Samsung Electronics стремится на ведущие достижения в области искусственного интеллекта (ИИ), с надеждами вступил в светлое будущее. Чтобы обсудить, что в будущем может провести для технологий искусственного интеллекта, а также для преодоления технологических проблем, что исследователи в настоящее время сталкивается, компания недавно провел третий ежегодный форум Samsung Ма.
Состоявшейся 4-5 ноября в Сеуле, в этом году форум участвуйте в знаменитых ИИ экспертов со всего мира, которые предлагали интригующих идей для решения некоторых из наиболее актуальных задач, стоящих перед современным исследованиям ИИ.
Предсказывая следующий большой тенденции в AI
Современные технологии ИИ не только способна анализировать данные с помощью алгоритмов, он также делает успехи на пути к достижению человеческого познания. С увеличением вычислительной мощности и достижений в области глубокого обучения, технологии ИИ пытается анализировать данные самостоятельно, и научиться определить наиболее адекватный ответ по данной ситуации или контексте. Применение больших данных в глубокое изучение ускоряет эту тенденцию.
В то время как последние исследования доказали, перспективный, выступающих в этом году на форуме AI согласились с тем, что определенные технологические проблемы остаются нерешенными. Kyunghyun Чо профессор Нью-Йоркского университета поставили современное состояние технологии в простых терминах. “Представьте себе гипотетический агент ИИ, оборудованных современной технологии”, — сказал профессор Чо. “Он с трудом открыл свои глаза так, что он может видеть и различать предметы; он едва открыл свои уши, чтобы слушать людей и слышать, что они говорят; он едва открыл рот, чтобы говорить короткие высказывания; она едва научившись перемещать свои конечности. Другими словами, мы имеем только крошечный шаг к построению подлинно интеллектуальная машина или набор алгоритмов для привода такого умного агента”.
Профессор Ноа Смит из Университета штата Вашингтон расширил на данный момент, отметив, что “мы видели большой прогресс за счет применения все более глубокие нейронных сетей, обученных на все более крупных наборов данных”. Профессор Смит также определены подготовке эффективных алгоритмов, снижения стоимости строительства системы и совершенствование данных методов обучения в виде точек, которые должны быть решены для того, чтобы принять технологию AI на следующий уровень.
Выступающие также предложили свои мнения о том, где достижения ИИ должен фокусироваться на следующем, высвечивая такие вещи, как беспроводная сеть управления, повышение самостоятельности ИИ, расширения применения ИИ в химических и биологических исследований, а также улучшение взаимодействия между людьми и ИИ.
Как Абинав профессор Гупта из Университета Карнеги-Меллон объяснил: “в последние несколько лет мы добились значительного прогресса в ИИ, но больше эти достижения были в решении специфических задач при наличии большого объема данных и надзора доступны. С другой стороны, человек может выполнять сотни тысяч задач, часто без надзора или данные для них. Это следующий рубеж в AI: разработка общего назначения, умные и интеллектуальные агенты без доступа к большому количеству данных и надзора”.
Выходя За Глубокое Изучение
Первый день форума был организован Samsung Института передовых технологий (Саит), который был создан в соответствии с философией развития безграничного исследования для прорывов. Проведения пленарных заседаний увидела, уважаемые эксперты выступят с докладами на глубоком изучении методов исследования, которые являются движущей ИИ инновации.
Доктор Kinam Ким, президент и генеральный директор компании решений для мобильных устройств на Samsung Электроника, стартовали мероприятия, обсуждая мотивацию Samsung для привлечения этих признанных экспертов ИИ вместе под одной крышей. “Технология ИИ уже оказывает воздействие на различные аспекты нашего общества”, — сказал доктор Ким. “Здесь на Samsung форум АИ, вместе с некоторыми из величайших умов в отрасли, мы будем обсуждать и рекомендовать направления и стратегий развития ИИ с надеждой сделать мир лучше.”
Доктор Ким затем уступил сцену, чтобы сначала отличился спикер дня, профессор Yoshua Bengio из Монреальского университета, который представил лекцию на тему ‘к композиционным понимание мира путем глубокого обучения.
“Люди намного лучше, чем существующие системы ИИ обобщения из рассылки,” профессор Bengio объяснил. “Мы предполагаем, что обучение чисто из текста недостаточно, и мы должны стремиться к обучение агентов, построение модели мира, в котором лингвистические ярлыки могут быть связаны.”
“В центре внимания будущего глубокие методики обучения, — продолжал он, — будет как единых позиций агента в обучение с подкреплением может помочь глубокое изучение откройте для себя лучшие представления знаний”.
Далее профессор Тревор Даррелл Калифорнийского университета в Беркли представили увлекательную лекцию на тему ‘адаптации и объясняя глубокого обучения для автономных систем. Презентация профессора Даррела освещена ограничения глубокий технологию обучения, когда речь идет о разработке автономных систем вождения, а также представлены подходы, чтобы помочь преодолеть эти проблемы.
Как объяснил профессор Даррелл, “изучение слоистых или «глубинного» представления недавно включена низкая стоимость датчиков для автономных транспортных средств и эффективного автоматизированного анализа визуальной семантикой в интернет-СМИ. Но эти модели, как правило, требуется запредельная количество обучающих данных, и таким образом может работать только в среде они были обучены.”
Профессор Даррел предложил подходы к разработке объяснимо глубоких моделей обучения, в том числе интроспективный подходы, которые визуализируют композиционной структуры в глубокую сети, а также третьего лица, подходов, которые могут обеспечить естественный язык обоснование для решения о классификации глубокой модели.
После этого, Kyunghyun Чо профессор Нью-Йоркского университета вышли на сцену, чтобы доставить захватывающий презентацию, озаглавленную ‘трех вариантах нейронных генерации последовательности.’
“Стандартные нейронные последовательности методов генерации,” профессор Чо объяснила: “предположим, предварительно указанного порядка поколения, такие как слева-направо поколения. Несмотря на дикий успех в последние годы, есть вопрос того, является ли это необходимым, и если есть любой другой способ получения такой последовательности в порядке, автоматически извлеченные из данных – без необходимости предварительно указывать его, или полагаться на внешние средства.” Он пошел на представить три альтернативных варианта, которые могут быть использованы в моделировании последовательности: параллельного декодирования, рекурсивный набор предсказания, и вставки для производства электроэнергии.
Лейтмотивом выступлений день состоялась панельная дискуссия, модератором Университета Монреаля профессор Симон Лакост-Жюльен, обсуждали создание наборов данных для глубоких моделей обучения. Саня Фидлер профессор Торонтского университета предложил новый инструмент, который позволяет более детальное маркировку данных изображения, в то время как профессор Джеки Чунг из Университета Макгилла предложили альтернативу на замену автоматической системы реферирования текста на основе новостных статей.
Профессор Цзя Дэн Принстонского университета изложил способ для создания новой системы распознавания, что позволяет ИИ более эффективно анализировать данные, и профессор Лакост-Жюльен обсудили пути повышения эффективности обучения генеративного состязательности сети (Ганс).
Разработке AI с человека, как интеллект
Второй день форума был организован
Ди-Джей Кох, президент и генеральный директор подразделения мобильных коммуникаций Samsung электроники, создала предпосылки для освещения презентации два дня, делясь своей точкой зрения на важность инвестиций Samsung в МА. “В этой гипер-взаимосвязанном мире, где все связано через 5г, AI и технологии IoT, компания, которая предоставляет наиболее инновационный опыт будет стать лидером мирового бизнеса”, — сказал Кох. “Я считаю, что Samsung будет лидировать на острие 5г, АИ и IoT инноваций”.
Первый лейтмотив дня выступил профессор Ноа Смит из Университета Вашингтона. Профессор Смит, который признан одним из ведущих экспертов в проектировании дата-центру алгоритмы для автономного анализа человеческих языков, внес рациональное рекуррентной нейронной сети (RNNs), и наметили пути более эффективного глубокого изучения моделей обработки языка.
“Нынешние глубокие модели обучения не основаны на реальном понимании языка,” профессор Смит объяснил. “Таким образом, это трудно объяснить логику своих действий. Эксперименты установили, что рациональное RNNs может выполнять конкурсной основе как языковых моделей и для различных задач классификации, особенно с меньшим количеством аннотированных данных, при использовании меньшего количества параметров и обучение быстрее”.
Далее Абинав профессор Гупта из Университета Карнеги-Меллона предложил новую модель для расширения возможностей видения и обучения робота. Профессор Гупта продемонстрировал, как этот масштабный механизм самообучения выходит за пределы контролируемого обучения1, и обсудили, как включить его в будущем ИИ агентов.
На самообучение модель представил профессор Гупта-это методика, в которой модели системы ИИ физического мира через визуальное восприятие, и обретает понимание пространства и объектов. Цель заключается в создании прогностических моделей, основанных на знании физики, пространственного восприятия и причинно-следственных связей.
В ‘приглашенных’ сессии после выступления профессора Гупты обсудили конкретные методы для расширения AI в нескольких областях нашей повседневной жизни.
“Это трудно для AI, чтобы сделать чувство мира, используя только те данные, которые они были приучены, и, когда переменные принимают участие, данные можно произвести вывод, что это полностью отличается от того, что застройщик предполагал”, — сказал профессор Vaishak красавица из Шотландии Эдинбургский университет.
Профессор Белл подчеркнул необходимость прозрачного и ответственного ИИ развития, и предположил, что дополнительные усилия будут направлены на: 1) разработку технологии машинного обучения, который доступен даже для не AI экспертов, 2) Понимание погрешностей в алгоритмах для обеспечения справедливого процесса принятия решений, и 3) применение этических принципов в систему ИИ. Подходы, которые он предложил, были основаны на символической логики, как она относится к машине для разработки обучения.
Далее профессор Джоан Бруна из Нью-Йоркского университета представила последние достижения в области развития глубоких моделей обучения, известный как граф нейросети (GNNs). “График-это эффективный инструмент для интеграции взаимодействия между пользователями, устройствами и знание”, проф. Бруна объяснил. “GNNs, который может представлять графики и учиться и рассуждать об отношениях являются ключевыми для развития ИИ, который способен человека-уровень интеллекта”.
Сеансы, которые затем были разделены на две темы: ‘видения и изображения » и » на устройстве, интернет вещей и социальные’. Оба трека участвуйте в увлекательных презентаций по «Кто есть кто» экспертов ИИ, наряду с привлечением дискуссии фокусировались на технологиях искусственного интеллекта и его приложений.
Последний демонстрация достижений Samsung в МА
Каждый Samsung форум AI предлагает посетителям возможность изучить последние достижения Samsung в области исследований искусственного интеллекта. В этом году компания использовала форум как сцену, чтобы представить на устройстве ИИ технологии перевода, которая предоставляет пользователям быстрый, надежный сервис даже без подключения к интернету.
На форуме также служил в качестве образца для следующего поколения специалистов в области ИИ. Плакаты за пределами лекционного зала, которые предоставляет посетителям возможность изучить научно-исследовательских и дипломных работ студентов в бакалавриате и аспирантуре по Корее.
Видение Samsung по технологии ИИ направлена на создание ориентированных на пользователя экосистеме устройств и сервисов, улучшающих жизнь пользователей в значимых отношениях. В проведение этого мероприятия, компания надеется сделать больше, чем просто продемонстрировать последние достижения в области исследований ИИ, но активно искать инновационные решения для наиболее актуальных проблем в технологии.
1 обучающийся относится к машине метод обучения, который собирает значимую информацию, основываясь только на данных. Поскольку правила могут быть созданы один раз большое количество данных было собрано, тем больше масштаб самообучения, тем более сложным делается вывод.