16机器学习.pdf

《16机器学习.pdf》由会员分享，可在线阅读，更多相关《16机器学习.pdf（52页珍藏版）》请在三个皮匠报告上搜索。

1、116机器学习2 AAAI 主席 YolandaGil：思虑周全的人工智能为数据科学和科学发现构建新型合作伙伴关系整理：智源社区罗丽在北京 2020 智源大会机器学习专题论坛上，AAAI 主席、南加州大学信息科学研究所副主任 YolandaGil 作了题为“Thoughtful Artificial Intelligence：Forging a New Partnership for Data Science and Scientific Discovery”（思虑周全的人工智能：为数据科学和科学发现构建新型合作伙伴关系）的主题报告，为我们介绍了“Thoughtful AI”在零散数据整合和跨

2、学科研究中的重要作用，同时提出了设计 AI 系统需要遵循的七条原则或七大研究领域对构建有效的 AI 合作伙伴关系的重要影响。YolandaGil，南加州大学信息科学研究所副主任，美国人工智能协会（AAAI）第 24 任主席，美国计算机协会（ACM）会士，人工智能特别兴趣小组前任主席，毕业于卡内基梅隆大学，曾在美国国家科学基金会计算机科学与工程理事会咨询委员会任职。正式演讲前，YolandaGil 首先介绍了“Thoughtful Artificial Intelligence”的概念、人工智能的应用以及人工智能在科学领域的发展和研究现状。YolandaGil 表示，人工智能应该具有具备推理和思

3、考其正在采取的步骤和过程是否合理的能力，以便它可以传达其思想、改善思想，并提出新的思维方式和学习思考问题的方式，YolandaGil 认为，“Thoughtful Artificial Intelligence”是研究 AI 系统如何成为数据科学和科学研究合作伙伴的一个好方法，在接下来的几十年，她非常希望能够看到 AI 科学家的出现，以及 AI 科学家、数据科学家、工业界和不同学科的科学研究人员的合作。推荐系统、无人驾驶汽车、足球机器人、IBM Watson、问答游戏、帮助改善搜索的针对性最佳人类知识图谱以及 AI 会话系统等机器学习系统和机器人技术是已经成熟的人工智能技术。AI 成功的前景中

4、，有两种不同的线程3彼此互补且相互作用，一个是数据线程，数据线程是从大量数据和大量的观察中学习；另一个是有关世界知识、有趣的实体知识和任务知识的知识线程，如 IBM Watson、知识图和会话系统，知识对于启用 AI 应用程序具有强大作用。图 1：成熟的 AI 应用科学中人工智能的应用是 YolandaGil 的研究重点。例如，推荐系统技术在勘测气候数据时非常强大；位于海底的自动驾驶机器人能够自动进行实验并收集数据；通过生物学和化学方法可以实现实验室设备自动化的机器人自动化；科学知识图谱中的大量工作文本提取，解决了工厂的大项目，其中包括许多不同的兴趣实体，整合制药公司，解决问题并理解科学的工作

5、流程。图 2：科学中的 AI4科学中的 AI 跨越了两个传统，在数据线程和知识线程中有着悠久的历史，在数据分析和知识推理方面也具有悠久的发展历史。AI 的先驱者 Herb Simon,Feigenbaum 和 Bruce Buchanan 等人以不同方式的两个方面研究从 AI 的角度看待科学，如图（3）左图所示。之后，YolandaGil 介绍了不同科学杂志中有关“Al Transformations Science”的研究，如图（3）右图所示。其中，左上方的研究是，致力于计算可持续性和环境可持续性的数据线程,使用机器学习和约束优化技术研究自然环境；右上方的研究是，用深度学习改善蛋白质结构预测

6、；左下方的研究在 AI 中使用知识图谱的知识线程，以及毒理学推动知识发现的研究。右下方是关于词的文本学习,以获取大量文献知识的研究。可以发现，人工智能是一门贯穿所有领域的渗透科学。图 3：AI 研究学者与研究文献YolandaGil 的演讲内容主要包括四个方面：图 4：YolandaGil 的演讲内容5（1）知识技术越来越重要（2）Al 提供系统的、正确的、无偏见的方法和严格的报告（3）人工智能擅长整合有关复杂系统的零碎知识，追求跨学科前沿（4）“Thoughtful AI”将利用知识技术建立有效的 AI 伙伴关系一、知识技术越来越重要知识技术越来越重要，一方面是通过大量的大规模知识库的工业采