深度學(xué)習(xí)的缺陷嚴(yán)重

北京通用人工智能研究院院長朱松純教授近日指出：“當(dāng)前比較流行的人工智能技術(shù)采用的是“大數(shù)據(jù)，小任務(wù)”范式，產(chǎn)業(yè)界更傾向于將人工智能技術(shù)等同于“大數(shù)據(jù)+深度學(xué)習(xí)+超大算力”。基于這一范式的人工智能技術(shù)距離人們對AI的期待還有較大差距，例如，AI只能完成特定的、人類事先定義的任務(wù)做不到通用；每項任務(wù)都需要大量標(biāo)注的數(shù)據(jù)，沒有數(shù)據(jù)就不知所措；模型不可解釋與知識表達(dá)不能交流，無法與人做多回合交互等?！按髷?shù)據(jù)+深度學(xué)習(xí)”范式是將訓(xùn)練數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡(luò)中，然后得到一個預(yù)測值，這個神經(jīng)網(wǎng)絡(luò)由數(shù)量龐大的神經(jīng)元組成，其演算機(jī)制無法解釋，造成人無法信任AI。因此，我們未來要發(fā)展具有可解釋性的人工智能，讓人工智能技術(shù)跳出“黑箱”，成為可解釋、可解讀、可信任的人工智能?！?/p>本文引用地址：http://m.butianyuan.cn/article/202106/426229.htm

不用等未來、中國嵌入式系統(tǒng)產(chǎn)業(yè)聯(lián)盟理事、天津市阿波羅信息技術(shù)有限公司首席科學(xué)家顧澤蒼博士多年前就已經(jīng)在日本從事三十多年人工智能積累的豐富經(jīng)驗基礎(chǔ)上，專門針對深度學(xué)習(xí)算法的缺陷，獨自發(fā)明出沒有“黑箱”的可解釋、可解讀、可信任的自律學(xué)習(xí)SDL通用人工智能算法。

顧博士并領(lǐng)導(dǎo)二十多人小團(tuán)隊，用很少的資金、在很短的時間研制出感知、決策和控制都用SDL算法的自動駕駛汽車，經(jīng)一年多路測達(dá)到世界領(lǐng)先水平。

在研制自動駕駛汽車的實踐中，顧博士又發(fā)明出可能會成為下一代人工智能的機(jī)器意識算法。顧博士的團(tuán)隊已莊嚴(yán)向社會承諾：如融到3000萬資金，將用半年研制出有人駕駛IQ的自動駕駛汽車。

可嘆！我國的人工智能已被深度學(xué)習(xí)算法嚴(yán)重主導(dǎo)，至今，還沒有給顧博士因年老多病，即將到日本與家人團(tuán)聚養(yǎng)老之前，能讓他發(fā)明的自律學(xué)習(xí)SDL算法和機(jī)器意識算法在中國得到認(rèn)可和應(yīng)用，以表他回報祖國的機(jī)會。

中國嵌入式系統(tǒng)產(chǎn)業(yè)聯(lián)盟 郭淳學(xué)

附：網(wǎng)上有關(guān)文

朱松純：可解釋性是人工智能獲得人類信任的關(guān)鍵

原創(chuàng) 通院BIGAI  通院BIGAI  今天

6月6日，北京通用人工智能研究院院長朱松純教授受邀參加由中國人工智能學(xué)會主辦的CAAI國際人工智能會議，并帶來了《可解釋性人工智能：如何讓機(jī)器獲得人類有依據(jù)的信任》的主題報告。

本次大會旨在搭建國際學(xué)術(shù)交流平臺，為全球致力于人工智能技術(shù)研究的學(xué)者提供跨學(xué)科、跨領(lǐng)域、跨地區(qū)交流的機(jī)會，增強學(xué)術(shù)交流與產(chǎn)業(yè)交流的深度與廣度，激發(fā)新思想、培育新力量。

朱松純教授報告

當(dāng)前人工智能技術(shù)正在賦能各行各業(yè)，出現(xiàn)在了人們工作、生活的方方面面。但當(dāng)人們與人工智能設(shè)備互動時，又會對人工智能時不時表現(xiàn)出的“智障”產(chǎn)生困惑，AI為什么總是答非所問？針對這些行業(yè)痛點，朱松純教授在專題報告中討論了當(dāng)前人工智能前沿研究的一個十分緊要的課題：智能體（AI agent, 這里泛指人工智能系統(tǒng)）如何有效地“解釋”自己，取得人類用戶的“信任”， 從而產(chǎn)生高效的人機(jī)協(xié)作，進(jìn)而融入一個人機(jī)共生共存的社會。

朱教授指出，當(dāng)前比較流行的人工智能技術(shù)采用的是“大數(shù)據(jù)，小任務(wù)”范式，產(chǎn)業(yè)界更傾向于將人工智能技術(shù)等同于“大數(shù)據(jù)+深度學(xué)習(xí)+超大算力”?；谶@一范式的人工智能技術(shù)距離人們對AI的期待還有較大差距，例如，AI只能完成特定的、人類事先定義的任務(wù)做不到通用；每項任務(wù)都需要大量標(biāo)注的數(shù)據(jù)，沒有數(shù)據(jù)就不知所措；模型不可解釋與知識表達(dá)不能交流，無法與人做多回合交互等?！按髷?shù)據(jù)+深度學(xué)習(xí)”范式是將訓(xùn)練數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡(luò)中，然后得到一個預(yù)測值，這個神經(jīng)網(wǎng)絡(luò)由數(shù)量龐大的神經(jīng)元組成，其演算機(jī)制無法解釋，造成人無法信任AI。

因此，我們未來要發(fā)展具有可解釋性的人工智能，讓人工智能技術(shù)跳出“黑箱”，成為可解釋、可解讀、可信任的人工智能?？山忉尩娜斯ぶ悄埽‥xplainable AI）大致分為兩個層次：1. 自省與可解讀性，即機(jī)器與人類達(dá)成共同語言表達(dá)；2. 自辯的能力，即機(jī)器要向人類解釋其計算的機(jī)理與過程。

當(dāng)談到如何建立信任時，朱教授說，AI如果要獲得人的信任，要在兩個層次上獲得人的信任：1.能力的邊界：AI要讓人清晰地知道在什么條件下AI能做到什么樣的性能，可以完成哪些任務(wù)；2.感情的紐帶：AI要與人保持相近的價值觀，把人類的價值放在重要位置，要讓人知道AI和自己是命運共同體，時刻維護(hù)人的利益。通過人機(jī)之間的迭代、交流、協(xié)作增進(jìn)互相理解，進(jìn)而達(dá)成共識，產(chǎn)生“有依據(jù)的信任”(Justified Trust)。

為此，朱教授提出了人機(jī)之間建立有心智理論的可解釋性框架 (Explanation withTheory-of-Mind, X-ToM)。人機(jī)之間需要對客觀的物理世界產(chǎn)生相同的感知，通過交流認(rèn)識到對方是如何看待同一個事物的從而形成“共識”，即你知道我是知道你知道的，X-ToM便是這種人機(jī)之間的交流模型。

AI通過人機(jī)交互的X-ToM框架，并采用可解釋的“與或圖模型”，實現(xiàn)模型的可解釋、可追溯、可修改，讓人工智能技術(shù)成為透明的、可控的、可信的技術(shù)。在實際應(yīng)用中，人們知道AI給出答案的依據(jù)是什么，計算的過程是什么，進(jìn)而實現(xiàn)人對人工智能有依據(jù)的信任。

未來，北京通用人工智能研究院將深入探索視覺、語言與認(rèn)知形成的學(xué)習(xí)閉環(huán)，進(jìn)而實現(xiàn)人機(jī)之間擁有共識、形成共同的社會規(guī)范和行為價值，賦予人工智能以三觀，讓人工智能技術(shù)真正融入人類社會，創(chuàng)造通用智能體，提升全人類福祉的愿景。