当前位置:首页 >生活派>

复杂神经元网络或可为复杂系统建模带来曙光

来源:www.timetimetime.net 时间:2020-04-04 编辑:散文精选

作者:彭克峰资料来源:科学网发布日期:2017/9/26 13:85:00

Select商品名:萧中

Da

121科学协会新理念与新理论学术沙龙举行

复杂神经网络或可能为复杂系统建模带来曙光

近日,由中国科学技术协会主办、中国仿真学会主办的121科学协会新理念与新理论学术沙龙在广西桂林举行。中国科学院自动化研究所、中国科学院软件研究所、国防大学等机构近30名专家学者出席了会议。 本次沙龙的主题是“认知模拟:理解和管理复杂系统的最终方法”。主要科学家是中国仿真学会副主席、国防大学教授胡小凤和中国科学院自动化研究所研究员王飞跃。

胡小凤指出,传统建模的基本原则是结果可以重复。它的建模对象都是自然系统,符合现有的科学规律,都是基于相似性原则。 然而,复杂的系统是不可分割的,没有“可加性”。它具有适应性强、结构动态、因果关系不清、结果不确定等特点。 近年来,新兴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、并行系统建模等。然而,它们都面临着缺乏形式化知识建模方法的问题。经验、直觉和记忆等知识都是基于各种知识的纠缠,很难用简单的因果形式来表达。

“近年来,人工智能受到了广泛关注 尤其是阿尔法狗打败人类棋手后,为复杂系统建模的研究提供了很多启示。“胡小凤认为,在社会管理、战争决策、经济治理、指挥和控制以及医疗诊断等复杂系统领域,始终需要认知建模,如经验和直觉。阿尔法狗(Alpha dog)采用的深度学习产生了复杂的神经网络方法,这可能为解决这个问题带来光明。

胡小凤还说阿尔法狗采用的强化深度学习方法不仅在围棋上打败了人类,还揭示了模拟复杂系统的可能性。 然而,这种方法怎么估计也不过分,被认为是万能的。我们也不应该低估或忽视它在智能认知方法上的突破及其隐藏的颠覆性意义。

胡小凤认为,深度学习的核心是通过多层神经网络形成对概念、规律和其他知识的理解。 人脑认知有着深刻的结构,需要逐步训练,逐步抽象,才能获得认知。 然而,层次越多,计算越多,需要的数据就越多,理解的概念就越复杂。 因此,神经网络的建立需要大规模的计算能力,这是一个必要条件。 “深度学习下的认知是一种非常接近人类认知的方式,更符合复杂系统的认知方式。”胡小凤认为阿尔法狗(Alpha Dog)的突破在于找到一种生成神经网络的新方法,这种神经网络也可以适应各种形式,如电子游戏和德州扑克。“然而,应该注意的是,认知智能模型的研究可能解决复杂系统的理解和管理问题,但也可能带来更多的新问题。 因为它可能刺激系统产生更复杂的进化,导致安全、社会和其他问题。"

在为期两天的会议中,与会专家一致认为复杂系统建模是发展仿真科学的必要条件。传统的仿真方法已经走到了十字路口,需要学术界深入探索,形成中国自己的复杂系统仿真建模理论。

相关文章
热门标签
日期归档

版权所有© 阅读时间 | 备案: 鄂ICP备12015973号-1 | www.timetimetime.net . All Rights Reserved | 网站地图