深度学习局限
你信吗,机器人在未来可能比人类更聪明,曾被断言不可能的事情为何今日又旧事重提,到底发生了什么。这一切都是因为那个曾赋予深度学习基础的人,一直在致力的事情有了新的突破。
Judea Pearl是2011年图灵奖得主,被称为“贝叶斯网络之父”,他的贝叶斯网络曾一直被誉为人工智能的希望,然而,Judea Pearl却表示:现在所有的深度学习成果加起来不过是曲线拟合罢了。
如今的深度学习达不到他对智能的愿景。因为概率只能展示两个事件之间的相关性,不能表示先后因果关系,这样的智能终究存在极限。而若是能通过构建关联,判断数据的因果关系,就有可能实现真正的智能。《the book of why》一书表明了Judea Pearl多年致力于扭转人工智能的方向,寄希望于AI能够进军“因果推理”,达到真正智能的领域。
2017年Judea Pearl在NIPS上指出了机器学习目前仅以统计学或盲模型的方式运行,存在其理论上的局限性。但图网络的发展将有望打破这些局限性,给予机器学习新的引擎,构建真正的智能机器,教导他们“因果关系”。 |
“图网络”出世
这一切在DeepMind开源了内部的图网络库之后引起了轰动,“图网络”由于其通用的、富有表现力的结构在关系推理和组合泛化上拥有巨大的优势。它的出现为因果推理提供了巨大助力,图模型作为表征知识的语言,反事实逻辑帮助表达问题,结构化方程以清晰的语义将前两者关联起来,以此构建结构性因果推理模型,实现进一步的自动化推理。从而使得模型驱动推理出一个更有前途的方向,建立接近于人脑的深度学习模型。
DeepMind图网络库
AI战胜人脑欠缺的那块拼图
相比于深度学习只能更新权重,图网络的学习发生于每一个环节上。我们可以这样理解图网络的学习能力:图网络将前馈的思路放在了每一个环节,连边、节点、全局信息就都可以在反馈过程中被调整,这就使得网络的整体架构变得可学习。
图网络依赖底层图数据库和图计算平台作为存储查询和分析的依托。而华为云图引擎GES就是其中的翘楚。作为新一代高性能图计算平台,凭借着其强大的计算性能、分析规模、运算效率以及高兼容性充分满足了企业高阶智能分析的需求。
构建Graph Nets
图引擎通过对海量数据的关联和关系分析,形成知识图谱Knowledge Graph,利用知识图谱刻画现实事物的关系,构建关系网络实现因果推理。在实际场景中还可以利用对关系网络的挖掘和分析重现用户的行为,从而辅助各种现实场景的应用,如社交与商品推荐,金融诈骗分析等。
当前最为火热的语义搜索技术,就是图引擎在人工智能领域最直观的实践。理解语义是一直以来都是当今技术发展的目标,而如今的语义搜索是什么样子的,我们来看看图引擎在图片搜索上的技术应用。
使用语义搜索,构建关系网络、查找相关图片操作实例
url地址:https://cbc-bbs-video.obs.myhwclouds.com/video/media/20190315/20190315100832_65974/图引擎服务 语义搜索Demo.mp4
在知识图谱的支持下,图引擎以图片,语义文字构建起来的语义关系进行搜索分析,实现实体和关系的检索,搜索到符合语义环境的图片。成功将搜索演变成一场对话。
2018年,华为云图引擎已正式成为Apache TinkerPop官方认证图计算平台,自研内核EYWA应用在了城市工业生产,管道监控,商品推荐,社交推荐,项目分析,企业洞察,知识图谱,金融风险管控,企业IT应用,关系挖掘等多项领域并获得客户的广泛认可。在智能领域,因图引擎更是成为了多项智能AI技术如车联网,智能客服,深度学习的核心助力。
https://www.huaweicloud.com/product/ges.html