迁移学习——人工智能新高地
导语
谷歌人工智能ＡｌｐｈａＧｏ战胜韩国棋手李世石的“人机围棋大战”，将人工智能概念推向风口浪尖。业内人士认为，在以“深度学习”技术为主流的全球人工智能科技竞赛中，我国专家所引领研究的“迁移学习”技术具备很强竞争力，代表了人工智能的发展趋势。
2人工智能“下一站”
专家认为，我国政府、学界、企业需对“迁移学习”技术给予关注和研究，推动其应用与技术的研发和产业化。
“人机围棋大战”的背后，是人工智能领域机器学习技术的突破，即机器在模拟人脑运算方面取得的重大进展。实际上，人工智能技术已走过６０年历程，直到近年机器学习技术中的“深度学习”技术取得突破，才迎来春天。
“深度学习”意为使机器模仿人脑神经网络的学习、判断和决策能力。比如，ＡｌｐｈａＧｏ机器人以半年时间集中模仿学习了３０００万步人类围棋大师的走法，并从自我对弈中积累胜负经验。
然而，“深度学习”局限性明显。原百度研究院副院长、地平线机器人ＣＥＯ余凯坦言，肥沃的数据“土壤”才能“训练”出“深度学习”模型，但目前数据源、数据算法、数据应用的市场高度分离，未形成完善的“大数据＋人工智能”产业链，导致人工智能技术的发展仍然面临数据源不足和技术垄断两大挑战。
“数据高度集中在谷歌、脸书、亚马逊、ＢＡＴ等互联网巨头手中，长此以往，将导致人工智能技术垄断，反而不利于技术创新和国家安全。”香港科技大学计算机科学及工程学系主任杨强说。
杨强强调“深度学习＋小样本”理念，即将大数据训练好的模型迁移到类似场景加以改进应用，打破了“逢模型必大数据”的局限。
“比如，将骑自行车的经验应用在骑摩托车上，就是‘迁移学习’。”杨强说。
２００５年，微软举办的世界数据挖掘大赛中有关于搜索技术的竞赛题目，杨强团队利用“迁移学习”，将机器在其他领域的经验迁移过来。
在ＩＴ行业，“迁移学习”已有局部应用。人工智能公司“第四范式”创始人戴文渊在百度负责名为“凤巢”的广告营销系统期间，利用“迁移学习”将百度搜索算法应用到问答社区“百度知道”，使后者点击率提升４成；腾讯将大规模在线电商推荐任务迁移到新领域，大大减少了数据需求量；微软也利用“迁移学习”分析了电商产品的舆情取向；香港科技大学利用“迁移学习”技术，将大数据训练出的对话模型迁移到具体行业的小数据领域，实现精准的“人机对话”，在服务业具有极强的应用价值。同时，杨强还在华为创立人工智能领域实验室，利用“迁移学习”技术研发了１０多个智能移动终端的专利，并已注册。
2应用面临挑战
多位受访专家认为，机器学习是当前人工智能技术的核心，“迁移学习”是机器学习技术发展的新阶段。杨强带领团队将研究不断深入，使我国占据了这一领域全球研究的制高点。
杨强、戴文渊以及清华大学智能技术与系统国家重点实验室主任马少平认为，我国迫切需要发展“迁移学习”技术，并实现推广与应用。但是，眼下“迁移学习”应用有限，造成这种情况的因素有：
人工智能长期“冷门”，企业对前沿技术的敏感性不强。其实，在谷歌的人机围棋大战之前，人工智能少人问津。ＡｌｐｈａＧｏ的胜利，源于谷歌团队此前收购了人工智能公司Ｄｅｅｐ Ｍｉｎｄ，获得了“深度学习”技术，Ｄｅｅｐ Ｍｉｎｄ人才主要来自多伦多大学，其研究长期默默无闻。
3从多个方面推动应用
专家认为，“迁移学习”技术的研究应用对我国具有战略意义，也是我国在人工智能科技方向获得全球领先地位的重要契机。
首先，“迁移学习”是我国科学技术弯道超车的契机。放眼人工智能产业，在人才、工业基础、研究环境、产业环境方面，我国和欧美差距仍然较大，“迁移学习”是我国追赶发达国家的重要契机。
其次，“迁移学习”将赋能中小企业，打破人工智能技术垄断。中小企业在大数据条件不足的情况下，也能使用市场上购买的通用运算模型、结合自身小数据应用人工智能技术。这将使市场倾向于交易人工智能模型而非买卖敏感数据，也避免大数据垄断者成为人工智能寡头，促进社会公平发展。
此外，通过“迁移学习＋云计算”解决隐私保护问题。在云计算领域，云服务上通常需要用户上传私密数据，利用“迁移学习”后，云端通用的机器学习模型可加载到个人客户端，再借助“迁移学习”技术实现个性化模型应用，避免敏感数据泄漏。
专家建议，我国应从多方面努力，加强“迁移学习”的研究与应用。
查看人工智能所有资讯，回复数字”8“即可
搜关键词：回复0：查看“一周最新资讯”回复1：查看“锎”相关资料，包括简介、收益分析等回复2：查看“锎钱包”操作指南回复3：查看“银商”介绍及加入指南 。。。。。。了解更多，请前往本公众号”操作指南“
”搜关键词“查看
