前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >梅宏院士:如何构造人工群体智能

梅宏院士:如何构造人工群体智能

作者头像
数据派THU
发布于 2022-04-22 11:12:43
发布于 2022-04-22 11:12:43
8080
举报
文章被收录于专栏:数据派THU数据派THU

本文内容由数据派THU 整理自梅宏院士在清华软件论坛上所做的专题报告

一、群体智能研究现状

群体智能是科学家长期关注和研究的一种自然现象。在很多低等社会性生物群体中可以观察到,群体中的单一个体不具有智能,或仅有非常有限的智能,由这些个体构成的群体却展现出远超个体能力的智能行为。这种在低等社会性生物群体层面上展现出的智能,通常被称为群体智能(Swarm Intelligence)

1.1 人类社会中的群体智能现象

  • 草地上的小路:即使没有人进行全局的规划或指挥,草坪上也会自发地涌现一条或几条条弯弯曲曲的小路。
  • 《乌合之众》(古斯塔夫·勒庞):这本书也是一种群体现象,如果受到有效的激励和鼓动,群体会展现出惊人的破坏力,因为这种激发,个体在里面失去了很多东西。
  • 三个臭皮匠顶个诸葛亮:几个智力平平的人团结在一起也有可能做出很高质量的决策。
  • 市场经济:好像存在一只“看不见的手”,对大规模市场资源进行有效配置。

人类社会的不断发展和演化也可以被认为是一种群体智能现象,绝大多数文明成果都是人类个体在长期群体化、社会化的生产和生活中逐渐演化形成的产物。

1.2 人类群体智能受到越来越多的关注

Science 2010年的一篇学术论文用定量的方式观察到物理空间中2~4人小群体在协同求解问题时群体智能现象的存在,题目中的“Collective Intelligence”指的就是高等生物。

对个体智能的定义和系统性度量问题,心理学家已经给出了有效的统计方法。论文将个体智能的统计度量方法应用于群体智能的度量,得到了类似于个体智能的一种度量指标“c factor”。在物理空间2~4人的群体任务求解中,观察到如下现象:群体智能弱相关于个体平均/最高智能,但强相关于个体平均社会。

敏感度、个体对话平等度、以及群体中女性比例等三个因素。在一定程度上印证了“三个臭皮匠,顶过一个诸葛亮”。

Science在2005年发布了125个科学开放问题,其中第16题是关于人类合作行为如何发展演化。

在2021年,Science和上海交通大学合作,再次提出125个问题,其中明确提出了群体智能如何涌现形成?

1.3 群体智能研究现状小结

为什么利用现象规律构造人类群体智能系统的实践很少?

  • 原因一:对群体智能的形成机理缺乏充分理解。对群体智能的理解和应用仍然处于必然王国的阶段;无法确保求解特定问题时群体智能的可控重复发生。
  • 原因二:物理空间阻碍了人类群体智能的形成。在物理空间中聚集一个大规模的人类群体成本太高;人类群体无法在局部物理空间长时间同步高效工作。

二、网络空间人类群体智能

2.1 互联网带来了新的可能性

互联网的出现为人类群体的跨时空大规模协同提供了可能,网络空间中的人群不再受到地域和时间的限制,更大规模的人类群体可以在网络空间中进行更加方便灵活的显式或隐式交互。互联网技术的不断发展,促进了网络空间人类群体智能系统的探索和成功实践。

2.2 网络空间人类群体智能 典型案例

2.3 网络空间人类群体智能 现状小结

  • 现有实践本质上是对互联网跨时空汇聚能力的利用:针对特定问题精心设计的群体力量利用方案;对于群智规律和机理的认识与探讨较为缺乏。
  • 形成的网络空间群智现象仍然处于相对初级的阶段:距离理想形态的群智现象差距较大;无法确保群智现象的可控重复发生。
  • 与物理空间群智机理探索的研究工作缺少结合:网络空间关注利用“群智”“群力”的实践;物理空间关注低等生物群智现象的观察解释;鲜有结合二者的努力。

三、北京大学团队的研究与实践进展

3.1 研究问题

  • 群体智能的形成机理是什么?
  • 群体智能能否成为求解问题的基本方法之一?
  • 如何构造求解特定问题的人类群体智能系统?
  • 群体智能的能力边界在哪里?

3.2 对群体智能的定位与理解

3.2.1 基本认识

理想形态的群体智能展现出两种基本性质:

  • 智能放大效应:对个体智能进行有效放大;
  • 规模可扩展性:数量庞大的个体参与其中;

在本质上,群体智能来源于自主个体之间的大规模有效协同:

  • 哲学视角:量变产生质变;
  • 复杂系统视角:涌现、自组织。

3.2.2 如何定位和理解群体智能?

群体智能是什么?我们的理解是利用群体的力量来求解复杂问题的方式,而这个复杂问题仅依靠单一个体无法求解。

群体智能两个特征:1+1>2;群体协同规模的可扩展性。

3.2.3 微观群体智能两种基本原理

微观群体智能两种基本原理:

情况一:在问题可分解的情况下,不同个体之间进行分工合作。把一个问题分成P1、P2,张三李四求解能力不同,解决P1、P2的时间不同,如果张三求解P1表示擅长,1t时间完成,求解P2表示不擅长,10t时间完成,总共加起来11t。同理李四,如果分工合作,总耗时仅为2t ,这就是一种可分解的局面。

情况二:具有关联性的不同信息片段融合后自然形成的信息增加。以拼图为例,张三李四的片段合起来形成一个更大的片段,它带来的含量信息含量是1+1>2的结果。

3.2.4 宏观群体智能

从宏观层面来看,群体智能是由大量持续出现的微观层次的群体智能现象复合形成的现象。如凯文·凯利在《失控:全人类的最终命运和结局》中提到:“一种由无数默默无闻的零件,通过永不停歇的工作,而形成的缓慢而宽广的创造力”,这是群体智能涌现的过程。

3.2.5 宏观群体智能基本原理

把群体智能进行分解,实际上包含三件事情:

  • 第一是探索,群体中的每一个体自主地对当前问题进行探索得到该问题的信息。
  • 第二是融合,所有个体探索到的信息通过某种方式被融合。
  • 第三是反馈,融合活动产生的群体信息通过某种方式反馈给个体刺激个体进行持续地探索。

3.2.6 物理空间利用群体智能的可行性?

目前,利用群智机理让人类群体在物理空间中求解工程问题还不具有一般意义上的可行性。

表面原因:

  • 第一,过程和结果不可控;
  • 第二,时间跨度大。

深层原因:

  • 第一,找不到足够多的参与者:在物理空间中召集一个群体的成本太高;长时间将一群人限定在一个物理空间中,工作效率会越来越低。
  • 第二,信息传播的速度太慢:物理空间中的信息传播存在限制。
  • 第三,信息融合依赖于重要人物:这样的重要人物很少。
  • 第四,被动式的信息反馈:信息不会主动反馈回来;需要主动去获取信息。

当网络空间出现之前,除人类文明这种宏观层次的人类群体智能现象,很难观察到其他宏观层次的人类群体智能现象。

3.2.7 互联网带来的可行性

互联网直接消除了四条深层原因中的前两条,足够多的参与者没有时空的约束,传播速度极快,在网络空间,各种人类群体智能现象持续涌现。

3.2.8 进一步还能做什么?

自发涌现的网络空间群体智能现象大多仅消除了深层原因1和2,基本没有触及深层原因3和4。以消除深层原因3和4为目标可以设想出一种理想形态的群体智能。

当前形态是什么呢?探索在某种意义上有些功利性,融合是手工,反馈是被动的。如果我们自由探索,把融合变成自动的,然后根据个体能力和特性,进行有针对性的反馈,这样一来效率就更高。

3.3 群体智能的构造性模型

环境激发效应对群体智能现象的形成提供了一种事后解释性模型,在这一概念的基础上,我们主要关注如何构造求解特定问题群体智能系统。

群体智能的构造性模型EIFL,由三个环进行信息激发、融合和反馈。个体探索之后形成片段,融合之后反馈回来,通过多轮迭代形成一个解决方案。

3.3.1 群体智能系统的分类维度

由分类框架得到群体构成的三种分类维度:

  • 第一个分类维度:由自然生命体构成的群体(蚁群、人群);
  • 第二个分类维度:由人造智能体构成的群体(机器人群体);
  • 第三个分类维度:混合群体(人-机混合、低等生物-机混合)。

实践一:利用EIFL模型观察已经存在的群体智能系统

关于群体智能的构造模型,我们在国家科学评论,发表了相关观点性的文章。构造模型的核心,就是我们要加快融合法和提高反馈法。

实践二:基于群体智能的自组装(self-assembly)

群体自组装问题

动漫电影《超能陆战队》中设想有一种磁力机器人能够大规模地聚集在一起,组成各种形状。而我们的研究目标是:能否采用“探索-融合-反馈”基本原理实现大规模群体在非中心控制情况下的自我成型。

  • 融合:形成红光场;根据所有未被占据目标网络的位置,融合形成蓝光光场。
  • 反馈:每一个体获得其周围的局部光场信息。
  • 探索:每一个体根据其周围的局部光场信息确定其下一步的行动决策。

实践三:基于群体智能的拼图

拼图问题是一类复杂问题的典型代表:无法通过自上而下、集中控制方式进行有效求解。

  • 探索:单一个体自主进行拼图,拼图结果被表示为由图块以及图块之间的邻接关系形成的图。
  • 融合:所有个体当前时刻的拼图结果被融合在一起,形成当前时刻的群体观点图。
  • 反馈:根据个体当前时刻的拼图动作,将当前时刻群体观点图中相关的具有较高可信度的邻接关系反馈给当前个体。

实践四:基于群体智能的知识图谱构建

在目前阶段,专业领域的知识图谱不可能完全通过自动化算法进行构建;人类参与必不可少。对于一个大规模的专业知识图谱,仅依靠少量专家进行构建,也不具有现实的可行性。

  • 探索:每个参与者在探索活动中持续构建各自的个体知识图谱;个体知识图谱被表示为一种节点和边带标签的有向图。
  • 融合:所有参与者构建的个体知识图谱,通过熵最小化原则进行对齐,进而融合形成群体知识图谱。
  • 反馈:根据参与者的知识图谱构建行为,将群体知识图谱中相关且具有较高可信度的知识图谱片段反馈给参与者。

实践五:基于群体智能的软件开发

软件是一种具有复杂逻辑结构的人造知识制品,规模和复杂性持续增长,开发困难性不断增加能否将群体智能用于软件的生产与持续演化?

新一代人工智能把群体智能当成人工智能,而我们需要提出新的认识,群体智能本身是自然智能。科学家认识群体智能机理,我们还希望能够把这种规律或者机理利用起来。

通过群体智能构造性模型,在求解特定问题的时,个体探索之后,用机器汇聚效率高,还需要确保正确性。目前,我们在软件工程领域开展了初步的探索,取得了一定效果。希望未来,对开源社区的平台机制提供一些帮助,实现自动汇聚。以百科平台为例,是由人来管理,我们有没有更好的办法合作?类似这样的系统有没有更好的办法引入机器的能力?现在,实际上是想把AI用到群体智能系统的构建,用AI去加强融合和反馈,替代人的工作。我们最关心的是在软件开发中,能不能更多的人去参与,AI在软件开发中的应用,以及AI在群体化软件开发中应用。谢谢大家。

审核:刘璘

校对:林亦霖

编辑:黄继彦

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2022-04-22,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 数据派THU 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
基于互联网群体智能的知识图谱构造方法
知识图谱是一种基于图的结构化知识表示方式.如何构造大规模高质量的知识图谱, 是研究和实践面临的一个重要问题.提出了一种基于互联网群体智能的协同式知识图谱构造方法.该方法的核心是一个持续运行的回路, 其中包含自由探索、自动融合、主动反馈3个活动.在自由探索活动中, 每一参与者独立进行知识图谱的构造活动.在自动融合活动中, 所有参与者的个体知识图谱被实时融合在一起, 形成群体知识图谱.在主动反馈活动中, 支撑环境根据每一参与者的个体知识图谱和当前时刻的群体知识图谱, 向该参与者推荐特定的知识图谱片段信息, 以提高其构造知识图谱的效率.针对这3个活动, 建立了一种层次式的个体知识图谱表示机制, 提出了一种以最小化广义熵为目标的个体知识图谱融合算法, 设计了情境无关和情境相关两种类型的信息反馈方式.为了验证所提方法及关键技术的可行性, 设计并实施了3种类型的实验: 仅包含结构信息的仿真图融合实验、大规模真实知识图谱的融合实验, 以及真实知识图谱的协同式构造实验.实验结果表明, 该知识图谱融合算法能够有效利用知识图谱的结构信息以及节点的语义信息, 形成高质量的知识图谱融合方案; 基于“探索-融合-反馈”回路的协同方法能够提升群体构造知识图谱的规模和个体构造知识图谱的效率, 并展现出较好的群体规模可扩展性.
用户9881348
2022/08/06
5850
群体智能:新一代AI的重要方向
《新一代人工智能发展规划》中,明确指出了群体智能的研究方向,对于推动新一代AI发展有着十分重大的意义。目前,以互联网及移动通信为纽带,人类群体、物联网和大数据已经实现了广泛和深度的互联,使人类群体智能在万物互联的信息环境中日益发挥着越来越重要的作用,借此深刻地改变了AI领域。 比如基于群体开发的开源软件、基于众筹众智的万众创新、基于众问众答的知识共享、基于群体编辑的维基百科、以及基于众包众享的共享经济等等。 这些趋势昭示着AI已经进入了新的发展阶段,新的研究方向以及新范式已经开始逐渐显现,从强调专家的个
AiTechYun
2018/03/02
2.8K0
群体智能:新一代AI的重要方向
IEEE Fellow黄建伟:「网络经济、群体智能」跨界融合,智慧城市的新风暴
作者 | 高秀松 编辑 | 余快、陈彩娴 自然界中,「蚂蚁觅食」是一种寻常但奇特的现象。 成群结队的蚂蚁,总是能够在食物与蚁巢之间寻找到最佳路径,快速地将食物搬运至蚁巢中。这引起了生物学家的广泛注意,在经过多次研究实验之后,他们发现: 蚂蚁在寻找食物过程时具备随机性,没有固定的方向和目标,但只要有一只蚂蚁发现食物,这只蚂蚁在搬运食物回巢时,就会留下一种微弱的气味,即一种叫做「信息素」的物质。其它蚂蚁会沿着该气味寻找到食物,然后再次留下气味踪迹。最终,越来越多的蚂蚁加入其中,形成了一条最优化的路径。 这种特性
AI科技评论
2022/05/25
4990
IEEE Fellow黄建伟:「网络经济、群体智能」跨界融合,智慧城市的新风暴
潘云鹤院士:人工智能迈向2.0
潘云鹤院士:人工智能迈向2.0 来源:中国科学报,作者:潘云鹤 近年来,人们对人工智能(AI)产生了浓厚兴趣,产业界首先布局。大量资本与并购的涌入,加速了AI技术与应用的结合,并蔓延升温。据美国CBInsight公司2016年7月报告,2011年至那时,谷歌、微软、Twitter、Intel、Apple等IT巨头收购了约140家AI领域的创业公司。仅2016年上半年,资本市场对AI投入已超2015年全年。 谷歌2014年高价收购DeepMind公司,2016年研制的AlphaGo战胜了围棋世界冠军,2017
昱良
2018/04/08
6650
【钱塘号专栏】中国工程院院刊:人工智能2.0时代序幕开启
【导读】中国科学技术部 “科技创新2030—重大项目”近期或将新增“人工智能2.0”,人工智能将进一步上升为国家战略。近日,中国工程院院刊信息与电子工程学部分刊《信息与电子工程前沿(英文)》出版了“Artificial Intelligence 2.0”专题,潘云鹤、李未、高文、郑南宁、吴澄、李伯虎、陈纯等多位院士以及专家学者参与撰文,对人工智能2.0中所涉及的大数据智能、群体智能、跨媒体智能、混合增强智能和自主智能等进行了深度阐述。 中国“科技创新2030 重大项目”将新增“人工智能2.0” 根据中新网的
钱塘数据
2018/03/05
1.1K0
【钱塘号专栏】中国工程院院刊:人工智能2.0时代序幕开启
一张图读懂新一代人工智能发展规划
一张图读懂国务院关于印发《新一代人工智能发展规划的通知》 附录: 专栏1 基础理论 1.大数据智能理论。研究数据驱动与知识引导相结合的人工智能新方法、以自然语言理解和图像图形为核心的认知计算理论和方法
安智客
2018/02/24
1.5K0
一张图读懂新一代人工智能发展规划
人工智能:智能优化算法
优化问题是指在满足一定条件下,在众多方案或参数值中寻找最优方案或参数值,以使得某个或多个功能指标达到最优,或使系统的某些性能指标达到最大值或最小值。优化问题广泛地存在于信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域。优化方法是一种以数学为基础,用于求解各种优化问题的应用技术。各种优化方法在上述领域得到了广泛应用,并且已经产生了巨大的经济效益和社会效益。实践证明,通过优化方法,能够提高系统效率,降低能耗,合理地利用资源,并且随着处理对象规模的增加,这种效果也会更加明显。 在电子、通信、计算机、自动化、机器人、经济学和管理学等众多学科中,不断地出现了许多复杂的组合优化问题。面对这些大型的优化问题,传统的优化方法(如牛顿法、单纯形法等)需要遍历整个搜索空间,无法在短时间内完成搜索,且容易产生搜索的“组合爆炸”。例如,许多工程优化问题,往往需要在复杂而庞大的搜索空间中寻找最优解或者准最优解。鉴于实际工程问题的复杂性、非线性、约束性以及建模困难等诸多特点,寻求高效的优化算法已成为相关学科的主要研究内容之一。 受到人类智能、生物群体社会性或自然现象规律的启发,人们发明了很多智能优化算法来解决上述复杂优化问题,主要包括:模仿自然界生物进化机制的遗传算法;通过群体内个体间的合作与竞争来优化搜索的差分进化算法;模拟生物免疫系统学习和认知功能的免疫算法;模拟蚂蚁集体寻径行为的蚁群算法;模拟鸟群和鱼群群体行为的粒子群算法;源于固体物质退火过程的模拟退火算法;模拟人类智力记忆过程的禁忌搜索算法;模拟动物神经网络行为特征的神经网络算法;等等。这些算法有个共同点,即都是通过模拟或揭示某些自然界的现象和过程或生物群体的智能行为而得到发展;在优化领域称它们为智能优化算法,它们具有简单、通用、便于并行处理等特点。 **
全栈程序员站长
2022/08/31
1.5K0
国务院印发:新一代人工智能发展规划
国务院关于印发 新一代人工智能发展规划的通知 国务院         2017年7月8日       新一代人工智能发展规划 人工智能的迅速发展将深刻改变人类社会生活、改变世界。为抢抓人工智能发展的重大战略机遇,构筑我国人工智能发展的先发优势,加快建设创新型国家和世界科技强国,按照党中央、国务院部署要求,制定本规划。 一、战略态势 人工智能发展进入新阶段。经过60多年的演进,特别是在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术以及经济社会发展强烈需求的共同驱动下,人工智能加速发展,呈现出深度学
小莹莹
2018/04/20
9120
肖仰华:知识图谱如何解决行业智能化的工程问题?
此文内容取自肖仰华教授在华为、CCF等场合所做报告,完整内容见书籍《知识图谱:概念与技术》的第15章《知识图谱实践》。
AI科技大本营
2019/07/30
1.2K0
肖仰华:知识图谱如何解决行业智能化的工程问题?
UCL汪军团队新方法提高群体智能,解决大规模AI合作竞争
【新智元导读】当前人工智能最大的挑战之一,是如何让多个智能体学会一起完成同一个任务,学会彼此合作和相互竞争。在发表于ICML 2018的一项研究中,伦敦大学学院汪军教授团队利用平均场论来理解大规模多智能体交互,极大地简化了交互模式。他们提出的新方法,能够解决数量在成百上千甚至更多的智能体的交互,远远超过了所有当前多智能体强化学习算法的能力范围。
新智元
2018/07/31
2.2K0
UCL汪军团队新方法提高群体智能,解决大规模AI合作竞争
【重磅】教育部印发《高等学校人工智能创新行动计划》
教育部关于印发《高等学校人工智能创新行动计划》的通知 各省、自治区、直辖市教育厅(教委),新疆生产建设兵团教育局,有关部门(单位)教育司(局),部属各高等学校: 为落实《国务院关于印发新一代人工智能发展规划的通知》(国发〔2017〕35号),引导高等学校瞄准世界科技前沿,不断提高人工智能领域科技创新、人才培养和国际合作交流等能力,为我国新一代人工智能发展提供战略支撑,特制定《高等学校人工智能创新行动计划》,现印发给你们,请结合实际认真贯彻执行。 教 育 部 2018年4月2日 高等学校人工智能创新行动
WZEARW
2018/04/13
6920
【重磅】教育部印发《高等学校人工智能创新行动计划》
潘云鹤院士:人工智能走向2.0的本质原因——人类世界正由二元空间变成三元空间
从2012年人工智能再次爆发至今已经7年有余,人们逐渐走过了困惑、恐慌和兴奋,特别是中国的大众,由于没有经历人工智能在70年代和90年代的两次高潮和跌落,表现得尤为明显。但经过数年的沉淀,人们对深度学习引领下的人工智能已经有了更为深刻的认识。
AI科技评论
2019/11/07
6010
潘云鹤院士:人工智能走向2.0的本质原因——人类世界正由二元空间变成三元空间
万字长文:安全知识图谱技术概述
知识图谱是下一代可信人工智能领域的关键技术组成之一。围绕知识的归纳抽取、演绎推理等处理与分析过程,诸多关键问题逐步被攻克,大幅推动了机器认知技术的发展。在网络空间安全领域,防御技术的智能化升级也亟需成熟、有效的网络空间安全领域知识图谱(以下简称为安全知识图谱)技术体系,为应对强对抗、高动态环境下的攻防博弈提供知识要素与推理智能支撑。为了归纳总结安全知识图谱的关键技术研究进展,本文将尝试通过技术概述的方式,尝试回答以下几个问题,期望为读者较成体系化的安全知识图谱研究现状总结。
绿盟科技研究通讯
2022/11/14
1.4K0
万字长文:安全知识图谱技术概述
大模型下一步,通用群体智能有谱了 | CCF C³
最新CCF C³活动来到百度,更多关于大模型产业生态发展的问题在现场得到了解答。50余位企业界、学界专家、研究人员就此进行深入探讨。
量子位
2023/09/08
2560
大模型下一步,通用群体智能有谱了 | CCF C³
【PPT】潘云鹤院士:中国新一代人工智能
图片由《走向智能论坛》小智提供 首届世界智能大会上,中国工程院士潘云鹤在大会主论坛做了题为“中国新一代人工智能”的主题演讲。  以下为演讲全文(略有删减)和PPT,分享给大家,公众号后台回复关键词:“
钱塘数据
2018/03/07
2.1K0
【PPT】潘云鹤院士:中国新一代人工智能
为什么说机器学习不是人工智能?
我们知道的远比我们说出来的要多得多,我们不知道的远比我们知道的要多得多,我们不知道我们不知道的远比我们不知道的要多得多……
马上科普尚尚
2020/05/11
5010
为什么说机器学习不是人工智能?
复旦NLP团队发布80页大模型Agent综述,一文纵览AI智能体的现状与未来
近期,复旦大学自然语言处理团队(FudanNLP)推出 LLM-based Agents 综述论文,全文长达 86 页,共有 600 余篇参考文献!作者们从 AI Agent 的历史出发,全面梳理了基于大型语言模型的智能代理现状,包括:LLM-based Agent 的背景、构成、应用场景、以及备受关注的代理社会。同时,作者们探讨了 Agent 相关的前瞻开放问题,对于相关领域的未来发展趋势具有重要价值。
机器之心
2023/09/19
11.9K0
复旦NLP团队发布80页大模型Agent综述,一文纵览AI智能体的现状与未来
柴洪峰院士:大模型赋能金融科技思考与展望
随着金融科技的蓬勃发展,金融行业正经历着一场革命性的变革。金融垂直领域模型构建与金融数据的结合成为推动金融科技创新和发展的重要动力。通过整合跨学科研究和系统方法,能够探索金融系统的整体性和复杂性,超越单点技术突破,从而推动金融科技的突破性进展。大数据、人工智能和机器学习等技术的发展,使人们能更快速、高效地获取、分析、存储、共享和整合各种异构数据。
达观数据
2023/08/01
2530
【干货】未来人工智能:从AlphaGo到BeltaGo
作者:杨小康 2016年,人工智能60周年。 1956年夏,麦卡锡、明斯基等正式确立了人工智能(ArtificialIntelligence)这一术语,标志着人工智能学科的诞生。 60年后,AlphaGo战胜李世石,确立了人工智能新的里程碑。智能时代正在到来,站在人工智能的历史性关口,斯蒂芬·霍金、雷·库兹韦尔、尤瓦尔·赫拉利等一大批国际学者对人工智能的未来做过大胆预测。人工智能已上升为国家战略,国家“科技创新2030 重大项目”将新增“人工智能2.0”。最近,我国一批院士以及专家学者对未来人工智能和人工智
钱塘数据
2018/03/05
1.4K0
【干货】未来人工智能:从AlphaGo到BeltaGo
清华大学李涓子:AI系统如何实现认知推理?
认知是人获取和应用知识的过程,知识图谱是人对客观世界认知的表示。人工智能系统如何实现知识的表示和推理?
AI科技评论
2021/08/24
1.3K0
推荐阅读
相关推荐
基于互联网群体智能的知识图谱构造方法
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档