锦州化工机械网

当前的位置是:主页 >> 化工设备

深度刘成林从模式识别到类脑研究

时间:2021-08-19 来源网站:锦州化工机械网

【深度】刘成林:从模式识别到类脑研究

“人工智能”(artificial intelligence)概念最早由John McCarthy等在1956年的达特矛斯会议上提出:人工智能就是通过计算机编程使机器实现类人智能行为。在60年的发展中,人工智能取得了巨大进步,现如今,人工智能技术应用在现实生活中的方方面面。

在过去20多年中,互联网搜索、视频监控、交通调度、语音识别、人脸识别、人机交互、机器翻译等技术应用的背后都有人工智能做支撑。虽然大数据的出现和计算能力的提高不断推动着人工智能向前发展,但面对时下盛行的“人工智能热”,保持头脑的冷静非常必要,因为人工智能虽然发展迅速,但还有巨大的进步空间,还有很多挑战性问题有待解决。

我们邀请到了自动化所研究员、模式识别国家重点实验室主任刘成林对人工智能领域的模式识别和类脑智能研究进行全方位解读。

模式识别:“慧眼”看世界

随着20世纪40年代计算机出现,50年代人工智能兴起,(计算机)模式识别在20世纪60年代初迅速发展并成为一门新学科。模式识别是指对表征物体或现象的各种形式数据(主要是感知数据,如图像、视频、语音等)进行处理和分析,以对物体或现象进行描述、分类和解释的过程,是信息科学和人工智能的重要组成部分。“随着计算机硬件的发展,模式识别的关注度不断提高,模式识别技术发展也日臻完善,在许多领域中已有成功应用。”多年来一直从事模式识别研究的刘成林介绍称,金融、安全、医学、航空、互联网、工业产品检测等领域中都渗透着模式识别技术。

刘成林指出,模式识别有2个层面的含义:一是生物体(主要是人脑)感知环境的模式识别能力与机理,属于心理学和认知科学范畴;二是面向智能模拟和应用,研究计算机实现模式识别的理论和方法,属于信息科学和计算机科学领域的范畴。模式识别基础理论(模式表示与分类、机器学习等)、视觉信息处理(图像处理和计算机视觉)、语音语言信息处理(语音识别、自然语言处理、机器翻译等)是模式识别领域的三大主要研究方向。刘成林解释,模式识别是人工智能的一个分支领域。人工智能是通过计算使机器模拟人的智能行为,主要包括感知、思维(推理、决策)、动作、学习,而模式识别主要研究的就是感知行为。在人的5大感知行为(视觉、听觉、嗅觉、味觉、触觉)中,视觉、听觉和触觉是人工智能领域研究较多的方向。模式识别领域主要研究的是视觉和听觉,而触觉主要是跟机器人结合。文字识别、互联网有害信息检测、语音识别、生物特征识别(虹膜识别、指纹识别、掌纹识别、人脸识别等)都是目前发展较为成熟的模式识别技术。

模式识别和人工智能在20世纪60年代分离为不同的领域,21世纪以来出现重新融合的迹象。近年来,深度学习和大数据的出现推动了模式识别的快速发展,但刘成林认为这一领域还有巨大进步空间,一方面基础理论研究进展不大,另一方面有很多挑战性应用问题有待解决。谈及模式识别的未来,他表示,目前以深度学习为代表的主流方法有3个明显的不足:一是需要大量的标记样本进行监督学习,这势必增加模式识别系统开发中的人工成本;二是模式识别系统的自适应能力差,不像人的知识和识别能力是随着环境不断进化的;三是模式识别一般只进行分类,没有对模式对象的结构解释。

123下一页>