按关键词阅读： 圆通 上门服务 gmv 中通 电商 快递 物流 抖音 韵达 快递公司
文章插图
瞬时记忆传给工作记忆体后，工作记忆体直接展开用因果智能计算的高层次数据活动，但这些高层次的活动并不是就事论事，就数据论数据，它会激活我们长期记忆里的先验和知识。比如，我们今天来到成都，中午和朋友聚餐；。我们在到达成都时，可能会回忆起上一次来成都干什么；和上次相比，成都有什么变化；朋友又发生了什么变化。我们经常讲弦外之音、话外之意，为什么别人讲话，我们能听出话外之意？这是因为工作记忆体激活了相关的信息来理解当前的数据。
DeepMind 在 2016 年发表了一篇《神经图灵机》的文章，我们知道图灵计划就是两端无限长的纸袋，上面有非常多的方格，然后把数据放在纸袋上，数据驱动以写好的程序进行。这个过程没有利用到数据以外的信息。但神经图灵机架构起一个外在记忆体，对当前数据能更好地学习、理解和处理，以得到更好的学习成果。这篇文章发表后，Nature 期刊为其形成社论，称其为深度神经推理，而不是平常的推理机制。
现在我们也发现，只要有一个 x 算法，神经网络一定会把 x 算法变成一个 give 算法，或者一定想把它和认知或者神经结合起来，也就是不停地探索计算方式和方法，与我们大脑和心理认知如何更好地结合，这不是无病呻吟，而是沿着人脑的思路进行扩展。现在的计算一定要有数据，而且一定是数据驱动；亦即人工智能是引擎，大数据是燃料，一个模型空转转不起来。
第二，知识很重要。我们不能一味从数据里发现知识，一定要有知识指导计算过程。此外，行为探索也很重要，人毕竟是在一个开放的环境里进行认知与思考。所以，数据、知识、行为相互结合，是不是一种更好的计算模式？掀起新一轮人工智能浪潮使用的计算方法，AlphaGo 有深度学习、强化学习和蒙特卡罗树搜索三把利剑，而AlphaFold 则是图神经网络、注意力模型和物理建模相互结合。
文章插图
科学计算经过了三代发展，已经把数据和知识进行更好的探索。第一代是给定一个结构，然后去预测结构的性质；第二代是给定一些组成成分，去重建结构，然后基于重建的结构预测性质；第三代就是给定一堆数据，从给定的数据里繁衍结构，以及推理这个结构的性质，这是一个很重要的人工智能发展方向。
AlphaFold是 1972 年诺贝尔奖获得者的一个猜想。人体有非常多的氨基酸，氨基酸里编码了蛋白质，这些蛋白质不同的三维空间结构已经定义了我们生命的功能。那么，给定一段氨基酸，能否预测氨基酸所具有的三维空间结构？如果能预测，我们就编码了生命的功能。
今年8月份，《自然》杂志发表了一篇现在被称为 AlphaFold 的文章，《科学》杂志同时也发表了一篇叫做 Rose TTAFold 的文章。AlphaFold 和 Rose TTAFold 都非常强调 attention，即注意力，但这个“注意力”不是我们大脑的一种注意力，注意力是学习的输入和输出之间的一种关系。例如，给定一幅人脸图像，为什么要去预测这是一张人脸？一定是学习到的输入和输出之间存在一种关联，这个关联肯定是通过像素点复杂的空间模式挖掘出来的。如果现在输入一段氨基酸序列，去重演它的三维结构，是不是也是学一种叫做 attention 的关联？
这两篇文章有什么区别？Rose TTAFold 是美国华盛顿大学的一个实验室写的，它的第一作者非常坦白地承认 Rose TTAFold 的性能不如 AlphaFold，因为他们的实验室没有深度学习的工程师，只是一些生物学家拿着 Deep Learning 的工具写出来。但是 AlphaFold 不仅会利用工具，还会修改工具，比如，它可以对 Deep Learning 的一些结构进行修改和重新设计，因此其性能超越了 Rose TTAFold。
稿源：(雷峰网)
【傻大方】网址：/c/1201b0N22021.html
标题：吴飞|浙大求是特聘教授吴飞：数据驱动与知识引导相互结合的智能计算( 二 )