新一代AI自組織機(jī)器學(xué)習(xí)介紹

長久以來“人機(jī)對戰(zhàn)”一直被公認(rèn)為用于衡量人工智能進(jìn)步程度的重要途徑之一。2016年隨著AlphaGo戰(zhàn)勝全人類棋手，使世界為之震驚，歷史上從來沒有過，對于一個技術(shù)投入了世界上如此巨大的資源。

國際大的IT公司利用這個契機(jī)，為了牟取暴利，取得世界人工智能的發(fā)展主導(dǎo)權(quán)，極力宣傳“深度學(xué)習(xí)模型”，把“深度學(xué)習(xí)模型”神化，同時又拋出了各種類型的“深度學(xué)習(xí)模型”的開源程序，以及大型GPU服務(wù)器。

在這種勢力的推動下，我國年輕的人工智能研究者只能在開源程序下研究，不了解“深度學(xué)習(xí)模型”的所以然，因此，受害匪淺。

其實，“深度學(xué)習(xí)模型”，存在著訓(xùn)練不可能得到最佳解，作為補救措施的SGD也只能得到局部最佳解。因此“深度學(xué)習(xí)模型”不可解決黑箱問題，因此不可用于工業(yè)控制等場所。再加上屬于大模型解決小任務(wù)，投入產(chǎn)出不對稱等等原因，最終被“深度學(xué)習(xí)模型”的發(fā)明者英國的Hinton教授宣告舊的“深度學(xué)習(xí)模型”的終結(jié)。

在此之后，開啟了新一代人工智能的時代。一個經(jīng)過20多年的聲音識別，圖像識別檢驗的，引領(lǐng)新一代人工智能發(fā)展的自組織機(jī)器學(xué)習(xí)Self-Organization Learning（SOL），在2018年北京世界機(jī)器人大會的新一代人工智能創(chuàng)新專題論壇上正式發(fā)布。

自組織機(jī)器學(xué)習(xí)的原理是，首先立足于一個最大概率的尺度，可以產(chǎn)生最大概率的空間，在最大概率空間又可以生成新的最大概率尺度,依次迭代；最終可以獲得超越統(tǒng)計學(xué)公式化的最大概率的解，以及最大概率的空間范圍，并可以把目標(biāo)函數(shù)的最大概率的分布信息獲得。這樣的三個結(jié)果，幾乎是我們遇到的所有目標(biāo)函數(shù)都希望獲得的，例如在圖像識別上，希望得到最大概率的特征抽出，最大概率的圖像識別結(jié)果等等，因此可作為普遍應(yīng)用的機(jī)器學(xué)習(xí)模型。

自組織機(jī)器學(xué)習(xí)的特點還有，可以自律的朝著大概率的方向遷移，最終可以越過小概率的擾動的阻擋，最終在最大概率的區(qū)域上停止，因此自組織機(jī)器學(xué)習(xí)概念清楚，透明性強，可做到不管遇到什么狀況，都具有可分析性。

再有自組織機(jī)器學(xué)習(xí)還具有模仿人眼神經(jīng)網(wǎng)絡(luò)機(jī)能的特點，人眼在反復(fù)的看到一個物體時，其圖像是沒有任何變化的，但是通過光電識讀若干次得到的圖像差別很大，自組織機(jī)器學(xué)習(xí)的出現(xiàn)，使人們搞清了人眼的神經(jīng)網(wǎng)絡(luò)的機(jī)理，人的眼神經(jīng)是在概率空間上觀察物體的，所獲的的信息是最大概率的信息，在最大概率空間中所得到的信息是一樣的，所以最大概率的尺度就是人眼神經(jīng)網(wǎng)絡(luò)的閥值，所以采用自組織機(jī)器學(xué)習(xí)，可以獲得同人眼近似的圖像識別效果。

自組織機(jī)器學(xué)習(xí)是屬于小數(shù)據(jù)的無監(jiān)督機(jī)器學(xué)習(xí)，無須訓(xùn)練也可以工作，5－10次以上的訓(xùn)練就足可以滿足使用要求。不需要大數(shù)據(jù)的人工標(biāo)注，降低了應(yīng)用成本。

自組織機(jī)器學(xué)習(xí)處理效率高，可以降低計算復(fù)雜度，根據(jù)應(yīng)用的規(guī)模，可以小到手機(jī)，或一個CPU，大到GPU大型服務(wù)器，都可以高效率的導(dǎo)入自組織機(jī)器學(xué)習(xí)。特別是自組織機(jī)器學(xué)習(xí)可以解決幾乎所有IT領(lǐng)域的問題，因此可以通過無窮多的自組織機(jī)器學(xué)習(xí)搭建出具有超出人們想象的功能的巨型人工智能系統(tǒng)。

早在2016年，通過自組織及其學(xué)習(xí)連接成具有三層節(jié)點的新型神經(jīng)網(wǎng)絡(luò)誕生了。新型神經(jīng)網(wǎng)絡(luò)有感知層，神經(jīng)層以及腦皮層，與生物神經(jīng)結(jié)構(gòu)吻合。感知層與神經(jīng)層之間的節(jié)點之間連接著自組織機(jī)器學(xué)習(xí)，隨著處理對象的復(fù)雜性，多樣性等的應(yīng)用要求，感知層與神經(jīng)層的節(jié)點可以無限延伸，但是計算復(fù)雜度不變，不會因為系統(tǒng)的處理功能的提高而降低計算的效率，這是一般系統(tǒng)很難達(dá)到的系統(tǒng)結(jié)構(gòu)。

由自組織機(jī)器學(xué)習(xí)應(yīng)用于自動駕駛應(yīng)用中，顯示出獨特的威力。針對目前自動駕駛控制的空前的復(fù)雜性，幾乎成為NP控制問題，是通過傳統(tǒng)控制方法無法解決自動駕駛系統(tǒng)的所有可能的控制。利用自組織機(jī)器學(xué)習(xí)搭建的人工智能系統(tǒng)，參與到自動駕駛的控制系統(tǒng)中，通過機(jī)器向人學(xué)習(xí)，機(jī)器的意識決定等可以使自動駕駛系統(tǒng)突破L3級，成為完全可以擺脫人的操作的新型自動駕駛系統(tǒng)。

自組織機(jī)器學(xué)習(xí)代表了新一代的人工智能，可以被廣泛應(yīng)用，并將使所有的應(yīng)用領(lǐng)域發(fā)生顛覆性的改變。自組織機(jī)器學(xué)習(xí)可以引發(fā)新的工業(yè)革命的產(chǎn)生，可以實現(xiàn)人們不可想像的應(yīng)用效果，可以大大加快機(jī)器代替人的社會發(fā)展步伐，可以讓奮戰(zhàn)在人工智能研究和應(yīng)用領(lǐng)域中的每一位專家、學(xué)者和工程技術(shù)人員在本次人工智能的高潮中都有建功立業(yè)的機(jī)會。

在過去的時光里，人工智能廣受行業(yè)關(guān)注，未來也會引起全球?qū)τ谌斯ぶ悄苄袠I(yè)的關(guān)注。