一个喜欢IT、爱逛网络、懂点电脑的闲人尔

当前位置   > 资讯 > IT之外 >

IT领导者Cognizant将AI推向爬山之外

发表于:2019-07-19 20:41 作者:dede58.com 来源:dede58.com

“深度学习既不深入,也不学习,”IT服务巨头Cognizant Technologies的“进化AI”项目副总裁Babak Hodjat说。

Hodjat的批评是对IT服务公司Cognizant Technology Solutions的一次迷人探索的一部分,后者是一家位于新泽西州Teaneck的二十五年历史的公司,去年为一些最大的公司提供了近160亿美元的收入。在世界上。

多年来,这个IT巨头已经谈到了“数字化转型”,这是一个庞大而重要的事情,但也很难让人想到,因为它经常看起来模糊不清。

然后在12月,Cognizant通过从11年前的AI创业公司Sentient Technologies获得某些资产,为这项数字工作提供了全新的基础和精确性。该公司由Hodjat共同创立,一直致力于所谓的“进化计算”,其中许多算法,包括传统的人工神经网络,可以并行测试“适应性”,以选择最佳网络执行任务。

对于Hodjat来说,随着知识产权的获得而来到Cognizant,这项工作远远超出了主流深度学习的优化。深度学习的重点是通过所谓的随机梯度下降,通过称为反向传播的过程来优化神经网络的“参数”或“权重”。

“这一切都只是爬山,”Hodjat在接受ZDNet采访时表示深入学习。几十年来,他正在对该领域提出批评,早在对麻省理工学院科学家Marvin Minsky和Seymour Papert的批评。

在这种情况下,“山丘”是反向传播导航的值的几何斜率,以便找到最佳值,即山峰。(术语在这里可能有点滑。在常见的深度学习词汇表中,梯度下降不会向斜坡上升到最佳点,它试图在斜率中找到最低的“能量”点,这通常被称为全局最小。细微差别很重要,但从某种意义上说,这些术语是互补的。)

Hodjat表示,能量函数支持反支撑在很多层面都很昂贵,这与其他人如芯片制造商英特尔公司的迈克戴维斯的评论相呼应。他认为,这与生物学习的效率不符。

栏目:IT之外     

相关阅读

最新文章

本月热点