7 认知智能邓志东教授如何迈向认知智能与通用人工智能.docx
- 文档编号:29930091
- 上传时间:2023-08-03
- 格式:DOCX
- 页数:13
- 大小:73.91KB
7 认知智能邓志东教授如何迈向认知智能与通用人工智能.docx
《7 认知智能邓志东教授如何迈向认知智能与通用人工智能.docx》由会员分享,可在线阅读,更多相关《7 认知智能邓志东教授如何迈向认知智能与通用人工智能.docx(13页珍藏版)》请在冰豆网上搜索。
7认知智能邓志东教授如何迈向认知智能与通用人工智能
【认知智能】邓志东教授:
如何迈向认知智能与通用人工智能
金融界
微信号ai-cps
功能引见OT技术(工艺+精益+自动化+机器人)和IT技术(云计算+大数据+物联网+人工智能)深度融合,在场景中构建:
外形感知-实时分析-自主决策-精准执行-学习提升的机器智能认知系统,实现产业转型升级、DT驱动业务、价值创新制造的产业互联生态链。
2017-12-23原文
收录于话题
中国金融信息网讯9月10日-13日,2017世界物联网博览会在无锡召开,清华高校计算机科学与技术系教授邓志东在网易AI公开课上引见了人工智能现状和复兴缘由,及其商业价值和中国人工智能产业进展的优势和短板,以及如何迈向认知智能与通用人工智能。
清华高校计算机科学与技术系教授邓志东在网易AI公开课上发表演讲
以下为演讲全文:
大家好,现在人工智能格外之火,关于人工智能现在有各种各样的说法,那么什么是人工智能,机器到底有没无生疏,人工智能能不能够超越生物智能。
首先引见一下人工智能现状和复兴缘由,然后引见商业价值和中国人工智能产业进展的优势和短板,最终我们可以争辩一下迈向认知智能与通用人工智能。
我们晓得从自动化一路走来,我们现在进入信息化社会,而且正在往信息化自动化社会迈进,第一次工业革命、其次次工业革命、第三次工业革命我们正处于其中,那第四次工业革命能否有人工智能和机器人(30002.png"-webkit-tap-highlight-color:
transparent;box-sizing:
border-box;margin-top:
16px;margin-bottom:
16px;color:
rgb(34,34,34);">人工智能是一个影响面极广的关键性科学问题,我们晓得顶级企业谷歌、脸书、亚马逊、XX等都投入巨资并聘请领军人才。
当时有一个竞赛,竞赛供应了大数据,把很早的算法加上大数据、加上GPU就产生化学反应及功能比其次类方法提高了4.9,这个让很多前沿企业捕获到了这个信号,谷歌、脸书等等,我们在看大数据感知智能,可以说深度影响军事社会垂直领域,加快智能经济、智能社会和军民融合的进展,目标是对海量数据(603138,诊股)进行自动化处理,提升效率、降低人力成本。
大数据和大计算的支撑下,我们(人工智能)很多方方面的功能已经超越人类,在无人驾驶方面,这个特斯拉,还有通用;在语音识别方面,水平也在不断提高,远远超过了确定水平;人脸识别现在最新结果已经到95.82%,我们看到人脸识别,叫像素级分割,然后看到唇语数据提取;语音助理看到智能音箱,亚马逊还有国内XX,还有谈天机器人也有很多;还有把人的声音记录下来进行训练,可以讲说话很有真实感。
人工智能速记专家,这个可以给我们带来很大的转变,更大的转变就是人工智能翻译——机器翻译,英语、西班牙语功能都得到提升。
我们现在计算力气也有进展,GPU集群在ASIC和FPGA做服务,终端使用有新的产品不断推出,满足低功耗和低成本的要求。
尤其是全球芯片巨头,包括英特尔、高通等等全部规划人工智能芯片进展,尤其规划自动驾驶。
自动驾驶成为人工智能全球系统巨头必争之地。
去年AlphaGo人机大战成为里程碑,社会上广泛关注人工智能,毁灭各种各样的解读,人工智能是不是会超越人类智能、超人工智能等等。
人工智能进展组织经受了三起两落,第三次人工智能热潮的衰亡,源于时代的进步与历史的巧合;移动互联网与云平台的进展,海量规模的带标签的大数据长期作用与视频玩耍的超凡进展,推动了GPU的快速进步。
人工智能复兴得益于产业界对人工智能的持续投入,在去年得到了很多突破性的成果。
我们再看看人工智能商业价值。
大数据驱动下深度学习垂直使用也格外广泛,包括智能音箱、智能可穿戴设备、智能家庭、智能医疗、智能谈天。
甚至用在法庭上面,庭审的语音速记等等,可以说大数据人工智能无所不在,可以替换人类简约的工作,同时可以替换比较简约的、需要更多环境顺应性和自助性的一些体力劳动。
可以从“互联网+”进展到“人工智能+”。
最近麦肯锡有一个报告,分析全球800多种职业所掩盖的2000多种工作,认为50%的工作在2035到2075年之间可以通过人工智能实现自动化。
比如长途运输业、出租车行业等等。
我们看到现在无人零售店也用到很多人工智能技术,还有智能音箱,还有很多谈天机器人,最早就是出自于亚马逊,这是亚马逊Echo,这个销售已经超过1千万台,只是没有进入中国市场。
还有智能医疗、智能训练、智能投资顾问、智能金融,使用条件最重要就是要程序选择特定使用的场景。
大数据是一个基础,算法是关键,计算力是前提,要基于大数据和弱人工智能,次要是深度卷积神经网络与深度强化学习,开展特定使用场景或垂直细分领域的人工智能落地实践,可以达到人工属性。
条件就是场景要细分,要有产业大数据支撑,数据要进行标签化,所以需要行业顶级专家进行大数据的标签化。
从产品角度来讲,产业开发讲“人工智能+”其实就是“大数据+”。
我们看一下中国人工智能进展的优势,中国人工智能进展,首先使用场景规模格外大。
中国“互联网+”快速进展,使得我们简约得到大数据,还有商业落地快,我们仿照以后很快就可以落地,然后还有政府支持力度很大。
我们短板就是原始创新力气不足,不只是技术,甚至商业模式,我们的无人零售,我们现在智能音箱、谈天机器人就是亚马逊的Echo,还有投资界追逐于短线逐利,还有体制机制妨碍;还有缺乏高端基础性争辩人才和AI工程人才。
最终,大数据感知智能怎样迈向更多的智能成果,认知智能和通用人工智能,这个可能是今日更感爱好的事情。
说实话我们现在晓得人工智能已经有三起两落,80年月人工智能其次次高潮时,大家追求是符号,大量进展各种专家系统,但是有很大的问题,没有感知智能支撑,没有处理最基本的识别问题,人的智能首先要有人的识别力气,这个不开放说。
认知智能即对人类深思熟虑的行为的仿照,包括记忆、常识、学问学习、推理、规划、决策、意图、动机与思考等高级智能行为,我们能够听清楚,能听懂甚至更做到读懂,所以谈天机器人感觉到他是答非所问,就是机器人。
而通用人工智能,即同一模型完成对多个任务的学习,具有人类部分认知力气,是通用的人工智能,你可以全方位具备人类力气的时候,这是我们认为真正的强人工智能。
我们现在现状是弱人工智能阶段,我们目标是进展通用人工智能,甚至到强人工智能。
四个方面。
第一个,首先看到在这个认知智能已经有进步,已经深度强化学习,探究认知智能的曙光,而且不完全依靠大数据,在大数据基础上通过强化学习,来得到人类水平决策力气;其次个,进展小样本的半监督/无监督学习,我们真正使用的时候,这个小样本的半监督/无监督学习提出要求;第三个,通用人工智能;第四个,数据智能和生物智能的关系。
把强化学习争辩三个方面,只是以前和神经网络结合,但是后面没有很强大的力气,去年我们晓得陈旧的强化学习和深度卷积神经学习,就取得了AlphaGo这样代表性的里程碑式的成功,而且深度强化学习评为全球十大突破性技术之首,该当说AlphaGo四比一击败了世界冠军是很火,而且转战到扑克牌,还有做玩耍,都是决策。
我们可以看到AlphaGo下围棋进阶的过程,2015年10月份以5:
0获得围棋冠军,经过短短的几个月,五个月的训练进化,三月份又打败了职业九段,五个月进化,再进化就是打败很少的数十位中日韩世界冠军。
强化学习的原理不说了,三个关键技术,三个网络结构,核心就是十三层,后面有四十几层,具有更强的力气。
强化学习刚刚前面说了是30多年前的事,很早以前就有了,是怎样学习?
就是大数据,首先是大数据的学习,3000万棋局,而且是顶级专家进行标签,这个基础之上然后再进行强化学习,我们先找一个高手,一个金庸小说的武功顶级大师学习,然后再本人进行强化学习,本人苦练,这种方法最终就能够实现成功。
其次个就是小样本的半监督/无监督的学习,我们怎样去有规章学习,让数据本身具有很好的特征力气,由于我们神经网络为什么奇怪,由于可以多级多层的提取,这是他的特征提取,这块以后必需有条件,必需依靠于大数据,小数据怎样办?
小数据这个时候人类还有推理力气,大数据加上人类推理力气。
第三个通用人工智能,获得特征或者概念表达,笼统式与学问图谱结合,同时整合常识、推理、记忆、留意力、规划与意图等,最终进展到强人工智能。
大数据感知智能与学问图谱结合起来,最终要进展人工智能视觉引擎、学问引擎、人工智能语音引擎。
第四个数据智能和生物智能,目前取得的进展就是大数据驱动下的弱人工智能,典型说就是深度学习网和强化学习网。
现在深度卷积神经网可以把握人类视觉皮层一些机理,对多级多层自动提取力气方面有很大突破,而且与人类视觉集成特征性情外接近。
数据智能依靠于大数据,是遭到生物智能或者人脑智能启发,次要是利用人类神经网络,我们利用晚期的人工智能进展,利用神经生物学一些学问启发,现在这个时候我们在数据智能、感知智能上面加上概念图谱、学问图谱、生疏图谱有依据吗?
我们现在看到有视觉、听觉、语音识别力气,而且是达到人类水平,这个时候有一个问题,智能是不是确定存在于生物智能,通过数据实现智能是不是也是一种智能?
数据智能能够走多远,能不能进展数据通用人工智能,数据认知智能,而且能不能无生疏?
最终几句话,目前人工智能革命性进展是源于深度学习或者与深度学习的结合。
其次是,弱人工智能的产业进展正处于迸发期。
第三,弱人工智能的突破性进展为认知智能和通用人工智能的探讨带来新的期望。
第四,虽然工作原理不尽相同,但数据智能可能是目前人工智能媲美生物智能的独一期望。
第五,从“互联网+”到“人工智能+”,大数据智能革命将深刻地转变我们这个时代。
感激大家!
(依据速录整理,未经本人批阅)
从感知智能到认知智能AI还有很多可以“捞钱”的地方
金融界
4月7日,艾瑞发布了2015年中国人工智能使用市场争辩报告。
其中对人工智能的进展和使用现状进行了分析,并对行业前景进行了猜想——
5~10年间感知智能将进一步普及,将来的进展方向是认知智能。
人工智能进展都需要具备哪几个条件?
从1955年至今,人工智能的进展经受了三次潮起,两次潮落:
1955年.达特茅斯会议标志AI诞生;
1957年,罗森布拉特制造第一款神经网络,进入第一个高峰;
1970年,受计算力气所限,AI进入第一个低谷;
1982年,霍普菲尔特神经网络提出;
1986年,BP算法实现了神经网络训练的突破,进入其次个高峰;
1990年,人工智能计算机DAPRA失败,进入其次个低谷;
2006年,深度学习神经网络被提出;
2013年.深度学习算法在语音和视觉识别率获得突破性进展,进入第三个高峰。
可见,每一次人工智能的迸发期都与新的算法有关,而我们恰好赶上了深度学习算法的突破口,进入到了感知智能时代。
“AlphaGo之所以能打败李世石,是由于它奇异地将蒙特卡洛评估法和深度学习神经网络相结合。
正是这些高级算法的毁灭才能推动人工智能的进展突破。
”——艾瑞分析师林仁翔
诚然,人工智能的核心突破点在算法上,而计算力气的进展和数据量的积累同样重要。
计算力气的提高能够提升算法运算速度,目前人们已经开头通过GPU并行计算神经网络来进行计算,量子计算是将来的进展趋势;
数据量的扩充则能够提升算法功能,互联网的进展积累了确定的数据,将来物联网的进展将进一步扩充数据渠道源。
从计算机的毁灭、到互联网的进展、再到物联网毁灭,需要人工来完成的工作将越来越少。
目前,人工智能处于“感知智能”进展阶段
艾瑞认为,人工智能的进展一共可以分为三个阶段——计算智能、感知智能、认知智能。
第一个进展阶段是在计算这个环节,它使得机器能够像人类一样进行计算,诸如神经网络和遗传算法的毁灭,使得机器能够更高效、快速处理海量的数据。
其次个进展阶段就是感知智能,让机器能听懂我们的言语、看懂世界万物。
语音和视觉识别就属于这一范畴,这些技术能够更好的帮忙人类高效完成任务。
第三个进展阶段就是认知智能,在这一阶段,机器将能够自动思考并实行举动,比如无人驾驶汽车,实现全面帮忙甚至替代人类工作。
对此,分析师林仁翔表示,目前的人工智能还处于感知智能的进展阶段。
“目前,语音识别和视觉识别成功率已经分别达到了95%和99%,这在深度学习毁灭之前是难以想象的。
近年来,由于计算处理力气的突破以及互联网大数据的迸发,再加上深度学习算法在数据训练上取得的进展,算法、计算、数据三者都已成熟,这推动了人工智能在感知智能上实现巨大突破。
”
他认为,虽然感知智能已经实现了突破,但这项技术照旧有函待提升的地方。
“比如人脸识别推断身份这项技术中就存在缺陷,人们用照片就可以哄骗设备实现身份认证。
而活体验证技术就是目前需要争辩的技术;再比如味觉和嗅觉的数据,这也是物联网传感器目前所无法触及的领域。
”
据此,艾瑞猜想在5到10年间人工智能产业还有很多的机会可以发掘,而何时能够进入到下一阶段(认知智能)还不得而知。
“认知计算何时能够突破还尚未可知。
由于目前连‘深度学习神经网络能否真的让机器学会如何思考’都还不清楚,而且这与生物以及其他一些相关学科的争辩突破也息息相关。
至于什么时候相关学科能够获得突破性进展,我们也无法得知。
”
人工智能还有哪些领域可以掘金?
人工智能的概念很宽泛,那么具体的细分产业都有哪些呢?
在这里,艾瑞供应了几组数据:
我国71%的AI相关企业都在做技术落地使用,这是我国目前的AI行业现状;
在使用企业中,有83%都是在做软件服务,而诸如机器人等硬件产品相对匮乏;
在算法技术方面,我国55%的AI相关企业在做计算机视觉,有13%在做自然言语处理,9%进行机器学习。
“我们在获得Google、Facebook开源的争辩技术之后,能够很快把技术使用落地,这是我国的优势;而对于基层的技术争辩,我国的企业实力目前还无法和国外匹敌,这是劣势。
”
——分析师张凤
在人工智能最为广泛的使用层面上,则可以分为五大场景:
第一个是智能硬件、机器人的上使用。
借助视觉识别技术以及语音识别技术,通过对数据的理解、计算、学习实现决策并实行,实现在交互方式的转变,向自主阶段进展;
其次个是虚拟场景服务。
借助视觉技术以及语音识别技术,转变视觉呈现方式以及互动方式,仿照真实场景,通过体感或言语互动。
第三个是安防领域。
借助人脸识别技术、指纹识别技术,实现智能摄像头和防盗锁等的快速识别功能。
第四个是虚拟服务。
借助语音识别技术以及后台数据分析技术,建立智能虚拟客服。
第五个是商业智能服务。
借助人工智能的算法和模型,对云数据平台的数据进行挖掘和分析,最终实现智能决策。
第五点同时也是将来人工智能使用领域的进展方向,次要体现在推理并提出决策方面,而这也正是IBM所在做的事情(关于IBM与认知智能,此前雷锋网(搜索“雷锋网”公众号关注)有过报道,详见:
深藏不露的IBM,这几年都在忙着做这些事情)。
那么,假如想要进军AI产业,可以从哪几个方面切入呢?
目前可以分为三种:
第一种就是自下而上的切入——从人工智能的基础资源(数据以及底层算法技术)切入,再辅以技术研发来构建上层使用,比如XX、Google,依托本人多年积累的数据和深度学习技术,向无人驾驶汽车、机器人等使用拓展;
其次种就是从两头技术层来切入——依照本人的核心技术去构建使用,去进展上层使用的产品或者是服务,比如科大讯飞,从语音识别技术切入,向训练和机器人等使用领域拓展;
第三种是自上而下的切入——直接使用领域切入,这也是大部分初创企业的做法。
这种方式相对技术门槛较低,比如出门问问,重点进展个人助手服务,向医疗训练等领域拓展。
感知与认知:
人工智能两翼如何飞?
蝶变营
by杨学成
得益于海量数据、不断演进的算法力气以及计算机硬件功能的提升,人工智能迎来了春天,有可能成为与蒸汽机、内燃机、电力等相比肩的通用技术。
所谓通用技术,就是无力气孵化创新模式和创新使用的平台级甚至生态级技术。
例如,有了蒸汽机,我们才有了高效率的纺纱机,然后就有了工厂,进而转变了平常的生产方式;有了内燃机,就有了汽车、飞机,然后毁灭了大型超市,人类消费方式大为改观;有了电力,就毁灭了一系列电器,电力渗透进社会各个角落。
截止目前,人工智能已经在两个方面取得了实质性突破:
感知和认知。
前者的基础是自然言语识别、图像识别等技术,这些技术将人机交互、机机交互提升到了新层次,让机器越来越能理解人类习惯的沟通和表达方式。
后者的基础是深度学习和添加学习,让机器获得了认知力气,能够像人类大脑一样去认知和学习。
自动驾驶则融合了感知和认知两个方面,既要动态准时地感知环境,又要能够实时认知决策,是格外综合的人工智能系统。
那么,以感知和认知为两翼的人工智能会如何起飞呢?
首先,基于感知技术,机器的自然语音识别力气将在听说读写等方面呈现出超出人类的力气,所以听译、同声传译、人工智能客服、文本编辑和写作等领域会被人工智能领先渗透,而在图像识别方面,机器会在图像分析、身份鉴定等方面优势突出,推动安防、无人值守经济的衰亡。
其次,基于认知技术,已经诞生了象棋脑(深蓝)、围棋脑(AlphaGo)和认知脑(Watson),而阿尔法元(Zero)的毁灭再次刷新了认知极限。
所以,将来借助人工智能,机器将沿着「识记-理解-使用」的规律主线演进,IBM的Watson可以一秒钟读完100万本书,所以依靠识记的领域都有可能快速被机器替代,阿尔法元证明白机器可以不依靠于人类阅历建立起本人的理解围棋的方式,并通过跟过去的本人对弈来达到自我进化的目的,意味着在简约脑力劳动方面,机器相比人类更有优势,医疗、法务、专利、金融等领域,人工智能大有可为。
目前机器尚没有表现出超过人类的领域是创意,这需要一种顿悟的过程,但机器顿悟并非不行能,AlphaGo对弈中的神来之笔,表明机器已经具备了很强的「棋感」,已经不只仅是一台只懂运算的机器。
将来,借助自我学习获得领域内的感觉,对机器来说不会是难事儿,原来冰冷的技术一样可以温情脉脉,服务经济和用户体验立马就会被重塑。
当然,机器类人演进的结果是,获得人类才有的智能之后,同样也会承继人类的偏见,无论如何选择训练数据和样本,偏见都是不行避开的。
问题的关键在于,人类对本身的偏见格外宽容,但对机器却很吝啬,我们期盼的是一个不会犯错的同类,但这是不行能的!
结论:
既有人工智能,必有人工智障……
人工智能赛博物理操作系统
AI-CPSOS
“人工智能赛博物理操作系统”(新一代技术+商业操作系统“AI-CPSOS”:
云计算+大数据+物联网+区块链+人工智能)分支用来的今日,企业领导者必需了解如何将“技术”全面渗入整个公司、产品等“商业”场景中,利用AI-CPSOS构成数字化+智能化力气,实现行业的重新规划、企业的重新构建和自我的焕然重生。
AI-CPS OS的真正价值并不来自构成技术或功能,而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化,这种整合方式能够释放新的业务和运营模式。
假如不能实现跨功能的更大规模融合,没有颠覆现状的志愿,这些将不行能实现。
领导者无法依靠某种单一战略方法来应对多维度的数字化变革。
面对新一代技术+商业操作系统AI-CPSOS颠覆性的数字化+智能化力气,领导者必需外行业、企业与个人这三个层面都保持领先地位:
1.重新行业规划:
你的世界观要怎样转变才算足够?
你必需对行业典范进行怎样的反思?
2.重新构建企业:
你的企业需要做出什么样的变化?
你预备如何重新定义你的公司?
3.重新打造本人:
你需要成为怎样的人?
要重塑本人并在数字化+智能化时代保有领先地位,你必需如何去做?
AI-CPSOS是数字化智能化创新平台,设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端,可以挂念企业将创新成果融入本身业务体系,实现各个前沿技术在云端的优势协同。
AI-CPSOS构成的数字化+智能化力气与行业、企业及个人三个层面的交叉,构成了领导力模式,使数字化融入到领导者所在企业与领导方式的核心位置:
1.精细:
这种力气能够使人在愈加真实、细致的层面观看与感知现实世界和数字化世界正在发生的一切,进而理解和愈加精细地进行产品共性化把握、微观业务场景大事和结果把握。
2.智能:
模型随着时间(数据)的变化而变化,整个系统就具备了智能(自学习)的力气。
3.高效:
企业需要建立实时或者准实时的数据采集传输、模型猜想和响应决策力气,这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
4.不确定性:
数字化变更颠覆和转变了领导者已经仰仗的思维方式、结构和实践阅历,其结果就是构成了复合不确定性这种颠覆性力气。
次要的不确定性包含于三个领域:
技术、文化、制度。
5.边界模糊:
数字世界与现实世界的不断融合成CPS不只让人们所知行业的核心产品、经济学定理和可能性都产生了变化,还模糊了不同行业间的界限。
这种效应正在向生态系统、企业、客户、产品快速集中。
AI-CPSOS构成的数字化+智能化力气通过三个方式激发经济增长:
1.制造虚拟劳动力,担当需要顺应性和灵敏性的简约任务,即“智能自动化”,以区分于传统的自动化处理方案;
2.对现有劳动力和实物资产进行有利的补充和提升,提高资本效率;
3.人工智能的普及,将推动多行业的相关创新,开辟簇新的经济增长空间。
给决策制定者和商业领袖的建议:
1.超越自动化,开启新创新模式:
利器具有自主学习和自我把握力气的动态机器智能,为企业制造新商机;
2.迎接新一代信息技术,迎接人工智能:
无缝整合人类才智与机器智能,重新
评估将来的学问和技能类型;
3.制定道德规范:
切实为人工智能生态系统制定道德准绳,并在智能机器的开
发过程中确定愈加明晰的标准和最佳实践;
4.留意再支配效应:
对人工智能可能带来的冲击做好预备,制定战略挂念面临
较高失业风险的人群;
5.开发数字化+智能化企业所需新力气:
员工团队需要乐观把握推断、沟通及想象力和制造力等人类所特有的重要力气。
对于中国企业来说,制造兼具包涵性和多样性的文化也格外重要。
子曰:
“君子和而不同,小人同而不和。
” 《论语·子路》云计算、大数据、物联网、区块链和人工智能,像君子一般融合,一起体现科技就是生产力。
假如说上一次哥伦布地理大发觉,拓展的是人类的物理空间。
那么这一次地理大发觉,拓展的就是人们的数字空间。
在数学空间,建立新的商业文明,从而发觉新的创富模式,为人类社会带来新的财宝空间。
云计算,大数据、物联网和区块链,是进入这个数字空间的船,而人工智能就是那船上的帆,哥伦布之帆!
新一代技术+商业的人工智能赛博物理操作系统AI-CPSOS作为新一轮产业变革的核心驱动力,将进一步释放历次科技革命和产业变革积蓄的巨大能量,并制造新的强大引擎。
重构生产、支配、交换、消费等经济活动各环节,构成从宏观到微观各领域的智能化新需求,催生新技术、新产品、新产业、新业态、新模式。
引发经济结构严峻变革,深刻转变人类生产生活方式和思维模式,实现社会生产力的全体跃升。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 认知智能邓志东教授如何迈向认知智能与通用人工智能 认知 智能 邓志东 教授 如何 迈向 通用 人工智能
![提示](https://static.bdocx.com/images/bang_tan.gif)