探索人工智能未来十年：从感知到认知与深度学习进展

"Next-AI10.pdf"文档由唐杰老师提供，他是清华大学计算机科学系的研究者，其主页位于<http://keg.cs.tsinghua.edu.cn/jietang/>。这份PPT探讨了人工智能领域的重要发展趋势和里程碑事件，重点关注了过去十年的进展以及未来十年的预测。 首先，演讲涉及的主题包括“人工智能的第三次浪潮”，暗示着人工智能技术正在经历一个重要的转折点，可能意味着更深层次的突破和应用。在过去的十年里，从“从感知到认知”的转变尤为关键，这里的“感知”指的是计算机对文本、图像、声音等的识别能力，而“认知”则指处理和生成知识、进行推理的能力，这要求更高的存储与计算能力。 在机器学习方面，演讲详细列举了各种模型和技术，如图形模型（如因子图和指数模型）、主题模型（如PLSI和LDA）、分类模型（决策树、贝叶斯分类器、感知机、神经网络、深度学习等）以及强化学习算法（如Q-learning、策略梯度、Actor-Critic和TRPO）。值得注意的是，该内容也提及了深度学习的里程碑，如深度神经网络（DNN）、卷积神经网络（CNN）、残差网络（ResNet），以及深度强化学习应用，如深度Q网络（DQN）、视觉问答网络（VIN）和A3C。 此外，演讲还提到了一些重要算法的发展历史，例如深度确定性政策优化（DDPG，2015年）、基于字符的卷积神经网络（CharacterCNN，2015年）以及Transformer模型（2017年），展示了技术演进的连续性和影响力。同时，Perceptron（1958年由Frank Rosenblatt在Cornell大学提出）也被作为早期人工智能的重要里程碑提及。 整个演讲内容既回顾了人工智能的历史，又展望了未来的技术前沿，涵盖了从基础理论到实际应用的广泛范围，对于理解人工智能的最新动态和趋势具有很高的价值。想要获取更多详细资料，可以直接访问唐杰老师的主页或者通过搜索引擎搜索“JieTang”。