자연어를 이해하는 데 지식지도가 필요한 이유는 무엇입니까?
지식지도는 왜 좋은 사업 전망을 가지고 있습니까?
인공지능-이개복담 ai 가 개인, 기업, 사회의 미래지도를 어떻게 개조할 것인가를 읽는 것은 요즘 매우 핫한 화제다. 특히 20 17 년 5 월 AlphaGo 가 이세돌 승리를 거둔 사건으로 인공지능 열풍이 일고 있다. 인공지능의 발전으로 우리는 몇 가지 문제에 직면하게 되었다: 인공지능이란 무엇이고, 그 영향은 무엇이고, 어떻게 대처할 것인가? 이개복씨는 인공지능 분야의 전문가, 업계 추진자, 사상 전도자로서 이 책을 통해 우리의 질문에 답했다. 이 책은 내용이 풍부해 인공지능의 거의 모든 측면을 포괄하지만 구조가 좀 느슨해 보인다. 전반적으로, 코프서로서, 여전히 나에게 많은 깨우침을 주었다.
첫째, 인공 지능이란 무엇인가?
인공지능의 개념은 컴퓨터 발명부터 제기됐고, 튜링이 제시한 튜링 테스트는 인공지능의 발전에 대해 생각하기 시작했고, 테스트 방법을 제시했다. 이 책은 역사상 인공지능 정의의 진화를 열거하고 있다. 정의된 추상과는 달리 인공지능은 이제 스마트 어시스턴트, 뉴스 추천, 머신 비전, AI 아트, 새로운 검색 엔진, 알파고 등 우리 곁에 있습니다. 이 책은 Gartner 의 기술 성숙도 곡선을 이용하여 현재의 인공지능 열풍이 과거와 본질적으로 다르다는 것을 논증한다. 음성 인식, 머신 비전, 데이터 마이닝 등을 실현하는 분야는 이미 정상 인간 수준을 따라잡았고, 심리적 문턱을 돌파하고, 실제 응용 프로그램 장면으로 진입하며, 비즈니스 모델과 밀접하게 결합해 업계에서 진정한 역할을 했다.
심도 있는 학습이 현재의 인공지능을 창조한 것은 배후의 핵심 기술이다. 2006 년 Jeffrey Hinton 과 그의 파트너는' 심층 신뢰 네트워크의 빠른 학습 알고리즘' 이라는 제목의 논문으로 심도 있는 학습 시대가 도래했다고 발표했다. 심도 있는 학습 알고리즘은 인공신경망 기술에서 비롯되며, 기술 영감은 인간 신경절이 메쉬 구조를 따라 정보를 전달하고 처리한다는 가설에서 비롯된다. 역사적으로 이 기술은 이상 또는 문제로 인해 정체되어 1975 년에 이 문제가 해결될 때까지 다층 신경망 기술을 선보이며 20 10 년 후 성숙해졌다.
이 책은 심도 있는 학습의 신비한 알고리즘을 생동감 있고 간단명료하게 소개했다. 근본적으로, 심화 학습은 모든 기계 학습 방법과 마찬가지로 현실 세계의 구체적인 문제를 수학적 모델로 모델링하여 이 분야의 유사한 문제를 해결하는 과정이다. 인간의 아이가 글자를 배우는 과정을 비유하면, 컴퓨터는 단어의 법칙을 총결하고, 미래에는 비슷한 패턴을 보고, 이전에 총결된 법칙에 따라 패턴이 무엇인지 알아야 한다. 이 과정을 "컴퓨터 학습" 이라고합니다. 학습 대상은 교육 데이터 세트라고 합니다. 데이터 세트의 데이터는 "피쳐" 로 구분되고 모델은 컴퓨터 "모델링" 으로 요약됩니다. 컴퓨터 학습에는 의사 결정 트리와 같은 다른 알고리즘이 있습니다. 심도 있는 학습은 표현이 유연하면서 컴퓨터가 목표에 접근할 때까지 계속 시도할 수 있도록 하는 것이 특징이다. 수학의 관점에서 볼 때, 심도 있는 학습과 전통적인 기계 학습 방법에는 본질적인 차이가 없다. 둘 다 고차원 공간에서 물체의 특징에 따라 서로 다른 물체를 구분하기를 원하지만, 그의 표현능력은 전통적인 기계보다 더 좋다. 특히, 우리는 학습 대상을 데이터 더미로 보고, 여러 계층이 포함된 복잡한 데이터 처리 네트워크 (심도 신경망) 에 던져 넣은 다음, 이 네트워크 처리의 결과 데이터가 요구 사항을 충족하는지 확인할 수 있습니다. 요구 사항이 충족되면 모델을 그대로 두겠습니다. 그렇지 않으면 출력이 요구 사항을 충족할 때까지 계속 조정할 것입니다. 이 책에는 싱크대 밸브의 예가 나와 있다. 이런 방식은 컴퓨터가 거의 미친 듯이 특정 방식으로 모든 유량 조절 밸브를 조정하고, 끊임없이 탐구하고, 층수와 변수를 늘리고, 계산 능력을 늘리고, 최적의 모델을 계산할 때까지 데이터 양을 늘리는 것이 필요하다. 따라서 심화 학습의 기본 지도 원칙은 실용주의이다.
이처럼 심도 있는 학습 알고리즘이 효과적으로 작용하는 전제는 칩의 컴퓨팅 성능과 처리 능력이 크게 향상되었다는 것이고, 두 번째는 인터넷의 장기 발전으로 인한 고품질의 방대한 데이터 때문이다. 이 두 조건이 성숙되면 심도 있는 학습에 기반한 인공지능이 더 강해질 것이다.
좀 현란한 것은 심도 있는 학습 알고리즘이 효과적이라는 점이다. 하지만 모델이 완성되면 모델 디자이너도 왜 인과관계가 무엇인지 알 수 없다. 역사상 가장 효과적인 기계 학습 방법은 많은 사람들이' 블랙박스' 로 간주하고 있으며, 이로 인해 사람들이 이해할 수 없는 프로그램을 개발하고, 무엇을 했는지 알고 있지만, 그것이 어떤 법칙을 장악하고 있는지, 이 학습 절차가 통제불능이 될 수 있을까?
둘째, 인공지능의 영향은
인공지능에 대해 가장 열렬하게 토론하는 것은' 해커제국',' 거북이 껍데기 속의 유령',' 나',' 로봇',' 종결자' 와 같은 공상 과학 영화일 것이다. 목록은 오랫동안 수많은 가능성을 토론할 수 있다. 간단한 분류는 낙관과 비관적인 관점으로 나뉜다.
인공지능은 우리에게 위협이 됩니까? 이런 설정영화, 인공지능의 발전은 인간의 통제를 초월하고, 인간은 지지되고, 노예화되거나, 파괴된다. 나는 정말 위태로운 말이라고 생각한다.
이 책은 인공지능을 약인공지능, 강인공지능, 초인공지능으로 분류했다. 이 책의 요점은 우리가 지금 볼 수 있는 것은 약한 인공지능, 즉 인공지능을 적용하여 특정 분야의 문제만 해결할 수 있다는 것이다. 일반 인공지능이라고도 하는 강력한 인공지능은 추리, 전략, 문제 해결, 의사 결정, 상식, 계획, 학습, 교류 등 인간의 모든 일을 감당할 수 있다. 불확실한 환경에서 강력한 인공지능이 인간을 대신할 수 있다. 하지만 여기서 강력한 인공지능은' 의식' 을 가지고 있나요? 이 문제는 매우 복잡하다. 인공지능이 자의식을 가지고 있다면, 그것은 인간과 다른가? 사람과 기계의 관계는 사람과 도구의 관계가 아니다. 슈퍼인공지능, 인공지능이 계속 발전한다고 가정하면 세계에서 가장 똑똑하고 재능 있는 사람보다 더 똑똑할 수 있다. 이 정의는 인간의 이해를 넘어 철학과 공상 과학의 관점에서만 분석할 수 있기 때문에 모호하다.
이 책에는 특이점의 도래 여부에 대한 토론이 있다. 얼마 전 소위' 오줌 겁 지수' 가 유행했다. 인간의 과학 기술 수준이 가속화되고 있다는 사실이 밝혀졌으며, 단 100 년 만에 인류는 이미 역사를 훨씬 뛰어넘었다. 그래서 사람들은 이러한 가속 추세가 강력한 인공지능과 슈퍼인공지능의 빠른 발전을 초래할 수 있다고 우려하고 있다. 일단 특이점이 오면, 아메리카 원주민들이 기술적으로 진보한 유럽 식민지들이 어떤 영향을 미칠지 예측할 수 없는 것처럼 인류의 운명은 예측할 수 없다. 이 책에서는 인공지능과 같은 일부 기술이 일정 기간 가속화된 후에 칩 성능과 같은 극복 할 수 없는 기술적 병목 현상을 겪게 된다고 말한다. 그의 결론은 일정 기간 동안 모두 인간의 도구여서 인공지능의 문턱을 돌파하기 어렵다는 것이다. 호킹의 걱정은 기계와 사람이 진화 속도에서 동등하지 않다는 것이다. 인공지능은 진화를 가속화할 수 있지만, 인류의 진화는 한계가 있다. 또한 실업 문제가 있습니다.
전반적으로, 나는 책의 관점에 동의한다. 내 생전, 나는 약한 인공지능의 충분한 발전을 볼 수 있고, 아마도 강한 인공지능의 출현도 볼 수 있지만, 슈퍼인공지능은 여전히 공상 과학 영화에 있다. 우리가 볼 수 있는 것은 한 사람이 인공지능을 도구로 사용하는 화면일 가능성이 더 높다.
셋째, 인공 지능 시대를 다루는 방법
인공지능 시대의 도래는 피할 수 없는 객관적인 사실이다. 낙관적 인 관점에서 인공 지능은 인간 사회의 새로운 큰 발전 일 수 있으며 세 가지 산업 혁명만큼 중요하므로 인간은 완전히 다른 시대에 살고 있으며 성격과 자유는 더 발전 할 수 있습니다. 사람들의 접촉 효율성과 생산성 향상은 사회와 경제의 변화를 불러일으켰다. 시대의 조류에 순응하는 것은 이성적인 선택이다.
우리가 직면한 첫 번째 문제는 일이다. 우리의 일이 대체될 것인가? 이 책은 경험의 법칙을 제시한다:' 5 초 원칙'. 만약 사람들이 5 초 안에 직장에서 고려하고 결정해야 할 문제에 대해 상응하는 결정을 내릴 수 있다면, 이 일은 대체될 가능성이 높다. 자신의 일을 생각하면 좀 걱정이 된다. 그러나 치밀한 사고, 투철한 추리, 복잡한 의사결정이 관련된다면 이렇게 오랜 시간 동안 대체하기 어렵다. 일부 전문가들은 인공지능이 명확한 평가 기준과 업무 성과를 객관적으로 측정할 수 있는 사람들을 쉽게 대체할 수 있다고 생각한다. 앞으로 어떤 수준의 작업이든 인공지능과 협력하여 고급 인재가 기술을 발휘하고 가장 자동화할 수 없는 작업에 집중할 수 있도록 합니다. 이러한 추세는 이미 뚜렷하며, 각 업종마다 AI+ 의 과정이 시작되었다. 인공지능이 어떤 분야에서는 인간보다 훨씬 잘 할 수 있기 때문에, 우리는 인간으로서의 우리의 가치를 어떻게 지킬 것인가를 고려해야 한다. 인공지능은 국경을 초월한 추리, 추상능력, 작은 샘플, 감독되지 않은 학습능력, 무엇이 무엇인지 아는 능력, 전체 시스템을 구축하는 능력, 상식 능력, 자의식, 심미, 감정 등 좋지 않은 일을 한다.
두 번째 문제는 교육이다. 우리는 어떤 교육이 필요합니까? 이 책은 사회 구조의 관점에서 이 문제를 토론했다. 전통적인 사회 구조는 피라미드이다. 인공지능 시대에는 피라미드가 더 합리적이고 효율적이며, 밑바닥에서 기초업무와 반복적인 일을 하는 사람은 줄어들지만 피라미드는 무너지지 않고 기존 기초 위에서 스스로 조정할 가능성이 더 높다. 낙관적으로 말하면, 생산성이 발전함에 따라 더 많은 사람들이 과중한 생계에서 벗어나 더 인간적인 분야에 투입될 수도 있고 투입해야 할 수도 있다. (윌리엄 셰익스피어, 햄릿, 희망명언) 따라서 교육 체계를 크게 조정하고, 더 많은 지식, 전문가, 지도자, 예술을 가진 인재를 양성하고, 인간-기계 협력의 기술을 높여야 한다. 더 많은 사람들과 사람들 사이의 사고, 창조, 교류, 감정 소통, 애착, 귀속과 협력, 세계에 대한 종합적인 인식과 상상력 등 독특한 능력을 배양하다. 기억과 연습으로만 습득할 수 있는 기술은 가장 가치가 없다. 거의 확실히 기계에 의해 완성될 수 있다. (존 F. 케네디, 공부명언) 암기된 응시 교육과 계산 능력이 가장 쓸모없는 기술이다. 인간의 개성만이 인공지능 시대 인류의 진정한 가치다. 표현양식에서 저자는 미네바 대학과 칭화의' 요반' 이라는 두 가지 최전방의 예를 들었다. 그는 인공지능 시대의 가장 핵심적이고 효과적인 학습 방법은 능동적으로 한계에 도전하고, 실천에서 배우고, 계발적 교육, 대화형 온라인 교육, 능동적으로 기계에서 배우고, 사람과 기계의 협력을 배우고, 흥미를 따르는 법을 배우는 것이라고 요약했다. 아름다움을 위해서든 호기심을 위해서든 기계로 쉽게 대체되지 않는 직업을 찾는다.
이 책은 또한 미래의 공업 발전을 서술하였다. 자동운전은 인공지능의 가장 큰 응용 장면으로 상상력이 풍부하다. 새로운 형식, 새로운 인프라 건설, 새로운 생활방식을 이끌어가는 것은 나에게 복음이다. 저자는 또한 자동운전 기술의 발전에 대해서도 상세히 설명했다. 그는 중국이 자동운전 기술 발전에 큰 장점이 있어 중요한 역할을 할 수 있다고 생각한다. 하나는 우리가 법과 도덕에 더 너그럽고, 하나는 인프라 건설이 우리의 강점이라는 것이다. 현재 잘 보고 있는 또 다른 인공지능은 스마트금융이다. 빅 데이터의 심층 마이닝을 통해 거래 정량화, 스마트 투자, 위험 예방, 보안 및 고객 식별, 지능형 고객 서비스 정밀 마케팅 등의 이점을 얻을 수 있습니다. 번역, 지능형 의료. 저는 스마트 의료에 대해 매우 낙관적입니다. 의료 자원이 부족하다. 인공지능의 도움으로 효율성과 관객을 높일 수 있고, 최고급 의사는 진정으로 도전적인 과학 연구에 힘을 쏟을 수 있다. 이 책은 인공지능 창업, 국가 전략에서 기업 차원까지 서술했다. 중국 정부는 더 강한 집행력을 가지고 있고, 중국에도 우수한 과학연구원이 있다. 이 밖에도 인공지능 시대 정보 보안에 대한 관심과 건의에 대해서도 논의했다.
넷째, 나에 대한 계시
이 시대에 사는 것은 행운과 불행이다. 우리는 변혁기에 처해 있기 때문에 미래의 전복적인 발전을 볼 수 있는 기회가 있기 때문에 운이 좋다. (존 F. 케네디, 행운명언) 유감스럽게도, 우리는 불확실성에 적응하기 위해 우리 자신을 조정해야 한다. 우리는' 강인공지능' 과' 초인공지능' 의 완전한 발전을 보지 못할 수도 있다.
낙관적으로 말하면, 미래에 사람들은 자신이 진정으로 원하는 일에 전념할 수 있고, 자신의 사랑을 위해 일할 수 있기 때문에 인생 경력이 더욱 다채로워질 수 있다. (윌리엄 셰익스피어, 햄릿, 희망명언) 인공지능은 더 많은 부를 창출하고, 대부분의 사람들은 더 자유롭게 살 수 있고, 더 나은 새로운 사회복지체계를 가질 수 있다. 인공지능의 출현으로 사람들은 다시 한 번 그 독특한 가치, 즉 독립의식을 가지고 생명의 의미와 죽음의 의미를 이해할 수 있다는 것을 다시 한 번 확인했다. 생명은 한계가 있기 때문에, 사상과 운명은 이렇게 귀중할 수 있다. 이 책은 프랑스 철학자 브라이스의 말을 인용했다. "사람은 갈대에 불과하지만, 그는 자신이 죽을 것이라는 것을 알고 있고 우주도 그 장점을 가지고 있지만, 우주는 그것에 대해 아무것도 모르기 때문에 우리의 모든 존엄성은 우리의 생각에 있다." 끊임없이 자신을 향상시키고, 인류의 특기를 잘 이용하고, 기계를 잘 사용하는 것은 미래 사회의 각 분야 인재의 본질적 특징이 될 것이다.
동시에, 인공지능의 발전은 필연적으로 심각한 문제를 야기할 것이다. 역사적으로 생산력의 발전, 특히 초급 단계에서는 많은 사회문제를 초래하고 당시 사람들에게 고통을 가져다 줄 것이며, 신기술이 반드시 대다수 사람들에게 이득이 되는 것은 아니며, 더 큰 사회적 불공정을 초래할 수 있다. 현재로서는 정보 보안 문제와 캠브리지 분석 사건과 같은 수용된 정보에 대한 조작이 매우 심각하며, 우리는 더 많은 위험에 직면해 있습니다.
최근 문헌을 보니 일부 문장 들은 BioNano 지도와 Hi-C 기술에 의지하여 조립하는 것으로 나타났다. 바이오 나노 기술을 배우다.
BioNano atlas 와 Hi-C 는 스탠드를 염색체에 고정시키고 조립을 돕는 데 쓰인다. 그럼 이 두 기술이 이전에 사용했던 방법을 돌이켜봅시다.
1, 기존 앵커 방법
염색체 앵커에는 물리적 위치 지정과 유전 위치 지정이라는 두 가지 전통적인 방법이 있다. 전자는 주로 서열의 겹침 관계를 통해 염색체에 스텐트의 위치 정보를 결정하고, 후자는 주로 감수분열 후 자매 염색 단체의 재편성을 이용하여 염색체에 스텐트의 순서와 방향을 결정하는 것이다. 실제 작업에서 전통적인 앵커 방법에는 실험 난이도, 비용, 실험 오차 등의 문제가 있다. _ _
염색질 구조 포착 기술에 기반한 앵커 방법.
Hi-C 기술의 기본 원칙은 먼저 교합제를 살아있는 세포로 염색질을 고정하는 것이고, 포름알데히드는 가장 많이 사용되는 교제제이다. 그런 다음 고정 염색질은 힌디 II 와 같은 제한 효소에 의해 소화됩니다. 그런 다음 바이오틴으로 표시된 뉴클레오티드로 점성 끝을 채 웁니다. 희석 환경에서 평평한 끝 충전 반응을 수행하여 교차 염색질 조각 간의 연결을 촉진한다. 그런 다음 초음파로 캡처된 _DNA 조각을 끊고 바이오틴으로 표시된 DNA 조각을 Illumina 플랫폼에서 시퀀싱하여 전체 게놈 염색질 상호 작용 매트릭스를 얻습니다. 얻은 DNA 서열을 참조 게놈과 비교하다. 한 쌍의 시퀀스가 다른 위치의 제한 조각에 해당하는 경우 두 조각 사이에 염색질 상호 작용이 있는 것으로 간주되어 게놈의 모든 제한 조각 간의 상호 작용 빈도 매트릭스를 구성할 수 있습니다.
Hi-C 기술에 의해 생성 된 염색질 상호 작용은 거리가 증가함에 따라 감소하는 법칙을 보여줍니다. 즉, 염색체 내의 상호 작용은 염색체 간의 상호 작용보다 강하며, 동일한 염색체에서 서로 더 가까운 상호 작용은 멀리 떨어진 상호 작용보다 강합니다. 이 법칙에 근거하여, Hi-C 기술은 지지대를 고정시키는 데 쓰일 수도 있고, 염색체에서 스탠드의 정렬과 방향을 가리킬 수도 있다. 참조 Hi-C 시퀀싱 및 시퀀싱 데이터 특성
스펙트럼 기술에 기반한 앵커 방법
광학 측량 기술은 Schwartz 등 (1993) 이 처음 발명한 것이다. 최근 BioNanoGenomics 에서 출시한 Irys 광학 매핑 시스템은 광학 매핑 기술을 상용화했습니다 (Lametal). , 202 1).Irys 시스템은 특수한 제한 내체효소와 특수한 형광 표시를 사용하여 최대 수백 kb 의 단일 체인 DNA 분자를 이미지화하고 고품질 이미지를 사용하여 제한 내체효소 지도로 게놈 구조를 표시합니다.
스펙트럼의 기본 원리는 다음과 같습니다.
대량의 세포 용액에서 DNA 분자는 무작위로 500kb 정도의 조각으로 절단된 다음 마이크로 채널 DNA 조각을 통해 신축되어 양전하가 있는 유리 받침대에 부착되어 특정 제한 효소로 해당 제한 지점에서 DNA 를 절단합니다. 절단 된 DNA 분자는 형광 염료로 염색되어 현미경으로 사진을 찍습니다 (그림 a-d). Irys 시스템만의 긴 읽기 길이는 반복 시퀀스 영역과 복잡한 구성 요소가 포함된 DNA 조각을 쉽게 가로지를 수 있어 게놈 조립 과정을 크게 단순화하고 게놈의 조립 효율을 높이며 접합 틈새 문제를 해결합니다. BioNano 는 수백 kb 의 DNA 분자 (슬라이버 금속) 를 따라 작은 시퀀스 구조 (예: 제한 효소 인식 사이트) 의 물리적 다이어그램을 생성합니다. , 202 1), 스탠드를 서열화하고 방향을 정할 수 있을 뿐만 아니라 게놈 조립의 품질도 평가할 수 있다. BioNano 는 원래 작은 게놈의 미생물 게놈 조립 분야에 주로 사용되었으며, 지금은 식물 게놈 조립 분야에 널리 사용되고 있다.
그림 a-a-dBioNano 광학지도 제작 다이어그램
Bionano 기술은 단순히 분자에 형광 라벨을 붙이고 사진을 찍는 것이기 때문에 원본 오프라인 데이터는 TIFF 형식이지만, 우리가 얻은 것은 일반적으로 AutoDetect/IrysView 변환의 BNX 형식입니다.
Bionano 광학도는 천연 DNA 분자의 실제 경관을 보여준다. SPDNA 분리 테스트 키트 (SP DNA) 로 초장 DNA 분자를 얻고 직접 표기염색법 (DLS) 으로 DNA 분자를 표시한다. 나노 마이크로흐름 제어 칩을 통해 각 DNA 분자를 선형화하고 고해상도 형광 영상을 만들어 게놈학의 하류 응용을 위한 원시 DNA 경관을 제공한다. 이 실제 게놈 물리지도는 게놈 조립을 위한 염색체 규모의 틀을 제공하여 순합자와 잡합자의 큰 조각 구조 변이를 효과적으로 감지할 수 있다.
배추 참조 게놈 업그레이드와 염색질 상호 작용 분석, 장뢰, 20 18.