人工智能对自动驾驶的影响
2020-10-26 11:00:02爱云资讯
全球人工智能顶级大咖,也是图灵奖唯一华人获得者姚期智,在2020浦江创新论坛上,从前瞻和顶层的角度,发表了“人工智能面对的挑战”,个人觉得很有启发,这里与读者进行分享。
“鲁棒性”和“可解释性”是当前研究热点
鲁棒性(Robustness),这也是汽车里很流行的词汇,系统受到不正常干扰时,还能保证功能正常运作。
当前机器学习十分脆弱和不稳定,将一只小猪的照片加入些许“干扰”,就很有可能被系统识别为飞机。
“小猪变飞机”这种漏洞,会给人工智能应用带来安全隐患。例如自动驾驶汽车在通过路口时,交通信号灯指示“停止”,但只要稍微被干扰和攻击,系统很有可能识别为“通行”,会给自动驾驶带来严重安全隐患。
机器学习算法缺乏可解释性,是人工智能的“黑盒子”挑战。
基于机器学习算法开发的房地产估价系统,通过学习各地房地产价格大数据,构建了价格模型,能自动评估房地产价格。
但这个价格无法用很好的逻辑去解释,估价没有完整的依据,卖房人心中会产生怀疑,这套系统会不会“故意”低估了这套房产价值,从而让价格有利于买房者。
这样的漏洞会导致人工智能在大规模应用时,特别是涉及到安全问题,如自动驾驶时,人们会有所顾虑。
以上两个挑战和例子是当前人工智能研究的热点。
“强化学习”近几年产生惊人效果
强化学习,在未来在三到五年内,却是很有可能在应用上产生惊人的效果,是最有可能被突破的方向。
无人机群可轻松完成灯光秀、农林作业等任务,但这些任务都是人类与自然界的对抗,自然界不是非常乐意地要与人类进行对抗,这并不是一个恶意的对抗,是很容易解决的。
但如果是人和人、单位和单位进行较量,这个时候,要找到一个最优策略的空间就会变得无穷大,传统计算机里面从数学角度严格来解决问题就行不通了。
而强化学习可以解决这个问题,是目前人工智能发展最迅速的方向,和普通的图像识别提升1%的精度相比,这是“0和1”的较量,很有前途。
“多方安全计算”解决隐私问题
关于人工智能的隐私保护,1982年姚期智提出了“百万富翁”的问题:
两个百万富翁街头邂逅,他们都想炫一下富,比比谁更有钱,但是出于隐私,都不想让对方知道自己到底拥有多少财富,如何在不借助第三方的情况下,让他们知道他们之间谁更有钱?
在这个经典问题之下,诞生了“多方安全计算”(MultipartyComputation,MPC)这门密码学分支。
通过MPC,多个数据库可以联手做计算,却又不透露各自的数据,最终实现数据所有权和使用权的分离。
多方安全计算,对金融科技、药物研发等AI应用非常有用。
“超级人工智能”终极挑战
人脸识别等仅适用于特定领域,通用的超级人工智能何时会到来?这存在很大的不确定性。
超级人工智能必须可控而有益,譬如原子能和基金编辑。同时需要具备“利他的、谦卑的、尽心的”三个原则。
也就是,人的利益应凌驾于机器利益,机器不能自以为是,而且要学懂人的偏好。
- AI FOR ENGINEERS研讨会:推动人工智能技术赋能工程仿真创新
- 思科重新构想人工智能时代的数据中心与云端安全
- AI赋能出版新质生产力发展 蜜度承办人工智能与出版新质生产力论坛
- 小影科技参编《生成式人工智能数据应用合规指南》团体标准正式发布
- 云天励飞助力深圳高级中学启用人工智能联合实验室,共绘智慧教育新篇章
- 中国人工智能发明专利企业排行榜揭晓 OPPO位列第九
- 聚焦人工智能编程教育,点猫科技亮相第83届中国教育装备展
- 浪潮信息IPF24: 发展人工智能+,创新需要激发活力、拓展路径、加速落地
- “元脑”品牌全面升级!浪潮信息全力进击人工智能
- 云测数据入选2024全国“人工智能+”行动创新案例TOP100
- 智联世界·“模”生未来-2024人工智能论坛在北京隆重召开
- 人工智能领域的关键挑战:高质量的训练数据处理能力
- Viettel开设越南最大的数据中心,通过部署绿色技术,为人工智能发展做好准备
- Cognex 推出全新人工智能 3D 视觉系统
- Enine亿玖携手技嘉GIGABYTE如约亮相2024深圳(国际)人工智能计算大会
- 生成式人工智能雅思培训项目引行业关注