當你用手機訂餐、購物、打車,享受著移動互聯(lián)網(wǎng)帶來的各種便利時,您的這些生活數(shù)據(jù),正為“人工智能”貢獻著力量。
香港科技大學計算機科學及工程學系講座教授兼系主任楊強說,說起人工智能,很多人可能對基于大數(shù)據(jù)的人工智能很熟悉,但其實還有基于小樣本的嘗試和遷移,這也是人工智能的一種路徑。
楊強指出,擁有大數(shù)據(jù)的人畢竟是少數(shù),這樣發(fā)展下去,擁有數(shù)據(jù)越多的人,就能做出越好的人工智能產(chǎn)品,反過來,因為能提供更加便捷的服務(wù),這些人又能吸引更多的用戶貢獻數(shù)據(jù)。如此循環(huán),就會形成一些“數(shù)據(jù)寡頭”,進而成為“人工智能寡頭”。
“這會帶來復(fù)雜的社會問題。從技術(shù)上來講,小樣本的遷移學習提供了一個緩解問題的方案,可以讓初創(chuàng)公司在數(shù)據(jù)較少的領(lǐng)域也能提供人工智能的創(chuàng)新服務(wù)。”楊強說。
大數(shù)據(jù)的依賴
AlphaGo其實是個“笨小孩”
和天才的人類棋手相比,戰(zhàn)勝李世石的AlphaGo其實是個“笨小孩”,它觀摩和訓練的棋局數(shù)以千萬計,勝在了“勤能補拙”。
AlphaGo結(jié)合了深度學習、強化學習和蒙特卡洛樹搜索這三種算法,其中最主要的原理是深度學習。所謂深度學習,即搭建多層的人工神經(jīng)網(wǎng)絡(luò),通過輸入大數(shù)據(jù)來訓練它的方法。圍棋的大數(shù)據(jù)約從2000年開始積累,人們上網(wǎng)對弈的無數(shù)棋局逐漸匯聚成了人工智能的“啟蒙教材”。
事實上,目前各種風頭正勁的人工智能應(yīng)用,都離不開基于大數(shù)據(jù)的深度學習。不過,楊強指出,數(shù)據(jù)需求量太大正是目前人工智能的一個顯著缺點。因為深度學習必須具備大數(shù)據(jù),而經(jīng)過學習訓練后的知識又很難遷移到新的領(lǐng)域,這也導致了計算機學習效率不高。
深度學習還要求一個數(shù)據(jù)要對應(yīng)一個標注,即告訴計算機一張圖片或一段語音是什么意思,標注量的多少決定了人工智能的優(yōu)劣。“在語音領(lǐng)域,你能標注1萬小時,而我能標注7萬小時,我就比你強。獲得這種標注,雖然技術(shù)含量不高,但需要投入大量的人力和時間,因此很昂貴,像谷歌、百度這些大公司都是花很多錢讓別的公司為他們標注數(shù)據(jù)。”楊強說。
擁有越多數(shù)據(jù),就擁有越多資本,而投入越多資本,又會獲得越多標注的數(shù)據(jù)。“到時,所有的人工智能創(chuàng)新將全都集中在幾家大公司手里。做不做新的技術(shù),做什么樣的新技術(shù),全由這幾家公司說了算。”楊強說。
小樣本的嘗試
不必在每個領(lǐng)域都依賴大數(shù)據(jù)從頭學起
2005年,楊強提出了遷移學習的概念,目標是讓計算機把大數(shù)據(jù)領(lǐng)域習得的知識和方法遷移到數(shù)據(jù)不那么多的領(lǐng)域,這樣,計算機也可以“舉一反三”“觸類旁通”,而不必在每個領(lǐng)域都依賴大數(shù)據(jù)從頭學起。
在此之前,美國的科學家一直在嘗試類似“案例學習”的理論,然而發(fā)展了20多年,卻很難從實驗室進入工業(yè)領(lǐng)域。
2005年,微軟在其舉辦的世界數(shù)據(jù)挖掘大賽中出了一道關(guān)于搜索的題,當時搜索正是研究界最熱的話題。“我們?nèi)①惲?用了遷移學習的方法,把機器在別的垂直領(lǐng)域的學習經(jīng)驗遷移過來,完成了比賽作品,結(jié)果奪得了三項大獎的世界第一。”楊強回憶說。
“我們在海南種植了3000株基因各不相同的小米,然后把小米的基因、生長的外部環(huán)境以及收獲時的表型數(shù)據(jù),比如顆粒飽滿度、葉子寬度等,建立一個對應(yīng)的統(tǒng)計關(guān)系,并用機器學習的方法找出攜帶哪些基因的樣本生長得比較好。那么,下一次,到別的地方,我們希望用更少的作物、更短的時間就找出最佳的樣本。”
“與互聯(lián)網(wǎng)短時間內(nèi)動輒上千萬上億的數(shù)據(jù)量相比,遷移學習非常適合這個案例,因為在不同的地方,如果總像撒胡椒面一樣種植幾千、幾萬個樣本,而且等作物成熟才能集齊數(shù)據(jù),就耗時太長、花費太大了。”楊強說,未來遷移學習還可以應(yīng)用在金融、醫(yī)療、客服等多個領(lǐng)域。
遷移的難點
沒有形成一個理論模型
那么,如何做到知識遷移呢?據(jù)楊強介紹,首先,針對一個新領(lǐng)域,科學家要建立一個本體,本體包含概念以及這些概念之間的關(guān)系,比如瓶子和水杯關(guān)系比較近,瓶子和汽車關(guān)系比較遠,諸如此類,把本體輸入計算機作為原始知識庫。然后,再對比訓練好的源領(lǐng)域和只有本體的新領(lǐng)域,找到兩個知識庫的相似之處,將源領(lǐng)域知識庫里沒用的部分去掉、有用的部分保留,就可以把一個很大的模型遷移到新的領(lǐng)域了。
楊強指出,遷移學習用在相近的領(lǐng)域,效果比較明顯。比如,國際象棋和中國象棋就比較相近,有部分棋子相同、走法相近,計算機學會了國際象棋,運用遷移學習的方法,只用觀摩較少的棋局,就可以學會中國象棋。但是,象棋和圍棋就相隔較遠,不適宜用遷移學習的方法。
楊強的學生也在研究兩個較遠領(lǐng)域之間的遷移嘗試,原理就好像摸著石頭過河,兩個石塊之間距離太遠,一步跨不過去,就在中間再鋪墊一些石塊,多跨幾步就過去了。“其實,人也是這樣,不可能學什么都一蹴而就。”楊強說。
不過,遷移學習目前也面臨很多困難,比如,衡量兩個領(lǐng)域遠近的標準還沒有完善；也沒有形成一個理論模型,告訴大家在運用這項技術(shù)時到底去除哪部分、遷移哪部分,現(xiàn)在只能一個項目一個項目地去研究,通用性較差。對此,一些篤信深度學習的業(yè)內(nèi)人士認為,遷移學習并不是當前熱點,也未必能引領(lǐng)人工智能未來的發(fā)展。
“耐心一點,事在人為,誰敢說遷移學習不能給人工智能帶來美好的明天?”楊強說。
