25全体大会和闭幕式.pdf

《25全体大会和闭幕式.pdf》由会员分享，可在线阅读，更多相关《25全体大会和闭幕式.pdf（59页珍藏版）》请在三个皮匠报告上搜索。

1、125全体大会2 LSTM 之父 Jrgen Schmidhuber：具有好奇心的人工智能是AI 的美好愿景整理：智源社区沈磊贤在第二届北京智源大会全体大会中，LSTM 之父 Jrgen Schmidhuber 教授做了题为AI against Covid-19的报告。Jrgen Schmidhuber 教授是瑞士人工智能实验室（IDSIA）的研发主任，LSTM（长短期记忆网络）的提出者。在报告中 Jrgen 回顾了一系列基于 LSTM 的深度神经网络模型在病毒传播分析、药品设计、蛋白质折叠预测、医疗图像识别，以及语音识别、机器翻译等方面的应用，提出了其对 AI 未来的愿景：具有好奇心的人工智

2、能，能够自我设定目标、自我学习、自我提升、实现目标。Jrgen 教授首先通过一张卡通漫画引入本次演讲的主题，这张漫画源于他创建的“AI-vs-Covid19”网站（https:/www.aivscovid19.org）上，本次报告的绝大部分内容都将可以在该网站中找到。Jrgen 教授本次演讲的主题是在 covid-19 病毒的背景下，基于深度神经网络和深度学习的人工智能是如何通过多种方式帮助对抗病毒，这其中的基本原理是神经网络可以从病、患者等各种数据中学习各种行为模式，然后使用这些神经网络来预测采取行动可能带来的后果，从而最大程度地减少损失。图 1：AI-vs-Covid19一、人工智能在新冠

3、疫情中的贡献Jrgen 教授介绍了一些人工智能应用的具体例子。首先是通过模式识别来跟踪人群。智能手机上的蓝牙 P2P 应用程序能够在一定程度上防止疫情中人与人之间危险的接触，这样的应用程序不需要太多的人工智能技术。相3比之下，更具挑战性且更难应用的是，在无人机或在街上拍摄的视频中识别人的面孔、步态及行人之间的接触。但得益于神经网络，这样的想法在今天能够成为现实。2011 年，Jrgen 教授的博士后 Dan Claudiu Ciresan创建了第一个能够在模式识别竞赛中获胜的快速深层神经网络。大概十年前，在硅谷的一次竞赛中，计算机视觉领域首次出现了超过人类视觉的应用。现代计算机视觉的许多应用方

4、面都是在这种方法基础之上进行的拓展。而如今在中国，计算机视觉技术已被广泛使用。在 2010 年至 2020 年这 10 年间，计算机的运行计算速度飞速提升，很多历史久远的技术在短时间内获得了巨大的商业成功。实际上，如今非常流行的基本概念可以追溯到 90 年代初。但是那个年代的计算机运行速度比今天低了一百万倍，几乎没有科学家能借助计算机实现太多工作。而如今这一切已经发生了很大的变化。算力的发展使得复杂的神经网络可以大展身手，在今年抗击疫情的过程中，神经网络作为人工智能技术的核心，也被应用在诸多领域。1.1疾病爆发预测神经网络通过对历史数据的分析，可以预测疾病的爆发，建立预警系统。对此，近期还有一

5、个与之相关的Kaggle covid-19 预测挑战，对人类抗疫工作有一定的帮助。1.2资源需求预测对过去资源需求数据的学习之后，神经网络可以预测未来对有限资源的需求，例如预测呼吸机和医生资源需求，从而优化物流配送等流程。1.3基因测序神经网络还可以对病毒基因组进行测序，并且预测下一个相似的基因组将在何处出现，这是 AI 科学家们一直在做的事情。尽管病毒基因组一直在随机变异，但是这种方法可以追溯其来源。将这些数据输入系统，AI 可以学会预测病毒基因组未来的发展。1.4健康检测神经网络的一个典型应用是监视患者的健康状况。例如，他们可以监视心跳频率，追踪生物信号，比如呼吸，咳嗽等，从而帮助医生做出

6、更具针对性的诊断。1.5医学图像分析神经网络的另一个重要应用是医学图像分析，例如分析患者肺部或胸部的 X 射线图像，从而诊断出病理。由深度神经网络赢得的第一场医学影像竞赛可以追溯到 2012 年，这个比赛是关于癌症检测，比赛的赢家是 Jrgen教授的博士后 Dan Claudiu Ciresan 及其团队。下图为一张女性乳房的切片照片，可以看到的是其中一些细胞是无害的，其他则是危险的。4图 2：女性乳房的切片照片通常情况下，需要训练有素的组织学家才能将好的细胞和坏的细胞区分开。但是在比赛中，AI 科学家能够训练一个神经网络来模仿医生的诊断。如今，许多企业都在这样的领域中都采用了类似的想法。不仅