介尺度中的复杂性——人工智能发展中的共性挑战
探索复杂系统背后的物理机制并加以有效利用,是处理各类复杂事物的普适性方法.大数据的兴起与计算能力的提升,加之优化算法的改进,触发了以深度学习为驱动的人工智能变革,并在多个应用领域取得了突破性进展.然而,深度学习难以揭示所解决问题的底层逻辑和物理内涵,进而阻碍了其进一步发展.介科学提出了理解复杂系统时空多尺度结构的原理和方法,已在多个领域见到成效.本文提出"基于介科学的人工智能"研究范式,将介科学原理和方法应用于深度学习模型设计,旨在弥补其模型脱离问题物理原型这一根本性问题,探索人工智能可持续发展的有效途径....
Gespeichert in:
| Veröffentlicht in: | 工程（英文） 2019, Vol.5 (5), p.924-中插131 |
|---|---|
| Hauptverfasser: | , , |
| Format: | Artikel |
| Sprache: | chi |
| Online-Zugang: | Volltext |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Zusammenfassung: | 探索复杂系统背后的物理机制并加以有效利用,是处理各类复杂事物的普适性方法.大数据的兴起与计算能力的提升,加之优化算法的改进,触发了以深度学习为驱动的人工智能变革,并在多个应用领域取得了突破性进展.然而,深度学习难以揭示所解决问题的底层逻辑和物理内涵,进而阻碍了其进一步发展.介科学提出了理解复杂系统时空多尺度结构的原理和方法,已在多个领域见到成效.本文提出"基于介科学的人工智能"研究范式,将介科学原理和方法应用于深度学习模型设计,旨在弥补其模型脱离问题物理原型这一根本性问题,探索人工智能可持续发展的有效途径. |
|---|---|
| ISSN: | 2095-8099 |