让AI读懂0,会带来更多前沿突破吗?

科学
让AI读懂0,会带来更多前沿突破吗?
麻省理工科技评论 2019-12-25

2019-12-25

即便要达到接近小学生的智力水平,现在的 AI 还有相当多要学的东西
深度学习 人工智能
即便要达到接近小学生的智力水平,现在的 AI 还有相当多要学的东西

即便要达到接近小学生的智力水平,现在的 AI 还有相当多要学的东西。

在这份一望无际的 “待学习清单” 中,让 AI 读懂 “0”、读懂“无” 这一概念,或许可以占据一席之地。

近日,美国 AI 视觉检查公司 Neurala 的 CEO 兼联合创始人 Max Versace 在一篇文章中提出了这样一个有趣的观点。他认为,在人类文明中,“无”“0”这样的概念是认识世界的一个重要存在,但机器现在还无法明白这种概念的奥义。

在数学上,“0”的诞生意义重大。

人类发展数学计算的早期,1、2、3 等数字都对应着一个个真实的物理实体,比如一个苹果加另一个苹果,我们能看到两个苹果。正是在公元 8 世纪,零作为一个数字被提出,数学计算才挣脱仅限于实物的计数。

零的概念对数学产生了革命性的影响,今天我们在数学运算中无拘无束地使用着这一概念,已经相当熟练,但是在其未诞生前,如何发明一个前所未有的数字来表现现实中 “什么都没有” 的状态,需要思维上质的飞跃。

由此, Max Versace 认为,零或无,对 AI 而言仍是一个尚未涉足的领域,引入这个概念或可以为 AI 领域带来更多的突破。正如人类当年发明了 “0” 用来描述“无”。

让AI读懂0,会带来更多前沿突破吗?

图丨热门美剧《硅谷》中的热狗识别 APP(来源:《硅谷》)

AI 如果能够识别 0 和无的概念,便可以使用这种概念进行推理,或者是未知的情况出现时,0 和无的概念能够成为 AI 可以调用的一个知识选项。

特别在利用计算机视觉进行物体分类上。现在的深度学习算法如 DNN(深度神经网络),多以监督的方式训练其识别能力,强依赖于大量的高质量数据集。在现实的物体分类场景中,如果引入了数据集以外的对象,DNN 会如何表现呢?

例如说,DNN 只训练了苹果和香蕉的识别,当遇到橘子时,对于它来说,橘子将被判断成更接近于它的苹果,而不是“无或未知”。因为对它而言,它的世界只有苹果和香蕉。

在训练 DNN 时,若引入这种无或零的概念,当 DNN 遇到不是苹果或香蕉的事物时,它可以将这些事物归到 “0”“无” 或“未知”,而对于 DNN 的开发者来说,如果 DNN 能够将项目分类为 “苹果”“香蕉” 或“什么都没有”,他们也可以意识到是否需要为 DNN 再增加新的分类。也就是说,当 AI 检测到异常信息时,它可以通过运用 “无或未知” 的概念反馈给开发人员。

让AI读懂0,会带来更多前沿突破吗?

(来源:Neurala )

但是,Max Versace 在文中表示,目前为止,还没有简单的方法来训练 DNN 使其拥有上述的能力。

他和他所在的 Neurala 公司正在探索将这种概念纳入一种称为 Lifelong-DNN 的新算法中。Lifelong-DNN 将可以通过利用这种反馈机制来确定其接受的输入是否有异常。

这种机制类似于人类的学习方式:有意无意地不断检查我们的预测是否与真实世界相符,不断检查对事物的分类是否符合实际情况,如果出现异常,我们的大脑就会注意到并发出警报。比如你每天坐的办公椅,你的大脑会持续建立椅子的“模型”,如果某一天椅子的高度、触感和这一模型不相符,你会察觉到这种异常。

他认为,在实际的产业应用中,工业视觉检测场景将需要算法具备这种能力。这种业务场景中,传统的计算机视觉系统在经过训练之后,要用来识别产品中各种各样的异常,但合格的产品总是标准化的,不合格产品的表现形式可能千奇百怪,“根本没有可用的不合格产品数据集”。但是,借助 Lifelong-DNN,当系统检测到与合格商品定义不符的产品时,它可以将该商品归类为异常,以进行适当处理。

对于制造业而言,这种发现异常的能力可以节省时间并提高生产线的效率,而其他越来越依赖深度学习的产业,或许也可以在类似的问题上找到好的解决方案。

麻省理工科技评论

From Tech to Deeptech