作者:彭科峰 来源:科学网 www.sciencenet.cn 发布时间:2017/9/26 13:58:00
选择字号:
第121期科协新观点新学说学术沙龙举行
复杂神经元网络或可为复杂系统建模带来曙光

 

日前,由中国科协主办,中国仿真学会承办的中国科协第121期“新观点新学说学术沙龙”在广西桂林举行,来自中科院自动化所、中科院软件所、国防大学等机构的专家学者近30人参加会议。本次沙龙的主题为“认知仿真:理解和管理复杂系统的终极方法”,领衔科学家为中国仿真学会副理事长、国防大学教授胡晓峰和中科院自动化所研究员王飞跃。

胡晓峰指出,传统建模的基本原则是结果可重复,其建模对象都是自然系统,符合已有科学定律,都是基于相似性原理。但复杂系统不可分割,也没有“可加性”,具有适应性,结构动态可变,因果关系不明确,结果具有不确定性。日前,新兴起的复杂系统建模方法包括多智能体建模、复杂网络建模、大数据建模、平行系统建模等等,但都面临缺乏形式化知识的建模方法的难题,类似于经验、直觉、记忆一类的知识都是建立在各类知识相互纠缠的基础上,很难用简单的因果形式来表示。

“近几年以来,人工智能受到广泛关注。尤其是阿尔法狗战胜人类棋手以来,为复杂系统建模研究提供了很多启示”,胡晓峰认为,社会管理、战争决策、经济治理、指挥控制、医疗诊断等复杂系统领域,一直存在对经验、直觉等认知建模的需求,阿尔法狗所采用的深度学习产生复杂神经元网络方法,或许可以为解决这个问题带来曙光。

胡晓峰还表示,阿尔法狗采用的增强深度学习方法,不仅在围棋上战胜了人类,而且揭示了一种复杂系统建模的可能。但是,对这种方法既不能过高估计,认为它是万能的;也不能低估,忽视它在智能认知方法上取得的突破和隐含的颠覆性意义。

胡晓峰认为,深度学习的核心,就是通过多层神经元网络,形成对概念、规律等知识的理解。人脑认知具有深度结构,需要逐层训练,逐步抽象得到认知。但是层次越多,运算量越大,需要数据越多,理解的概念越复杂。因此,建立神经元网络需要大规模计算能力,这是必要条件。“深度学习下的认知是一种非常接近人类认知的方式,这样比较符合复杂系统的认知方式”,胡晓峰认为,阿尔法狗的突破在于找到了一种新的生成神经元网络的方法,该方法也可适应视频游戏、德州扑克等多种形式,“但是,需要注意的是,认知智能模型研究,或许可以解决复杂系统理解和管理问题,但也可能带来更多新的问题。因为它可能会激发系统产生更复杂的演化,导致安全、社会等问题的产生”。

为期2天的会议期间,与会专家一致认为,复杂系统建模是仿真学科发展的必答题,传统的仿真方法已经走到十字路口,急需学界深入探索,形成中国人自己的复杂系统仿真建模理论。

 
 打印  发E-mail给: 
    
 
以下评论只代表网友个人观点,不代表科学网观点。 

2017/9/26 16:15:00 xlsd
带来曙光
目前已有1条评论
相关新闻 相关论文

图片新闻
全球首例:四川卧龙拍摄到白色大熊猫 2019年北京科技周活动落下帷幕
怀柔科学城创新小镇正式启用 史上最大水下火山爆发
>>更多
 
一周新闻排行 一周新闻评论排行
 
编辑部推荐博文
 
论坛推荐