- · 《真空科学与技术学报》[09/30]
- · 《真空科学与技术学报》[09/30]
- · 《真空科学与技术学报》[09/30]
- · 《真空科学与技术学报》[09/30]
- · 《真空科学与技术学报》[09/30]
- · 《真空科学与技术学报》[09/30]
《科学大家》专栏|评估机器的智商,认知智能(2)
作者:网站采编关键词:
摘要:之前我们和讯飞有合作高考答题。我们选取其中比较难的数列来做,基本上在解题部分可以做到90%到。如果工程量足够的话,估计可以做到95%。但也就差不
之前我们和讯飞有合作高考答题。我们选取其中比较难的数列来做,基本上在解题部分可以做到90%到。如果工程量足够的话,估计可以做到95%。但也就差不多就能这样了。为什么?下面这张图能够稍作解释。
高考数学题中一大部分的题目可以通过很简单的模板来解决。假设知道了数列的几项,求它的通项公式,这就是个模板,以后所有的同类型题目都可以完成了。这在数学题里面就是那种特别简单的送分题。如果把所有的题都考虑的话,发现模板越来越困难,因为它是题目和题目之间的组合、形式和形式的组合,它会非常复杂。你写了两千个、一万个都不能穷举所有的情况。
所以下一层就需要用到规则。简而言之,规则就是把数学定理用机器语言写给机器,机器就懂了这些数学定理,然后通过这些数学定理的组合,就可以解决数学题目。这样,大致上就能够搞定高考题目了,因为高考题目通过这些组合也就差不多(大约90%到95%)可以囊括了。
在规则之上是方法,有很多不同的数学的方法,比方说归纳法、反证法、分情况讨论等等。现在我们正在尝试用数学的方法来解数学题。我们也相信,如果方法完全做到位的话,大致能够做竞赛题。但这还不够。因为数学家肯定不是通过这些死的方法来开展研究的。方法都是死的,数学家还有很多灵感和直觉,来发现新的定理和概念、定义新的东西。这个层面就可能需要更深的人工智能理论和技术了。某种意义上,数学自动答题这个事儿,它不是一个事儿,它是很多不同层次的事儿,而且现在的技术做得并不怎么样。
事实上,在解题方面虽然有可能做到95%,但是在题意理解(即把自然语言翻译成机器语言)这一步,反而会做得比较差。对于比较封闭的全是用数学语言来写的题目,大致可以做到整题理解正确率80%-85%,工程做全大致能到90%。但是对于开放的题目,比如应用题或自定义新概念的题目,那题意理解就会相当的差。例如,有一道题目是:毛主席有一句诗词,“坐地日行八万里”,请问地球的周长是多少?后半句机器还能理解,前半句就很难了,而把前半句和后半句联系在一起,机器基本束手无策。
面临的痛点
认知智能的能做的事情还有很多,比如智慧医疗领域中,用认知智能的方法去帮助抑郁症患者,进行早期诊断等等。
那么在通过认知智能做这些事情的时候,最大的痛点是什么?我的答案是如何真正融合基于神经网络的连接流派和逻辑的符号流派。这是人工智能的两个特别主要的流派,但是它们的假设非常不一样。一个是神经元的,是隐式的;一个是显式的,符号的。它们两个到底怎么能够真正的融合在一起?我觉得答案是通用人工智能,也是强人工智能的一个充要条件。不过目前这方面的探索还很不够。
大家都知道,人脑肯定是连接的,生物神经网络有百亿级的神经元。感知某种意义上也是连接的,这也是为什么深度学习在感知智能上能够做得这么好的一个很重要的原因,因为它很适合这个事情。但是计算机的本质,其实是符号的。计算机起源于逻辑学,计算机的几个重要的基础,包括可计算理论、编程语言、数字电路,都基于逻辑和显式符号。所以某种意义上,计算机的本质是符号的。认知和交互,大部分也是符号的。比方说,我们现在通过中文这种符号语言在交流,而机器程序,用C语言也好,Python也好,是通过一种机器的符号语言在交流。机器跟机器之间的交流,也是一种机器符号语言。认知和交互某种意义上主要是基于符号的。
对于人来说,这两个完美的统一到了一起,我们用生物神经网络说着各种符号语言,用的还特别好。但是对于机器来说,这是个特别大的痛点,特别困难的问题。
借鉴脑科学与神经科学的方法来做人工智能的问题是一个思路。我们的大脑,左脑管抽象思维,右脑管形象思维,这两个完美的结合能够做很多事情。如果能够借鉴脑科学和神经科学的一些方法,是不是能够真正让人工神经网络也能够处理结构化的信息,能够自动地获取知识?当然了,这很困难,现在还处在一个特别初级的起步阶段,但是也有一些很有意思的事情或想法在尝试。
文章来源:《真空科学与技术学报》 网址: http://www.zkkxyjsxb.cn/zonghexinwen/2021/0307/539.html
上一篇:3月4日环球科学资讯
下一篇:刚刚公布的科学长寿法,喝茶只能排第13,排第一