News

Google 的智能设计师

Added by 龙 辉 over 5 years ago

Demis Hassabis 从小就是神童。他 4 岁开始下国际象棋,8 岁开始思考 2 个问题:1)大脑是如何学习掌握复杂任务的;2)计算机能不能效仿?

现在他 38 岁了。今年早些时候,在演示了超越人类水平的自学玩游戏能力之后,这位曾被 Mind Sports Olympiad 称为“史上最好的国际象棋选手”与人联合创办的人工智能初创企业 DeepMind 被搜索巨头 Google 以 6.28 亿(原来报道为4亿)美元收走了。

在今年温哥华举行的 TED 大会上,Google CEO Larry Page 一直对 Hassabis 滔滔不绝,并把他那家公司的技术称为是“很长一段时间以来我见到过的最令人兴奋的东西之一。”

研究人员已经开始研究如何利用 DeepMind 的技术改进 Google 的现有产品,如搜索等。但是 Hassabis 却有更大的期望。他希望 DeepMind 能开发出从小就想要的那种人工智能软件,那种面对几乎任何问题都能学习的智能,果真如此的话,它有可能改变计算机在许多领域扮演的角色。

文艺复兴人

Hassabis 探求理解和创造智能之路让他经历了三种职业:游戏开发者、神经科学家以及人工智能创业者。提前两年完成高中学业后,他从著名的英国游戏设计师 Peter Molyneux 那里得到了一份工作。17 岁时,Hassabis 就领导了经典的模拟游戏 Theme Park(主题公园,1994 年推出)的开发工作。然后他继续在剑桥大学完成了计算机科学的学位,并在 1998 年成立了自己的游戏公司。

但是开发计算机游戏限制了他践行自己的真正使命。最后他决定,是时候专注于把智能当作主要努力目标了。

于是 2005 年,他开始在伦敦大学学院开始攻读神经科学博士学位,希望通过研究真正的大脑来发现对人工智能有用的线索。他选择了海马体作为研究对象。海马体主要负责记忆和学习以及空间导向,日常生活中的短期记忆都储存在海马体中,至今人类对它的认知还很少。Hassabis 说:“我选了一个我们还没有很好的算法来模拟的大脑功能区。”

作为一个高中没上过生物课的计算机科学家和游戏创业者,Hassabis 的表现超过了同部门的医学博士和心理学家。他说:“我经常开玩笑说我对大脑的唯一认知是,它是在头盖骨里面的。”

玩笑归玩笑,Hassabis 很快就做出了成绩。2007 年,他的一项研究被《科学》杂志评为“年度突破”。研究中他发现 5 位健忘症患者是因为海马体受损而很难想象未来事件。从而证明了大脑中以往被认为只与过去有关的部分对于规划未来也至关重要。

发现了记忆与预先计划的交错关系后,Hassabis 2011 年终止了自己的博士后研究,开始成立 DeepMind Technologies,其目标是“解决智能问题。”

得高分

这个公司是 Hassabis 与人工智能专家同事 Shane Legg 以及连续创业家 Mustafa Suleyman 一起创立的。公司招聘了机器学习方面的领先研究人员,还吸引到了一些著名的投资者,包括 Peter Thiel 的 Founders Fund 以及 SpaceX 的创始人 Elon Musk。但是 DeepMind 一直保持低调,直到 2013 年 12 月首次出席一次业界领先的机器学习研究大会时。

在太浩湖畔的哈利士赌场酒店里,DeepMind 的研究人员一开始演示他们的软件就令人惊艳。该软件可以玩雅达利的一些游戏,包括太空入侵者以及乒乓球等,而且比任何人都玩得好。更关键的是,软件事先并没有获得任何有关如何玩游戏的信息;提供给软件的东西只有这几样:控制器、显示器、游戏得分,并告诉它尽可能得高分。程序通过不断地试错最后成了游戏高手。

此前从未有人演示过具备这种能力的软件,即可以从零开始学习和掌握如此复杂的任务。事实上,DeepMind 利用了一种最近流行的机器学习技术—深度学习,这种技术通过大概模拟神经元的网络来处理数据。在场的人尽管都是专家,但还是有一点震惊,因为没人想到现阶段能做到这种程度。

不过,除了深度学习以外,软件还结合了一些其他的技巧,其中就包括强化学习技术。强化学习的灵感源自 B.F. Skinner 等动物心理学家的工作。它可以让软件通过做动作然后接收对动作效果的反馈来学习,人类和动物往往都是这么干的。

当然,强化学习也不是 DeepMind 先发明出来的,此前人工智能研究者已经折腾过数十年了。但是在 DeepMind 的 Atari 演示之前,还没有人开发过具备这种复杂学习能力的系统。其原因之一可能是 Hassabis 借鉴了他在海马体上面的发现。那个玩 Atari 游戏的软件的学习过程,部分就牵涉到了不断地重放过去的经历,以便尝试和提取有关将来应该怎么做的最精确提示。Hassabis 说,我们知道大脑就是这样工作的,人在睡觉的时候海马体会把一天的记忆重放给大脑皮层。

1 年后,Russell 等研究人员仍对 DeepMind 做出来的东西究竟如何得到如此显著成效感到困惑不已,并且还苦苦思索其他的用途是什么。不过 Google 却没有想那么久,在太浩湖进行完演示一个月之后就宣布收购了这家公司。

公司人

现在,Hassabis 是 Google DeepMind 的领导。其总部仍然位于伦敦,依旧把“解决智能问题”当做自己的使命宣言。加入 Google 时公司大概有 75 人,Hassabis 还打算再多招 50 人。其中约有 75% 从事基础研究的基础工作。剩下的则组建一支“应用研究团队”,寻找将 DeepMind 的技术应用于 Google 现有产品的机会。

比方说,DeepMind 的技术可以用于改进 YouTube 的推荐或者移动语音搜索。Hassabis 指出,未来几年 DeepMind 的若干技术就会嵌入到上述产品当中。当然,Google 并非唯一相信 DeepMind 的方案能赚大钱的人。上个月,Hassabis 因为其工作有可能令英国经济受益而获得了英国皇家学会的穆拉德奖。

不过相比之下,谈到除了调整一下现有产品的算法还能做什么时,Hassabis 显得更加兴奋。他梦想着创造出“人工智能科学家”,那种可以在实验室提出和测试有关疾病的新假设之类事情的软件。此外,他说 DeepMind 的软件还可以对机器人产生帮助。Google 最近在这个领域投入重金,迄今已收购了包括 Boston Dynamics 在内的 8 家机器人初创企业。Hassabis 解释说,目前没有更多的机器人做出更多有用事情的原因之一,是机器人往往需要预编程。所以在处理非预期情况或学习新东西时表现糟糕。

不过 Hassabis 不愿谈一些可能令人害羞的应用,也可能是因为他的研究人员在理解如何推进公司的人工智能软件这件事情上仍处于早期阶段。但是 Hassabis 显然认为一种新型的强大的人工智能很快就要到来,一个很强烈的迹象是他正在 Google 内部设立一个道德委员会,准备考虑先进人工智能的负面影响(注:比方说自动化让我们变蠢的隐患)。“我们或者 Google 的其他人都需要意识到这方面的问题。现在我们还在玩雅达利的游戏,”他笑道:“但是我们已经迈出了第一步了。”

来源:http://p.t.qq.com/longweibo/page.php?lid=18411570616625210800

TrueNorth:IBM的百万神经元类人脑芯片

Added by 龙 辉 almost 6 years ago

邮票大小、重量只有几克,但却集成了 54 亿个硅晶体管,内置了 4096 个内核,100 万个“神经元”、2.56 亿个“突触”,能力相当于一台超级计算机,功耗却只有 65 毫瓦。

这就是 IBM 公布的最新仿人脑芯片:TrueNorth。

模仿人类大脑是科学家寻求突破的方向。人类大脑的神经元尽管传导信号的速度很慢,但是却拥有庞大的数量(千亿级),而且每个神经元都通过成千上万个突触与其他神经元相连,形成超级庞大的神经元回路,以分布式和并发式的方式传导信号,相当于超大规模的并行计算,从而弥补了单神经元处理速度的不足。人脑的另一个特点是部分神经元不使用时可以关闭,从而整体能耗很低。

在了解了人脑的这种机理之后,研究人员开始了在软硬件上对人脑的模拟。在硬件方面,近年来主要是通过对大型神经网络进行仿真,如 Google 的深度学习系统Google Brain,微软的Adam等。但是这些网络需要大量传统计算机的集群。比方说 Google Brain 就采用了 1000 台各带 16 核处理器的计算机,这种架构尽管展现出了相当的能力,但是能耗依然巨大。

而 IBM 则是在芯片上的模仿。

跟传统计算机用 FLOPS(每秒浮点运算次数)衡量计算能力一样,IBM 使用 SOP(每秒突触运算数)来衡量这种计算机的能力和能效。其完成 460 亿 SOP 所需的能耗仅为 1 瓦—正如文章开头所述,这样的能力一台超级计算机,但是一块小小的助听器电池即可驱动。

通信效率极高,从而大大降低能耗这是这款芯片最大的卖点。TrueNorth 的每一内核均有 256 个神经元,每一个神经有分别都跟内外部的 256 个神经元连接。

但是相比之下,人脑有上千亿个神经元,每个神经元又有成千上万的突触,那样一个神经网络就更加无法想象了。IBM 的最终目标就是希望建立一台包含 100 亿个神经元和 100 万亿个突触的计算机—这样的计算机要比人类大脑的功都强大 10 倍,而功耗只有一千瓦,而且重量不到两升(我们大脑的大小)。

IBM集成16块TrueNorth芯片的电路板

全文:http://www.36kr.com/p/214445.html

Qualcomm神经形态芯片入选全球十大突破科技

Added by 龙 辉 almost 6 years ago

最近,Qualcomm神经形态芯片入选全球十大突破科技。同时入选的还有:基因编辑、灵巧性机器人、超私密智能手机、微距3D打印、移动协作、智能风能和太阳能、虚拟现实、农用无人机和脑部图谱。

首先与大家分享一个场景:“……哈巴狗一般大小、名叫‘先锋’的机器人慢慢向前翻滚着,逐渐靠近地毯上的玩具‘美国队长’,它们对峙站立的地方是一间儿童卧室,Qualcomm在一辆房车中搭建了这个空间。“先锋”的动作停顿了下来,好像在评估周遭环境,然后,它用自己身前像雪铲一样的工具把美国队长揽入怀中,转个身,把它向三个矮矮的玩具箱推去。高级工程师Ilwoo Chang抬起两只手臂,指向应该投放‘美国队长’的那个箱子。‘先锋’的摄像头看到了这个动作,乖乖地照做了。然后它又翻滚着折返,发现了另一个动作片人物‘蜘蛛侠’。”

这个演示完成于Qualcomm圣迭戈总部,Qualcomm称其为Zeroth项目,描述来自著名科技期刊《麻省理工科技评论》(MIT Technology Review)的记者朋友。近日这家期刊评选出2014年全球十大突破技术,Qualcomm神经形态芯片(即Zeroth项目)入选。同时入选的还有:基因编辑、灵巧性机器人、超私密智能手机、微距3D打印、移动协作、智能风能和太阳能、虚拟现实、农用无人机和脑部图谱。

“(通过Qualcomm Zeroth项目),你可以窥见计算的未来。机器人完成的这些任务过去通常需要强大的、经过专门编程的计算机完成,耗费的电力也多得多。而‘先锋’只是配备了一个智能手机芯片和专门的软件,就能识别从前机器人无法识别的物体,根据它们与相关物体的相似程度来做分类,再把它们传送到房间中正确的位置。这一切并不是源于繁复的编程,而只是因为人向它演示过一次它该往哪里走。机器人可以做到这些,是因为它模仿了人脑的运作,尽管这种模仿非常有限。” 《麻省理工科技评论》如此评论这次演示。

关于Zeroth,过去几年中,Qualcomm研发团队一直致力于开发一种突破传统模式的全新计算架构。他们希望打造一个全新的计算处理器,模仿人类的大脑和神经系统,使终端拥有大脑模拟计算驱动的嵌入式认知——这就是Zeroth。也就是说,Qualcomm正在把硅片和生物系统间的界限变模糊,未来你的智能手机等终端将预期你下一步想干什么。

“仿生式学习”、“使终端能够像人类一样观察和感知世界”、“神经处理单元(NPU)的创造和定义”是Zeroth的三个目标。关于“仿生式学习”,值得注意的是,Qualcomm实现其是通过基于神经传导物质多巴胺的学习(又名“正强化”)完成的——而非编写代码。

稍早前,基于Zeroth,Qualcomm研发部门参与了一个突破性的研究,并将其发现发表在《自然》杂志上,解释哺乳动物的大脑是如何对运动进行探测的。其工程师说,“Qualcomm研发部门的工作人员以解决重大挑战为荣,其中一项挑战是认识人脑——最复杂、最多面的进化产物。作为这项先驱工作的一部分,我们还建立了模拟视网膜和神经元的数学模型和算法,让整个科学界能够在进一步的研究和测试中使用和利用。”这样的表述与Qualcomm执行董事长保罗•雅各布博士日前在中国南京发表的演讲与之相呼应,雅各布博士说,“(科技进步)这一切背后的推动力是什么?我相信是发明创造,是创新为这个市场带来了增长,为消费者带来了新的服务和新的能力。”

原文链接:http://blog.sina.com.cn/s/blog_6798a1dd0102uwji.html

Google会思考的深度学习系统

Added by 龙 辉 over 6 years ago

上周五在旧金山举行的机器学习会议上,Google 软件工程师 Quoc V. Le 讲解了 Google 的“深度学习”系统是如何运作的。

“深度学习”需要用到大型计算机集群来吸收数据对其进行自动分类。Google 的 Android 语音控制搜索、图像识别及 Google 翻译等均采用了这项技术。

机器学习是很困难的,因为哪怕从理论上来说可以运用逻辑回归等算法,但实际上我们在数据处理挖掘特性等事情上花费了大量时间。每一个问题都得雇用领域专家。……所以 Google 希望机器能做那些事情。

通过努力工作,赋予机器更大的能力,以及局部的、有限的智能,Google 可解决人类专家无法解决的分类问题。会不会发展成天网呢?答案是否定的。但它可以发展成专家型机器。幸运的是,机器目前还是合作的。

全文:http://www.36kr.com/p/207751.html

Also available in: Atom