分享到微信
科技, 产业/工业
作者:钱漪
2021-07-13 11:09
[亿欧导读]

在未来5到10年,超级深度学习将对数智化社会供应链起到关键性支撑作用。

京东探索研究院院长陶大程

题图来自“外部授权”

陶大程,京东探索研究院院长、澳大利亚科学院院士。陶大程在2021年荣获IEEE Computer Society Edward J McCluskey技术成就奖,2018年荣获IEEE ICDM研究贡献奖(数据科学领域技术成就最高奖之一),2015和2020年两度荣获澳大利亚尤里卡奖,2015年荣获悉尼科技大学校长奖章以及悉尼大学校长杰出研究贡献奖。2020年,他被《澳大利亚人报》列入“终身成就排行榜”,成为研究超级明星之一。他是ACM/AAAS/IEEE Fellow,欧洲科学院外籍院士、新南威尔士皇家学会院士、澳大利亚科学院院士。自2014年起,连续7年入选科睿唯安“全球高被引科学家”。2021年,陶大程在 Guide2Research.com 评选的“计算机科学与电子学”类H指数最佳科学家排行榜上,荣膺澳大利亚第三名(人工智能领域排名第一),世界排名第53,全球华人排名第8。

人工智能技术在如图像识别、内容推送、自动翻译等许多垂直领域已有广泛应用,同时,人工智能技术在应用的同时面临许多可信挑战,例如,特殊构造的图案会误导商品识别系统产生识别错误,缺乏可解释性的自动驾驶系统可能引发人工智能技术的信任危机。

澳大利亚科学院院士、京东探索研究院院长陶大程表示,在无时无刻不在使用人工智能的当下,AI向善还是向恶,实质上由使用者决定,因此挖掘群体信息、提取有效数据的同时保护个人隐私尤为关键,驱动AI向善、发展可信人工智能逐步成为全球共识。

针对有效应对可信挑战,国内众多科技公司已展开许多研究和探索。京东探索研究院将可信人工智能作为三到五年的研究方向、将超级深度学习作为五到十年的研究方向、将量子机器学习作为十到十五年的研究方向,三者互为承接、循序渐进。

陶大程认为,由于可信涉足面广泛,关注点不一,研究首先需要明确可信人工智能度量的标准,并构建可信人工智能的统一框架。目前,可信人工智能相关研究大致可以归结为稳定性、可解释性、隐私保护及公平性四个维度。“把不同方面的关系理顺后,人们才能够真正认识到可信人工智能,未来才能够真正形成相关具体的条例去实施。”陶大程指出。

可信人工智能研究通过理解深度学习工作机制、分析风险、研究深度学习的新算法,分析神经网络的几何代数性质和泛化能力,以保障人工智能应用的可解释性。

深度学习则是要从基础理论出发,研究面向海量多种模态数据超级神经网络模型的深度学习新范式。目前,人工智能技术在落地的过程中存在应用场景复杂、模型单一、算力分布较为分散、基础理论层面缺乏可解释性等难点,导致中小企业在数据和算力都有限的情况下,更易面临人工智能的应用困境。

随着深度学习的进展,研究者发现在同样的数据下,模型越深效果越好。“超级深度学习的泛化性能、获得更有效的初始化等方面优势明显。”陶大程表示。

更进一步,超级深度学习能够有效地整合不同模态、不同来源、不同任务的数据和信息,进而满足新的生产需求、新的应用场景、新的商业模式,实现数字经济变革,因而被认为将会引领产业的下一轮变革。

在这种背景下,超级模型生态系统应运而生。通过构建超级模型生态系统可以推动人工智能技术更高效地落地,应用涵盖科技创新、经济发展、文化融合等多个维度,以此引领新一轮产业变革。

在陶大程看来,超级深度学习模型是超级模型生态系统的核心,针对各个领域中存在的普遍问题,包括数据不足、数据孤岛问题以及模型性能有限等问题提供了有效的解决方案,包括利用超大规模无标注数据进行自监督预训练、知识蒸馏、迁移学习等,同时通过构建完备的数学理论等模式,增强了模型的可解释性,使人工智能算法做出的决策更易于评估。

比如,在数智健康领域,超级深度学习可以表征海量分子结构,能够加速新药物研发;还可以对全栈医学影像表征,实现自动诊断、治疗方案推荐、预后分析、复健助理、全周期呵护,更能对大量多模态公共服务数据聚合分析,全方位多角度实现公共健康监控,助力人工智能在公共卫生、疫情研判、情绪管理、地图服务、基因检测、药物研发、互联网医院等多种具体场景中发挥重要的作用。

陶大程表示,目前各个国家都在布局超级深度学习,“预计超级深度学习在未来5到10年将会对数智化社会供应链体系起到关键性的支撑作用,从而赋能全产业链,其中包括智能零售、智能物流、智能供应链等多个与人类需求密切相关的产业。”

本文来源于亿欧,原创文章,作者:钱漪。转载或合作请点击转载说明,违规转载法律必究。

人工智能机器学习生态系统深度学习