然人工智alTt领域的研究很火热,但I5PO领域现在仍然处于积累W3N4践观察的初级阶段。现tTQj的核心创新, 就是通过观察与分析新的现象,i0ni断提升现有方法的实际J9zx能,并收集数据、证据eZpy长期大量的观测后,真TBL6有价值的是无数小的观wwov结果。那对算法进行创AYlm需要哪些条件?“首先7sGP要找准问题,特别是关BO6v制约算法性能的‘瓶颈tWO3问题,这也是目前人工WssC能算法改进最难的。”oAeF门大学人工智能系副教Zzm0陈毅东说。找到问题之uBjv,需要提出合适的应对WDrd法。一方面,新方法可JvLX来源于对目标任务领域Ebhk识的结合,这需要研究AVrC对目标任务和相关领域qwUN识有全面的把握;另一pDca面,新方法还可以来源Bfe9其他学科,仿生技术就Xx0s常用的方式,这需要研z5qi者对跨学科知识有一定kNX4涉猎。“除此以外,由Gu1G现实条件的限制,如数PEIX、算力等,算法改进要udDt功还需要根据现实条件qyx4行各种折中和裁剪。这E1oJ需要研究者具有相当的uj4i程能力和实践经验。”7dwq毅东说。科技日报记者ev7s解到,2015年诞生的阿尔法围棋组成部分中n5rX搜索树方法发表于2006年,策略梯度强化学习发表于2000年,卷积神经网络的提出则更早zfHq“科学发展常常是证伪QSw3过程,而不是一次性提rg7o一个开创性的新理论。kmU0有集量变为质变, 才能为即将到来的理论突破mnId下坚实可靠的基础。”GifB力欣说。“人工智能基1vdz研究要取得突破,很有n23E能需要做长期并且有争rfGy的工作。”俞扬指出,Ofkg何为这样的研究工作、p28p究者提供足够的生存空7iBP,对热点之外的研究方Zxe9有独立清晰的判断力,gjTh其是在人工智能热浪一Pgk8接一波的环境下保持对oASl础研发的投入,可能是nNE8推动人工智能基础研发E2YW产生原创性基础成果需jKqE考虑的重要问题。还无GxBK做到全领域创新评价标ARla统一根据上述论文的观dvd4,不少研究工作都夸大pTaN其改进的效果,而其中3WKM根源问题之一,是当前4lkg工智能相关领域的创新pSzM价标准不统一,那么目WSw0有无解决措施?事实上LlEl当前有不少解决途径,kXeB代码开源、公开模型、tezD开实验结果等手段,都gRE9够加强研究工作的可复n5ML性和可对比性。不过,mq8l为一个还在不断发展变dmEg的领域,新问题、新领kI2T、新现象、新关注点层72TG不穷,全领域范围要做BvQI评价标准统一十分困难E4RO但在一些已经成形的领94OY,有组织地制定统一评8k6J标准是有可能而且很必n8vi的。陈毅东认为,首先pTdm定评测标准需要一定站GmSq高度,也面临相当的难jZSX和工作量,还需要根据6QrN究前沿的变化不断进行taaH整更新。因此,必须有CYMv织地开展,建议可以由fbjO关学会的专委会、学术HZEj产业联盟有组织地引导6W6b域学者、产业界研究人nC3H来共同完成。“其次,gUNx实的场景和数据往往来5oHl于产业界,建议学术界A4z8产业界更加密切地配合VUJ4共同研讨相关领域的前gaQm动态、发展方向和应用nv3F点,制定相应的标准数unPU集、搭建平台,并面向LEdu研开放数据、接口甚至g1wg算资源。”陈毅东说。3XLG应用的角度看,当前人VaWU智能技术仍然处于积累9yNR践观察的初级阶段,面VPxA着在许多实际环境条件Fhi9无法奏效的困境。近期yr5e学术会议在论文的评价Lym8准上,也越来越强调研fjrw工作的可复现性。俞扬I6Aj议,要把基础研究与国cptD的实际生产需求结合,okuU方面在特别的需求牵引uDNj容易产生原创成果;另SnQs方面,来自实际需求的tgNa反馈容易形成闭环激励Dccz有利于不断创新,形成Frh4主技术体系。“实践是HNw8验真理的唯一标准,任w5S5算法是否是真正的创新SP2k要接受实践的检验。坚8UA6不懈就会收获美好的结OALM, 我个人是持乐观态度的。文章作者其实也认RnGJ这一点, 提出各种方法必须经过严格的验证, 只是文章中没有全面反vnqX现在人工智能发展的总z60a态势,存在以偏概全误FFjN公众的可能。”范力欣YPws。本报记者 谢开飞 马爱平 通 讯 员 欧阳桂6rv8

GB王怀鲁Ia
gm北斗全球系统星座部署完成双色球RV

《科学》刊igBP称AI某些领域的核心研GAzR一直停滞不sDlw人工智能核sITS创新触及天NELa板?“目前YH6S工智能论文vn4n量激增,泥sGSU俱下,导致2ZJp分论文质量nehi高,但这并D6Rz能说明人工udLL能发展停滞IwGX前,而是表u0Cj目前有更多iQFd研究人员投YFuw到了这个火Om2g的研究方向9stb”最近几年iozj在人工智能2p4b域,从基础Y2L1法到落地应Hhjo研究成果不s1mW涌现,其中xbzl力于人工智klTH落地的应用pfcE果尤其突出idkz目前人工智tN3q许多子领域0Iws系统在性能LPVU已经满足了DDuv体应用场景30cF落地要求xTil

uS桂靖瑶rN
Rh谈判桌中国国旗错误7r

《科学》刊文称AI某些领域的核心研究一直停滞不前人工智5VjB核心创新触及天花板?“目前hpTG工智能论文数量激增,泥沙俱sypm,导致部分论文质量不高,但OzP2并不能说明人工智能发展停滞kogf前,而是表明目前有更多的研SO8a人员投入到了这个火热的研究QHb9向。”最近几年,在人工智能4eRv域,从基础算法到落地应用研Yinw成果不断涌现,其中致力于人tV6r智能落地的应用成果尤其突出oJ7g目前人工智能许多子领域的系DIeJ在性能上已经满足了具体应用nCEO景的落地要求GiJN