2021 年以降の人工知能についてはどう思いますか?

中国科学技術協会、中国科学院、中国工程院、浙江省人民政府、杭州市人民政府、浙江省人工知能開発専門家委員会の指導の下、中国人工知能協会と浙江省杭州市余杭区人民政府が主催 杭州未来科学技術都市管理委員会が主催する2020年世界人工知能技術会議が「デジタル首都」杭州で成功裡に開催された。 25日に開催された会議の基調報告セッションでは、中国人工知能学会会長、国務院参事官、中国工程院院士、清華大学情報学部長の戴瓊海氏が次のように述べた。 「人工知能についての考え」というタイトルの素晴らしいスピーチを教えてください。

戴瓊海氏、中国人工知能学会会長、国務院参事官、中国工程院院士、情報学院学部長、清華大学

あなたと話したいのですが、議論する価値のある問題も含め、人工知能に関する私の考えをいくつか話しましょう。数千年前の原始社会から石器に頼って人々は働き、農耕時代に至ると人々が使う道具は改良され、産業革命で登場した蒸気機関によって生産性はさらに向上し、電気は革命は人間の生産性を大幅に向上させ、効率性、今日の情報化時代において、電子コンピューターの誕生により私たちの知力が拡張され、視野と思考が広がりました。マルクスは、「さまざまな経済時代の違いは、何が生産されるかではなく、それがどのように生産されるか、そして生産にどのような労働手段が使用されるかにある。労働手段は、社会的生産時代の決定的な特徴をよりよく示すことができる。」と述べた。

## 情報化時代においては、インターネット、電子計算機、通信ネットワーク、宇宙技術、生物工学、原子力技術などの代表的な発明や創作物が次々と誕生しており、特にインターネットと電子コンピュータは人間と人間の関係の範囲を拡大し、人間間の相互作用の境界を広げました。

今、人工知能の時代が到来し、ディープ ニューラル ネットワークやイーロン マスクなどの多くの代表的な業界の英雄、さらには無人システム、ナノテクノロジー、量子コンピューティング、新しい製品、人々の仕事、生活は地球を揺るがす変化を遂げました。

学際的交差点は人工知能時代の典型的な象徴であり、例えば、潘雲和院士が言及した認知視覚と認知表現は典型的な学際的研究です。人工知能テクノロジーは、コンピューター ビジョン、自然言語理解、ロボット工学、論理的推論などのあらゆる側面を網羅しており、医療、エレクトロニクス、金融、その他の業界で大きな役割を果たしています。次に、人工知能時代のいくつかの問題を 3 つのレベルから簡単に分析します: 1 つ目は計算能力、2 つ目はアルゴリズム、3 つ目は人々は AI とどのように付き合っていくかということです。

まず第一に、それはコンピューティング能力です。 1956 年、ローゼンブラットのパーセプトロンには 512 個のコンピューティング ユニットしか含まれておらず、データ分類を実行できました。しかし、人工知能の開発は、ゴードン・ムーアが集積回路チップ上に集積されるトランジスタの数が18か月ごとに2倍になるという提案をするまで、計算能力の問題に悩まされてきました。これは、その後数十年間のチップ技術の発展の方向性を示しました。 1999 年、NVIDIA は並列データ処理用の GPU をリリースし、人工知能がより幅広い分野に発展できるようになりました。 2012 年、Alex は GPU アクセラレーションに AlexNet を使用し、ディープ ネットワーク アプリケーションを開拓しました。次は、5,000 個の GPU を備えた有名な Google AlphaGo です。40 日間のトレーニングの後、世界中の無敵のプレーヤーすべてに勝つことができます。これは、並列コンピューティングと特別なチップが人工知能の推進に重要な役割を果たしていることを示しています。

既存のテクノロジーの開発を見てみましょう。ストリーミング ビデオは世界のインターネットのダウンストリーム トラフィックの 58% を占めており、国内のインターネット端末の数は 2019 年 8 月に 20 億台を超えています。これらのデータには膨大なコンピューティング能力のサポートが必要です。現在、スマート医療、スマート製造、無人運転などにより、製品の小型化、高速化、スマート化が追求されています。したがって、人工知能の急成長には他の側面よりも多くのコンピューティング能力が必要となり、人工知能の重要なサポートとなっています。

しかし、コンピューティング能力の増加率は、もはやムーアの法則に従いません。最初のコンピューターの出現からその後数十年間、チップのコンピューティング能力は基本的にムーアの法則に準拠していました。しかし、時間が経つにつれて、チップ上のトランジスタの密度の増加はムーアの法則に従わなくなり、言い換えれば、チップの計算能力の成長率は人工知能技術の開発ニーズを満たせなくなります。これを受けて、国際的なテクノロジー大手も力を入れ始めており、例えばグーグルのTPUや中国のホライズン・アンド・カンブリアンはニューラルネットワーク用の特殊チップを設計して計算能力を向上させる予定だ。しかし、これらのチップは特殊なものであり、一般的な人工知能の開発ニーズを満たすことができません。

私はよく、論理的思考、エンジニアリングの実践と言っていました。身体的要件は何ですか?量子力学や量子コンピューティングなど。周知のとおり、Intel と Google は、特定のタスクを処理する場合、量子コンピューティングの速度が現在のコンピュータよりもはるかに高速であることを発見しました。有効な量子ビットの数が増え続けるにつれて、彼らは (特に Google が) 量子コンピューティングの支配的なプレーヤーになることを望んでいます。しかし、重要な課題である量子ビットの十分なコヒーレンスを長期間維持すると同時に、十分な量の超微粒子をどのようにして作るかなど、物理学者による解析でもまだ多くの問題が解決されていないのが現実である。高精度量子デバイスをこの時間内に実現する 論理計算も難しい問題です。したがって、将来的に量子コンピューティングを完全に使用して計算能力を向上させることは完全に不可能になります。そこで人々は、ストレージの壁の限界を打ち破り、そのコンピューティング能力を向上させることを期待して、ストレージとコンピューティングを統合するアーキテクチャを提案しました。 「人工知能の時代はクロスオーバーの時代に入った」と私が言うのは、このためです｡物理学の計算力に加えて、脳科学の計算力も必要です｡たとえば、脳型プロジェクトでは、次のような計算力の向上を目指しています。脳科学のメカニズムをシミュレートするだけでなく、物理学と光電コンピューティングの境界からの計算能力も必要であり、また、記憶と計算、光電の統合による計算能力も必要です。

光電計算に必要な計算能力を紹介します。プリンストン大学の教授は、ニューラル ネットワーク計算のアーキテクチャに関する理論的分析を行ったところ、理論的には、計算能力を 3 桁向上させ、消費電力を 6 桁削減できることがわかりました。現在、消費電力も、コンピューティング能力を向上させる際に考慮すべき重要な問題となっています。オプトエレクトロニクス コンピューティングはこの側面に多大なメリットをもたらし、コンピューティング能力を 3 桁向上させ、消費電力を 6 桁削減します。この分野での研究作業はすでに始まっています。光電子コンピューティングは新しいものではなく、人工知能と同様に 1950 年代に誕生しました。コンピューター半導体とコンピューティング用のシリコンベースのチップだけですでに需要を満たしているため、研究者はこの分野での研究を徐々に減らしてきました。特に 1990 年にベル研究所はプロトタイプ コンピューターを制御するための光スイッチを作るためにヒ化カリウムを使用しましたが、当時は計算能力の需要が小さかったため、チップがこの問題を解決できる可能性がありました。現在、チップ向けの人工知能に対する極端な要件に伴い、2017 年から 2019 年にかけて、多くの機関が 3 次元制御された回折伝播時間や完全並列光速度計算など、オプトエレクトロニクス コンピューティングの研究に重要な貢献をしてきました。研究により、文字を素早く認識することができ、光は電気を必要としないため、このような光計算は、制御可能な高次元の光フィールド上で電力を消費せずに伝播することができ、高速かつ効率的な並列計算が可能となります。したがって、オプトエレクトロニクス コンピューティング アーキテクチャの構築は、コンピューティング能力を解決する上で重要な研究方向となっています。

新しいコンピューティング アプローチとして、それがもたらす最も重要な変化は、第一にパラダイムの変化、第二にコンピューティング能力の向上、そして第三に消費電力の削減です。その多くの利点のため、国内外の多くの研究機関が関連研究を行っています。現在、国際的に貢献しているのは 3 つあり、MIT が作成した干渉ニューラル ネットワーク アーキテクチャは非常に優れており、ミュンスター大学とケンブリッジ大学は写真素材を使用してパルス アーキテクチャを作成し、清華大学は回折ニューラル ネットワーク アーキテクチャを使用しています。 3 つの異なるオプションにはそれぞれ長所と短所があります。したがって、将来の計算能力のバランスにおいては、ある程度の成果が得られる可能性があります。光電コンピューティングの計算能力は 3 桁も向上することが想像できますが、当社の超小型インテリジェント 5G、インテリジェント ロボット、マイクロ リペア ロボット、特に現在研究中の自動運転、光電インテリジェント ドライビングはこの側面の発展を促進します。 。したがって、オプトエレクトロニクス コンピューティングにより、無人システムがより高速、より小型、よりスマートになります。現在、この方向性は国際的な学術界や産業界からも広く関心を集めており、すでに多くの機関がこの分野の研究を行っており、皆様にもこの方向性に注目していただきたいと考えています。

オプトエレクトロニクス スマート チップの最も重要な機能は何ですか?それは巨大なコンピューティングセンターの小型化です。現在のコンピューティングセンターは多くの電力を消費しますが、光電コンピューティングを使用すれば、大幅な電力の節約が可能になります。 2つ目は、ナノ秒レベルのターゲットの知覚と認識です。ナノ秒レベルの対象物の検知・認識は非常に高速で、現在ではカメラで撮影する際には電気に変換して計算する必要があります。カメラに直接光を入れて計算すると、非常に速い速度になります。したがって、オプトエレクトロニクス スマート チップは、産業用インターネット、コンピュータ ビジョン、ビッグ データ分析、および新しいインフラストラクチャにおける光通信において重要な補助的な役割を果たしています。これはコンピューティング能力に関する議論でありアイデアであり、誰もが批判することを歓迎します。

2 つ目はアルゴリズムです。人工知能で最も重要なのはアルゴリズムであるため、研究者は一般的にアルゴリズムを研究しています。では、これらのアルゴリズムはどこから来たのでしょうか?既存の人工知能は、単純な主要な視覚認識機能のみを実装しています。パン学者が先ほど述べたように、無人地帯には解決すべき課題がたくさんあります。一次視覚認識情報処理と高度な認知知能のプロセスでは、そのパフォーマンスは、物理的学習とデータ抽象化能力を持つ人間の脳のパフォーマンスにはるかに劣ります。 「ディープラーニングには大きな危機が迫っている。BPアルゴリズムには大きな限界があり、覆してやり直す必要がある。脳の認知メカニズムモデルから再びインスピレーションを得る必要がある」と考える学者もいる。右の図から、難しい問題は簡単に解ける一方、単純な問題は解くのが難しいことがわかります。ヒントン氏のデモは、ディープネットワークが現在危機に瀕していることを示しており、マルチモーダルなデータ表現、変換、神経系の学習ルールやフィードバック方法から学ぶ必要があり、コグニティブコンピューティングが人工知能の変革を促進するとしている。人工知能に関して誰もが議論している最も重要な問題は何ですか?今から効率的にするにはどうすればよいでしょうか？現在、ディープネットワークは解釈不可能ですが、どうすれば解釈可能にできるでしょうか?あなたが今しっかりしていないなら、どうやって頑固になれるでしょうか？

新世代の認知知能は現在、アルゴリズムにおける最も重要な国際統合ポイントです。周知のとおり、1969 年の BP アルゴリズムのプロトタイプは制御から生まれ、最適制御理論から生成および収集されました。 1989 年までは、畳み込みニューラル ネットワークが誕生していました。認知科学者と神経科学者は、初めて BP アルゴリズムを複数のニューラル ネットワークに導入し、コグニティブ コンピューティング モデルを構築しました。そして2015年計算モデルへ。 BP アルゴリズムは深層学習で最も広く使用されていることがわかりますが、まだ多くの問題があります。

1958 年以来研究されてきた畳み込みニューラル ネットワークから判断すると、1981 年のノーベル賞受賞者は、人間の視覚が階層化されており、高度な視覚階層化を行っていることを発見し、視覚システムが畳み込み特性を持っていることも発見しました。そこで 1980 年に日本の学者たちは細胞の単純かつ複雑な概念について言及し、新しい認知メカニズムを提案しました。デビッド・マーは、人間の視覚情報の表現と処理に関する計算研究により、視覚効果と知覚効果の関係について重要な結論が得られたと信じています。 2007 年に、Tomaso Poggio は H-MAX モデルを提案しました。 2012 年の Alex の貢献により、広く使用されている人工知能の黄金時代が到来しました。これは私たちのアルゴリズムの歴史的な起源でもあります。歴史を分析することで、未来を予測することができます。

表示された内容から何がわかるでしょうか?脳科学者による神経の分析に関するもので、神経の分析を通じて、脳に似たコンピューティングがひらめきます。上の部分は神経学的側面全体の分析で、次の部分は脳科学から人工知能を使って脳のような研究ができるかどうかまで、脳のようなアイデアの実現を期待しているという内容です。最近、いくつかの機関による研究が画期的な進歩を遂げており、1つは2019年に報告されたShi Luping教授、もう1つは2020年に報告された脳型ストレージ統合チップの研究で主要な役割を果たしたWu Huaqiang教授です。したがって、この分野における中国の研究は国際的にも並行段階にあるはずだ。上に示した脳の結果は、猫の視覚や脳の神経節を含むニューロンの活性化状態に関する広範な研究に基づいています。

人工知能理論の計算に関して、対応と比較を行いました。つまり、ブレイン マシンを使用して人工知能の新しい理論を生み出す方法は、実際には新世代の人工知能の開発にとって重要な方法です。人工知能。比較して比較するとはどういう意味ですか？多くの人工知能の専門家は、人工知能がどのように前進すべきかに対応するために、脳科学からいくつかのメカニズムを引き出しています。このアルゴリズムはどのように解決すればよいでしょうか?具体的にどうやって解決すればいいのでしょうか？

成人の脳細胞には 860 億から 1,000 億のニューロンがあり、電気信号が作用するときの全体的な消費電力は 10 から 23 ワットと非常に低くなります。何かを成し遂げるために一生懸命働いている場合、最大消費電力は 25 ワット以内ですが、ボーっとしている場合、最小消費電力はわずか約 10 ワットです。したがって、消費電力は非常に小さいですが、人工知能コンピュータの消費電力は非常に大きくなります。

たった今、劉市長が杭州に大規模なコンピューティングセンターを建設することについて私に話してくれましたが、この時点での電力消費量はさらに多くなるはずです。では、どうすれば提供できるのでしょうか？この問題を認知科学の観点から議論し、このような橋を描きました。図に示すように、コグニティブ コンピューティングは脳科学と人工知能の間の架け橋です。なぜ？まず最初に戻って、認知科学は何をするのかを考えてみましょう。認知科学は脳科学で物事を観察するマルチモーダル回路観察です。

2 つ目は、パン学者が言ったように、視覚、聴覚、言語、触覚を含むマルチレベルの認知モデルです。これらは、マルチレベルの認知モデルと脳科学情報です。ここでは、モデルを構築することを観察し、渡します。認知科学。脳科学から認知科学の研究を経て人工知能へ、これは脳科学から人工知能へという別の道を歩むことであり、それが未来への希望の道であり、新たな人工知能の研究でもあると私たちは考えています。道路のインテリジェンス アルゴリズム。

次に、古典的な国際貢献に戻って見てみましょう。左側は脳科学の貢献全体を示していますが、ここでの主な貢献は何でしょうか?人間がどう考えるか。右側にチューリング賞がありますが、最も重要な結論は、貢献は何かということです。機械はどのように考えるのでしょうか?関係を確立し、それらを結び付けるために、真ん中に橋が必要です。したがって、認知科学がその橋渡しとなることを期待しています。

2016年、米国は1億ドルを投じて10万個のニューロンの活動と接続を記録、測定するアポロプロジェクトを立ち上げた。ここの一番右の図の上が計算ニューロンのモデル、下が計算機械学習モデルです。これら 2 つのモデルを脳データを使用した分析に組み込むことはできますか?これがイメージングです。ブレイン コンピューティングのパラダイムを研究し、コグニティブ コンピューティングの新しいモデルと手法を構築することによって、人間の思考から機械の思考への橋を架けることは、新しい人工知能の理論とアルゴリズムを生み出す重要な方法です。これは清華大学によって策定された計画ですが、この計画は必ずしも成熟しているわけではなく、参考用にすぎません。

右下の写真は生体メカニズムの記憶回路を示したもので、外部環境である大脳皮質と海馬があります。左下の図は物理バランスの原理を示しており、脳科学、数学、物理学を組み合わせたネットワークモデルであるBMPネットワークアルゴリズムの構築が期待されます。上記は、私たちが構築した新しいネットワーク モデルの一般的なフレームワークです。

私たちはアルゴリズムの問​​題についてさらに研究を進めており、専門家に解決策を提供したいと考えています。それでは、人工知能アルゴリズムは知識主導型から脳科学に移行する可能性がありますが、データ主導型の側面とは何でしょうか?これは、大規模なシーンと複数のオブジェクトを含む大規模なデータベースです。何が構築されたのでしょうか?トロイカを認知的に駆動できるかどうかは、私たちが構築した新しいアルゴリズムとフレームワーク アーキテクチャです。これはアルゴリズムレベルでの考え方であり、皆さんが私を批判して修正してくれることを願っています。

3 つ目は、人と AI はどのように付き合っていくのかということです。誰もが知っているように、AI は人間になるのではなく、人間に取って代わるのではなく、人間に力を与えるものです。チューリングは50年前、人工知能の開発は人間を機械に変えることでもなく、機械を人間に変えることでもなく、「人間の知能能力をシミュレートし、拡張し、拡張するための理論、方法、技術を研究開発すること」であると語った。複雑な問題の技術科学を解決し、人類に役立つ応用システムを開発しました。」したがって、人工知能と人間の調和のとれた発展のためには、人工知能と人間の間の協調的なセキュリティ、プライバシー、公平性の問題を考慮する必要があります。

人間を第一に考え、人々に奉仕するという目標を最終的に達成します。現在、孫富春先生と呉飛先生が担当するプロジェクトがあります。私たちは何をしているのでしょうか？将来の人工知能の安全教育と人間との協力に関する研究 研究完了後、人類運命共同体のテーマについて米国人工知能学会および欧州人工知能学会と議論する予定です。

人間を第一に考え、人類に奉仕するという 4 つの問題は、倫理、プライバシー、コラボレーション、セキュリティであり、私たちが検討する必要があり、避けては通れない最も重要な問題です。人々はどのように協力し合うのでしょうか？人間と機械 AI は相互作用する必要があり、人間と自然も相互作用する必要があります。極端な相互作用とはどういう意味ですか?危険な現場では、私たちはAIと、AIと現場、そして人間とAI、つまり目に見えないもの、はっきりと見えるもの、聞こえるもの、触れるものとインタラクションしたいと考えており、これをエクストリームインタラクションと呼んでいます。 AI インタラクションは、破壊的なユーザー エクスペリエンスを可能にし、人間の認知力と世界を変革する能力を向上させます。これが極端な相互作用の特徴です。

インタラクションにおいて最も重要なことは何ですか? AIの外形はAI特有のインターフェースであり、現在では自動車、多目的ロボット、Microsoft Xiaoiceなどの人型ロボットのほか、手術ロボット、航空機ロボット、モバイルなどのAI用汎用インターフェースも存在する。私たちは現在、仮想アンカーや自動化された顧客サービスを目にしていますが、次に議論したいのは、仮想現実のようなインターフェイスを通じて、AI とどのように対話するかということです。図に示すように、仮想/拡張現実と自然インタラクション技術は、将来の情報の取得と情報とのインタラクションの方法であり、人間の能力を拡張し、製品の形態やサービスモデルを変え、認知、知性、文化、芸術を促進することができます。社会を変革し、未来の人間・AI・物質融合社会の発展を促進します。これを特性と呼びます。

私たちは現在、すべての会議をオンラインで開催しており、「キングス エージェント」に示されているように、多くの組織がオンライン バーチャル オフライン会議を開発しています。これは極限環境に相当します。私たちのオンライン会議はオフライン会議と同じです。 2020年末までにはそのようなシステムが利用可能になるかもしれないと思います。これが、没入型 AI インタラクションと呼ばれるものです。今年度の小学校、中学校、大学の授業は基本的にオンラインで行われると調査しました。授業の質を比較すると、北京のいくつかの学校の授業の質が低下していることがわかります。この形式を採用しただけですが、この形式ではより良い指導結果は得られませんでした。

それでも、将来的にこの教育効果を変更したい場合は、より良いユーザーエクスペリエンスをもたらすと思います。多くの大学や企業が、Microsoft の 108 台のカメラの 3 次元モデリング、Facebook が行った 3 次元モデリング、Google と清華大学が構築した 3 次元モデリングなど、関連する種類の研究を行ってきました。清華大学もディープモデリングの形でカメラを使用しており、人物のモデルを構築した後はどこにでも配置できるため、仮想オフラインで実装できます。

ご覧のとおり、ホログラフィックによるインテリジェントな教育はこの方法で実現できます。たとえば、インテリジェントで正確な推奨事項、オンラインのユビキタス アクセス、実際の人物によるホログラフィック教育、没入型のインタラクティブなコースウェアなどです。今年のAI研究開発によると、ARグラスは最も軽いものでも50グラムに達するというが、これまでARグラスは非常に重かったため開発できなかった。しかし、メガネも将来的には重要なトレンドとなり、仮想オフラインの世界で重要な領域になると思います。将来的には、AI 主導の複合現実は、工業デザインを含む教育、生産、デザイン、コミュニケーションを強化するでしょう。これは、将来の AI インタラクションのための重要なツールであり、人と AI の間のインタラクションのための重要な方法です。

未来はすでにここにあります。5 年前に李学術研究家が、未来はすでにここにある、つまり私たちは不安を抱く必要がある、と報告したのを覚えています。実際、将来はブレイン・コンピュータ・インターフェースが実現するでしょう。 、人間と機械の統合、人間と機械の「共生と永遠の存在」には、意識をロボット上に永遠に存在できるか、それとも一か所に保存できるかという意識の保存の概念が含まれます。脳とコンピュータのインターフェースは現在非常に急速に発展しており、アルツハイマー病やてんかんなどの脳の病気についてよく話題になります。このような病理学的特徴が見つかった場合、2 つの再生方法があります。ニューロンの種類がわかっている場合は、この生物学的修復方法を使用して他のニューロンを修復し、これらのニューロンを修復することができます。また、メタマテリアルを使用してこれらのニューロンの活動レベルを置き換える方法もあります。それがうまくできれば、脳は高い明晰性を維持できるようになり、人間の寿命が50年延びるのは普通のことです。

Intelligence drives the future. 私たちはより賢い「頭脳」、より器用な「手」、より明るい「目」、そしてより敏感な「耳」を持っています。スマート光電子チップ、知識主導、データ主導、コグニティブ主導、これはインテリジェンスによって推進される大きな未来です。ここからは、人工知能が徐々に人間のレベルに到達していることがわかります。 2016 年のタイムテーブルから始まり、2066 年までの計画では、すべての人間のタスクが置き換えられ、機械 AI がそれらを完了できるようになりました。もちろん、これは私たちのビジョンであり、このビジョンは予測的なものであり、特定の基本的な議論が含まれています。

私たちは認知知能について話しています。認知的知能とは何ですか?以前にチューリング テストがありましたが、開発したアルゴリズムをテストする必要があります。テスト要件はありますか?そこで、主に機械が人間と同等または人間と区別できない知能を発揮できるかどうかをテストするチューリング テストから始めます。イミテーションゲームだったので、テストについても最後にお話します。

チューリングのテストは常に進化しています。チューリング テストは 1950 年に提案され、初期の自然言語処理コンピューターも 1986 年のテストを楽しみにしていたことがわかります。 2014年まで、郭学者の「ユージン・グーストマン」プログラムは初めてチューリングテストに「合格」した。 2015 年、人工知能はついに人間と同じように学習できるようになり、チューリング テストに合格しました。しかし、これらのテストはどうでしょうか?改善すべき点はありますか?以下の専門家はチューリング テストを専門としています。チューリング テストでは、常識に基づいて推論する機械の能力、ニューラル ネットワークの抽象的推論の能力、在宅医療 (ECW) などの汎用人工知能 (AGI) の能力をテストします。これらはすべて人工知能テストの新しいモデルであり、際限なく登場しています。したがって、チューリング テストは、人工知能の開発における重要な方向性でもあります。

チューリングテストの認知テストとは何ですか?この点については検討する必要があり、ここにいる皆さんにもぜひ検討していただきたいと思います。認知テストと機能の特定、認知的意思決定と論理的推論も、現在誰もが学ぶ必要がある重要な問題です。

知識主導、脳科学、データ主導、認知主導の話に戻りましょう。それでは、新世代の人工知能アルゴリズムは開発できるのでしょうか?出てくるってどういう意味ですか？認知機能検査は可能ですか?これは私たちが重要な目標トピックと呼ぶものであり、人工知能の開発に関する私たちの考えの一部でもあります。

人工知能は実際、歴史的な産業変革の過程で非常に急速に発展しています。現在のデジタル経済とともに情報化時代、つまり人工知能の時代が到来しています。ここでは、米国の代表的な人工知能企業を数多く見ることができ、もちろんバイトダンス、ホライゾンなどの中国企業、さらにはヨーロッパの企業もいくつか見ることができ、人工知能は世界経済発展の中核的な原動力となっています。人工知能は新たなインフラでもあり、非常に重要な国家戦略となっています。数年前にパン学者が提唱した人工知能 2.0 は、国内で大きな注目を集めています。 2020年、我が国の人工知能市場の成長率は世界市場の成長率をはるかに上回っています。これは私たちの調査全体の結果であり、余杭区のスマート メディカル タウンなど、スマート セキュリティ、医療、金融、教育などの分野で活用されています。新しいインフラは非常に重要な課題であり、高知事と劉市長が先ほど述べたことが反映されています。

2019 年に Nature に掲載された記事は、中国の人工知能分野における先進的な開発に焦点を当てていました。私たちの研究室の十数人の教師と学生は、過去 10 年間に浙江省で公布された人工知能関連政策の 44 件を調査しました。浙江省の杭州を見てください、そして杭州の余杭を見てください。したがって、杭州には AI を構築するための無限の想像力と無限のスペースがあり、世界人工知能技術カンファレンスを支援してくださった杭州未来都市にも感謝しています。

最後に、要約すると、今日は実際に 3 つのトピックを共有しました。最初のトピックは、極限環境における共存、作業効率の向上、生活の質と安全性、および相互作用です。例えば、現場で打ち合わせをする場合、地理的には離れていますが、対面でコミュニケーションがとれればいいのですが、これには限界があります、2つ目は、より本来のコグニティブコンピューティングの理論や手法に近いアルゴリズムです。トピック; 3 番目は、コンピューティング能力、新しいコンピューティング パラダイム、桁違いのパフォーマンス向上を実現するチップ アーキテクチャであり、これが最も重要です。私は将来的に、多次元、多角度、詳細な認知テストを含む、人工知能のこれら 3 つの側面を開発したいと考えています。

以上が2021 年以降の人工知能についてはどう思いますか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。