看书中文网

手机浏览器扫描二维码访问

第254章 倒行逆施（第2页）

但仅仅如此吗~

章杉继续读完，很快就震惊了！

因为论文里似乎提出了一种崭新的概念。

现在虽然深度学习很受欢迎，但是说到底深度学习主要是从大数据进行学习，就是通过很多标注的数据，使用深度学习算法学习得到一些模型。

虽然叫着人工智能的名字。

但是这种学习方式和人的智能是非常不一样的。

人是从小样本进行学习。

人对图像进行分类，只需要很少几个样本就可以做到准确分类。

两三岁小孩，开始认识世界的时候，他如果想知道什么样的动物是狗，我们给他看几张狗的图片，并且告诉他狗有什么特征，和其他动物像猫或者羊有什么区别的话，小孩可以很快很准确的识别狗。

但是像深度残差神经网络，一般来说一个类别大概需要上千张图片才能进行比较充分的训练，得到比较准确的结果。

再比如汽车驾驶，一般来说，通过在驾校的培训，也就是几十个小时的学习，几百公里的练习，大多数人就可以开车上路了。

但是像现在的无人车可能已经行驶了上百万公里，还是达不到人的全自动驾驶的水平。

原因在于，人经过有限的训练，结合规则和知识能够应付各种复杂的路况，但是当前的AI还没有逻辑思考、联想和推理的能力，必须靠大数据来覆盖各种可能的路况，但是各种可能的路况几乎是无穷的。

随着一项项能力的提升，章杉现在对人的理解也很深。

人的智能包含了很多方面，最基本的阶段是认知性智能，也就是对整个世界的认知。

尽管现在对于图象识别、语音识别，AI已经差不多能达到人类的水平，当然可能是在某些特定的约束条件下，能够达到人类的水平。

但是其实这种认知性的任务，对人类而言都是非常简单的，现在AI所能做的这种事情或者能达到的水平，人其实也很容易做到。

只是AI可能在速度上更快，并且规模上去之后成本更低，并且24小时都不需要休息。更有挑战的问题是，人工智能能不能做一些人类做不了或者是很难做好的事情。

像图象识别、语音识别这类认知性的任务，AI之所以做得好，是因为这些任务是静态的，所谓静态就是给定输入，预测结果不会随着时间改变。

但是决策性问题，往往和环境有很复杂的交互，在某些场景里面，如何做最优决策，这些最优决策往往是动态的，会随着时间改变。

现在有人尝试把AI用到金融市场，例如如何用AI技术来分析股票，预测股票涨跌，对股票交易给出建议，甚至是代替人来进行股票交易，这类问题就是动态决策性问题。

决策性问题的第二个难点在于各种因素相互影响，牵一发而动全身。

一支股票的涨跌会对其他股票产生影响，一个人的投资决策，特别是大的机构的投资决策，可能会对整个市场产生影响，这就和静态的认知性任务不一样的。

在静态认知性任务我们的预测结果不会对问题（例如其他的图像或者语音）产生任何影响。

但是在股票市场，任何一个决定，特别是大的机构的投资策略会对整个市场产生影响，对别的投资者产生影响，对将来会产生影响。

当前深度学习已经在静态任务里面取得了很大的成功，如何把这种成功延续和扩展到这种复杂的动态决策问题中，也是当前一个深度学习的挑战之一。

章杉认为，一个可能的思路是博弈机器学习。

战神入赘成首富齐昆仑谢芝真  纪初安唐石谦重生文  始于心甘情愿纪初安  枭霸娇妻  少帅夫人不准逃顾婠婠霍沉离  纪初安唐石谦重生文  我在古代当神医颜循韩嫣  野蛮匪夫的小娇娇  我开局穿越三国战场造机甲  孤岛上的平行世界III  我老婆是天后巨星  尊养小夫郎［种田］  我是文娱之王陈轩王玲  缠绵入骨，首席老公别过分  我将败掉万亿家产张臻秋淑芬  我没想当绿茶，真的（快穿）  贤者之王  撼龙风水师  鬼谷八荒之开局就是三剑痴  我，捡破烂成世界首富