手机浏览器扫描二维码访问
历景铄还未露面,周瑾龙却率先带来一则消息:鹏城电视台《今日鹏城》栏目的记者李杰,有意采访秦奕。
不仅如此,李杰目前正在筹备一部名为《前进中的鹏城》的纪录片,他表达了让秦奕也参与录制这部纪录片的意愿。
能借助鹏城电视台这一平台扩大自身影响力,秦奕哪有拒绝的道理,当下便与李杰敲定,几日后接受采访,同时也会全力配合纪录片的录制。
刚敲定采访时间,历景铄恰好赶到。
秦奕随即领着历景铄步入会议室,一同探讨起他的人工智能项目。
实际上,在理想基金的项目申请中,并非仅有历景铄的项目与人工智能相关。除他之外,还有两个项目同样聚焦于人工智能领域,只不过那两个项目专注于人工智能的专家系统分支,而历景铄选择钻研的,则是神经网络分支。
至于秦奕为什么青睐历景铄的项目,而非另外两个呢?这就得从人工智能未来的发展态势说起了。
秦奕心里清楚,当下基于逻辑推理与规则系统的专家系统技术正日益成熟,应用领域如雨后春笋般迅速拓展,已广泛深入到各个专业领域。
在国际市场上,众多企业已开发出数以千计的专家系统,不少在功能上已达到甚至超越同领域人类专家的水平,创造出颇为可观的经济效益。
与此同时,专家系统在理论与方法层面也得到深入探究,适用于其开发的程序语言和高级工具相继问世,这些专家系统工具的出现,极大地加快了开发进程,进一步推动了其普及应用。
然而从前世的经验来看,现在兴盛的专家系统注定只能是昙花一现,难以长久辉煌。
在即将到来的20世纪90年代初期,专家系统的局限性将逐渐显现。诸如知识获取困难、维护成本高昂、对复杂和动态问题处理能力不足等问题,都将成为阻碍其进一步发展的绊脚石。
此外,随着计算机通用性能的提升,专用的专家系统硬件优势不再,再加上人工智能领域其他技术的激烈竞争,专家系统将逐渐走向衰落。
直至21世纪10年代之后,深度学习兴起,专家系统与深度学习以及一些其他新兴技术融合后,才会再度出现在大众视野之中。
反观历景铄所选的人工智能方向——神经网络,此前曾陷入发展低谷。
1969年,人工智能领域的两位先驱马文?明斯基和西摩?佩珀特出版了《感知机》一书。
书中明确指出,感知机仅能处理线性可分问题,面对异或问题这类线性不可分的情况则无能为力,并且认为在当时的条件下,多层神经网络的训练算法难以实现。这一观点给神经网络的研究带来了极为沉重的打击。
后来的事实也的确在一定程度上验证了书中的说法,尽管神经网络的概念早已存在,但人们始终未能找到有效训练多层神经网络的方法。传统的神经网络在训练过程中,面对多层结构,往往难以有效地调整每一层的参数,致使网络难以很好地学习复杂模式。
这种困境一直持续到1986年,随着关于反向传播的论文发表,情况才会出现转机。论文中提出的“反向传播”算法,为训练多层神经网络提供了一种行之有效的途径。
该算法的核心思路是,通过计算每一层的误差,并将这些误差逐层向后传播,进而调整每一层的权重和偏置,使整个网络的输出误差达到最小化。
此后,神经网络总算是有了些许希望,吸引了不少人投身研究,被后来者称为“深度学习三巨头”的杨立昆就在反向传播论文发布后,构建了应用于图像分类的卷积神经网络,即LeNet的最初版本,并且首次使用了“卷积”一词,“卷积神经网络”由此得名。
秦奕作为重生之人,自然知道神经网络与深度学习虽在当下发展迟缓,但未来必将大放异彩。
可历景铄并非穿越之人,显然无法预知未来,所以秦奕很好奇历景铄选择这个方向的理由:“历同学,你为什么会选择在神经网络这个方向进行研究呢?就目前的科研情况来看,它的发展状况似乎不太乐观。”
历景铄嘿嘿一笑,说道:“发展状况不乐观,那都是过去的事情了。我最近了解到,漂亮国那边的人工智能学术圈有不少人都研究出类似的反向传播训练算法。据说有了这个算法,神经网络的训练会变得简单可行,所以神经网络的发展环境马上就要迎来改变了!”
“原来如此,看来你在漂亮国那边积累了不少学术人脉啊!”秦奕笑着说道,“不过说实话,即便有了便捷的训练算法,神经网络本身所能表达的内容,目前还不是很清晰,其发展潜能也不是很明朗啊。”
其实神经网络的内容何止是目前不清晰,就算是后来人工智能大放异彩的时候,其可解释性仍旧是一个相当复杂的问题。
另外就算有了合适的训练算法,以目前这个硬件环境,神经网络还是没法快速发展的。
前世神经网络在这几年短暂复苏了一阵之后,就又一次进入了寒冬,要一直到GPU能够为深度神经网络提供足够的训练算力之后,神经网络才会在计算机视觉、自然语言处理、推荐系统等各个应用领域多点开花。
“事情总归是从不清晰走向清晰的嘛,真相哪能一开始就摆在眼前呢!我觉得从1980年福岛邦彦提出的神经认知机模型入手开展研究,是个不错的选择。”历景铄自信满满地回应道。
“很有自信啊!你要是坚持这个研究方向,倒也并非不可。但我感觉,要是仅仅做理论研究,似乎不太需要资金支持。你申请理想基金,究竟出于什么目的呢?”秦奕追问道。
喜欢科技革命,从1984开始请大家收藏:()科技革命,从1984开始
重生七零:小知青搬空全家去下乡 拿我分尸镇国运,狼烟四起你慌了? 年代:窝在深山打猎,我把妻女宠上天! 我最强不死兽,被剑骑学姐倒追 你惹她干嘛?她一张符纸取你狗命 本是无情人,怎奈有情生? 夫人逃婚后,少帅追妻不装了! 重生七零:冷面首长娇宠小辣妻 全职御兽:我的灵宠全是大佬 征战诸天:从大宗师开始 开局被捅我去你的男主男二 师娘要和离,宗门上下全慌了 逼我和亲?二嫁权臣后全家悔断肠 辐射海求生,从小木筏到黑珍珠号 精神失常?我在废土养怪物! 人在高中,离婚逆袭系统什么鬼? 师妹结婚了,新郎不是我 重生83:从赶山开始发家致富 皇后断情绝爱,薄情帝王哭断肠 通冥神医
她是掌六界战事司八方众神的司神殿之主,不幸殒身于万年前的神魔大战中,只余一缕不见其形的神魂于天地间飘荡。万年寂寥时光,但有一个人,她总也不能忘。那夜,她终于壮起胆子,飘进了他的云被,却猛听一声炸响,堂堂神界战神自此沦为了一个忘却前尘的祈神山废柴失去意识之前,她只有一个想法诚然是色字头上一把刀,刀刀致命!如果您喜欢为神明折腰,别忘记分享给朋友...
...
穿越后,洛千汐只想当条低调的咸鱼,日常说说书,吊吊听众的胃口,足矣。然而某天,她发现自己莫名成了举国团宠。王孙贵族权臣世家纷纷找上门来,送礼的送礼,约饭的约饭,各种讨好她。有人想听霸王书?军机大臣眼一瞪,抓了。有人敢挑刺书不好?太傅眉一拧,毫无欣赏水平,功名夺了。洛千汐轻轻咳嗽一声,老太后立马派了御医过来替她诊脉。洛千汐悔啊,千不该万不该,不该吊皇帝陛下的胃口。可面前这个一脸宠溺笑容,总是喜欢对她动手动脚的家伙,当真是皇帝大人?不是说皇帝陛下清冷孤傲,不近女色,不苟言笑吗?传说果然都是骗人的。面对制度森严的皇宫,洛千汐是拒绝的。皇帝陛下大袖一挥,改。行走坐立皆有法度?洛千汐可在宫中自由奔跑。宫闱重地旁人不得靠近?洛千汐可自由出入。皇帝需要设置三宫六院?什么陈规陋习,废之,朕独娶皇后一人。这一世,他把她宠成了掌心里的宝。唯有一事,皇帝陛下与洛千汐较上了劲。洛千汐独生子女大法好。皇帝陛下多子多福才是真。如果您喜欢穿越后我成了陛下的掌中宝,别忘记分享给朋友...
前世官场小吏,抑郁而终。重回激情岁月,揭开惊天身世,逆天改命尽酬青云之志,再入宦海中流击水,浪遏飞舟。...
穿越成为三十而已的陈屿,开局就和钟晓芹离婚。既然没有牵挂了,那就为自己而活吧。如果您喜欢恣意人生从三十而已开始,别忘记分享给朋友...
废材草包软弱可欺?一脚踩碎欲杀她之人的丹田,穿越而来的毒妖冷漠一笑,好了,废物之名归你了。既来之,则杀之,她从不知留情为何物。白衣男神未婚夫殿下?摔!什么玩意,品德不端给我都不要!真凤凰血脉天...