【深度学习】DeepMind-深度学习: AI革命及其前沿进展 (54页ppt报告）

2018 年 10 月 5 日 产业智能官

2018年9 月 9 日-14 日，DeepMind主办的Deep Learning Indaba 2018 大会在南非斯泰伦博斯举行。会上，牛津大学教授Nando de Freitas和其他15位专家做了《深度学习: AI革命及其前沿进展》的报告。

Nando de Freitas

Nando de Freitas是一名来自牛津大学的拥有高声望和优良业界口碑的机器学习教授。在2000年拿到Trinity College的博士学位后，1999至2001年他在 UC Berkeley担任博后，2001至2014年在 University of British Columbia担任教授，他还是加拿大高级科研学会（CIFAR）的一员，并拿到了许多学术类的奖项。Nando本人在其网站上这样简洁地描述他的兴趣：我想明白智能以及思考的机理。我的工具有计算机科学，统计学，数学和无尽的思考。2015年12月26日，Nando de Freitas加入了由Reddit管理的AMA（Ask Me Anything）平台。

报告导读

、

人工智能进展的关键要素：基础科学理论、数据、计算力、算法软件

深度学为什么成功的另一视角：深度神经网络从数据中学习

神经编程编译器

人工智能前沿7大热点：

强化学习
元学习
模仿学习
机器人
概念与抽象
感知与意识
因果推理

强化学习框架

AlphaZero

模仿：帮助我们在强化学习中解决探索

模仿人学习非常重要：翻译、语音模型，通用协同

观看Youtube视频学习，人可以从视频中学习各种技能，机器是否同样来学习？

挑战：领域鸿沟、没有动作、没有奖赏

跨模态距离分类

时序距离分类

感知意识：思维意识理论

世界自身的知识能够帮助解构和表示学习

学习确认的智能代理、行为和意图非常重要

一个智能机器必须知道它知道什么和它不知道什么

感知意识提供一个模仿学习的框架

慢学习以更快学习

few shot 元学习

条件策略的one-shot 模仿学习

因果推理

其他人工智能的前沿领域包括：

抽象，概念、关系，物体，程序，架构
自监督自动选取任务
持续性知识表示
基准性语言理解
情感性动机型系统
鲁棒性、灵活性与软件框架
模块发明
道德和治理

强化学习十大原则

【导读】强化学习是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益。David Sliver 总结了强化学习的十大原则，以指导强化学习的良好进行。

作者 | David Sliver

编译 | Xiaowen

原则#1：评估（Evaluation）推动进步

客观，量化的评估推动了进步：

●评估指标的选择决定了进度的方向

●可以说是项目过程中最重要的单一决策

排行榜驱动的（Leaderboard-driven）研究：

●确保评估指标对应最终目标

●避免主观评估（例如人工检查）

假设驱动的（Hypothesis-driven）研究：

●提出一个假设：

○“Double-Q学习优于Q-learning，因为它减少了向上偏差（upward bias）”

●在广泛的条件下验证假设

●比较相似的现有stat-of-the-art技术

●寻求理解而不是排行榜绩效

原则#2：可伸缩性（Scalability）决定成功

●算法的可伸缩性是其相对于资源的性能梯度

○给定更多资源，性能如何提高？

●资源可以是计算（computation），内存（memory）或数据（data）

●算法的可扩展性最终决定了它的成功与否

○图像

●可伸缩性始终（最终）比起点更重要

●给定无限资源，（最终）优化算法是最佳的

原则#3：通用性（Generality）未来证明算法

●不同的RL环境中，算法的通用性表现不同

●避免过度拟合当前任务

●寻求推广到未知未来环境的算法

●我们无法预测未来，但是：

○未来的任务可能至少与当前任务一样复杂

○当前任务遇到的困难很可能会增加

●结论：针对RL环境进行测试

原则 #4：信任Agent的经验

●经验（观察observations，行动actions，奖励rewards）是RL的数据

○

●相信经验是唯一的知识来源

○总是有诱惑力来利用我们的人文专长（人类数据，功能，启发式，约束，抽象，域操作）

●从经验中学习似乎是不可能的

○接受RL的核心问题很难

○这是人工智能的核心问题

○值得努力

●从长远来看，从经验中学习总能赢得胜利

原则＃5：状态（State）是主观的

●Agents应根据自己的经验构建自己的状态

○

●Agent状态是先前状态和新观察的函数

○

●它是循环神经网络的隐藏状态

●从未根据环境的“真实”状态定义

原则＃6：控制流(Control theStream)

●Agents生活在丰富的感觉运动数据流中

○Observations流入Agent

○Actions流出Agent

●Agent的操作会影响流

●控制功能=>控制流

●控制流=>控制未来

●控制未来=>可以最大化任何奖励

原则＃7：值函数（Value Functions）建模世界

为什么要使用值函数？

●价值功能有效地总结/缓存未来

●将计划减少到恒定时间查找，而不是指数前瞻

●可以独立于其跨度进行计算和学习

学习多种值函数：

●有效地模拟世界的许多方面（控制流）

○包括后续状态变量

●多个时间尺度

避免在原始时间步骤对世界进行建模。

原则＃8：规划（Planning）：从想象的经验中学习

一种有效的规划方法：

●想象一下接下来会发生什么

○模型中状态的样本轨迹

●从想象的经验中学习

○使用我们应用于实际实验的相同RL算法

现在，关注值函数近似值。

原则＃9：授权函数近似器（FunctionApproximator）

●差异化的网络架构是强大的工具，可以促进：

○丰富的状态表示

○不同的记忆

○不同的计划

○分层控制

○...

●将算法复杂性推入网络架构

○降低算法的复杂性（如何更新参数）

○提高架构的表现力（参数的作用）

原则＃10：学会学习（Learn toLearn）

人工智能的历史显示了明确的进展方向：

●第一代：良好的老式人工智能

○手工预测

○什么都不学

●第二代：浅学习

○手工功能

○学习预测

●第3代：深度学习

○手工算法（优化器，目标，架构......）

○端到端地学习功能和预测

●第4代：元学习

○无手工

○端到端学习算法和功能以及预测

工业互联网

产业智能官 AI-CPS

加入知识星球“产业智能研究院”：先进产业OT（工艺+自动化+机器人+新能源+精益）技术和新一代信息IT技术（云计算+大数据+物联网+区块链+人工智能）深度融合，在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的机器智能认知计算系统；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。

登录查看更多

相关内容

Nando de Freitas

关注 0

Nando曾在加州大学伯克利分校（UC Berkeley）从事人工智能工作，并于2001年成为加拿大不列颠哥伦比亚大学的教授，随后于2013年成为英国牛津大学的教授。2017年，他全职加入DeepMind，担任首席科学家，以帮助他们解决智力问题，使子孙后代可以过上更好的生活。 Nando还是加拿大高级研究所的资深研究员，并曾获得多个学术奖项。