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 辐射海求生,从小木筏到黑珍珠号 人在高中,离婚逆袭系统什么鬼? 开局被捅我去你的男主男二 重生83:从赶山开始发家致富 师妹结婚了,新郎不是我 通冥神医 精神失常?我在废土养怪物! 本是无情人,怎奈有情生? 夫人逃婚后,少帅追妻不装了! 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 拿我分尸镇国运,狼烟四起你慌了? 逼我和亲?二嫁权臣后全家悔断肠 重生七零:冷面首长娇宠小辣妻 皇后断情绝爱,薄情帝王哭断肠 全职御兽:我的灵宠全是大佬 征战诸天:从大宗师开始 师娘要和离,宗门上下全慌了 你惹她干嘛?她一张符纸取你狗命
翻手毁天灭地覆手起死回生的仙门老祖屡破仙规,遭天道惩罚。于是…她穿成夏家自幼被拐进山村的掌上明珠夏夜。夏家生了三个儿子,终于盼来宝贝小千金,谁知三岁被人贩子拐走。父亲借酒消愁母亲郁郁寡欢三位大佬哥哥思念成疾。老祖以为会穿至被拐走初期,历尽人间苦劫,谁知醒来直接14年后,被救回来的当天本想尽情撒野独自美丽的她,被全家爆宠上天!养女假千金气到五官扭曲巨佬家族间谣言四起从小被拐进山村的野丫头,只会给夏家丢人!大佬哥哥们揭竿而起,夏夜扯一抹邪笑,抬手拍拍他们肩膀我亲自来。众人野丫头还敢有脾气?夏夜笑了。世界第七大未解之谜直径七千三百米的遗迹天坑,是她1000年前跟天道吵架时砸的。学生背到头秃的高考必考古文,是她500年前醉酒写的。所有人都等她装逼翻车,夏家却陆续接到变异植物协会玄学大师超自然组织古武佣兵团考古文化局…的电话听说老祖回来了?哥哥们老祖?打错了,小妹芳龄17。后来,夏夜荣登全球富豪榜第二,颁奖礼上,她轻挑眉梢说好的天谴惩罚,怎么还挺滋润?身旁,全球首富某西装革履的天道帝君自家夫人,怎舍得真罚…如果您喜欢满级小祖宗下凡后被大佬们宠野了,别忘记分享给朋友...
在一场不可描述的活动中,陈宇遭遇了突如其来的无妄之灾,当他从病床上爬起来,却发现自己竟然能控制别人的意识和身体,操控别人去做任何事情,一段精彩的人生就此拉开帷幕,。本书读者群784014287,欢迎大家加入!希望大家多多支持,谢谢!如果您喜欢从虚拟走进现实的超级富豪,别忘记分享给朋友...
王晓东,一个普通的不能再普通的业务员,凭借常人难以企及的针灸之术,短短时间内就建立了强大的朋友圈,财富与日俱增!...
李云生是二十一世纪的商业间谍,一眨眼穿越到了民国二十三年,同名同姓的特工李云生身上,随身还有个空间戒指,之后李云生就利用自己后世的知识和空间,一点点的为这个民族复兴而努力着,并开始了他的传奇之路。如果您喜欢民国谍海风云,别忘记分享给朋友...
关于八零花月正当风死过一次,赵零夏才知道自己身边谁是人谁是鬼。重活一世,还不想让她好过,那就别怪她辣手摧渣。只是那个谁,我们真的不熟。某人表示我凭实力勾搭,咳咳…娶回来的媳妇,就愿意宠着你有意见?赵零夏你再乱来我可要上税了。贺连祁媳妇你说的没错,我这不正在上税吗。...
神级魔法难求?顶级神兽难寻?至尊毒术难学?珍奇异宝难得?紫夕勾勾手指这些分分钟值得拥有,从废物到天才的逆袭就是这么自信!本该就此踏上人生巅峰,找个高富帅,升任大盟皇,却引来各路妖孽挡住去路紫夕眯起眼眸不管劫财还是劫色,保证你们哭的很有节奏!(群萌杀派18031685,微博搜索霜月眸可关注)...