當前位置 當前位置: 首頁 > 新聞頻道 > 行業資訊 > 人工智能中人的作用是否更大?

人工智能中人的作用是否更大?

時間:2019-11-18來源:宋華振 《說東道西》公眾號

導語:人工智能發展的連接主義,符號主義,行為主義幾個學派許久的研究嘗試之后,還是讓機器回到“學習”這個人類基本的思維形成過程

在9月29日給同濟大學管理科學與工程碩士班同學上課中同學們得提問題涉及到了很多有意思的話題,因此撰文對其中幾個問題進行回答,也共同分享,上次談到智能制造是一個技術變革還是一個管理變革,但是,發現遠不止于此,包括制度、技術、管理、組織、生態等都是需要變革的。此次簡要談談其中一個同學問到的“人工智能應用中,是否人發揮的作用更大?”。

就以目前經常談到的機器學習(machinelearning)來說吧!在之前談到的人工智能發展的連接主義,符號主義,行為主義幾個學派許久的研究嘗試之后,還是讓機器回到“學習”這個人類基本的思維形成過程,當然,機器學習目前與統計學,數據挖掘等還有大量重疊部分,但也有在監督學習方面有一些發展的區別,并且本文對于規則和數據兩種不同的機器學習方向也不做討論,僅就機器學習本身的通用過程來分析其中人的作用即可。

機器學習的整個過程可以分為數據收集、預處理、降維、建模、測試,整個過程中,人都會扮演非常重要的角色。

機器學習的通用過程描述

圖-機器學習的通用過程描述【來自智慧的疆界】

將工業問題變為一個數學問題就是難題

就像對于任何的軟件開發和自動化工程項目一樣,把需求搞清楚都是困難的事情,把用戶的需求和自身的系統之間進行有效的匹配,或者將實驗室的設計到實現可執行的經濟性制造過程本身在很多行業就是非常困難的,也是制造業整個的難點和核心問題,如果理解了這個問題,相信對于機器學習也就不難理解了,在第一個階段,你先把現實世界的問題提煉為一個機器學習的問題,就需要你對問題有很深的認知,做控制工程的人都清楚,如果問題能夠被數學描述,建模,那么編程反倒是件簡單的事情,機器學習的道理也并未超越這個局面,因此,如何將行業的問題轉化為一個機器學習的問題本身就是一個挑戰。

首先是工藝必須懂,注塑機是怎么打一個產品的,印刷機又是怎么印刷確保套色準確的,鍋爐的進風量和煤炭的輸送鏈條和輸入量的關系等等,而且還有擾動因素有哪些....非常多的問題,往往難題在于做機器學習的人不懂工藝,而懂工藝的人不懂機器學習,所以,跨界融合創新的難點就發生在這個第一步了。

數據清洗與特征選擇

數據采集又會是一個問題,不同的控制器,不同的總線,數據的定義、單位、格式等都會有很多偏差,這個方面也需要規范與標準化,不能來了很多沒有用的數據,或者殘缺的不能滿足一個完整的描述工藝的數據集,而且數據也要,確保數據正確的過程是一個“清洗”過程,而數據的是合適的部分則是特征選擇的問題。

這個過程本身包括數據的集成、清洗操作、分層采樣、數據分配、規范化、平滑化等操作,而這些操作,并非是由機器來完成,而是要由人來完成。

其中的特征選擇關乎整個機器學習的質量,過多的特征會讓數據維度過高,而造成數據稀疏,這又會造成難以獲得相似性的回歸,而且很多時候工業里維度提高了卻沒有足夠的數據來訓練,而有大量數據訓練又可能會出現數據無關性,比如與質量無關的數據用于訓練,那么也訓練不出高品質的模型。

人工智能是人與機器的協作

而如何對數據進行特征選擇,平衡特征值與數據量的關系,以獲得最佳的學習質量,本身就要依賴于機器學習專家和工藝專家對這些問題的權衡。這些都依賴于人的智慧、經驗和產業積累。

因此,在整個機器學習的訓練中,數據預處理階段占據了整個機器學習項目超過50%甚至更多的時間,正如圈里的話所說“數據和特征決定了機器學習訓練全過程的上限,而模型和算法只是逼近這個上限而已”。

對于機器學習后續的建模、訓練中的難點我們暫且不談,而只是為了這個開始階段,我們就可以看到,人在其中的作用仍然是巨大的,至少今天的AI還沒有能夠達到自主選擇特征值、自己處理數據等智能性。

因此,可以說,人工智能是人的知識、經驗與機器的存儲、計算能力的融合,共同解決生產中的實際問題,因此,這里的評價應該是人與機器各自發揮各自的優勢,但是,的確如果沒有人的前期處理,特征選擇與提取,就無法實現一個高質量的人工智能應用,不管是機器學習,還是深度學習,其實,前期這個工作都是由人的智慧來發揮關鍵作用的,至少當前的狀態是如此。


標簽: 人工智能

點贊

分享到:

上一篇:中德加強智能制造與工業4.0對接合作

下一篇:【鋰電一周快訊】特斯拉將在德國柏林建設第...

中國傳動網版權與免責聲明:凡本網注明[來源:中國傳動網]的所有文字、圖片、音視和視頻文件,版權均為中國傳動網(www.lwpozs.live)獨家所有。如需轉載請與0755-82949061聯系。任何媒體、網站或個人轉載使用時須注明來源“中國傳動網”,違反者本網將追究其法律責任。

本網轉載并注明其他來源的稿件,均來自互聯網或業內投稿人士,版權屬于原版權人。轉載請保留稿件來源及作者,禁止擅自篡改,違者自負版權法律責任。

TOP

聯系我們

廣告聯系:0755-82048561
展會合作:0755-83736589
雜志投稿:0755-82048562

網站簡介|會員服務|聯系方式|幫助信息|版權信息|網站地圖|友情鏈接|法律支持|意見反饋

版權所有 2006-2016 中國傳動網(ChuanDong.com)

  • 經營許可證
    粵B2-20150019

  • 粵ICP備
    14004826號

  • 不良信息
    舉報中心

  • 網絡110
    報警服務

網站客服熱線

0755-82949061

網站問題客服

2737591964

澳洲幸运5官方开奖记录 稳赚的足球竞彩注册 吉林11选五开奖结果一定牛 博众时时彩计划软件 旧版新浪北单比分直播 山西快乐十分app官网 山东11选五走势图旧版 pc加拿大28经验和心得 雷速体育怎么关掉进球提示音 9码倍投 河北11选5预测任三 天下财经百姓炒股秀 荆门麻将红中赖子杠下载 篮球即时比分 青海十一选五 福建11选软件 剑灵萌新怎么赚钱2018