江苏龙网

  1. 主页 > 生活百科 > >

人工智能大众化的必经之路：机器学习

机器学习


人工智能大众化的必经之路：机器学习

文章插图
【猎云网（微信号：）】8月12日报道（编译：Liam）
近年来，随着人类在计算能力上取得的巨大进步，以及新计算机算法的发现和标记数据的增加，人类对神经网络（一种具有学习能力的人工智能系统）的研发工作也是蒸蒸日上 。此前，各种相关的研究活动还不十分活跃，神经网络的实际应用也是十分有限的 。
近几年的诸多研究，使得神经网络的广泛应用成为了可能，但由于机器学习模型仍需要繁琐的计算工作，导致它在奔向主流的路上重重受阻 。而现在，新算法的出现，正高效地将神经网络推向更传统的应用领域 。
神经网络，是当前计算机科学研究领域的一个焦点 。其创造灵感来自于复杂的人类生物学，在大多数可想到的用例中，生物学的应用都优于计算机的应用 。
虽然计算机在存储信息和快速处理方面表现出色，可人类却更善于有效地利用其有限的计算能力 。诚然，计算机每秒能进行数百万次计算，这是人类无法企及的；但同样，人脑的效率也是计算机无法企及的，它的效率比计算机要高上万倍 。
但另一方面，计算机在复杂算法上的缺陷，在其对持续变化的数据的高效处理能力上也得到了弥补 。
不过，其强大的计算能力也是有缺陷的，那就是价格 。即使近来计算机计算的成本大幅下降，但机器学习这一块的费用还依旧十分高昂，使得大部分个人、企业和研究人员望而却步，他们往往都是依靠昂贵的第三方服务来进行实验 。由于计算的复杂性，就算是一个很普通的聊天机器人，其成本也可能在几千美元到一万美元之间 。
 
神经网络架构搜索科学家们一直在研究各种技术，想要降低机器和深度学习应用方面的时间和资金成本 。
计算领域对软件和硬件的要求都很高，高效的算法和设计优良的硬件都是优先考虑的，但硬件开发却十分耗时耗力的，这也促使着众多研究人员为其设计自动化解决方案 。
科研人员目前在软件和硬件方面都取得了进展 。当前神经网络应用中最常用的技术就是神经网络架构搜索（NAS），不过，其在设计神经网络方面的高效率也伴随着计算方面的高成本 。NAS技术可以被认为是迈向自动化机器学习的前提 。
麻省理工学院（MIT）在这一领域进行了大量研究，其在一篇论文中，向我们展示了一种更为高效的NAS算法，该算法可以学习卷积神经网络（CNN），用于特定的硬件平台 。
研究人员通过“删除不必要的神经网络设计组件”，利用特定的硬件平台（包括移动设备），成功地提高了效率 。实验表明，新型神经网络的速度几乎是传统模式的两倍 。
这篇论文的作者之一Song Han，同时也是麻省理工学院微系统技术实验室的助理教授，他表示他们的目标就是让人工智能大众化 。
他们希望通过特定的解决方案，能让人工智能专家以及非专家通过一个特定的硬件平台，高效地参与神经网络架构的设计，减轻设计和改进神经网络架构时的重复而单调的工作 。
此外，值得一提的还有其他的技术，比如机器学习算法 。与在资源密集型控制环境中计算不同，机器学习算法可以通过在专门设计的硬件上运行，从而降低功耗 。
另外，不列颠哥伦比亚大学（UBC）的研究人员发现，现场可编程门阵列（FPGA）在机器学习应用程序上速度更快、功耗更低 。除了通过专门的硬件使机器学习更省钱省时，FPGA还可以使那些技术水平较低的人更容易使用深度神经网络（DNN） 。
FPGA与高层次综合（HLS）的结合使用，可以实现“自动设计硬件”，这样就无需专门设计硬件来测试机器学习推理解决方案是否有效了 。这样一来，在针对各种用例时，应用程序的投入使用就变得更加快捷 。
在参考了HLS和FPGA的使用以后，其他研究人员还考虑将FPGA用于特定的DNN子集，即卷积神经网络（CNN），该技术拥有优良的图像分析能力，通过对动物的视觉皮层的研究获得灵感 。
为了进一步展示其多样性，一些研究人员还着眼于DNN的应用来进行与工程任务相关的自动化设计 。
 
Agent 001：机器学习代理机器学习研究领域还有很长的路要走 。Robert Aschenbrenner是神经网络和机器学习方面的研究人员，他指出该技术即将发生转变，同时还强调了机器学习代理工具将如何提高其性能和算法 。
Aschenbrenner表示，现今的自动化工具在很大程度上是孤立的，被分割到各种不同的领域 。一个网站聊天机器人一般不会与客服人员互动，除非其有特定的编程，多数情况下，聊天机器人只是按照自己的内部程序运行，没有指令就不会改变运行方式 。


推荐阅读


上一篇：白茶是煮着喝 泡着喝还是蒸着喝

下一篇：光看茶汤就能鉴别茶品质 学起来