本期内容为《走进人工智能》:第4讲 计算范式变革之旅:实验、方程、仿真、算技
《走进人工智能》
计算范式变革之旅:实验、方程、仿真、算技
图灵奖获得者吉姆·格雷(Jim Gray)曾说,人类社会已经经历了四种计算范式。第一种是从实验观测中进行科学发现,比如,从比萨斜塔上同时扔下两个质量大小不一的铁球,这两个铁球会同时落地。通过这个实验观测可知,对于同样的下落距离,不管物体质量多大、只要初速度相同,会用同样时间经过同样的距离,于是发现重力加速度相同这一规律。第二种范式是从数据中进行模型归纳和方程推导。比如,通电导体周围存在磁场,使磁铁的南北极发生了变化,奥斯特发现了电生磁现象,法拉第随后发现了磁生电现象。麦克斯韦从电生磁和磁生电中归纳出了麦克斯韦方程组,以一种近乎完美的方式统一了电和磁,并预言光就是一种电磁波,这是物理学家在统一之路上的巨大进步。在科学发现的壮美征途上,牛顿统一了力、麦克斯韦统一了电和爱因斯坦统一了场,不都是从数据中进行方程归纳,来刻画现象后面所隐藏的隐秩序?第三种范式是虚拟仿真,即搭建计算系统去模拟复杂的客观物理世界,从仿真系统中观测各种因素的此消彼长,再指导客观物理世界的改造。吉姆·格雷(Jim Gray)认为现在进入了第四种范式,叫做数据密集型的计算年代。在数据密集型计算时代,随着物联网、5G和传感器等技术进步,可以史无前例地获得记录人类社会生产、生活和工作等方面的海量数据。从这些海量数据出发,挖掘其结构、模式和规律等知识,是数据密集型计算要解决的难点问题。
小结
“皮之不存、毛将焉附”,人工智能算法这一引擎的快速运转不能脱离数据本身这一燃料。2001年,加州大学伯克利分校统计学家里奥布莱曼(Leo Breiman)教授发表了《统计建模:两种文化》的文章,对数据和模型在机器学习中所起作用的相互关系进行了反思,这也暗示了人类对解决复杂现实问题的向往与传统数据模型孱弱的预测力之间存在的巨大矛盾。以上是这一讲的全部内容,下一讲介绍“从机器学习到学习机器:智能算法的心之所向”。
产品名称:走进人工智能∣有声通识十五讲
主理人:吴飞
出品机构:高等教育出版社 、高等教育电子音像出版社
合作机构:浙江大学上海高等研究院、上海人工智能实验室智能教育中心
出品时间:2022年1月