科学网 › 标签 › 端到端

标签: 端到端

相关帖子	版块	作者	回复/查看	最后发表

没有相关内容

相关日志

【尼沙龙笔记：从AI那点事儿聊到知识图谱】: liwei999 2017-12-24 04:11; 洪: 老尼八卦真是勤快：红利扑克：王劲其人-好色、背信、拍马屁陈：到了百度，他带去了得意手下Alex（新加坡人），某丽（美籍华人），还有旧部某栋，还接管了金牌得主大牛戴某渊。他咋啥都知道。还好没说洪爷。洪: 的确道听途说，许多因果都颠倒了。某栋是我拉进去做凤巢，老王来了就跑路了陈: 你也是坏淫啊洪: 老尼八卦忒勤奋，道听途说扒某劲。天地或真显冥冥，有绳有网施报应。行: 老尼看来就主要对x劲来劲李: 老尼不是尼克吗？ AI那点事儿，非尼老莫属，有道是：尼老老尼拧不清， AI 八卦两争雄。一神一鬼一冰冰，老道洪爷说分明。洪: 我以前跟人总结说，某栋来助一臂之力做凤巢（其实他原来是edward chang下面做social network机器学习推荐算法的，也不是做广告的），某度尝到了招谷里人的技术甜头。过了一年凤巢都上线了。隔壁老王带俩管理的人他们才来，本来老王允诺要来的技术专家某Paul被腾讯截胡抢走了。就这样，技术甜头成了管理毒药。 “尼”真是好字，谁粘谁李: 洪爷不出山写本英雄传，正本清源，可惜了。看尼克形单影只孤身奋战，谣言比八卦远行 ---- 唯冰冰永存。洪: 都是江湖破事，不值得写书。悠悠万事，唯此为大，还是AI为重。李: 认真说，我对历史八卦兴趣不大，倒是非常好奇这一波AI热如何收场，我们都是不同程度的吹鼓手。泼冷水偶尔为之，但总体大多推波助澜，可三年、五年、八年之后究竟如何呢？有点害怕。“谨慎乐观”感觉上甚至都太乐观了一点。万一历史循环，AI 打入冷宫，不受人待见，我们这拨人要想等下一波的AI热，是没戏了。到时候，我们人人都可以学个星座，做八卦家，把酒话桑麻，对着资深女神冰老太，哼着AI小曲儿：商女不知亡国恨，隔江犹唱后庭花. ..... 唐: 以中国干大跃进的精神，这次AI肯定吹过了。李: 问题是：这次大跃进可以不可以软着陆？省得鸡飞蛋打，大家伙儿都成了殉葬品。张: 现在政府把AI作为政绩，如果谁谁引进国际知名专家（比如太湖洗澡蟹从阳澄湖捞出来）然后成立一个联合研究中心，各大园区可以给几千万到一个亿。各位大咖赶脚的，过这村没这店了。洪: AI落到实处就跟数据库似的，休要担惊少要害怕@wei 唐: AI都经历过两次寒冬了，第三次来了也不怕。尤其是打算做AI芯片的，寒冬时做才能踏在前人的血迹上前进。洪: 年轻人挣房钱奶粉钱，院士们挣名利，政客挣中国梦，……，各得其所尼: @唐寒冬时也没见你做啊。唐: 我上次做的也是NPU。洪: NP了您啊。李: @洪 AI落到实处就是知识图谱，可不就跟数据库似的。我心戚戚呀。洪爷火眼。董: @洪真正的明白人，深刻、看得透。唐: 知识图谱不是很难表达有条件的知识吗？要想快速落地，我觉得还是规则库靠谱。李: 那就结合呗，横竖都是库。库啊、谱啊就是个筐，啥 AI 都可以往里装。唐: 关键还是几个数据库之间的join比较难做?在工程实践当中还是有点难度处理的。李: 现如今图谱好听，就叫图谱，里面可以有 unigram 知识，bigram 的关系，if then productions （所谓产生式），甚至 prolog backtracking，...... 董: 如今流行的“知识图谱”是怎么告诉计算机：“什么是‘有/‘have’’? 唐: Prolog缺的是现在大数据最擅长的统计学知识。很多知识是动态的。例如：过去五天工作日的平均值，这个知识图谱无法表示，需要动态地计算。李: 唐老师的视角还是太技术细节，太工程，技术上的实现与打通终归是可行的，只要哲学不错，实现上有的是能人。认真说，从万米高空俯瞰知识表达，没结构的知识就是传统词典，里面除了入口词，output就是各种features，那是通向ontology的门票。有结构的知识统统可以叫图谱（graph，广义），包括 svo（open domain 的碎片事件），包括 ontology，里面分常识（HowNet，cyc）与领域知识（譬如“产品目录手册”），再里面可以区分简单知识，与经验型推理知识，后者也可以涵盖从大数据挖掘出来的 if then scenario，以及 hidden links，它们不再是碎片化情报，也不是大数据显性表达的事实（已知信息），而是蕴含在千千万万事实里面的 correlations，是 derived 出来的新知识，积淀为领域场景经验的形式化，这是对领域本体知识的一个动态补充，可算是图谱事业最前沿的研究了。大数据挖掘出来的过往trends，可以是对未来预测的很好的输入。最后，也是最核心最基础的，就是情报类知识（知识图谱的本义，或窄义），也是静态语汇为基础，不过入口词大多为实体名（named entities），里面就是实体间关系（relationships），然后就是事件（events），事件串起来就成了story ...... 唐: 大体上就是这些知识。综合起来是一项复杂的工程实践。李: 有了story 就好说事儿了。有句名言（到处都是这大标语），云：抬头讲故事，低头思故乡 ...... oops 低头干实事儿。唐: 我们现在就在做。领域知识+安全情报的结合。发现这主要是数据清理的活。李: 清理极端重要。不过听上去不够高大上，给人感觉就是个扫大街的。唐老师是实干家。唐: 被逼无奈，以解决问题为主。李: 知识（图谱）的事儿的确是一个巨大的系统工程。这方面还真应该赞佩一下 IBM，他们懂得怎么把混杂的知识捏在一起，成就一个计算机博物馆里的里程碑事件（博物馆有几个AI里程碑展厅，其中一个就是IBM花生系统在知识问答TV竞赛中击败人类）。当然人家也有那个财力和底气。洪: @wei 这两天我献给你一个打油偈子。李: 打油在哪儿？我不怕打油 ..... or 被打油。洪: @wei 我还在酝酿啊，从你翻译的ken church的钟摆开始说起。李: 从来没有耐性做翻译，但那篇太经典，是@董振东老师给我特别推荐的，最后下定决心翻译出来。以对经典的虔敬心理，字斟句酌，旬月踯躅，有些细节反复与 Church 电邮请教商榷。董老师也做了审阅，终于成篇。【计算机通讯】发了后，貌似没有动静，毕竟与主流的调子不合拍。后来被一个叫《机器之心》的转载，才似乎传播开一点。人智八卦大师尼克也点了赞，NLP 的钟摆，就是 AI 起落的实例。 NLP主流反思的扛鼎之作：立委译《Church：钟摆摆得太远》（全）郭： @wei 这篇现在看，写的早了些，缺乏对深度神经的洞察，因而现如今不容易触动人心，还不如一句“炼丹术”激起千层浪。李: 天不变道不变，天变了道亦不变，是为经典。其实 Church 写完后颇落寞，根本没啥动静呀。新锐不理他（机器学习老一辈不吃香了，新一代深度学习小牛成长起来，此一时彼一时，长江后浪推前浪啊）。他是统计派老革命家，我写信问他深度神经与AI钟摆的关系，他回说：看样子钟摆的理性主义回摆还要延宕10年，这波深度神经热潮够他们忙一阵子了。是啊，人类本性，不触礁，不回船。现在呼吁两派革命大团结的，大多是老司机了。他们辉煌过，也触过礁，知道AI和NLP的深浅，而且忧国忧民，不像初生牛犊那样高歌猛进无暇他看。写这句结语的时候，在我心中，老司机就是李航这样的，而初生牛犊我也见过几个那真是满满正能量，AI 乐观主义，很感染人：新锐AI技术领军，单气势就招人喜爱。在他们面前，老朽不知道说啥好了，先道天凉好个冬，再道冬至饺子香（南湾有个同同手工水饺，昨晚去那叫一个门庭若市）。在最近的中文信息学会年会上，李航和我都被特邀做了报告，我谈中文NLP的迷思及其化解之道，顺带批判乔姆斯基搞砸了符号逻辑和规则系统，李航强调的是知识记忆，觉得这是AI的未来，因为目前AI主流大多是端到端，老熊掰棒子，没有知识积累，知识都是从带标大数据现学的，换一个项目，一切重来。李航 argue 说，这不是人类的知识学习方式。我问他，难道知识图谱不是知识积累和记忆吗？他说，也许我说没有记忆和积累是 overstatement，知识图谱的确是积累并且可以跨项目重复使用的。但他又 added 说，但大多数系统是不用知识图谱的。他说得对，知识图谱作为话题虽然很热，但真正用知识图谱做系统应用的人目前很少。但我个人认为，未来应该是个大方向。【相关】【语义计算：李白对话录系列】【置顶：立委NLP博文一览】《朝华午拾》总目录; 个人分类: 立委科普|3072 次阅读|0 个评论

更多...

帐号		自动登录	找回密码
密码			注册

关闭 安全验证

标签: 端到端

相关帖子

相关日志

关闭安全验证