Was denken Sie über künstliche Intelligenz nach 2021?

Unter der Leitung der Chinesischen Vereinigung für Wissenschaft und Technologie, der Chinesischen Akademie der Wissenschaften, der Chinesischen Akademie der Ingenieurwissenschaften, der Volksregierung der Provinz Zhejiang, der Volksregierung der Stadt Hangzhou und dem Expertenausschuss für die Entwicklung künstlicher Intelligenz der Provinz Zhejiang Gastgeber sind die China Artificial Intelligence Society und die Volksregierung des Bezirks Yuhang der Stadt Hangzhou. Die vom Zhejiang Hangzhou Future Science and Technology City Management Committee ausgerichtete Global Artificial Intelligence Technology Conference 2020 wurde erfolgreich in Hangzhou, der „digitalen Hauptstadt“, abgehalten. . In der Keynote-Berichtssitzung der Konferenz am 25. hielt Dai Qionghai, Vorsitzender der China Artificial Intelligence Society, Berater des Staatsrates, Akademiker der Chinesischen Akademie für Ingenieurwissenschaften und Dekan der School of Information an der Tsinghua-Universität uns eine wundervolle Rede mit dem Titel „Einige Gedanken zur künstlichen Intelligenz“.

Dai Qionghai, Vorsitzender der Chinesischen Gesellschaft für Künstliche Intelligenz, Berater des Staatsrates, Akademiker der Chinesischen Akademie für Ingenieurwissenschaften, Dekan der School of Information der Tsinghua-Universität#🎜 🎜#

Ich möchte Ihnen einige meiner Gedanken zur künstlichen Intelligenz mitteilen, darunter auch einige diskussionswürdige Themen. Von der primitiven Gesellschaft vor Tausenden von Jahren verließen sich die Menschen bei der Arbeit auf Steinwerkzeuge; in der Zeit der industriellen Revolution wurden die von den Menschen verwendeten Werkzeuge modernisiert, was die Produktivität weiter steigerte; Die Revolution hat die menschliche Produktion erheblich verbessert; im heutigen Informationszeitalter hat die Geburt elektronischer Computer unsere Gehirnleistung erweitert und unseren Horizont und unsere Gedanken erweitert. Marx sagte: „Der Unterschied zwischen verschiedenen Wirtschaftsepochen liegt nicht darin, was produziert wird, sondern darin, wie es produziert wird und welche Arbeitsmittel für die Produktion verwendet werden. Die Arbeitsmittel können die entscheidenden Merkmale einer gesellschaftlichen Produktionsära besser darstellen.“

# 🎜🎜#Im Informationszeitalter sind eine Reihe repräsentativer Erfindungen und Schöpfungen wie das Internet, elektronische Computer, Kommunikationsnetzwerke, Weltraumtechnologie, Biotechnik und Atomenergietechnologie entstanden Das Internet und elektronische Computer haben den Spielraum der Menschheit und die Grenzen der Interaktion zwischen Menschen erweitert.

Jetzt ist die Ära der künstlichen Intelligenz angebrochen, mit dem Aufkommen tiefer neuronaler Netze und vieler repräsentativer Branchenhelden wie Elon Musk sowie neuer Technologien wie unbemannte Systeme, Nanotechnologie, Quantencomputing, und das Internet der Dinge haben bahnbrechende Veränderungen in der Arbeit und im Leben der Menschen erfahren.

Interdisziplinäre Schnittmenge ist ein typisches Symbol der Ära der künstlichen Intelligenz. Beispielsweise sind die von Akademiker Pan Yunhe erwähnte kognitive Vision und der kognitive Ausdruck typische interdisziplinäre Forschung. Die Technologie der künstlichen Intelligenz umfasst alle Aspekte wie Computer Vision, Verständnis natürlicher Sprache, Robotik und logisches Denken und hat in der Medizin-, Elektronik-, Finanz- und anderen Branchen eine große Rolle gespielt. Als nächstes werde ich einige Probleme im Zeitalter der künstlichen Intelligenz kurz auf drei Ebenen analysieren: Die erste ist die Rechenleistung; die zweite ist die Frage, wie Menschen mit der KI zurechtkommen?

Zuallererst ist es die Rechenleistung. Im Jahr 1956 verfügte Rosenblatts Perzeptron nur über 512 Recheneinheiten und konnte eine Datenklassifizierung durchführen. Die Entwicklung der künstlichen Intelligenz wurde jedoch durch die Rechenleistung beeinträchtigt, bis Gordon Moore vorschlug, dass sich die Anzahl der auf einem integrierten Schaltkreischip integrierten Transistoren alle 18 Monate verdoppelt, was die Richtung für die Entwicklung der Chiptechnologie in den folgenden Jahrzehnten vorgab. Im Jahr 1999 brachte NVIDIA GPUs für die parallele Datenverarbeitung auf den Markt, wodurch sich künstliche Intelligenz zu einem breiteren Feld entwickeln konnte. Im Jahr 2012 nutzte Alex AlexNet zur GPU-Beschleunigung und leistete damit Pionierarbeit bei Deep-Network-Anwendungen. Als nächstes kommt das bekannte Google AlphaGo, das nach 40 Tagen Training alle unbesiegbaren Spieler der Welt schlagen kann. Dies zeigt, dass paralleles Rechnen und spezielle Chips eine wichtige Rolle bei der Förderung künstlicher Intelligenz spielen.

Werfen wir einen Blick auf die Entwicklung der bestehenden Technologie. Streaming-Video macht 58 % des weltweiten Internet-Downstream-Verkehrs aus. Die Zahl der inländischen Internet-Terminals hat im August 2019 die 2-Milliarden-Marke überschritten. Diese Daten erfordern eine enorme Rechenleistung. Heutzutage streben intelligente medizinische Versorgung, intelligente Fertigung und fahrerloses Fahren nach kleineren, schnelleren und intelligenteren Produkten. Daher erfordert die boomende Entwicklung künstlicher Intelligenz mehr Rechenleistung als andere Aspekte und wird zu einer wichtigen Unterstützung für künstliche Intelligenz.

Aber die Steigerungsrate der Rechenleistung folgt nicht mehr dem Mooreschen Gesetz. Von der Entstehung des ersten Computers bis in die folgenden Jahrzehnte entsprach die Rechenleistung von Chips grundsätzlich dem Mooreschen Gesetz. Mit der Zeit folgt das Dichtewachstum der Transistoren auf dem Chip jedoch nicht mehr dem Mooreschen Gesetz. Die Wachstumsrate der Chip-Rechenleistung kann den Entwicklungsbedarf der Technologie der künstlichen Intelligenz nicht decken. Infolgedessen haben internationale Technologiegiganten begonnen, ihre Anstrengungen zu unternehmen. Googles TPU und Chinas Horizon und Cambrian werden beispielsweise neuronale Netzwerk-spezifische Chips entwickeln, um die Rechenleistung zu steigern. Diese Chips sind jedoch spezialisiert und können die Entwicklungsanforderungen der allgemeinen künstlichen Intelligenz nicht erfüllen.

Ich habe immer gesagt, logisches Denken, Ingenieurspraxis. Was sind die körperlichen Voraussetzungen? Wie Quantenmechanik und Quantencomputing. Wie wir alle wissen, haben Intel und Google herausgefunden, dass die Geschwindigkeit von Quantencomputern bei der Verarbeitung bestimmter Aufgaben viel höher ist als bei aktuellen Computern. Da die Anzahl effektiver Qubits weiter zunimmt, hoffen sie (insbesondere Google), der dominierende Akteur im Quantencomputing zu werden. Die Realität ist jedoch, dass nach der Analyse durch Physiker viele der Probleme noch nicht gelöst sind, beispielsweise wie man eine ausreichende Kohärenz von Qubits über einen langen Zeitraum aufrechterhalten kann, was eine wichtige Frage ist, und gleichzeitig genügend Ultra-Qubits herstellen kann; Hochpräzise Quantengeräte innerhalb dieser Zeit Logische Berechnungen sind ebenfalls ein schwieriges Problem. Daher wird es in Zukunft völlig unmöglich sein, Quantencomputing vollständig zur Steigerung der Rechenleistung zu nutzen. Daher wurde eine Architektur vorgeschlagen, die Speicher und Computer integriert, in der Hoffnung, die Einschränkungen der Speicherwand zu überwinden und deren Rechenleistung zu verbessern. Aus diesem Grund sage ich, dass die Ära der künstlichen Intelligenz in eine Crossover-Ära eingetreten ist. Wir benötigen nicht nur Rechenleistung von der Physik, sondern auch die Rechenleistung von Gehirnforschung Simulation der Mechanismen in der Hirnforschung; Wir brauchen auch Rechenleistung aus der physikalischen Grenze und dem fotoelektrischen Rechnen; wir brauchen auch Rechenleistung aus der Integration von Speicherung und Berechnung, fotoelektrisch +.

Im Folgenden wird die für fotoelektrische Berechnungen erforderliche Rechenleistung vorgestellt. Der Professor von der Princeton University hat eine theoretische Analyse der Architektur neuronaler Netzwerkberechnungen durchgeführt. Theoretisch kann dadurch die Rechenleistung um drei Größenordnungen gesteigert und der Stromverbrauch um sechs Größenordnungen gesenkt werden. Auch der Stromverbrauch ist mittlerweile ein wichtiges Thema bei der Steigerung der Rechenleistung. Optoelektronisches Rechnen kann in diesem Bereich enorme Vorteile bringen, indem es die Rechenleistung um drei Größenordnungen steigert und den Stromverbrauch um sechs Größenordnungen senkt. Die Forschungsarbeiten in diesem Bereich haben bereits begonnen. Optoelektronisches Rechnen ist nichts Neues, sondern wurde ebenfalls in den 1950er Jahren geboren. Allein Computerhalbleiter und siliziumbasierte Chips für die Datenverarbeitung haben den Bedarf bereits gedeckt, sodass Forscher die Forschung in diesem Bereich schrittweise reduziert haben. Insbesondere im Jahr 1990 verwendete Bell Labs Kaliumarsenid, um einen optischen Schalter zur Steuerung eines Computerprototyps herzustellen. Da der Bedarf an Rechenleistung zu dieser Zeit gering war, konnten Chips das Problem lösen. Angesichts der extremen Anforderungen der künstlichen Intelligenz an Chips haben von 2017 bis 2019 viele Institutionen wichtige Beiträge zur Forschung im Bereich optoelektronisches Rechnen geleistet, beispielsweise die dreidimensionale kontrollierte Beugungsausbreitungszeit und die vollständig parallele Berechnung der Lichtgeschwindigkeit. Durch Recherche kann ein Text schnell erkannt werden, da für Licht kein Strom erforderlich ist. Diese Art der optischen Berechnung kann in einem steuerbaren hochdimensionalen Lichtfeld ohne Stromverbrauch ausgebreitet werden, wodurch eine schnelle und effiziente parallele Berechnung erreicht wird. Daher ist der Aufbau einer optoelektronischen Computerarchitektur zu einer wichtigen Forschungsrichtung bei der Lösung von Rechenleistung geworden.

Als neuer Computeransatz sind die wichtigsten Änderungen: erstens ein Paradigmenwechsel, zweitens eine höhere Rechenleistung und drittens ein geringerer Stromverbrauch. Aufgrund seiner vielen Vorteile haben viele Forschungseinrichtungen im In- und Ausland entsprechende Forschungen durchgeführt. Derzeit gibt es drei internationale Beiträge zur Interferenz-Neuronalen-Netzwerk-Architektur: Die Universität Münster und Cambridge verwenden Fotomaterialien, um eine Puls-Architektur zu erstellen. Jede der drei verschiedenen Optionen hat Vor- und Nachteile. Daher können bei der zukünftigen Balance der Rechenleistung einige Fortschritte erzielt werden. Sie können sich vorstellen, dass die Rechenleistung des fotoelektrischen Rechnens drei Größenordnungen bieten kann. Unser ultrakleines intelligentes 5G, intelligente Roboter, Mikroreparaturroboter, insbesondere das autonome Fahren, an dem wir derzeit forschen, und fotoelektrisches intelligentes Fahren werden die Entwicklung dieses Aspekts vorantreiben . Daher macht optoelektronisches Rechnen unbemannte Systeme schneller, kleiner und intelligenter. Gegenwärtig hat diese Richtung auch in der internationalen akademischen Gemeinschaft und der Industrie großes Interesse geweckt. Viele Institutionen haben bereits in diesem Bereich geforscht, und ich hoffe, dass jeder dieser Richtung Aufmerksamkeit schenken wird.

Was sind die wichtigsten Merkmale optoelektronischer Smart Chips? Es ist ihre Miniaturisierung riesiger Rechenzentren. Unsere aktuellen Rechenzentren verbrauchen viel Strom. Wenn wir fotoelektrisches Rechnen nutzen, können wir viel Strom sparen. Zweitens: Zielwahrnehmung und -erkennung auf Nanosekundenebene. Heutzutage ist die Erfassung und Erkennung von Zielen im Nanosekundenbereich sehr schnell. Wenn eine Kamera zum Schießen verwendet wird, muss sie in Elektrizität umgewandelt und dann berechnet werden. Stellen Sie sich vor, wenn man es so berechnen würde, dass Licht direkt in die Kamera eindringt, dann würde die Geschwindigkeit sehr hoch werden. Daher spielen optoelektronische Smart Chips eine wichtige unterstützende Rolle im industriellen Internet, Computer Vision, Big-Data-Analyse und optischer Kommunikation in neuen Infrastrukturen. Dies ist eine Diskussion und eine Idee über Rechenleistung, und jeder ist willkommen, Kritik zu üben.

Der zweite ist der Algorithmus. Da das Wichtigste an künstlicher Intelligenz Algorithmen sind, untersuchen Forscher im Allgemeinen Algorithmen. Woher kommen diese Algorithmen? Bestehende künstliche Intelligenz implementiert nur einfache primäre visuelle Wahrnehmungsfunktionen. Wie Akademiker Pan gerade erwähnte, gibt es im Niemandsland viele Aufgaben, die gelöst werden müssen. Im Prozess der primären Verarbeitung visueller Wahrnehmungsinformationen und der fortgeschrittenen kognitiven Intelligenz ist die Leistung weitaus schlechter als die des menschlichen Gehirns, das über physische Lern- und Datenabstraktionsfähigkeiten verfügt. Einige Wissenschaftler glauben, dass der BP-Algorithmus große Einschränkungen aufweist und neu gestartet werden muss. Es ist notwendig, sich erneut vom kognitiven Mechanismusmodell des Gehirns inspirieren zu lassen. Aus dem Bild rechts können wir ersehen, dass schwierige Probleme leicht zu lösen sind, während einfache Probleme oft schwer zu lösen sind. Hintons Demo zeigt, dass sich tiefe Netzwerke derzeit in einer Krise befinden. Daher ist es notwendig, aus der multimodalen Datendarstellung, den Transformations- und Lernregeln und den Feedback-Methoden des Nervensystems zu lernen, um die Transformation der künstlichen Intelligenz voranzutreiben. Was ist das wichtigste Thema, das alle zum Thema künstliche Intelligenz diskutiert haben? Wie kann man jetzt effizient sein? Nun sind tiefe Netzwerke nicht mehr interpretierbar. Wie kann man sie also interpretierbar machen? Wenn Sie jetzt nicht robust sind, wie können Sie dann robust sein?

Die neue Generation der kognitiven Intelligenz ist mittlerweile der wichtigste internationale Integrationspunkt bei Algorithmen. Wie wir alle wissen, stammt der Prototyp des BP-Algorithmus im Jahr 1969 aus der Steuerung und wurde aus der Theorie der optimalen Steuerung generiert und gesammelt. Bis 1989 wurde das Faltungs-Neuronale Netzwerk geboren. Kognitions- und Neurowissenschaftler führten den BP-Algorithmus erstmals in mehrere neuronale Netze ein und erstellten ein kognitives Computermodell. Und dann zum Berechnungsmodell 2015. Es ist ersichtlich, dass der BP-Algorithmus beim Deep Learning am weitesten verbreitet ist, aber immer noch viele Probleme aufweist.

Aus der Perspektive Faltungs-Neuronaler Netze, die seit 1958 untersucht werden, entdeckte der Nobelpreisträger von 1981, dass das menschliche Sehen hierarchisch ist, mit visuellen Hierarchien auf hoher Ebene, und entdeckte auch die Faltungseigenschaften des visuellen Systems. Deshalb erwähnten japanische Wissenschaftler 1980 das einfache und komplexe Konzept der Zellen und schlugen einen neuen kognitiven Mechanismus vor. David Marr glaubt, dass die Computerforschung zur menschlichen Darstellung und Verarbeitung visueller Informationen eine wichtige Schlussfolgerung über die Beziehung zwischen visuellen und wahrnehmungsbezogenen Effekten gezogen hat. Im Jahr 2007 schlug Tomaso Poggio das Modell H-MAX vor. Der Beitrag von Alex im Jahr 2012 läutete das goldene Zeitalter der weit verbreiteten künstlichen Intelligenz ein. Dies ist auch der historische Ursprung unseres Algorithmus. Durch historische Analyse kann die Zukunft vorhergesagt werden.

Was können Sie aus den angezeigten Inhalten erkennen? Es geht um die Analyse von Nerven durch Hirnforscher. Durch die Analyse von Nerven wird gehirnähnliches Rechnen inspiriert. Der obige Teil ist eine Analyse des gesamten neurologischen Aspekts, und im folgenden Teil geht es um die Hoffnung, eine gehirnähnliche Idee zu verwirklichen, von der Hirnforschung bis hin zur Frage, ob künstliche Intelligenz zur Durchführung gehirnähnlicher Forschung eingesetzt werden kann. Die Forschung mehrerer Institutionen hat in letzter Zeit Durchbrüche erzielt, von denen Professor Shi Luping im Jahr 2019 berichtete; die andere von Wu Huaqiang im Jahr 2020, die eine wichtige Rolle bei der Erforschung gehirnähnlicher speicherintegrierter Chips gespielt hat. Daher sollte Chinas Forschung in diesem Bereich international auf einem parallelen Stand sein. Die oben gezeigten Gehirnergebnisse basieren auf unserer umfangreichen Forschung zum Aktivierungsstatus von Neuronen, einschließlich der visuellen Wahrnehmung der Katze und der Ganglien des Gehirns.

Wir haben eine Korrespondenz und einen Vergleich bezüglich der Berechnung der Theorie der künstlichen Intelligenz durchgeführt, das heißt, wie man Gehirnmaschinen nutzt, um neue Theorien der künstlichen Intelligenz zu inspirieren, was tatsächlich ein wichtiger Weg für die Entwicklung einer neuen Generation künstlicher Intelligenz ist. Was bedeutet es, wenn wir sie vergleichen und vergleichen? Viele Experten für künstliche Intelligenz haben auf einige Mechanismen aus der Hirnforschung zurückgegriffen, um zu antworten, wie die künstliche Intelligenz voranschreiten sollte. Wie soll dieser Algorithmus gelöst werden? Wie kann man es konkret lösen?

Die erwachsenen Gehirnzellen verfügen über 86 bis 100 Milliarden Neuronen, und wenn unsere elektrischen Signale wirken, ist der Gesamtstromverbrauch sehr gering und liegt zwischen 10 und 23 Watt. Wenn Sie hart arbeiten, um etwas zu erledigen, liegt Ihr maximaler Stromverbrauch bei 25 Watt; wenn Sie benommen sind, beträgt der minimale Stromverbrauch nur etwa 10 Watt. Der Stromverbrauch ist also sehr gering, aber der Stromverbrauch von Computern mit künstlicher Intelligenz ist sehr hoch.

Gerade hat Bürgermeister Liu mit mir über den Bau eines großen Rechenzentrums in Hangzhou gesprochen, und der Stromverbrauch dürfte zu diesem Zeitpunkt viel höher sein. Wie kann es also bereitgestellt werden? Als wir dieses Thema aus der Perspektive der Kognitionswissenschaft diskutierten, haben wir eine solche Brücke gezogen. Wie in der Abbildung gezeigt, ist Cognitive Computing eine Brücke zwischen Hirnforschung und künstlicher Intelligenz. Warum? Gehen wir zunächst zurück und fragen: Was macht die Kognitionswissenschaft? Kognitionswissenschaft ist eine multimodale Schaltkreisbeobachtung, bei der es in der Hirnforschung um die Beobachtung von Dingen geht.

Das zweite ist das mehrstufige kognitive Modell, das Sehen, Hören, Sprache und Berührung umfasst, wie Akademiker Pan sagte. Dabei handelt es sich um mehrstufige kognitive Modelle und gehirnwissenschaftliche Informationen, die hier beobachtet und durch den Aufbau von Modellen gebildet werden Wissenschaft. Wir glauben, dass wir von der Hirnforschung zur künstlichen Intelligenz über die kognitionswissenschaftliche Forschung einen anderen Weg einschlagen müssen, den wir einen Weg der Zukunftshoffnung nennen, und es ist auch eine Möglichkeit, neue künstliche Intelligenz zu erforschen Intelligenzalgorithmen einer Straße.

Als nächstes schauen wir uns noch einmal einige klassische internationale Beiträge an. Die linke Seite zeigt den gesamten Beitrag der Hirnforschung. Was ist hier der Hauptbeitrag? Wie Menschen denken. Auf der rechten Seite gibt es Turing Awards. Die wichtigste Schlussfolgerung ist: Was sind die Beiträge? Wie denken Maschinen? In der Mitte sollte es eine Brücke geben, um Beziehungen aufzubauen und zu verbinden. Wir hoffen also, dass die Kognitionswissenschaft die Brücke sein kann.

Im Jahr 2016 starteten die Vereinigten Staaten das 100 Millionen US-Dollar teure Apollo-Projekt, bei dem die Aktivitäten und Verbindungen von 100.000 Neuronen aufgezeichnet und gemessen wurden. Der obere Teil des Diagramms ganz rechts ist ein Modell rechnerischer Neuronen und der untere Teil ist ein rechnerisches Modell für maschinelles Lernen. Können diese beiden Modelle in eine Analyse anhand von Gehirndaten eingebaut werden? Das ist Bildgebung. Durch die Untersuchung von Brain-Computing-Paradigmen und die Entwicklung neuer Modelle und Methoden des kognitiven Rechnens ist der Brückenschlag vom menschlichen Denken zum maschinellen Denken ein wichtiger Weg, um neue Theorien und Algorithmen der künstlichen Intelligenz zu inspirieren. Dies ist ein Plan der Tsinghua-Universität, aber dieser Plan ist nicht unbedingt ausgereift und dient nur als Referenz.

Das Bild unten rechts zeigt den Gedächtniskreislauf des biologischen Mechanismus. Wir haben die äußere Umgebung, die Großhirnrinde und den Hippocampus. Das Bild unten links zeigt das Prinzip des physischen Gleichgewichts. Wir freuen uns daher darauf, einen BMP-Netzwerkalgorithmus zu erstellen, ein Netzwerkmodell, das Gehirnwissenschaften, Mathematik und Physik kombiniert. Oben finden Sie einen allgemeinen Rahmen für das neue Netzwerkmodell, das wir erstellt haben.

Wir forschen noch weiter zu algorithmischen Problemen und hoffen, Experten eine Lösung bieten zu können. Können Algorithmen der künstlichen Intelligenz also von der wissensgesteuerten zur Hirnforschung übergehen, aber was ist die datengesteuerte Seite? Es handelt sich um eine große Datenbank mit großen Szenen und mehreren Objekten. Was wurde erstellt? Ob die Troika kognitiv gesteuert werden kann, hängt von der neuen Algorithmus- und Framework-Architektur ab, die wir erstellt haben. Das ist Denken auf algorithmischer Ebene, und ich hoffe, dass mich jeder kritisiert und korrigiert.

Drittens: Wie kommen Menschen und KI miteinander klar? Wie wir alle wissen, befähigt KI den Menschen, anstatt zum Menschen zu werden oder ihn zu ersetzen. Turing sagte vor 50 Jahren, dass es bei der Entwicklung künstlicher Intelligenz nicht darum geht, Menschen in Maschinen oder Maschinen in Menschen zu verwandeln, sondern „Theorien, Methoden und Technologien zu erforschen und zu entwickeln, um die Fähigkeiten der menschlichen Intelligenz zu simulieren, zu erweitern und zu erweitern.“ und angewandte Systeme, um die technischen Wissenschaften komplexer Probleme zu lösen und der Menschheit zu dienen.“ Daher müssen wir für die harmonische Entwicklung von künstlicher Intelligenz und Menschen die Fragen der kollaborativen Sicherheit, des Datenschutzes und der Fairness zwischen künstlicher Intelligenz und Menschen berücksichtigen.

Letztendlich das Ziel erreichen, den Menschen in den Mittelpunkt zu stellen und den Menschen zu dienen. Wir haben derzeit ein Projekt, für das die Lehrer Sun Fuchun und Wu Fei verantwortlich sind. Was machen wir? Forschung zur zukünftigen Sicherheitserziehung durch künstliche Intelligenz und deren Zusammenarbeit mit Menschen. Nach Abschluss der Forschung werden wir das Thema einer Gemeinschaft mit einer gemeinsamen Zukunft für die Menschheit mit der American Society of Artificial Intelligence und der European Society of Artificial Intelligence diskutieren.

Die vier Themen, den Menschen an die erste Stelle zu setzen und der Menschheit zu dienen, sind die wichtigsten Themen, die wir erforschen müssen und die wir nicht vermeiden können. Sie sind Ethik, Privatsphäre, Zusammenarbeit und Sicherheit. Wie kooperieren Menschen miteinander? Mensch und maschinelle KI müssen interagieren, und auch Mensch und Natur müssen interagieren. Was bedeutet extreme Interaktion? In gefährlichen Szenen hoffen wir, mit der KI, der KI mit der Szene und den Menschen mit der KI zu interagieren, also mit dem, was wir nicht sehen, klar sehen, hören und berühren können. Wir nennen das extreme Interaktion. KI-Interaktion ermöglicht disruptive Benutzererlebnisse, verbessert die menschliche Wahrnehmung und die Fähigkeit, die Welt zu verändern. Dies ist das Merkmal extremer Interaktion.

Was ist das Wichtigste im Miteinander? Die äußere Form der KI ist eine KI-spezifische Schnittstelle. Mittlerweile gibt es viele Autos, Mehrzweckroboter, humanoide Roboter, einschließlich Microsoft Xiaoice usw., sowie chirurgische Roboter, Flugroboter und universelle Schnittstellen für KI, beispielsweise für Mobilgeräte Telefone und Computer, einschließlich unseres, sehen wir jetzt virtuelle Anker und automatisierten Kundenservice. Als Nächstes möchten wir daher besprechen, wie wir mit KI interagieren, beispielsweise über eine Schnittstelle wie die virtuelle Realität. Wie in der Abbildung gezeigt, sind Virtual/Augmented Reality und natürliche Interaktionstechnologie eine Möglichkeit, in Zukunft Informationen zu erhalten und mit ihnen zu interagieren. Sie können menschliche Fähigkeiten erweitern, Produktformen und Servicemodelle verändern und Kognition, Intelligenz, Kultur und Kunst fördern. Veränderungen und fördern die Entwicklung der zukünftigen Mensch-KI-Material-Integrationsgesellschaft. Das nennen wir ein Merkmal.

Unsere Meetings finden jetzt online statt und viele Organisationen entwickeln virtuelle Offline-Meetings, wie in „Kingsman“ gezeigt. Dies entspricht einer extremen Umgebung. Unsere Online-Meetings sind genau wie Offline-Meetings. Ich denke, dass ein solches System bis Ende 2020 verfügbar sein könnte. Das nennen wir also immersive KI-Interaktion. Wir haben untersucht, dass die diesjährigen Kurse an Grundschulen, weiterführenden Schulen und Universitäten grundsätzlich online stattfinden. Beim Vergleich der Unterrichtsqualität ist die Unterrichtsqualität mehrerer Schulen in Peking gesunken. Wir haben diese Form einfach übernommen, aber diese Form brachte keine besseren Lehrergebnisse.

Trotzdem denke ich, dass eine bessere Benutzererfahrung eine bessere Benutzererfahrung mit sich bringen wird, wenn wir diesen Lehreffekt in Zukunft ändern. Viele Universitäten und Unternehmen haben verwandte Arten von Forschung durchgeführt, beispielsweise die dreidimensionale Modellierung der 108 Kameras von Microsoft, die dreidimensionale Modellierung von Facebook und die von Google und der Tsinghua-Universität entwickelten. Auch die Tsinghua-Universität nutzt mittlerweile eine Kamera in Form von Deep Modeling. Nachdem ein Modell einer Person erstellt wurde, kann es überall platziert werden, sodass es praktisch offline implementiert werden kann.

Wie Sie sehen, kann auf diese Weise holografisch intelligenter Unterricht erreicht werden. Zum Beispiel intelligente und genaue Empfehlungen, allgegenwärtiger Online-Zugriff, holographischer Unterricht in der realen Person und immersive interaktive Kursmaterialien. Laut der diesjährigen KI-Forschung und -Entwicklung können die leichtesten AR-Brillen ein Gewicht von 50 Gramm erreichen. Bisher waren AR-Brillen sehr schwer und konnten daher nicht entwickelt werden. Ich denke aber, dass Brillen auch in Zukunft ein wichtiger Trend sein werden, ein wichtiger Bereich in der virtuellen Offline-Welt. Künftig wird KI-gesteuerte Mixed Reality Lehre, Produktion, Design und Kommunikation, einschließlich Industriedesign, stärken. Dies ist ein wichtiges Werkzeug für die zukünftige KI-Interaktion und eine wichtige Möglichkeit für die Interaktion zwischen Menschen und KI.

Ich erinnere mich, dass Akademiker Li vor fünf Jahren einen Bericht hielt, in dem er sagte, dass die Zukunft bereits da sei, was bedeutet, dass wir uns Sorgen machen sollten. In der Zukunft geht es tatsächlich um Gehirn-Computer-Schnittstellen, Mensch-Maschine-Fusion. und Mensch-Maschine-„Symbiose und Ewigkeit“, einschließlich der Speicherung des Bewusstseins, ob es für immer auf dem Roboter existieren oder an einem Ort gespeichert werden kann. Das alles passiert also in der Zukunft. Gehirn-Computer-Schnittstellen entwickeln sich jetzt sehr schnell, und wir sprechen oft über Gehirnkrankheiten wie Alzheimer und Epilepsie. Wenn solche pathologischen Merkmale gefunden werden, stehen uns zwei Regenerationsmethoden zur Verfügung. Wenn Sie die Arten von Neuronen kennen, können Sie diese biologische Reparaturmethode verwenden, um andere Neuronen zu reparieren. Es gibt auch eine Möglichkeit, unsere Metamaterialien zu verwenden, um das Aktivitätsniveau dieser Neuronen zu ersetzen. Wenn Sie es gut machen, bleibt Ihr Gehirn in der Lage, ein hohes Maß an Klarheit zu bewahren, und es ist normal, dass sich das menschliche Leben um 50 Jahre verlängert.

Intelligent gesteuerte Zukunft, wir haben intelligentere „Gehirne“, geschicktere „Hände“, hellere „Augen“ und empfindlichere „Ohren“. Intelligente optoelektronische Chips, wissensgesteuert, datengesteuert, kognitiv gesteuert, das ist eine große Zukunft, die von Intelligenz angetrieben wird. Daraus lässt sich erkennen, dass künstliche Intelligenz allmählich das menschliche Niveau erreicht. Beginnend mit dem Zeitplan von 2016 und der Planung bis 2066 wurden alle menschlichen Aufgaben ersetzt und können durch maschinelle KI erledigt werden. Natürlich ist dies unsere Vision. Diese Vision ist prädiktiv und enthält bestimmte grundlegende Diskussionen.

Wir sprechen von kognitiver Intelligenz. Was ist kognitive Intelligenz? Es gab zuvor einen Turing-Test. Der von Ihnen entwickelte Algorithmus muss getestet werden. Wir beginnen also mit dem Turing-Test, der hauptsächlich testet, ob eine Maschine eine Intelligenz aufweisen kann, die der von Menschen entspricht oder nicht von ihr zu unterscheiden ist. Da es sich um ein Nachahmungsspiel handelte, werde ich im letzten Teil auch auf das Testen eingehen.

Der Turing-Test entwickelt sich ständig weiter. Es ist ersichtlich, dass der Turing-Test 1950 vorgeschlagen wurde und frühe Computer zur Verarbeitung natürlicher Sprache sich auch 1986 auf den Test freuten. Bis 2014 „bestand“ das „Eugene Goostman“-Programm des Akademikers Guo zum ersten Mal den Turing-Test. Im Jahr 2015 konnte die künstliche Intelligenz endlich wie Menschen lernen und bestand den Turing-Test. Aber was ist mit diesen Tests? Gibt es Raum für Verbesserungen? Die folgenden Experten sind auf Turing-Tests spezialisiert, die die Fähigkeit von Maschinen testen, mit gesundem Menschenverstand zu denken, die Fähigkeit neuronaler Netze zum abstrakten Denken und die Fähigkeit allgemeiner künstlicher Intelligenz (AGI), wie z. B. häusliche Krankenpflege (ECW), testen. Das sind alles. Es handelt sich um ein neues Modell für das Testen künstlicher Intelligenz, und es taucht immer weiter auf. Daher ist der Turing-Test auch eine wichtige Richtung in der Entwicklung unserer künstlichen Intelligenz.

Was ist der kognitive Test im Turing-Test? Wir müssen über diese Angelegenheit nachdenken, und ich hoffe, dass jeder hier darüber nachdenken kann. Worauf sollten wir achten? Kognitive Tests und Funktionserkennung, kognitive Entscheidungsfindung und logisches Denken sind ebenfalls wichtige Themen, die derzeit jeder studieren muss.

Kehren wir zurück zu wissensgesteuert, Gehirnforschung, datengesteuert und darüber hinaus kognitiv gesteuert. Kann also eine neue Generation von Algorithmen für künstliche Intelligenz entwickelt werden? Was bedeutet es, herauszukommen? Können kognitive Tests durchgeführt werden? Das nennen wir ein wichtiges Zielthema, und es sind auch einige unserer Gedanken zur Entwicklung der künstlichen Intelligenz.

Künstliche Intelligenz entwickelt sich im historischen Prozess des industriellen Wandels tatsächlich sehr schnell. Mit der aktuellen digitalen Wirtschaft kommt das Informationszeitalter, also das Zeitalter der künstlichen Intelligenz. Hier sehen Sie viele typische Unternehmen für künstliche Intelligenz in den USA und natürlich chinesische Unternehmen, darunter ByteDance, Horizon usw., sowie einige europäische Unternehmen, sodass künstliche Intelligenz zur zentralen treibenden Kraft für die globale Wirtschaftsentwicklung geworden ist. Künstliche Intelligenz ist ebenfalls eine neue Infrastruktur und hat sich zu einer sehr wichtigen nationalen Strategie entwickelt. Die von Akademiker Pan in den letzten Jahren propagierte Künstliche Intelligenz 2.0 hat im Land große Aufmerksamkeit erhalten. Im Jahr 2020 übersteigt die Wachstumsrate des Marktes für künstliche Intelligenz in meinem Land die Wachstumsrate des Weltmarktes bei weitem. Dies ist das Ergebnis unserer gesamten Untersuchung, die in Bereichen wie intelligente Sicherheit, medizinische Versorgung, Finanzen und Bildung eingesetzt wurde, beispielsweise in unserer intelligenten medizinischen Stadt im Bezirk Yuhang. Neue Infrastruktur ist eine sehr wichtige Aufgabe, und was Gouverneur Gao und Bürgermeister Liu gerade gesagt haben, spiegelt sich darin wider.

Ein 2019 in Nature veröffentlichter Artikel konzentrierte sich auf Chinas führende Entwicklung im Bereich der künstlichen Intelligenz. Mehr als ein Dutzend Lehrer und Schüler in unserem Labor untersuchten 44 Fälle von Richtlinien im Zusammenhang mit künstlicher Intelligenz, die in den letzten 10 Jahren in der Provinz Zhejiang erlassen wurden. Schauen Sie sich Hangzhou in Zhejiang an und schauen Sie sich Yuhang in Hangzhou an. Daher verfügt Hangzhou über unbegrenzte Fantasie und unbegrenzten Raum für den Aufbau von KI. Wir sind auch Hangzhou Future City für die Unterstützung unserer Global Artificial Intelligence Technology Conference dankbar.

Um es zusammenzufassen: Ich habe heute tatsächlich drei Themen mit Ihnen geteilt. Das erste Thema ist Koexistenz, höhere Arbeitseffizienz, Lebensqualität und Sicherheit sowie Interaktion in extremen Umgebungen. Was ist eine extreme Umgebung? Wenn wir beispielsweise ein Treffen vor Ort abhalten, sind wir geografisch weit voneinander entfernt, aber ich hoffe, dass wir persönlich kommunizieren können. Dies ist eine Grenze, die der ursprünglichen Theorie und den Methoden des kognitiven Rechnens näher kommt Das dritte Thema ist die Rechenleistung, neue Rechenparadigmen und Chip-Architekturen mit größenordnungsmäßigen Leistungsverbesserungen. Ich hoffe, diese drei Aspekte der künstlichen Intelligenz in Zukunft weiterentwickeln zu können, einschließlich mehrdimensionaler, mehrwinkeliger und tiefgreifender kognitiver Tests.

Das obige ist der detaillierte Inhalt vonWas denken Sie über künstliche Intelligenz nach 2021?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!