【演講主題:AGI】
自從在 2012 年 ImageNet 大規模視覺辨識挑戰賽大顯身手後,深度學習已經成為機器學習與 AI 領域的佼佼者。然而直到現在,深度學習仍然有許多未解的棘手問題。在這個短講之中,將帶領大家探討知名的深度學習批評者:Gary Marcus 的作品,以了解深度學習的幾個核心問題、以及如何改進,讓我們能為 Robust AI 這個目標前進。
主要內容參考自 Gary Marcus 的幾個作品:
- Deep Learning: A Critical Appraisal
- Rebooting AI: Building Artificial Intelligence We Can Trust
- The Next Decade in AI: Four Steps Towards Robust Artificial Intelligence
為了了解深度學習的幾個核心問題,除了解釋深度學習的基本概念之外,也會同時舉幾個深度學習沒有辦法良好運作的範例。我們會專注在以下幾個深度學習的缺點:
- 貪婪無厭:訓練深度學習的模型常常需要大量的資料
- 不透明性:很難用人類的角度來解釋深度學習內部的實際運作
- 易碎體質:功能強大的深度學習模型,反而常常在一些很簡單的例子下無法運作
在了解深度學習的缺陷後,接下來會去試著挖掘我們 AI 發展的下一步。探討的方向將會包含:來自人類心智的啟發、常識、以及 Deep Understanding。我們會用 Gary Marcus 所提出的 AI 架構:一個基於知識與認知模型的混合方案,作為範例。
About 蘇嘉冠 (Su Jia Kuan)
目前主要擔任新創公司的 AI 工程師。過去幾年主要專住在深度學習以及在影像辨識、自然語言處理的應用,近期則是嘗試是否能挖掘一條逃離深度學習這個框架的道路。