伯克利视角:AI系统的九大挑战

96
史春奇
2017.11.14 16:36 字数 1053

​我们在“人工智能深度学习人物关系[全]”和“深度学习名校课程大全”反复提到伯克利大学在机器学习中的地位! 这不, 20天前, 伯克利大学总结了当前人工智能的挑战“A Berkeley View of Systems Challenges for AI”,当然在伯克利谈论AI,肯定少不了Jordan(参考 “乔丹上海行”)!

前言

对伯克利大学印象超好!不仅仅在于第一次带我逛伯克利的好友(感谢&难忘)。 更在于她对新事物的接受、总结、和发展!09年的时候,她针对云技术的突破, 提出了云经济的伯克利观点,宣告云经济的到来!并且反复提到Amazon! 现在Amazon的Jeff Bezos成为新的首富!现在伯克利观点又来了, 你要不要关注下下?!

这次, 系里的牛人又在一起讨论起AI,试图总结AI的系统挑战!看看哪个挑战适合你?

人工智能系统的九大挑战

连续学习

强健鲁棒的决策

可解释的决策

安全的飞地

对抗学习

机要数据的共享学习

领域专用硬件

可组合的AI系统

云边缘系统

为什么是这9个大挑战呢? 是什么样的趋势让伯克利总结了这9大挑战呢?

当前AI成功要素

1. 大数据

现在成功的公司,都是拥有大数据的公司!虽然反过来不一定成立。

2. 大系统

海量数据,必须有海量存储和海量计算

3. 顶尖技术的快速获取

顶尖技术的开放,使得谁更善于构建、组合、应用,谁更成功!

未来趋势

1. 使命任务性AI

突破生命的极限适应危险的,噪声的,复杂的环境的实时、稳定、安全的AI系统。

2. 个性化AI

AI秘书时代的来临!

3. 跨组织AI

让AI兼顾隐私和共享的平衡!

4. 超越摩尔定律的AI

数据的生产即是机会也是挑战, AI如果掌控大信息?

9大挑战

这样4大趋势带来9大挑战!

一, 连续学习

1.平行世界: 利用强化学习充分挖掘平行世界,提供毫秒级,异构硬件和拥有严格截止时间的系统

2.唯快不破: 有效模拟现实环境,随着环境连续,不可预测的变化, 但是跑的比实际环境快!

二, 强健鲁棒的决策

1.蝴蝶效应: 构建微粒度系统自动跟踪捕捉不同来源的噪声

2.信念区间: 构建稳定信念区间的决策系统, 尤其面对未知数据

可解释的决策

1.增强交互: 可以交互追踪, 再现各种分析和决策

2.溯源归因: 可以推理引发源

安全的飞地

1. 区分保密的AI代码和开放的AI代码来构建拥有安全飞地的AI系统

对抗学习

1. 不管训练还是预测阶段都要拥有区分敌对虚假输入, 在跟踪欺骗,消除欺骗后, 重新决策。

机要数据的共享学习

1. 夸数据源的学习,但是不泄露保密信息

2. 激励保密机构开放数据的动因

领域专用硬件

1. 提供专用硬件提高效率,降低能耗。

2. 提供软件兼容各种专用硬件

可组合的AI系统

1. 开发各种AI库,模块库,简化AI系统开发

云边缘系统

1. 增强边缘系统的智能数据获取能力。

2. 让云走向计算集中型, 从而生成高质量决策。

小结

伯克利的视角, 9大AI系统的挑战, 你准备挑战哪个?

AI2ML