协同智能：使不可能成为可能（32页）.pdf

《协同智能：使不可能成为可能（32页）.pdf》由会员分享，可在线阅读，更多相关《协同智能：使不可能成为可能（32页）.pdf（32页珍藏版）》请在三个皮匠报告上搜索。

1、金榕阿里巴巴集团协同智能：使不可能成为可能传统人工智能：构造单一的强大智能体(single agent)大数据用作训练(Big Data)深度学习找模型(Deep learning)学习算法学习算法训练数据训练数据最佳解最佳解Angelina多代理(Multi-Agent):构造多个智能体构建多个 agent：每个基于部分数据进行学习允许agent之间进行合适的“协同”训练数据训练数据Agent 1Agent 2Agent K协同分布式优化对偶平均法(Dual average method)MasterSolverD1D2DK分布式优化对偶平均法(Dual average method)Mas

2、terSolverD1D2DK分布式优化对偶平均法(Dual average method)MasterSolverD1D2DK分布式优化对偶平均法(Dual average method)收敛速率低,收敛速率不可能再被提升(minimax optimal)循环次数分布式优化MasterSolverD1D2DKADMM方法(Alternating Direction Method of Multiplier)每个 agent 在部分数据上进行学习Agent 1Agent 2Agent K分布式优化MasterSolverD1D2DKADMM方法(Alternating Direction Me

3、thod of Multiplier)每个 agent 在部分数据上进行学习Agent 1Agent 2Agent K协调协调分布式优化MasterSolverD1D2DKADMM方法(Alternating Direction Method of Multiplier)每个 agent 在部分数据上进行学习Master Solver 协调来自多个 agent 的解Agent 1Agent 2Agent K协调协调分布式优化MasterSolverD1D2DKADMM方法(Alternating Direction Method of Multiplier)每个 agent 在部分数据上进行学

4、习Master Solver 协调来自多个 agent 的解Agent 1Agent 2Agent K协调协调分布式优化ADMM方法更快的收敛速率O(1/T)循环次数对偶平均ADMM分布式优化ADMM方法更快的收敛速率ObjectiveADMM对偶平均O(1/T)循环次数协同智能Agent1Agent2AgentKSingleAgentCoordinate推荐基于同一用户已观测到的评分，预测用户偏好用户 12?354需要问多少个问题才能完全掌握一个人的兴趣(样本复杂性)最坏情况:推荐基于不同用户已观测到的评分，预测用户偏好用户12?354用户241525用户315343推荐基于不同用户已观测到

5、的评分，预测用户偏好用户125354用户241525用户315343平均需要问多少个问题才能完全掌握每一个人的兴趣(样本复杂性)最坏情况:K:“独立的用户”矩阵补全理论基于关联降低复杂性基于矩阵的“秩”来度量独立程度User 12?354User 241525User 315343O(n)!O(klog2n)矩阵补全理论基于关联降低复杂性基于矩阵的“秩”来度量独立程度User 12?354User 241525User 315343预测矩阵补全O(n)!O(klog2n)X协调协调协同智能超越机器智能的范畴每个用户都是一个智能体?M.I.T.Icant今晚在X影院看什么电影？协同智能超越机器智

6、能的范畴每个用户都是一个智能体?M.I.T.今晚在X影院看什么电影？.最近去X影院看过电影的手机用户协同智能超越机器智能的范畴每个用户都是一个智能体?M.I.T.今晚在X影院看什么电影？.11100001011011110111协同智能超越机器智能的范畴每个用户都是一个智能体?M.I.T.今晚在X影院看什么电影？.111000010110111问他10111协同智能超越机器智能的范畴每个用户都是一个智能体?M.I.T.今晚在X影院看什么电影？.111000010110111九