由麻省理工校友创建的一家创业公司,深度学习是机器学习研究中的一个新的领域

金沙澳门游戏网址 2

由麻省理工校友创建的一家创业公司,深度学习是机器学习研究中的一个新的领域

| 0 comments

美国的波士顿以司机不友善和道路混乱而闻名于世,不过倒恰好是用来测试一种全新自动驾驶汽车的绝佳场地。

人工智能(Artificial
Intelligence),英文缩写为AI。它是研究、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。
人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。
人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。
人工智能是一门极富挑战性的科学,从事这项工作的人必须懂得计算机知识,心理学和哲学。人工智能是包括十分广泛的科学,它由不同的领域组成,如机器学习,计算机视觉等等,总的说来,人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。
现在社会,信息量太大了,光靠人类,已经无法驾驭这些东西了,但是计算机本身只会按照死命令去分析数据,而无法真正自主的去分析而给出人类想要的结论。
所以人们想要研究人工智能,更好的去帮助人类完成工作。

金沙澳门游戏网址 ,由麻省理工校友创建的一家创业公司“iSee”,计划采用一种人工智能的新方法来开发测试无人驾驶系统。不同于以往依靠简单规则或机器学习算法来“教汽车开车”的方式,这家初创公司受到认知科学启发,想赋予机器一些“常识”,让它们能快速对新发生的情况做出反应。该公司正在开发算法,以模拟人类理解和认识物质世界的方法和与他人互动的模式,从而使自动驾驶汽车能更好地武装起来,应对不熟悉的情况和道路上复杂的交互行为。

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。
深度学习是机器学习研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如图像,声音和文本。
同机器学习方法一样,深度机器学习方法也有监督学习与无监督学习之分.不同的学习框架下建立的学习模型很是不同.例如,卷积神经网络(Convolutional
neural
networks,简称CNNs)就是一种深度的监督学习下的机器学习模型,而深度置信网(Deep
Belief Nets,简称DBNs)就是一种无监督学习下的机器学习模型。

“人类是对物质和社会细节极其敏感的生物。”iSee联合创始人Yibiao
Zhao说,“现有的人工智能技术在这些领域的发展是相对局限的,而这,恰恰是我们认为在自动驾驶系统中缺失的那一部分。”

金沙澳门游戏网址 1

金沙澳门游戏网址 2

神经网络,这是学习算法中的一种模型,是模拟中央神经系统的一种数学模型,可以用于进行模式识别和机器学习。它号称结合了多学科,模拟了人的神经过程,是很好的一种学习方法。
神经元网络是由大量类似于神经元的处理单元相互连结而成的非线性复杂网络系统,它是在现代神经科学研究成果的基础上提出的,试图通过模拟大脑神经元网络处理、记忆信息的方式,完成人脑那样的信息处理功能,是非线性的并行结构。神经元网络的运行方式有前馈式网络和反馈式网络值得注意的是,目前的人工神经元网络和真正的人脑工作方式还是有着较大的区别。 关于人脑的运作原理目前学界仍存在着很大的盲点。所以目前的人工神经元网络只是简单的通过多台计算机组成阵列来模拟每一个神经元节点,通过数学函数的计算来分配每一台计算机的权重以达到并行计算的效果,从而大大增强计算机系统的处理能力。

他的公司目前看起来还不像是能打遍天下的样子。iSee目前仅有一小群工程师,他们都在麻省理工创建的投资公司“引擎”的一个小实验室里工作。“引擎“以资助当地的创新技术公司为主要业务,就坐落在麻省理工的校园旁边的一幢小楼上,俯瞰一条小路,那条路上司机争抢停车点或猛地冲到车流中的状况屡见不鲜。

公司里,桌子上到处摆满了传感器等硬件零件,而团队成员们就是通过组装这些零件来控制他们的第一台雷克萨斯混动SUV样车的(这辆车原来是某位公司联合创始人的座驾)。还有几位工程师,正坐在巨大的电脑屏幕前专心地盯着屏幕上的一行行代码。

与Waymo(从谷歌母公司Alphabet分离出去的无人驾驶汽车公司,它还接管了谷歌的无人车项目)、优步或者福特这样的大公司在无人驾驶汽车开发上的投入相比,iSee的规模小得可怜,可是,它所开发的技术将会在人工智能覆盖的诸多领域产生巨大的影响。通过让机器人采用更少的数据进行学习并掌握一些基本常识,他们可以把工业机器人变得更聪明,从而更有效地应对新状况。深度学习技术的主要内容就是通过海量数据训练出神经网络,得益于此,人工智能技术近来已经有了惊人的发展。

大型或深度神经网络在经过对大量数据的分析“学习”后,能够辨认图像之间非常微妙的差别。比如,向一个复杂的神经网络输入大量小狗的图片,它就能够在几乎所有从未见过的图片中辨别出狗的踪影。但是,深度学习也有其局限,因此需要我们想出新的方法,以进一步推进这一技术的发展。还是就刚刚的例子来说,一个学习过辨认小狗照片的系统不会明白,一条狗通常有四条腿、毛茸茸的外皮和湿漉漉的鼻子。而且,如果没有经过更深入的训练和学习,它也不能辨认出关于狗的绘画或者别的任何动物。

开车绝不仅仅是识别周围的图像这么简单。人们开车时通常还要依靠对世界的基本认知。比方说,我们知道公交车通常停下的时间很长,而且很可能突然有好几个行人从车后面走出来。想要给自动驾驶汽车预设好所有可能遇到的情况是不可能的。但是人类可以通过常识来理解事物、建立起数十年的经验,从而在面对所有新情况时泰然处之。

“深度学习技术非常棒,你可以让系统从以往的经验中学到非常多的东西,但你无法用一个数据库来描绘整个真实世界。“Zhao说,”现有的人工智能系统通常是由数据驱动的,因而它们往往不能理解一些显而易见的生活现象,这正是技术中缺失的关键一环。“他打开笔记本电脑,在youtube上找了有关复杂的交通汇流和危险交通事故的几个视频,向记者展示了真实道路状况下的例子以印证自己的说法。

“缺乏常识”这一情况已经给自动驾驶系统带来了一些问题。去年美国佛罗里达州一辆半自动驾驶模式下行驶的特斯拉发生的事故,就是由于车子的传感器在发现一辆卡车横穿高速公路时不知道如何反应而导致的。如果开车的是人类司机,就能很容易搞清状况,快速安全地做出反应。

Zhao和同是联合创始人的另一位同事,Debbie
Yu,还展示了另一起特斯拉在中国发生事故的视频片断,这一次,汽车径直冲向了一辆自动扫地清洁车。Zhao对此解释说:“特斯拉的驾驶系统是在以色列和欧洲的道路上‘训练学习’的,而那儿没有这种汽车。所以系统所有的反应都只能基于临场探测到的信息,而无法弄清到底发生了什么。“

相关文章

发表评论

Required fields are marked *.


网站地图xml地图