2021년 이후의 인공지능에 대해 어떻게 생각하시나요?

중국과학기술협회, 중국과학원, 중국공정원, 저장성 인민정부, 항저우시 인민정부, 저장성 인공지능 개발 전문위원회의 지도 하에 주최 중국 인공지능학회와 항저우시 위항구 인민정부, 저장성 항저우 미래 과학기술도시관리위원회가 주최한 2020년 글로벌 인공지능 기술 컨퍼런스가 '디지털 수도' 항저우에서 성공적으로 개최됐다. 지난 25일 열린 회의 기조보고회에서는 다이충하이(Dai Qionghai) 중국인공지능학회 회장, 국무원 고문, 중국공정원 원사, 칭화대학교 정보대학원장이 이렇게 말했다. "인공 지능에 대한 몇 가지 생각"이라는 제목의 훌륭한 연설을 들을 수 있습니다.

Dai Qionghai 중국 인공지능학회 회장, 국무원 고문, 중국 공정원 원사, 칭화대학교 정보대학 학장

다음과 공유하고 싶습니다. 논의할 가치가 있는 몇 가지 문제를 포함하여 인공 지능에 대한 내 생각을 말씀드리겠습니다. 수천 년 전 원시 사회부터 사람들은 석기에 의존하여 일했고, 농업 시대에 이르러 사람들이 사용하는 도구는 산업 혁명에 등장하여 생산성과 전기 성능이 더욱 향상되었습니다. 혁명은 인간의 생산 효율성을 크게 향상시켰습니다. 오늘날의 정보화 시대에 전자 컴퓨터의 탄생은 우리의 두뇌 능력을 확장하고 우리의 시야와 사고를 넓혀주었습니다. 마르크스는 “경제시대의 차이는 무엇을 생산하느냐가 아니라 그것이 어떻게 생산되고 어떤 노동수단을 사용하느냐에 있다”며 “노동수단은 사회적 생산시대의 결정적 성격을 더 잘 보여줄 수 있다”고 말했다.

정보화 시대의 등장 인터넷, 전자컴퓨터, 통신망, 우주기술, 생명공학, 원자력기술 등 일련의 대표적인 발명과 창조물이 있으며, 특히 인터넷과 전자컴퓨터의 탄생이 확대되었습니다. 인간 자신과 사람들 사이의 상호 작용.

이제 인공지능 시대가 도래했습니다. 무인시스템, 나노기술, 양자컴퓨팅, 사물인터넷 등 신기술과 제품도 등장했습니다. 사람 우리의 일과 생활은 엄청난 변화를 겪었습니다.

학제간 교차는 인공지능 시대의 대표적인 상징이다. 예를 들어 판윤허 학자가 언급한 인지적 시각과 인지적 표현은 대표적인 학제간 연구이다. 인공지능 기술은 컴퓨터 비전, 자연어 이해, 로봇공학, 논리적 추론 등 모든 측면을 포괄하며 의료, 전자, 금융 및 기타 산업에서 큰 역할을 해왔습니다. 다음으로 인공지능 시대의 여러 이슈를 세 가지 차원에서 간략하게 분석하겠습니다. 첫 번째는 컴퓨팅 파워, 두 번째는 알고리즘, 세 번째는 AI와 어떻게 지내는가입니다.

우선 컴퓨팅 파워입니다. 1956년에 Rosenblatt의 퍼셉트론은 512개의 컴퓨팅 유닛만 포함했으며 데이터 분류를 수행할 수 있었습니다. 그러나 인공지능의 발전은 컴퓨팅 파워로 인해 난항을 겪었다. 고든 무어(Gordon Moore)가 집적회로 칩에 집적되는 트랜지스터의 수가 18개월마다 두 배로 늘어난다는 주장을 제시하면서 향후 수십 년 동안 칩 기술 발전 방향을 제시했다. 1999년 엔비디아는 병렬 데이터 처리를 위한 GPU를 출시해 인공지능이 더 넓은 분야로 발전할 수 있게 했다. 2012년에 Alex는 GPU 가속을 위해 AlexNet을 사용하여 심층 네트워크 애플리케이션을 개척했습니다. 다음은 5,000개의 GPU를 탑재한 잘 알려진 구글 알파고(AlphaGo)로, 40일간의 훈련을 통해 전 세계 무적의 플레이어를 모두 이길 수 있다는 사실은 병렬 컴퓨팅과 특수 칩이 인공 지능을 촉진하는 데 중요한 역할을 한다는 것을 보여줍니다.

기존 기술의 발전을 살펴보겠습니다. 스트리밍 비디오는 전 세계 인터넷 다운스트림 트래픽의 58%를 차지합니다. 국내 인터넷 단말기 수는 2019년 8월 기준 20억 개를 초과했습니다. 이러한 데이터에는 막대한 컴퓨팅 성능 지원이 필요합니다. 오늘날 스마트 의료, 스마트 제조, 무인 운전 등은 더 작고, 더 빠르고, 더 스마트한 제품을 추구하고 있습니다. 따라서 인공지능의 급속한 발전은 다른 측면보다 더 많은 컴퓨팅 파워를 요구하며, 이는 인공지능의 중요한 지원이 되고 있다.

그러나 컴퓨팅 성능의 증가 속도는 더 이상 무어의 법칙을 따르지 않습니다. 최초의 컴퓨터 출현부터 이후 수십 년까지 칩 컴퓨팅 성능은 기본적으로 무어의 법칙을 준수했습니다. 그러나 시간이 지남에 따라 칩 위의 트랜지스터 밀도 증가는 더 이상 무어의 법칙을 따르지 않습니다. 즉, 칩 컴퓨팅 성능의 증가율은 더 이상 인공 지능 기술의 개발 요구를 충족할 수 없습니다. 이에 따라 국제 기술 대기업들이 노력을 기울이기 시작했습니다. 예를 들어 Google의 TPU와 중국의 Horizon 및 Cambrian은 컴퓨팅 성능을 높이기 위해 신경망 전용 칩을 설계할 예정입니다. 그러나 이러한 칩은 특수화되어 일반 인공지능의 개발 요구를 충족할 수 없습니다.

저는 논리적 사고, 공학적 실천이라고 말하곤 했어요. 신체적 요구 사항은 무엇입니까? 양자역학과 양자컴퓨팅 같은 것이죠. 우리 모두 알고 있듯이 인텔과 구글은 특정 작업을 처리할 때 양자 컴퓨팅 속도가 현재 컴퓨터보다 훨씬 높다는 사실을 발견했습니다. 유효 큐비트 수가 계속 증가함에 따라 그들은(특히 Google)이 양자 컴퓨팅에서 지배적인 플레이어가 되기를 희망합니다. 그러나 현실은 물리학자들의 분석에도 불구하고 큐비트의 충분한 일관성을 오랫동안 유지하는 동시에 충분한 초소자를 만드는 방법과 같은 많은 문제가 아직 해결되지 않았다는 것입니다. 이 시간 안에 고정밀 양자소자를 구현하려면 논리 계산도 어려운 문제다. 따라서 앞으로 양자컴퓨팅을 완벽하게 활용해 컴퓨팅 파워를 높이는 것은 전혀 불가능할 것이다. 이에 사람들은 스토리지 벽의 한계를 극복하고 컴퓨팅 성능을 향상시키기 위해 스토리지와 컴퓨팅을 통합한 아키텍처를 제안했습니다. 인공지능 시대가 크로스오버 시대로 접어들었다고 말하는 이유는 물리학에서 컴퓨팅 능력을 요구하는 것 외에 뇌 과학에서도 컴퓨팅 능력을 요구하는 것입니다. 뇌 과학의 메커니즘을 시뮬레이션하는 것뿐만 아니라 물리적 경계와 광전 컴퓨팅의 컴퓨팅 능력도 필요합니다.

다음은 광전 계산에 필요한 컴퓨팅 성능을 소개합니다. 프린스턴 대학교 교수는 신경망 계산 아키텍처에 대한 이론적 분석을 수행했습니다. 이론적으로 컴퓨팅 성능을 3배 증가시키고 전력 소비를 6배 줄일 수 있습니다. 이제 컴퓨팅 성능을 높일 때 전력 소비도 고려해야 할 중요한 문제입니다. 광전자 컴퓨팅은 컴퓨팅 성능을 3배 증가시키고 전력 소비를 6배 감소시켜 이러한 측면에 큰 이점을 가져올 수 있습니다. 이 분야에 대한 연구 작업은 이미 시작되었습니다. 광전자 컴퓨팅은 인공 지능처럼 새로운 것이 아닙니다. 이 역시 1950년대에 탄생했습니다. 컴퓨터 반도체와 컴퓨팅용 실리콘 기반 칩만으로도 이미 수요를 충족했기 때문에 연구자들은 이 분야에 대한 연구를 점차 줄여 왔습니다. 특히 1990년 벨 연구소는 비소칼륨을 사용해 프로토타입 컴퓨터를 제어하는 ​​광스위치를 만들었다. 당시에는 컴퓨팅 성능에 대한 수요가 적었기 때문에 칩이 문제를 해결할 수 있었다. 이제 2017년부터 2019년까지 칩 인공 지능의 극단적인 요구 사항으로 인해 많은 기관이 3차원 제어 회절 전파 시간 및 완전 병렬 광속 계산과 같은 광전자 컴퓨팅 연구에 중요한 공헌을 했습니다. 연구를 통해 텍스트를 빠르게 인식할 수 있습니다. 빛에는 전기가 필요하지 않기 때문에 이러한 종류의 광학 계산은 전기를 소비하지 않고 제어 가능한 고차원 광장에서 전파되어 고속의 효율적인 병렬 컴퓨팅을 달성할 수 있습니다. 따라서 광전자 컴퓨팅 아키텍처를 구축하는 것은 컴퓨팅 파워를 해결하는 중요한 연구 방향이 되었습니다.

새로운 컴퓨팅 접근 방식으로서 가장 중요한 변화는 첫째, 패러다임 변화, 둘째, 컴퓨팅 성능 향상, 셋째, 전력 소비 감소입니다. 많은 장점으로 인해 국내외 많은 연구기관에서 관련 연구를 진행해왔습니다. 현재 MIT가 만든 간섭 신경망 아키텍처는 매우 훌륭합니다. 뮌스터 대학교와 케임브리지 대학교는 사진 자료를 사용하여 펄스 아키텍처를 만들고 있습니다. 세 가지 다른 옵션에는 각각 장점과 단점이 있습니다. 따라서 미래의 컴퓨팅 파워 균형에서 일부 성과를 이룰 수 있습니다. 광전 컴퓨팅의 컴퓨팅 성능은 3배의 크기를 제공할 수 있다고 상상할 수 있습니다. 우리의 초소형 지능형 5G, 지능형 로봇, 소형 수리 로봇, 특히 우리가 현재 연구하고 있는 자율 주행, 광전 지능형 주행은 이러한 측면의 발전을 촉진할 것입니다. . 따라서 광전자 컴퓨팅은 무인 시스템을 더 빠르고, 더 작고, 더 스마트하게 만듭니다. 현재 이러한 방향은 국제 학계와 업계에서도 폭넓은 관심을 불러일으키고 있습니다. 이미 많은 기관에서 이 분야에 대한 연구를 진행하고 있으니 모두가 이 방향에 주목해 주시길 바랍니다.

광전자 스마트 칩의 가장 중요한 기능은 무엇인가요? 그것은 거대한 컴퓨팅 센터의 소형화입니다. 현재 우리의 컴퓨팅 센터는 많은 전력을 소비합니다. 광전 컴퓨팅을 사용하면 많은 전력을 절약할 수 있습니다. 둘째, 나노초 수준의 표적 인식 및 인식입니다. 나노초 수준의 표적 감지 및 인식은 매우 빠릅니다. 요즘에는 카메라를 사용하여 촬영할 때 이를 전기로 변환한 후 계산해야 합니다. 카메라에 빛을 직접 입력하여 계산한다면 속도는 매우 빨라질 것입니다. 따라서 광전자 스마트 칩은 새로운 인프라의 산업 인터넷, 컴퓨터 비전, 빅 데이터 분석 및 광통신에서 중요한 지원 역할을 합니다. 이것은 컴퓨팅 성능에 대한 토론이자 아이디어이며, 누구나 비판할 수 있습니다.

두 번째는 알고리즘입니다. 인공지능에서 가장 중요한 것은 알고리즘이기 때문에 연구자들은 일반적으로 알고리즘을 연구하고 있습니다. 그렇다면 이러한 알고리즘은 어디서 오는 걸까요? 기존 인공지능은 단순한 1차적인 시각 인식 기능만 구현하고 있다. 판 학자가 방금 언급했듯이, 무인지대에는 해결해야 할 과제가 많습니다. 일차적인 시각 지각 정보 처리와 고급 인지 지능 과정에서는 물리적 학습과 데이터 추상화 능력을 갖춘 인간의 뇌에 비해 그 성능이 훨씬 뒤떨어진다. 일부 학자들은 딥러닝에 큰 위기가 있다고 생각합니다. BP 알고리즘은 큰 한계를 갖고 있으며 이를 뒤집어 다시 시작해야 합니다. 뇌의 인지 메커니즘 모델에서 영감을 찾아야 합니다. 오른쪽 그림을 보면 어려운 문제는 해결하기 쉬운 반면, 간단한 문제는 해결하기 어려운 경우가 많다는 것을 알 수 있습니다. Hinton의 데모는 딥 네트워크가 현재 위기에 처해 있으므로 다중 모드 데이터 표현, 변환 및 학습 규칙, 신경계의 피드백 방법을 통해 학습해야 함을 보여줍니다. 인지 컴퓨팅은 인공 지능의 변환을 촉진합니다. 인공지능에 관해 모두가 논의해왔던 가장 중요한 이슈는 무엇일까? 이제 어떻게 효율적으로 일할 수 있나요? 이제 딥 네트워크는 해석할 수 없습니다. 그렇다면 어떻게 해석 가능하게 만들 수 있을까요? 당신이 지금 강건하지 않다면 어떻게 강건할 수 있겠습니까?

신세대 인지 지능은 이제 알고리즘에서 가장 중요한 국제 통합 지점입니다. 우리 모두 알고 있듯이 1969년 BP 알고리즘의 프로토타입은 제어에서 비롯되었으며 최적 제어 이론에서 생성 및 수집되었습니다. 1989년까지 컨볼루션 신경망이 탄생했습니다. 인지 및 신경과학자들은 최초로 다중 신경망에 BP 알고리즘을 도입하고 인지 컴퓨팅 모델을 구축했습니다. 그리고 2015년 계산 모델로 넘어갑니다. BP 알고리즘은 딥러닝에서 가장 널리 사용되는 알고리즘이지만 여전히 많은 문제점을 안고 있음을 알 수 있습니다.

1958년부터 연구되어 온 컨볼루션 신경망의 관점에서 1981년 노벨상 수상자는 인간의 시각이 높은 수준의 시각적 계층을 갖춘 계층적이라는 것을 발견했으며 시각 시스템의 컨볼루션 특성도 발견했습니다. 그래서 1980년 일본 학자들은 세포의 단순 개념과 복잡 개념을 언급하며 새로운 인지 메커니즘을 제안했다. David Marr는 인간의 표현과 시각 정보 처리에 대한 컴퓨터 연구를 통해 시각 효과와 지각 효과 사이의 관계에 대한 중요한 결론을 도출했다고 믿습니다. 2007년 Tomaso Poggio는 H-MAX 모델을 제안했습니다. 2012년 Alex의 기여는 널리 사용되는 인공 지능의 황금 시대를 열었습니다. 이는 우리 알고리즘의 역사적 기원이기도 합니다. 역사적 분석을 통해 미래를 예측할 수 있습니다.

표시된 콘텐츠에서 무엇을 볼 수 있나요? 뇌과학자들의 신경분석에 관한 내용입니다. 신경분석을 통해 뇌와 같은 컴퓨팅이 영감을 얻습니다. 위 부분은 신경학적 측면 전반에 대한 분석이고, 다음 부분은 뇌 과학부터 인공지능을 활용해 뇌와 유사한 연구를 할 수 있는지까지 뇌와 같은 아이디어를 실현하길 바라는 내용이다. 최근 여러 기관의 연구가 획기적인 성과를 거두었습니다. 하나는 2019년에 보고된 Shi Luping 교수이고, 다른 하나는 두뇌와 유사한 스토리지 통합 칩 연구에서 중요한 역할을 한 Wu Huaqiang입니다. 따라서 이 분야에 대한 중국의 연구는 국제적으로 병행 단계에 있어야 합니다. 위에 표시된 뇌 결과는 고양이의 시지각과 뇌의 신경절을 포함한 뉴런의 활성화 상태에 대한 광범위한 연구를 기반으로 합니다.

인공지능 이론의 계산, 즉 뇌 기계를 사용하여 새로운 인공지능 이론을 고취하는 방법에 대해 서신 및 비교를 해보았는데, 이는 실제로 차세대 인공지능 발전에 중요한 방법입니다. 비교하고 비교한다는 것은 무엇을 의미합니까? 많은 인공지능 전문가들은 인공지능이 어떻게 발전해야 하는지에 대응하기 위해 뇌과학의 일부 메커니즘을 활용해 왔습니다. 이 알고리즘은 어떻게 해결해야 합니까? 구체적으로 어떻게 해결하나요?

성인의 뇌세포에는 860억~1000억 개의 뉴런이 있으며, 전기 신호가 작동할 때 전체 전력 소비는 10~23와트로 매우 낮습니다. 무언가를 완성하기 위해 열심히 일하는 경우 최대 전력 소비량은 25와트 이내이고, 멍하니 있는 경우 최소 전력 소비량은 약 10와트에 불과합니다. 그래서 전력소모는 매우 작지만 인공지능 컴퓨터의 전력소모는 매우 크다.

방금 Liu 시장이 항저우에 대규모 컴퓨팅 센터를 건설하는 것에 대해 이야기했는데 이때 전력 소비는 훨씬 더 높아야 합니다. 그러면 어떻게 제공될 수 있나요? 이 문제를 인지과학의 관점에서 논의하면서 우리는 그러한 다리를 그었습니다. 그림에서 볼 수 있듯이 인지 컴퓨팅은 뇌 과학과 인공 지능을 연결하는 가교 역할을 합니다. 왜? 먼저 돌아가서 인지과학이 무엇을 하는지 물어봅시다. 인지과학은 뇌 과학의 사물을 관찰하는 것과 관련된 다중 모드 회로 관찰입니다.

두 번째는 판 학자가 말한 것처럼 시각, 청각, 언어, 촉각을 포함한 다단계 인지 모델이며, 여기서 관찰되고 모델을 구축하여 형성되는 것입니다. 과학. 우리는 인지과학 연구를 통해 뇌과학에서 인공지능으로 가는 또 다른 길, 즉 뇌과학에서 인공지능으로 가는 길을 우리가 미래 희망의 길이라고 부르며, 새로운 인공지능을 연구하는 길이라고 믿습니다. 도로의 지능 알고리즘.

다음으로 돌아가서 몇 가지 고전적인 국제 기여를 살펴보겠습니다. 왼쪽은 뇌 과학의 전체 기여를 보여줍니다. 여기서 주요 기여는 무엇입니까? 인간이 생각하는 방식. 오른쪽에는 Turing Awards가 있습니다. 가장 중요한 결론은 기여도가 무엇인지입니다. 기계는 어떻게 생각하는가? 관계를 구축하고 연결하기 위해서는 중간에 다리가 있어야 합니다. 그래서 우리는 인지과학이 가교가 되기를 바랍니다.

2016년 미국은 10만 개의 뉴런의 활동과 연결을 기록하고 측정하는 1억 달러 규모의 Apollo 프로젝트를 시작했습니다. 여기서 가장 오른쪽 다이어그램의 상단은 계산 뉴런 모델이고 하단은 계산 기계 학습 모델입니다. 이 두 모델을 뇌 데이터를 활용한 분석에 적용할 수 있나요? 이미징입니다. 뇌 컴퓨팅 패러다임을 연구하고 인지 컴퓨팅의 새로운 모델과 방법을 구축함으로써 인간 사고에서 기계 사고로의 연결을 구축하는 것은 새로운 인공 지능 이론과 알고리즘에 영감을 주는 중요한 방법입니다. 이는 칭화대학교에서 구축한 계획이지만, 이 계획이 반드시 완성된 것은 아니며 참고용일 뿐입니다.

오른쪽 아래 그림은 생물학적 메커니즘의 기억 회로를 보여줍니다. 외부 환경, 대뇌 피질 및 해마가 있습니다. 왼쪽 하단의 그림은 물리적 균형의 원리를 보여주고 있어, 뇌과학, 수학, 물리학을 결합한 네트워크 모델인 BMP 네트워크 알고리즘을 구축할 수 있기를 기대합니다. 위는 우리가 구축한 새로운 네트워크 모델의 일반적인 프레임워크입니다.

우리는 여전히 알고리즘 문제에 대해 추가 연구를 진행하고 있으며 전문가에게 솔루션을 제공하고자 합니다. 그렇다면 인공지능 알고리즘은 지식 중심에서 뇌과학으로 이동할 수 있는데, 데이터 중심 측면은 무엇일까? 대규모 장면과 여러 개체가 포함된 대규모 데이터베이스입니다. 트로이카가 인지적으로 구동될 수 있는지 여부는 우리가 구축한 새로운 알고리즘과 프레임워크 아키텍처입니다. 이건 알고리즘 수준의 생각인데 다들 비판하고 고쳐주셨으면 좋겠습니다.

셋째, 인간과 AI는 어떻게 사이좋게 지내는가. 우리 모두 알고 있듯이 AI는 인간이 되거나 인간을 대체하는 것이 아니라 인간에게 권한을 부여합니다. 튜링은 50년 전 인공지능의 발전은 사람을 기계로 바꾸는 것, 기계를 사람으로 바꾸는 것이 아니라 “인간의 지능 능력을 시뮬레이션하고 확장하고 확장하기 위한 이론, 방법, 기술을 연구하고 개발하는 것”이라고 말했다. 복잡한 문제의 기술 과학을 해결하고 인류에게 봉사하기 위한 응용 시스템입니다.” 따라서 인공지능과 인간의 조화로운 발전을 위해서는 인공지능과 인간 사이의 협업적 보안, 개인정보 보호, 공정성 문제를 고려해야 한다.

궁극적으로 사람 중심, 사람 봉사라는 목표를 달성합니다. 현재 Sun Fuchun 선생님과 Wu Fei 선생님이 담당하고 있는 프로젝트가 있습니다. 우리는 무엇을하고 있습니까? 미래 인공지능 안전교육과 인간과의 협력에 관한 연구 연구가 완료되면 미국인공지능학회, 유럽인공지능학회와 함께 인류의 미래를 공유하는 공동체를 주제로 논의할 예정이다.

사람을 최우선으로 생각하고 인류를 위해 봉사하는 네 가지 문제는 우리가 탐구해야 하고 피할 수 없는 가장 중요한 문제입니다. 윤리, 개인정보 보호, 협업, 보안입니다. 사람들은 어떻게 서로 협력합니까? 인간과 기계 AI가 상호작용해야 하고, 인간과 자연도 상호작용해야 합니다. 극단적인 상호작용은 무엇을 의미하나요? 위험한 장면에서 우리는 AI와, AI와 장면, 인간과 AI, 즉 우리가 볼 수 없고, 명확하게 볼 수 없고, 듣고, 만질 수 없는 것을 상호작용하기를 희망합니다. AI 상호작용은 파괴적인 사용자 경험을 가능하게 하여 인간의 인지 능력과 세상을 변화시키는 능력을 향상시킵니다. 이것이 극단적인 상호작용의 특징이다.

교류에서 가장 중요한 것은 무엇인가요? AI의 외형은 AI 특화 인터페이스다. 현재는 마이크로소프트 샤오아이스를 비롯한 자동차, 다목적 로봇, 휴머노이드 로봇은 물론 수술용 로봇, 공중 로봇, 모바일 등 AI를 위한 범용 인터페이스도 많다. 우리는 이제 가상 앵커와 자동화된 고객 서비스를 보고 있으므로 다음으로 논의하고 싶은 것은 가상 현실과 같은 인터페이스를 통해 AI와 상호 작용하는 방법입니다. 그림에서 볼 수 있듯이 가상/증강현실과 자연스러운 상호작용 기술은 미래에 정보를 획득하고 상호작용하는 방식으로 인간의 능력을 확장하고, 제품 형태와 서비스 모델을 변화시키며, 인지, 지능, 문화 및 예술을 촉진할 수 있습니다. 미래 인간-AI-물질 통합사회의 변화와 발전을 촉진합니다. 이것이 우리가 특징이라고 부르는 것입니다.

이제는 모든 회의가 온라인으로 진행되고 있으며, 에서 보듯 많은 조직에서 온라인 가상 오프라인 회의를 개발하고 있습니다. 이는 극한 환경과 동일합니다. 우리의 온라인 모임은 오프라인 모임과 같습니다. 2020년 말쯤에는 그런 시스템이 구현될 수도 있을 것 같아요. 이것이 바로 몰입형 AI 상호작용이라고 부르는 것입니다. 올해 초, 중, 대학교 과정이 기본적으로 온라인으로 진행되는 것으로 조사됐다. 수업의 질을 비교해 보면 베이징에 있는 여러 학교의 교육 질이 하락했습니다. 우리는 방금 이 형식을 채택했지만 이 형식은 더 나은 교육 결과를 가져오지 못했습니다.

그래도 앞으로 이 교육 효과를 바꾸면 더 나은 사용자 경험을 가져올 수 있다고 생각합니다. 많은 대학과 기업에서 Microsoft의 108 카메라의 3차원 모델링, Facebook의 3차원 모델링, Google 및 Tsinghua University에서 구축한 3차원 모델링과 같은 관련 유형의 연구를 수행해 왔습니다. 칭화대학도 현재 딥 모델링 형태의 카메라를 사용하고 있으며, 인물 모델을 구축한 후 어디든 배치할 수 있어 사실상 오프라인으로 구현할 수 있다.

보시다시피 이러한 방식으로 홀로그램 지능형 교육을 달성할 수 있습니다. 예를 들어 지능적이고 정확한 추천, 온라인 유비쿼터스 액세스, 실제 홀로그램 교육, 몰입형 대화형 코스웨어 등이 있습니다. 올해 AI 연구개발에 따르면 가장 가벼운 AR 안경은 50g에 달할 수 있다. 이전에는 AR 안경이 너무 무거워서 개발할 수 없었다. 하지만 안경 역시 미래의 중요한 트렌드이자 가상 오프라인 세계에서 중요한 영역이 될 것이라고 생각합니다. 미래에 AI 기반 혼합 현실은 산업 디자인을 포함한 교육, 생산, 디자인 및 커뮤니케이션을 강화할 것입니다. 이는 미래의 AI 상호 작용을 위한 중요한 도구이자 사람과 AI 간의 상호 작용을 위한 중요한 방법입니다.

미래는 이미 여기에 있습니다. 리 학자가 5년 전 보고서에서 미래는 이미 와 있다는 것을 기억합니다. 이는 우리가 불안해야 한다는 의미입니다. 미래는 실제로 뇌-컴퓨터 인터페이스, 인간-기계 융합에 관한 것입니다. 그리고 의식의 저장을 포함한 인간-기계의 "공생과 영원"이라는 개념은 로봇에 영원히 저장되거나 한 곳에 저장될 수 있습니다. 따라서 이 모든 일은 미래에 일어날 일입니다. 뇌-컴퓨터 인터페이스는 현재 매우 빠르게 발전하고 있으며 우리는 종종 알츠하이머병이나 간질과 같은 뇌 질환에 대해 이야기합니다. 이러한 병리학적 특징이 발견되면 두 가지 재생 방법이 있습니다. 뉴런의 유형을 알고 있다면 이 생물학적 복구 방법을 사용하여 다른 뉴런을 복구하여 이러한 뉴런을 복구할 수 있습니다. 또한 메타물질을 사용하여 이러한 뉴런의 활동 수준을 대체하는 방법도 있습니다. 잘하면 뇌는 높은 수준의 명료함을 유지할 수 있고, 인간의 수명이 50년 연장되는 것은 정상이다.

지능형 미래, 우리는 더 똑똑한 "뇌", 더 능숙한 "손", 더 밝은 "눈", 더 민감한 "귀"를 가지고 있습니다. 스마트 광전자 칩, 지식 중심, 데이터 중심, 인지 중심, 이는 지능이 주도하는 큰 미래입니다. 이를 통해 인공지능이 점차 인간 수준에 도달하고 있음을 알 수 있다. 2016년 시간표부터 2066년까지 계획을 세우면 인간이 수행하는 모든 작업이 대체되고 기계 AI가 이를 완료할 수 있습니다. 물론 이것이 우리의 비전입니다. 이 비전은 예측적이며 특정 기본 논의를 포함합니다.

우리는 인지 지능에 대해 이야기하고 있습니다. 인지 지능이란 무엇입니까? 이전에 Turing 테스트가 있었습니다. 개발한 알고리즘을 테스트해야 합니까? 그래서 우리는 기계가 인간과 동등하거나 구별할 수 없는 지능을 보여줄 수 있는지 여부를 주로 테스트하는 튜링 테스트부터 시작합니다. 당시에는 이미 모방게임이었기 때문에 마지막 부분에서 테스트에 대한 이야기도 하도록 하겠습니다.

튜링의 테스트는 끊임없이 진화하고 있습니다. 튜링 테스트는 1950년에 제안됐고, 초기 자연어 처리 컴퓨터도 1986년 테스트를 고대하고 있었던 것으로 볼 수 있다. 2014년까지 Guo Academician의 "Eugene Goostman" 프로그램은 처음으로 튜링 테스트를 "통과"했습니다. 2015년 인공지능은 마침내 인간처럼 학습할 수 있게 되었고 튜링 테스트를 통과했습니다. 하지만 이 테스트는 어떻습니까? 개선의 여지가 있나요? 기계의 상식적인 추론 능력, 신경망의 추상적 추론 능력, 홈헬스케어(ECW) 등 일반 인공지능(AGI)의 능력을 테스트하는 튜링 테스트를 전문으로 하는 전문가들은 다음과 같다. . 이것들은 모두 인공지능 테스트를 위한 새로운 모델이며, 끊임없이 등장하고 있습니다. 그러므로 튜링 테스트는 우리 인공지능의 발전에 있어 중요한 방향이기도 하다.

튜링 테스트의 인지 테스트란 무엇인가요? 우리는 이 문제를 고려해야 하는데, 여기 계신 모든 분들이 무엇을 주의해야 합니까? 인지 테스트 및 기능 식별, 인지적 의사 결정 및 논리적 추론도 현재 모든 사람이 공부해야 하는 중요한 문제입니다.

지식 중심, 뇌 과학, 데이터 중심, 그리고 그 이상으로 인지 중심으로 돌아가 보겠습니다. 그렇다면 차세대 인공지능 알고리즘을 개발할 수 있을까? 나온다는게 무슨 뜻인가요? 인지 테스트가 있을 수 있나요? 이것이 우리가 중요한 타겟 주제라고 부르는 것이며, 인공지능 발전에 대한 우리의 생각의 일부이기도 합니다.

인공지능은 실제로 산업 변화의 역사적 과정에서 매우 빠르게 발전하고 있습니다. 현재의 디지털 경제, 즉 인공지능 시대와 함께 정보화 시대가 다가오고 있습니다. 여기서는 미국의 대표적인 인공지능 기업을 많이 볼 수 있으며, 바이트댄스(ByteDance), 호라이즌(Horizon) 등 중국 기업은 물론 일부 유럽 기업도 볼 수 있어 인공지능은 글로벌 경제 발전의 핵심 원동력이 됐다. 인공지능 역시 새로운 인프라로 매우 중요한 국가 전략이 됐다. 몇 년 전 판학술사가 주창한 인공지능 2.0은 국내에서도 큰 관심을 받았다. 2020년 우리나라 인공지능 시장의 성장률은 글로벌 시장의 성장률을 훨씬 뛰어넘는다. 이는 우리 여항지구 스마트메디컬타운 등 스마트 보안, 의료, 금융, 교육 등 분야에서 활용된 전체 조사 결과다. 새로운 인프라는 매우 중요한 작업이며 방금 Gao 주지사와 Liu 시장이 말한 내용이 여기에 반영됩니다.

2019년 네이처에 게재된 기사는 인공 지능 분야에서 중국의 선도적인 발전에 초점을 맞췄습니다. 우리 연구실의 교사와 학생 12명 이상이 지난 10년간 저장성에서 공포된 인공지능 관련 정책 44건을 조사했다. 절강성 항저우를 보고 항저우 위항을 보라. 따라서 항저우에는 AI 구축을 위한 무한한 상상력과 공간이 있습니다. 또한 글로벌 인공 지능 기술 컨퍼런스를 지원해 주신 항저우 미래 도시에도 감사드립니다.

마지막으로 요약하자면 오늘은 실제로 세 가지 주제를 여러분과 공유했습니다. 첫 번째 주제는 공존, 업무 효율성 향상, 삶의 질과 안전, 극한 환경에서의 상호작용입니다. 예를 들어 현장 회의를 할 때 지리적으로 멀리 떨어져 있지만 직접 대면하여 소통할 수 있기를 바랍니다. 두 번째는 원래의 인지 컴퓨팅 이론과 방법에 더 가까운 알고리즘입니다. 세 번째는 컴퓨팅 성능, 새로운 컴퓨팅 패러다임, 엄청난 성능 향상을 갖춘 칩 아키텍처입니다. 앞으로는 다차원, 다각, 심층 인지 테스트 등 인공지능의 이 세 가지 측면이 발전할 수 있기를 바랍니다.

위 내용은 2021년 이후의 인공지능에 대해 어떻게 생각하시나요?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!