魔天记小说网

手机浏览器扫描二维码访问

第250章 人工智能项目的探讨(第1页)

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

我最强不死兽,被剑骑学姐倒追  皇后断情绝爱,薄情帝王哭断肠  人在高中,离婚逆袭系统什么鬼?  重生83:从赶山开始发家致富  重生七零:冷面首长娇宠小辣妻  开局被捅我去你的男主男二  本是无情人,怎奈有情生?  通冥神医  征战诸天:从大宗师开始  全职御兽:我的灵宠全是大佬  年代:窝在深山打猎,我把妻女宠上天!  拿我分尸镇国运,狼烟四起你慌了?  夫人逃婚后,少帅追妻不装了!  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  重生七零:小知青搬空全家去下乡  精神失常?我在废土养怪物!  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  师妹结婚了,新郎不是我  

热门小说推荐
天家小农女又谜又飒

天家小农女又谜又飒

梅花村村民欢天喜地送走坏了村子名声的野种一家,难民村的人放鞭炮迎接。梅花村村民接吧!接吧!以后你们村男的别想娶,女的别想嫁了!难民村村民笑了笑问问那一座座御赐牌坊下排队的媒婆,都是来干嘛的?公主府来了个打秋风的,还是爹不详,娘又傻的野种。听说她自小玩的是泥巴,洗的是马棚,捡的牛粪,倒的是夜香,睡的是猪圈,长得又黑又丑?大家纷纷跑去围观。然后,今天,有人见她被京城最大钱庄的掌柜奉为上宾。明天,有人看见她和刑部尚书走在一起。后来,还有人看见她竟然被太子扶上了马车?!!!这真的是一个上京打秋风的野种?(且看小小农女如何在古代和一群有趣的人干一番大事)...

傅爷怀里的假千金真绝了

傅爷怀里的假千金真绝了

前世的时瑾不仅是公认的恋爱脑大花瓶,更是时家抱错的假千金,落了个惨死的下场。重生后的时瑾,控干了脑子里的水分,智商上线,抱紧金大腿,展事业虐渣两不误。一无所知的众人,还在等着看她闹笑话。真千金只要时瑾肯留下,我还缺一个保姆。未婚夫父辈订好的婚约怎么能够不作数?必须和真千金履行婚约。时家众人离开了时家,看她怎么在娱乐圈混?黑粉被潜规则就是她唯一的宿命!不久后。时瑾因为和国际富吃饭被拍而被黑上热搜,众人嘲笑她果然只能靠身体混圈。国际富和亲生妹妹吃饭有问题?a时瑾时瑾和级国际巨星出入酒店,被狗仔追了三天三夜。国际巨星和亲生女儿讨论剧本有问题?a时瑾某天,时瑾被某国际神秘大佬按在墙上,吻得眼尾泛滥起绯红。记者撞见后,纷纷收起了相机亲戚?试戏试得有点过啊!!!神秘大佬亲自己老婆有问题?a时瑾...

重生农家小娘子

重生农家小娘子

现代警校霸王花许娇穿越成好吃懒做,人人讨厌的农家女。有宠女成魔的亲娘,一大堆的穷困潦倒又难缠的家族成员,还有一个超级腹黑且不待见她的未婚夫!这日子咋过?不能过,也要过。看许娇改变自己,变成真善美代表,全村的村花,带领大家走上种田致富的道路!撕X斗极品,能打能杠,能撩夫如果您喜欢重生农家小娘子,别忘记分享给朋友...

格林潼话

格林潼话

这辈子只要你一个人。这是当年江潼亲口对林七说的。如今虽已时过境迁,物是人非,但是江潼永远都是林七心中的白月光。然而兜兜转转,直到再次相遇。林七才发现,原来这些年,真的只有她一个人在念念不忘。只...

召唤万界之神话帝皇

召唤万界之神话帝皇

李祀睁开眼,发现自己高坐龙椅之上,文武百官,高呼万岁万岁万万岁。这个时候,万界最强召唤系统被激活了。诸天万界中的一切人物都可以被召唤。曹正淳乱臣贼子,人人得而诛之!白起我看见,我杀戮,我毁灭!张角陛下,仙者,呼风,唤雨,保一方太平!魔者,地裂,天崩,乱一世根基!诸葛孔明给臣一盏七星灯,为陛下逆天改命,续万世江山,与天地同寿!…孙悟空俺老孙有一棒,可镇九天,可压四海,可为陛下…横推诸天仙神!……鸿钧洪荒大陆,兆亿生灵,上至圣人,下至凡俗,皆是陛下子民!...

一胎俩宝:神医狂妻太逆天

一胎俩宝:神医狂妻太逆天

关于一胎俩宝神医狂妻太逆天穿越而来十八年,云苏城都是个小绵羊。一朝中毒,不管三七二十一,睡了自己暗恋了十八年的大佬。从此,多了一对妖孽。丫头跑前跑后,娘亲,娘亲,爹爹问,他今日得到认可了吗...

每日热搜小说推荐