Монреаль стал чем-то вроде магнита для ИИ. Ян Гудфеллоу, ученый-исследователь, который стал пионером генеративных состязательных сетей (GAN), получил докторскую степень в области машинного обучения в Университете Монреаля, восходящая звезда искусственного интеллекта Хьюго Ларошель теперь возглавляет Google Brain в Монреале, а в прошлом году город принял NeurIPS.

В центре монреальской сцены искусственного интеллекта - доктор Йошуа Бенжио, профессор Университета Монреаля и глава Монреальского института алгоритмов обучения (MILA). Бенжио был удостоен награды ACM Turing Award 2018, разделив «Нобелевскую премию по вычислительной технике» с двумя другими важными фигурами в области искусственного интеллекта - доктором Джеффри Хинтоном из Google и доктором Янном ЛеКуном из Facebook.

На прошлой неделе сотни ученых и профессионалов отрасли заполнили отель в центре Монреаля для проведения саммита RE · WORK Deep Learning Summit, на котором Бенжио выступил с докладом на тему Глубокое обучение и познание.

Механизмы получения знаний

Бенжио начал свой часовой доклад с обзора текущего состояния исследований в этой области: «Мы добились огромного прогресса, намного большего, чем даже мои друзья и я ожидали несколько лет назад. Но (прогресс) в основном связан с восприятием, такими вещами, как компьютерное зрение, распознавание речи и синтез некоторых вещей в естественной обработке. Мы все еще далеки от человеческих возможностей ».

На протяжении многих лет Бенжио неоднократно подчеркивал, что определенные принципы обучения отвечают за создание интеллекта, будь то машины, люди или другие животные. «Их можно описать компактно, подобно законам физики, то есть наш разум - это не просто результат огромного набора уловок и знаний, но и общий механизм приобретения знаний».

Бенджио привел примеры сверхчеловеческих характеристик машин, таких как победа над лучшими игроками-людьми в го, подчеркнув при этом, что эти достижения, хотя и впечатляющие, не являются конечной целью исследователей и что в нынешних подходах чего-то не хватает.

Несмотря на весь наш успех, некоторые думают, что мы закончили. Нам нужно масштабировать ситуацию. Если у нас есть большие наборы данных, большие модели и более быстрые микросхемы, мы собираемся создавать машины такого типа с алгоритмами, которые у нас уже были. Я так не думаю, я думаю, что на самом деле в головоломке не хватает многих частей.

Почему я так думаю? Я думаю, что есть некоторые фундаментальные причины, по которым нам не хватает. Мы видим, что сложность выборки невысока. Таким образом, количество примеров, которые вам нужны для того, чтобы система машинного обучения изучила новую задачу, на данный момент намного больше, намного хуже, чем нужно человеку.

По мнению Бенжио, если мы ожидаем, что когда-нибудь машины будут решать проблемы, как это делают люди, этим машинам нужно будет гораздо больше понимать мир, так что «когда им предоставляется новая задача и, возможно, всего несколько ее примеров, в конце концов они смогут добиться таких же успехов, как и люди ». Однако в большинстве современных систем глубокого обучения люди по-прежнему играют фундаментальную роль, определяя высокоуровневые концепции, которые машины должны знать. Даже такая простая вещь, как маркировка изображений для создания набора данных, требует, чтобы люди решали, изображает ли изображение кошку или собаку.

Бенжио сравнивает усилия исследователей искусственного интеллекта, направленные на то, чтобы помочь машинам лучше понять мир, с почти легким способом, которым человеческие младенцы разбираются в физике самостоятельно, без каких-либо инструкций от родителей относительно таких понятий, как гравитация, давление, твердые объекты и т. Д. .

Поиск недостающих частей головоломки

Итак, что требуется для глубокого обучения, чтобы достичь интеллекта человеческого уровня? Бенжио предлагает недостающие части головоломки:

  • Обобщайте быстрее на меньшем количестве примеров
  • Обобщение вне распределения, лучшее трансферное обучение, адаптация предметной области, уменьшение катастрофического забывания в непрерывном обучении
  • Дополнительная композиционность из рассуждений и сознания
  • Открывайте случайные строения и используйте их
  • Лучшие модели мира, включая здравый смысл
  • Использование точки зрения агента с точки зрения RL, неконтролируемое исследование

Бенжио процитировал дихотомию «Система 1 и Система 2», введенную Даниэлем Канеманом в его книге «Мышление, быстро и медленно». Система 1 относится к тому, в чем сегодня очень хорошо развито глубокое обучение - интуитивно понятном, быстром, автоматическом, основанном на сенсорном восприятии. Между тем Система 2 представляет собой рациональную, последовательную, медленную, логическую, осознанную и выразимую с помощью языка. Бенжио предположил, что в Системе 2 в будущем глубокое обучение должно работать лучше.

На вопрос, могут ли машины однажды развить эмпатию, Бенжио сказал, что исследователи уже задумываются об этом, поскольку эмоции являются основным фактором сложности человека. Например, беспокойство или боль могут влиять на сознание человека, и поэтому понимание эмоций может привести исследователей к лучшему пониманию сознания.

Бенжио завершил свое выступление, выделив три направления исследований для улучшения ИИ:

  • Построение модели мира, которая метаизучает причинные эффекты в абстрактном пространстве причинных переменных и способна быстро адаптироваться к изменениям в мире и обобщать нераспределение путем редкой рекомбинации модулей.
  • Действия для получения знаний (исследовательское поведение)
  • Преодоление разрыва между Системой 1 и Системой 2

Журналист: Фаню Цай | Редактор: Майкл Саразен

Мы знаем, что вы не хотите пропустить ни одной истории. Подпишитесь на наш популярный Synced Global AI Weekly , чтобы получать еженедельные обновления AI.

Нужен всесторонний обзор прошлого, настоящего и будущего современных исследований в области искусственного интеллекта? Отчет Тенденции развития технологий искусственного интеллекта вышел!

Вышел Отчет об адаптивности AI для публичной компании Fortune Global 500 за 2018 год!
Приобретите отчет в формате Kindle на Amazon.
Подайте заявку на участие в Партнерской программе Insight, чтобы получить бесплатный полный отчет в формате PDF.