原創(chuàng)AI新算法者感言

目前，中國已成為人工智能的應(yīng)用大國，但占人工智能算法主流的還是外國的深度學(xué)習(xí)算法，沒有中國自主知識產(chǎn)權(quán)的人工智能通用算法在廣泛使用。許多專家和技術(shù)人員為填補(bǔ)人工智能通用算法的空白，在國內(nèi)體制外非常不近人意的創(chuàng)新環(huán)境中，克服種種困難，多年頑強(qiáng)拼搏在研制原創(chuàng)人工智能通用算法。其中，中國嵌入式系統(tǒng)產(chǎn)業(yè)聯(lián)盟理事、天津阿波羅信息技術(shù)有限公司和阿波羅株式會社首席科學(xué)家顧澤蒼博士（中國籍）發(fā)明的自律學(xué)習(xí)SDL算法脫穎而出，經(jīng)四年的實踐，在自動駕駛、醫(yī)療社備、工業(yè)控制和在計算機(jī)應(yīng)用最廣泛的嵌入式系統(tǒng)上都取得驕人的成果，證明了已具有超越先天就有不可克服的缺陷的深度學(xué)習(xí)算法的技術(shù)特征。

雖然，國內(nèi)還在獨寵深度學(xué)習(xí)算法，但深度學(xué)習(xí)算法在應(yīng)用中因其缺陷顯現(xiàn)的嚴(yán)重問題，讓專家們束手無策、讓用戶們非常失望。深度學(xué)習(xí)算法遇到的應(yīng)用天花板，讓越來越多的專家、技術(shù)人員逐漸改變對深度學(xué)習(xí)的盲目崇拜，開始尋找和關(guān)注新的人工智能算法。這給顧博士發(fā)明的自律學(xué)習(xí)SDL算法等國內(nèi)研制的人工智能通用算法帶來擺脫長期受深度學(xué)習(xí)算法的桎梏快速發(fā)展的機(jī)遇。

近日，顧博士滿懷信心地在微信群里發(fā)表如下感言：

從四年前開始我們始終本著矯枉過正對深度學(xué)習(xí)展開了批評，當(dāng)時，并不是認(rèn)為深度學(xué)習(xí)毫無益處，客觀的評判應(yīng)該是功大于過！我們是看到當(dāng)時的社會氣氛，不管多有名的專家學(xué)者都不加思索的盲目的追捧深度學(xué)習(xí)，都不知深度學(xué)習(xí)的黑箱問題是什么？都相信深度學(xué)習(xí)不可解釋，甚至把非線性隱藏層的作用神化，今天我們打開黑箱后，把深度學(xué)習(xí)的機(jī)理完全搞清，把人們崇拜的占據(jù)最大算力的非線性隱藏層拿去，融合了自律學(xué)習(xí)SDL模型，深度學(xué)習(xí)從此擺脫了黑想問題，擺脫了占用算力問題，以及擺脫了不可解釋問題，必將成為可以在任何IT產(chǎn)品上導(dǎo)入AI模型的應(yīng)用技術(shù)，必將成為當(dāng)今的最強(qiáng)大的機(jī)器學(xué)習(xí)模型！

附：自律學(xué)習(xí)SDL的特征

自律學(xué)習(xí)（Self-Discipline Learning SDL）模型其實就是人工智能領(lǐng)域所期待的機(jī)器學(xué)習(xí)模型（自律學(xué)習(xí)SDL初期曾稱過超深度學(xué)習(xí)、自組織學(xué)習(xí)）。這種模型之所以強(qiáng)大是因為具有四個特殊的技術(shù)特征。

第一個技術(shù)特征是能讓機(jī)器模仿人來處理自動駕駛的識別，機(jī)器推理，以及自動駕駛的控制問題的算法。

構(gòu)成自律學(xué)習(xí)SDL模型的其中一個核心的算法是“概率尺度自組織”，這是一個既簡單又實用的自律學(xué)習(xí)的算法。“概率尺度自組織”的迭代過程是在高斯分布的任何的初始空間里，逐步朝著最大的概率空間遷移，并最終在最大概率空間里收斂的過程。我們的自動駕駛的三維圖像識別就是用了這么簡單的算法，自動駕駛所遇到的任何障礙物，在三維空間里是一個密度很大的物體，也就是概率分布最大的空間，利用概率尺度自組織的遷移特性，不管障礙物在什么地方，都可以被算法直接抓住，這種圖像識別不需要事先訓(xùn)練圖像，不需要特征抽出，徹底避免了深度學(xué)習(xí)對障礙物與背景不好分離，造成把白色車廂看成是云而釀成惡性事故的發(fā)生。

使用我們發(fā)明的概率尺度自組織以及概率空間距離公式，以概率空間為中心的自律聚類這一新的機(jī)器學(xué)習(xí)的發(fā)明其先進(jìn)性，在美國獲得的發(fā)明專利中被肯定，這也是構(gòu)成了SDL模型的第二個技術(shù)特征。

利用SDL模型可以最佳的最高效率的自律聚類的特點，再加上把SDL模型與卷積核與反向傳播技術(shù)的融合，甩掉人工神經(jīng)網(wǎng)絡(luò)，使小數(shù)據(jù)小模型的SDL模型的能力超越一般的深度學(xué)習(xí)，這就是自律學(xué)習(xí)SDL模型的第三個技術(shù)特征。

自律學(xué)習(xí)SDL模型的第四個技術(shù)特征就是：利用自律學(xué)習(xí)的聚類結(jié)構(gòu)簡單以及可分析性的特點，可以方便的融合其他技術(shù)。為了解決深度學(xué)習(xí)還很難解決的針對不同類的數(shù)據(jù)在低維空間混合在一起不可分問題，引用核函數(shù)（Kernel Function）理論，把數(shù)據(jù)映射到高維空間，使不可分離的數(shù)據(jù)利用高維空間的超平面就可以分離的技術(shù)特征，使SDL模型在分類技術(shù)上又產(chǎn)生了飛躍。

規(guī)納SDL模型特點

一、高斯分布下的自律聚類

1.可以實現(xiàn)小數(shù)據(jù)的最大概率的機(jī)器學(xué)習(xí)效果。

2.不需權(quán)重組合，無黑箱問題。

3.適于嵌入式系統(tǒng)的人工智能的應(yīng)用。

二、融合卷積核與反向傳播

1.消除噪聲，提升機(jī)器學(xué)習(xí)的泛化能力。

2.進(jìn)一步實現(xiàn)最佳的分類。

3.進(jìn)一步提升應(yīng)用效果。

三、能將人的智慧賦予機(jī)器

1.可解決在自動駕駛中傳統(tǒng)AI不夠智能的問題。

2.可使自動駕駛的感知系統(tǒng)做到機(jī)器深度理解。

3.不是靠算力，而使靠智力靠用人是如何解決問題的智慧授予機(jī)器，讓機(jī)器做出超越人的工作。

四、導(dǎo)入高維平面分類模型

1.把數(shù)據(jù)映射到高維空間，在超平面下獲得數(shù)據(jù)的最大的分類間隔。

2.用算法替代算力，獲得更高的應(yīng)用效果。