您的位置:首页 > 机器人 >正文

结构化数据和语义和机器人技术和AI的未来

发布时间:2021-03-10 14:21:18  编辑:  来源:

人工智能神童加里·马库斯(Gary Marcus)说,利用数据结构是人工智能取得进步的关键。对Software 2.0,AI,机器人技术和AI的未来的前瞻性看法

深度学习很棒,但不是,它不能做所有事情。在AI方面取得进展的唯一方法是将已经存在的构建基块放在一起,但是目前的AI系统还没有。在重新组合AI的漫长而曲折的道路上,增加知识,克服对“旧AI的偏见”并扩大规模是所有必要的步骤。

这是科学家,畅销书作家和企业家Gary Marcus关于重新启动AI的论文的摘要。训练有素的认知科学家马库斯(Marcus)自孩提时代以来就一直在从事关于人工智能本质的跨学科研究(无论是人工的还是其他方式)。

Marcus因其对深度学习的批评而在AI界广为人知,他最近发表了长达60页的论文,标题为“ AI的下一个十年:迈向强大的人工智能的四个步骤”。在这项工作中,Marcus超越了批评,提出了推动AI前进的具体建议。

作为Marcus最近关于Knowledge Connexions中的AI未来的主题演讲的前身,ZDNet与他进行了广泛的话题交流。我们通过提供Marcus的来源背景来奠定基础,并详细介绍深度学习和知识图的融合,以此作为他的方法的一个例子。

今天,我们将围绕如何最佳使用结构化和非结构化数据,大规模语义技术以及具有前瞻性的技术进行讨论。

掌握知识:从Wikipedia到DBpedia和Wikidata

Marcus承认采用他的方法需要解决一些实际问题,并且必须付出很大的努力来约束符号搜索,以足够实时地处理复杂的问题。但是他认为Google的知识图至少可以部分反驳这一反对意见。

知识图是语义Web方法和技术堆栈的重塑,由Tim Berners Lee爵士20年前提出。Marcus强调,网络上的AI并没有吸收很多知识,而使用RDF之类的标准添加更多的语义和元数据将有所帮助。

Wikipedia是一个很好的例子。人们可以阅读它,并通过这样做来增进他们的知识。Wikipedia也已成为知识和数据工程师的目标,以实现Marcus所描述的目标。DBpedia是最早在该术语诞生之前建立的知识图谱之一,而今天仍然是最大的知识图谱之一。

DBpedia背后的人们所做的就是创建了复杂的机制来从Wikipedia中提取结构化知识。想象一下,尽管拥有Wikipedia的所有知识,但是能够像查询数据库一样查询它。Marcus指出Wikipedia框中的内容是当前技术最易于访问的内容:

对于消除歧义以及单词的特定用途将是什么,它们已经有所帮助。Wikipedia中有很多知识,这些知识都是非结构化文本形式的,不会出现在这些文本框中,而我们利用这些知识的能力却差强人意。因此,如果您对某次特定战争中某人的所作所为具有历史性描述,那么系统此时可能无法理解这一点。

但这将能够喜欢查找此人的头衔是队长。这些年来,他们还活着。他们是他们今年死了。他们的孩子的名字就是这样。因此,后者是结构化的数据,并且可以通过当前技术更轻松地利用。而且还有很多其他数据我们没有使用。

我很高兴看到我们开始至少使用其中一些。我不认为我们在原则上会尽可能地使用它,因为如果您不了解所有这些实体之间的概念关系,则很难最大程度地利用它。

DBpedia中的人们显然可以做到这一点。这就是为什么他们创建DBpedia本体论的原因:DBpedia本体论是一种浅的,跨域的本体论,它是根据Wikipedia中最常用的信息框手动创建的。在知识图的上下文中,本体可以被认为是用于用事实来填充知识图的模式。

此外,我们还有Wikidata。Wikidata在某种程度上与DBpedia相反:DBpedia在Wikipedia中创建非结构化知识的结构化版本,而Wikidata充当其Wikimedia姊妹项目(包括Wikipedia)的结构化数据的中央存储。这是一个免费开放的知识库,可以由人和机器读取和编辑。

包埋和神经形态芯片

在机器学习中利用语义和知识的另一种流行的方法是嵌入。这是一种以较简单的方式表示复杂结构的方式,以加快计算速度。随着图形越来越被视为代表知识的丰富结构,图形嵌入也越来越流行。

图嵌入是图到矢量或一组矢量的转换。嵌入应捕获图拓扑,边对边关系以及其他有关图,子图和边的相关信息。也为知识图开发了特定的技术。

当被问及嵌入时,马库斯回答了计算语言学家雷·穆尼的一句名言:“您不能将整个$&!#*句子的含义都塞进单个$!#&*向量中。”

“向量,至少就我们目前所了解的而言,经常会采取许多不同的方法,并以此为基础进行相似性度量,但是并不能真正精确地表示事物。因此,它们通常是一个混杂的事物。您会得到一些东西在其中,但您不知道到底是什么。有时它可以工作,但实际上并不是那么可靠。我还没有看到那种架构具有最高的可靠性。”

马库斯(Marcus)在他的论文中提到了其他引起我们兴趣的东西。作为研究过人类认知的人,马库斯并不认为通往人工智能的方法一定会尝试模仿人类的大脑。我们想知道他对神经形态芯片(即声称模仿人类大脑的AI芯片)的看法是什么:

我们不应该在模仿人类的大脑-我们应该从大脑或人类的思想中学习。最好的AI系统将具有人类思维的某些特性和机器的某些特性。他们将以新的方式将它们组合在一起,这超出了我们使用当前机器或当前人脑所能做的事情。

对于神经形态芯片,其想法是从大脑的工作原理中学习,以制造出更好的芯片。到目前为止,我在原则上完全同情。现实情况是,我们对神经科学的了解还不足以使这项工作很好地发挥作用。我担心像杰夫·霍金斯(Jeff Hawkins)这样的人只会坚持我们已经知道的关于大脑的事情。我认为我们对大脑的了解还不足以真正有效地做到这一点。

您知道,也许从现在起20年后,我们将能够做到这一点。但是目前,我们对脑部操作的理解还很有限。因此,我认为神经形态芯片领域比结果更有希望。目前还没有很多具体的应用程序。

例如,我们可能有一些理由认为这可能会导致我们替代目前正在使用的技术的低功耗替代品。到目前为止,我还没有看到任何真正有用的文献。可以,但是也许我们需要更多地了解大脑的工作原理,然后才能真正利用它。

软件2.0,机器人技术和强大的AI

这次来自软件的另一个前瞻性想法是所谓的Software 2.0。传统的软件处理方法是构建算法,以非常详细的方式对软件的工作进行编码。Software 2.0的想法是,对于真正复杂的流程,很难做到这一点,甚至不可能做到。

软件2.0方法不是指定软件的工作方式,而是使用现有流程和机器学习中的数据来找出模式,并产生我们可以使用的东西。该方法存在一些问题:并非所有流程都有足够的数据可使用,并且机器学习开发生命周期正在进行中。但是,Marcus完全质疑这种方法:

没有人试图通过监督学习一堆有关用户键入内容和他们在屏幕上看到的内容的日志来构建Web浏览器。这就是机器学习的方法-不用坐在那里费力地编写代码,而只需从数据中得出即可。那实际上是行不通的。甚至没有人试图做到这一点。

很高兴我们提供了一些新技术。但是,如果人们认为我们不需要任何人去编码,那么,在短期内,那肯定是不对的。我认为真正的革命可能会到来,但是距查尔斯·西蒙尼(Charles Simoni)所谓的有意编程要走很长时间。

无需编写所需的所有代码行,而是让机器弄清楚您要执行的操作的逻辑是什么。也许您可以通过一些机器学习和一些经典的逻辑驱动编程来做到这一点,但是我们离实现这一目标还差得很远。

某些人可能正在尝试使Software 2.0方法起作用。至于Marcus,他的重点是他创立的公司Robust.ai。Robust AI不仅要操作和工作流水线,还希望制造能够在各种环境中工作的机器人-家庭,零售,养老,建筑等。

当被问及为什么专注于机器人技术时,Marcus的回答类似于Facebook的Yann LeCun,后者是Deep Learning最有声望的支持者之一。Facebook还加大了对机器人技术的关注力度,LeCun认为我们在人类如何快速学习方面缺少了一些东西。他接着补充说,到目前为止最好的想法来自机器人技术。

马库斯说,他认为事情有些相似,但并不完全相似。他认为机器人非常有趣,因为它们迫使我们超越逼近范围,朝着真正可以应对现实世界的系统迈进:

如果要处理语音识别,则可以通过收集大量数据来解决问题,因为单词在一天到一天之间变化不大。但是,如果您想构建一个可以说要在街道上闲逛并清理街道的机器人,则它必须能够处理这样的事实,即每一条街道每天,每一小时都将有所不同。

如果我们要将机器人投放到现实世界中,那么它就必须像人一样聪明。目前,机器人大多在控制良好的环境中工作,没有人或人局限于一个特定的地方。机器人现在只能做的事情非常受限制。这样一来,我们就可以回避您如何制造真正具有自主性并能够自行处理事物的机器人这一问题。

这是机器人定义的一部分。我认为这是一个引人入胜的智力问题,随着我们将机器人作为业务的一部分越来越多地移入现实世界,这将极大地推动AI领域的发展。这将是一个巨大的机会-目前世界上没有多少机器人可以通过机器人实现自动化。

马库斯说,机器人技术现在可能是一个500亿美元的产业,但它可能更大。为了到达那个地方,我们需要使机器人安全,可靠,值得信赖和灵活。健壮的AI刚刚筹集了1500万美元,因此显然正在取得进展。

版权声明:转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益,请作者持权属证明与本网联系,我们将及时更正、删除,谢谢您的支持与理解。
版权声明:本站若有来源标注错误或侵犯了您的合法权益,请作者持权属证明与本网联系,我们将及时更正、删除,谢谢您的支持与理解。转载文章是出于传递更多信息之目的。
版权所有:阜新生活网 ·(2019-2021) .闽ICP备20009870号-2. 联系QQ:173 0547 905 .