蘋果公司人工智慧(AI)總監魯斯蘭·薩拉克霍特迪諾夫(Ruslan Salakhutdinov)認為, 近年來產生諸多令人矚目成果的深度神經網路, 在未來幾年裡將會通過增加記憶、注意力和常識等方式進行“充電”。
3月28日在三藩市舉行的EmTech Digital會議上, 薩拉克霍特迪諾夫表示, 這些屬性可以説明解決人工智慧領域的許多突出問題。 薩拉克霍特迪諾夫依然在匹茲堡的卡內基梅隆大學擔任副教授, 他在演講中指出, 深度學習驅動的機器視覺和自然語言理解依然存在局限性。
深度學習涉及在許多關聯層中使用大量模擬神經元的技術, 近年來在機器感知方面取得了巨大進步。
隨後, 薩拉克霍特迪諾夫給出所謂的“注意力機制”解決方案, 這是一種對深度學習的微調, 在過去幾年中得到快速發展。 這種方法可以糾正錯誤, 具體方法是當標題中應用不同的詞語時, 系統會把注意力集中在圖像的特定部分。 同樣的方法也可以用於説明提高自然語言理解能力, 使機器能夠專注於句子的相關部分, 從而推斷出它的意思。
Facebook的研究人員也在開發名為“記憶網路”的技術, 它可以改善機器與人類交談的方式。
Alphabet人工智慧子公司DeepMind的研究人員也展示了自己的研究成果, 包括利用深度學習系統構建和訪問記憶形式。 強化學習正迅速成為解決機器人和無人駕駛領域難題的有價值方式, 它也被MIT Technology Review評為2017年10大突破性技術之一。
薩拉克霍特迪諾夫表示, 未來令人興奮的另一個研究領域是, 將手工構建的知識體系與深度學習結合起來。 他指的是像Freebase這樣的常識資料庫, 以及像WordNet這樣的詞義庫。
薩拉克霍特迪諾夫曾在彙聚不同AI領域研究人員的會議上發表演講, 演講者討論的共同主題是需要各種各樣的方法來將AI提升到新的層次。 華盛頓大學研究不同機器學習方法的教授佩德羅·多明戈斯(Pedro Domingos)在會上表示:“還需要從完全不同的角度來研究AI。 在機器學習領域有這樣一個學派, 他們認為我們不需要花哨的新演算法, 只需要更多資料。 但我認為, 在真正解決AI問題之前, 我們需要找到一些真正深刻的、基本的想法。