大数跨境
首页
>
世界顶尖科学家论坛 | 共话AI前沿科技
>
0
0

世界顶尖科学家论坛 | 共话AI前沿科技

世界顶尖科学家论坛 | 共话AI前沿科技 新产研中心
2020-11-03
0
导读：应用百花齐放，是时候期待全能AI？





以“科技，为了人类共同命运”为主题的第三届世界顶尖科学家论坛10月30日至11月1日在沪举行。在“科学前沿与颠覆性技术”、“科技，为了人类共同命运”、“世界顶尖科学家青年论坛之人工智能会议”等相关会议上，AI大咖纷纷发表了自己最新的研究成果或针对某一领域的观点看法，那么应用百花齐放的AI，是时候进入“全能”时代嘛？

最新动态


1
团队力—视觉联合模型
“我们有了扫地机器人、工业机器人，反过来思考，人为什么是能够处理不同工作，实现‘多功能’的？”上海交通大学计算机科学与工程系特别研究员卢策吾描述了一个通用用途的智能代理，他分享了团队力-视觉联合模型的研究，通过人类“大脑创造想法、小脑控制行为”来启发AI研究，希望未来能够创造通用型的智能机器。
卢策吾的研究重点是图像识别，他所在团队的工作，是国内比较好的姿态估计方面的工作，AlphaPose开源代码影响广泛。在其2019年发表的论文中，针对此前AlphaPose系统的优化，构建了CrowdPose数据集，用来衡量算法在拥挤场景中的性能，并提出了一个高效的算法来解决拥挤人群中的姿态估计问题，实验结果比起当前最好的算法有较大提高。
学术界与工业界建立的人体姿态估计算法方面的公开数据集，如MPII、MSCOCO、AI Challenger，图片通常采集于日常生活场景，缺乏拥挤人群场景的数据；对于由数据驱动的深度学习方法来说，数据集的分布不均衡，意味着算法性能的不均衡。针对以上的情况，研究团队开源了CrowdPose数据集。CrowdPose数据集中的图片，有着均匀分布的拥挤程度，既可以评估算法在日常非拥挤情况下的表现，也可以评估其在极度拥挤时的性能。截至论文完稿，数据集开源了2万张图片，评估工具也已经上线。未来，研究者将会不断扩大数据的规模，开源一个更大的数据集。
就算法而言，在拥挤人群的场景下，由于人群过于密集，重合程度太高，每个人的位置难以用人体检测框表示，传统的二步法模型往往会失效。因此，研究者们提出了一个全局竞争匹配算法，减少了姿态估计模型对于人体框的依赖，同时提高了模型对于复杂人体场景的鲁棒性，在拥挤场景中的表现超越了现有的方法。研究者们设计了一个关节点候选损失函数，通过控制模型输出响应程度不同的多峰值热度图，在人体框不准确的情况下，模型尽可能地输出候选关节点可能的位置。在得到每个人体框的候选关节点后，通过聚类与链接，消除冗余结果的同时，构建出一个人体实例-候选关节的图模型，以此来表征了人体实例与每个关节点之间的连接关系与概率。
借助人体实例-候选关节的图模型，人体姿态估计问题可转化成图模型中的最佳匹配问题，因为人体姿态问题具有很强的特殊性，而该图模型具有很强的稀疏性。并且经过研究者们的分析，优化匹配问题的时间复杂度与传统的NMS算法相当。
人体姿态估计有什么用？
第一类应用是人体的动作行为估计，要理解行人，人体的姿态估计其实是一个非常重要的中间层信息。第二类应用偏向娱乐类，如人体交互、美体等，游戏设计中则可以通过3D姿态估计虚拟出一个动画人物来做交互，使用真实人体来控制虚拟人物。第三类应用是可以作为其他算法的辅助环节。
2
智慧城市领域的数据集：City Net
香港科技大学计算机科学与工程系副教授陈凯计划打造一个智慧城市领域的数据集：City Net。具体来说，需要建设一个高性能的分布式AI云平台，叫图灵平台，首先会将香港的交通数据（交通署、运输署、天文台等机构的多模态数据），以隐私保护和数据脱敏的方式实时汇入图灵平台上的City Net，然后利用图灵平台的算力，应用图神经网络、迁移学习、联邦学习等最新的人工智能技术，对城市交通流量、人流量实现精准的预测，从而提供精细的、动态化的城市交通管理。
为应对智慧交通建设中的隐私安全问题，图灵平台会对CityNet 数据进行统一管理，应用联邦学习和加密计算等技术，以隐私保护的方式把 CityNet 数据提供给智慧城市的研究者使用，研究者在训练机器学习算法的时候，无需知道原始数据里的私有和敏感信息。联邦学习可以让数据不动，模型动，通过联邦学习技术，可以让使用者不需要知道CityNet的原始数据是什么，但仍然能够学到知识。
经过加密后的庞大数据对计算机算力的要求提高了十倍甚至更高，算力挑战随之而来。图灵平台是一个高性能分布式AI集群计算架构，通过高速通信技术RDMA，提高大型 GPU 集群吞吐量，降低通信延时，提升集群的整体计算效率，支撑大规模图式流数据上的深度学习和迁移学习。
总的来看，项目框架大致可以归纳如下：（1）建设高质量的智慧城市数据集：通过隐私计算，数据脱敏的方式将香港以及国内外诸多城市的交通数据汇入到City Net数据集中；（2）搭建图灵平台：对City Net中的数据进行处理、分析来搭建深度图神经网络模型；（3）通过深度图神经网络模型、大数据分析与可视化工具，对城市运输提供精细的、动态化、自动化的城市交通管理，例如：1）对城市交通流量、人流量实现精准的预测，辅助实现精准交通调控；2）实现智能预警系统，对预测车流量超出容量的区域作为潜在拥堵区域进行报警；3）分析预测城市出行需求与各路线与交通工具的预计到达时间(ETA)，实现个性化的最佳出行建议与路线规划。
目前，项目的智慧城市蓝图中包含三个场景：交通、健康和经济，首先落地在智慧交通场景上。陈凯道，“据相关数据显示，香港每一公里交通路段上面，有350辆车左右；香港每天乘坐公共交通可达1200万人次。我们希望通过人工智能算法提高公共交通的运输线路的效率，缩短人们上下班出行高峰的等待时间。”下一步，项目还将整合城市交通、公共医疗、金融方面的真实的实时数据，并基于这些数据，为商业选址、基础设施建设、商业广告投放等多个产业提供智能化的帮助。
3
低时延数据中心操作系统
上海交通大学软件学院教授陈海波针对越来越智能且越来越复杂的人工智能物联网，提出需要为之打造原生操作系统解决信息延迟、数据异质等问题。
此前，陈海波教授曾分享了他在低时延数据中心操作系统方面的一系列研究，通过提供去层次化抽象、去通信化同步与基于RDMA的原位计算等方法，将当前数据中心操作系统的时延降低超过一个数量级，同时吞吐提升超过两个数量级。成果被Linux、Xen、OpenJDK等基础软件平台广泛使用，并且被华为、微信等直接应用。

陈海波的主要研究方向为操作系统与并行分布式系统，在操作系统、基于新型硬件的事务处理系统与大数据查询系统等领域做出了引领性工作。
作为华为OS首席科学家、操作系统内核实验室主任，从陈海波发布的相关论文来看，其领导下的团队在华为做的系统是“一套代码框架面向不同领域定制”，软硬件垂直整合达到实验、效能等最佳，数据中心可用，PC、智能手机等消费级领域也能用。结合他在本次世界顶尖科学家论坛上的观点，原生操作系统的研发仍将是其未来研究的重点，更通用、更高效的操作系统框架正加速向我们走来。

观点博弈


1
研究通用AI是否有用？
  • 支持观点：1995年图灵奖得主曼纽尔·布鲁姆和其夫人、美国国家科学院院士兰诺·布鲁姆。他们认为，人的大脑就是典型的通用智能平台，“人脑可以被看作一个舞台，演员和观众可以问答互动，并引发更多观众参与”，在认知神经科学模型的促进下，通用AI的出现将是大势所趋。
  • 反对观点：1994年图灵奖得主拉吉·雷迪。他认为，各个领域都可以发展专用人工智能，就好像人们现在使用的一件件工具，根据需要使用，够用就好。在他看来，发展“全知全能的人工智能”，就是给人类制造恐慌，“一说到AI取代人类，把很多人都吓坏了”。显然，作为人类强大的帮手，专用AI也只是一种工具，不可能朝着产生自我意识的方向发展，也只有这样，才更让人放心。
2
更通用、更具整合力的软件和硬件，更多跨学科的基础研究突破，是否能带来更全能的AI？
  • 2000年图灵奖得主姚期智认为，智能世界诞生通用系统或硬件也许还很遥远，但这也为年轻科学家提供了很好的创新研究探索方向，科学家正在不同应用领域开展努力，相信在例如隐私保护计算领域在未来5-10年就将出现性能优秀的通用平台。
  • 雷迪的视角更“现实”，“我们需要更有能力的机器人，而不是取代人类的机器。科学家仍然应该专注自己擅长的领域进行突破，仍有许多领域还有很多空间为人类创造福祉。不过未来，把许多领域的应用再集成，也是值得研究的问题。”
3
AI使用中最重要的标准是什么？
  • 2015年图灵奖得主马丁·赫尔曼认为是“符合社会伦理”。“技术可以赋予我们更强大的能力，但我们的社会和伦理发展必须要跟上。”他强调，人们必须要意识到，“作为一个物种，人类要更加成熟，才不会走向自我毁灭”。不过，关于这一切的探索，都要依靠年轻人来完成。
4
人工智能算法还需要突破哪些瓶颈？

  • 图领奖得主姚期智认为：人工智能算法还需要突破两个瓶颈。瓶颈一：算法的稳定性。在人脸识别上，人工智能做得已经比人类好了，但是AI的稳定性和人类还有差异。如自动驾驶领域，自动驾驶汽车能识别车辆和行人。但如果有人给系统增加了变动，系统将红灯或者停车标志识别错误，那就会发生非常严重的交通事故。瓶颈二：算法的可解释性。人工智能目前已经在环境、医药、教育等领域有了广泛应用，未来我们对于AI的依赖会越来越高。如何判定一个算法被大众接受、广泛使用，需要满足一些标准。

5
未来人工智能领域的挑战？
  • 约翰·轩尼诗指出未来人工智能领域的挑战是如何打造出性能超强的计算机。他认为摩尔定理正在消退，取而代之的是登纳德缩放比例定律的生效。我们需要转变思路，不再依赖半导体技术的突破，而是需要做出特定领域的专业处理器，让它能运行任何代码，这样就相当于构建了人工神经网络，“通过赋能于人工神经网络，人类的生活将更加美好。”
注：根据论坛专家观点整理。



扫描二维码

获取更多精彩



【声明】内容源于网络
0
0
新产研中心
新兴科技产业的研究、咨询、交流、推广及应用
内容 114
粉丝 0
新产研中心 新兴科技产业的研究、咨询、交流、推广及应用
总阅读69
粉丝0
内容114