原創(chuàng )AI新算法者感言

目前，中國已成為人工智能的應用大國，但占人工智能算法主流的還是外國的深度學(xué)習算法，沒(méi)有中國自主知識產(chǎn)權的人工智能通用算法在廣泛使用。許多專(zhuān)家和技術(shù)人員為填補人工智能通用算法的空白，在國內體制外非常不近人意的創(chuàng )新環(huán)境中，克服種種困難，多年頑強拼搏在研制原創(chuàng )人工智能通用算法。其中，中國嵌入式系統產(chǎn)業(yè)聯(lián)盟理事、天津阿波羅信息技術(shù)有限公司和阿波羅株式會(huì )社首席科學(xué)家顧澤蒼博士（中國籍）發(fā)明的自律學(xué)習SDL算法脫穎而出，經(jīng)四年的實(shí)踐，在自動(dòng)駕駛、醫療社備、工業(yè)控制和在計算機應用最廣泛的嵌入式系統上都取得驕人的成果，證明了已具有超越先天就有不可克服的缺陷的深度學(xué)習算法的技術(shù)特征。

雖然，國內還在獨寵深度學(xué)習算法，但深度學(xué)習算法在應用中因其缺陷顯現的嚴重問(wèn)題，讓專(zhuān)家們束手無(wú)策、讓用戶(hù)們非常失望。深度學(xué)習算法遇到的應用天花板，讓越來(lái)越多的專(zhuān)家、技術(shù)人員逐漸改變對深度學(xué)習的盲目崇拜，開(kāi)始尋找和關(guān)注新的人工智能算法。這給顧博士發(fā)明的自律學(xué)習SDL算法等國內研制的人工智能通用算法帶來(lái)擺脫長(cháng)期受深度學(xué)習算法的桎梏快速發(fā)展的機遇。

近日，顧博士滿(mǎn)懷信心地在微信群里發(fā)表如下感言：

從四年前開(kāi)始我們始終本著(zhù)矯枉過(guò)正對深度學(xué)習展開(kāi)了批評，當時(shí)，并不是認為深度學(xué)習毫無(wú)益處，客觀(guān)的評判應該是功大于過(guò)！我們是看到當時(shí)的社會(huì )氣氛，不管多有名的專(zhuān)家學(xué)者都不加思索的盲目的追捧深度學(xué)習，都不知深度學(xué)習的黑箱問(wèn)題是什么？都相信深度學(xué)習不可解釋?zhuān)踔涟逊蔷€(xiàn)性隱藏層的作用神化，今天我們打開(kāi)黑箱后，把深度學(xué)習的機理完全搞清，把人們崇拜的占據最大算力的非線(xiàn)性隱藏層拿去，融合了自律學(xué)習SDL模型，深度學(xué)習從此擺脫了黑想問(wèn)題，擺脫了占用算力問(wèn)題，以及擺脫了不可解釋問(wèn)題，必將成為可以在任何IT產(chǎn)品上導入AI模型的應用技術(shù)，必將成為當今的最強大的機器學(xué)習模型！

附：自律學(xué)習SDL的特征

自律學(xué)習（Self-Discipline Learning SDL）模型其實(shí)就是人工智能領(lǐng)域所期待的機器學(xué)習模型（自律學(xué)習SDL初期曾稱(chēng)過(guò)超深度學(xué)習、自組織學(xué)習）。這種模型之所以強大是因為具有四個(gè)特殊的技術(shù)特征。

第一個(gè)技術(shù)特征是能讓機器模仿人來(lái)處理自動(dòng)駕駛的識別，機器推理，以及自動(dòng)駕駛的控制問(wèn)題的算法。

構成自律學(xué)習SDL模型的其中一個(gè)核心的算法是“概率尺度自組織”，這是一個(gè)既簡(jiǎn)單又實(shí)用的自律學(xué)習的算法?！案怕食叨茸越M織”的迭代過(guò)程是在高斯分布的任何的初始空間里，逐步朝著(zhù)最大的概率空間遷移，并最終在最大概率空間里收斂的過(guò)程。我們的自動(dòng)駕駛的三維圖像識別就是用了這么簡(jiǎn)單的算法，自動(dòng)駕駛所遇到的任何障礙物，在三維空間里是一個(gè)密度很大的物體，也就是概率分布最大的空間，利用概率尺度自組織的遷移特性，不管障礙物在什么地方，都可以被算法直接抓住，這種圖像識別不需要事先訓練圖像，不需要特征抽出，徹底避免了深度學(xué)習對障礙物與背景不好分離，造成把白色車(chē)廂看成是云而釀成惡性事故的發(fā)生。

使用我們發(fā)明的概率尺度自組織以及概率空間距離公式，以概率空間為中心的自律聚類(lèi)這一新的機器學(xué)習的發(fā)明其先進(jìn)性，在美國獲得的發(fā)明專(zhuān)利中被肯定，這也是構成了SDL模型的第二個(gè)技術(shù)特征。

利用SDL模型可以最佳的最高效率的自律聚類(lèi)的特點(diǎn)，再加上把SDL模型與卷積核與反向傳播技術(shù)的融合，甩掉人工神經(jīng)網(wǎng)絡(luò )，使小數據小模型的SDL模型的能力超越一般的深度學(xué)習，這就是自律學(xué)習SDL模型的第三個(gè)技術(shù)特征。

自律學(xué)習SDL模型的第四個(gè)技術(shù)特征就是：利用自律學(xué)習的聚類(lèi)結構簡(jiǎn)單以及可分析性的特點(diǎn)，可以方便的融合其他技術(shù)。為了解決深度學(xué)習還很難解決的針對不同類(lèi)的數據在低維空間混合在一起不可分問(wèn)題，引用核函數（Kernel Function）理論，把數據映射到高維空間，使不可分離的數據利用高維空間的超平面就可以分離的技術(shù)特征，使SDL模型在分類(lèi)技術(shù)上又產(chǎn)生了飛躍。

規納SDL模型特點(diǎn)

一、高斯分布下的自律聚類(lèi)

1.可以實(shí)現小數據的最大概率的機器學(xué)習效果。

2.不需權重組合，無(wú)黑箱問(wèn)題。

3.適于嵌入式系統的人工智能的應用。

二、融合卷積核與反向傳播

1.消除噪聲，提升機器學(xué)習的泛化能力。

2.進(jìn)一步實(shí)現最佳的分類(lèi)。

3.進(jìn)一步提升應用效果。

三、能將人的智慧賦予機器

1.可解決在自動(dòng)駕駛中傳統AI不夠智能的問(wèn)題。

2.可使自動(dòng)駕駛的感知系統做到機器深度理解。

3.不是靠算力，而使靠智力靠用人是如何解決問(wèn)題的智慧授予機器，讓機器做出超越人的工作。

四、導入高維平面分類(lèi)模型

1.把數據映射到高維空間，在超平面下獲得數據的最大的分類(lèi)間隔。

2.用算法替代算力，獲得更高的應用效果。