当前位置:亚洲城官网手机版 > 人文博文 >

复杂神经元网络或可为复杂系统建模带来曙光—

发布时间:2017-12-04 阅读:

  复杂的神经元网络可能为复杂的系统建模带来曙光

  日前,由中国科学技术协会主办的学术界和中国模拟技术学会主办的第121届新观点新理论在广西桂林举行。来自中国科学院,中国科学院,国防大学等机构的近30位专家学者参加了会议。这个沙龙的主题是认知模拟:理解和管理复杂系统的最终方法。中国模拟仿真学会副会长,国防大学胡晓峰教授,中国科学院自动化研究所研究员王飞跃等领军科学家。

  胡晓峰指出,传统建模的基本原理是结果是可重复的,所有的建模对象都是自然系统,符合现有的科学规律,基于相似性原则。但是,复杂的制度是不可分割的,不存在可加性,适应性,结构动态性是可变的,因果关系不明确,结果是不确定的。最近,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,但都面临着缺乏形式化知识建模方法的问题,类似知识如经验,直觉记忆是建立在各种知识相互缠绕的基础上的,难以用简单的因果形式来表达。

  近年来,人工智能受到了广泛的关注。特别是由于阿尔法狗击败人类棋手,为复杂系统建模研究提供了很多启发。据胡晓峰介绍,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存在一些问题。对认知建模的需求,Alpha狗用来创建复杂的神经网络方法的深入学习,可能能够带来一线光线来解决这个问题。

  胡晓峰还表示,阿尔法狗使用的增强学习方法不仅打败了Go,还揭示了复杂系统建模的可能性。但是,这种方法既不能被高估,也是无所不能的;也不能被低估,忽略了它在智能认知方法中取得的突破和潜在的颠覆含义。

  胡晓峰认为,深层学习的核心是通过多层神经网络形成的概念,规律等知识的理解。人脑认知深度结构,需要逐层训练,逐步抽象得到认可。但是,层次越多,计算量越大,需要的数据就越多,理解的概念就越复杂。因此,建立神经网络需要大规模的计算能力,这是一个先决条件。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体系,胡晓峰认为,阿尔法狗的突破是寻找新一代的神经网络方法,方法But也适应了电子游戏和德州扑克等多种形式,但需要指出的是,认知智能模型的研究可以解决复杂的系统理解和管理问题,但也可能带来更多的新问题,因为它可能激发系统产生更复杂的演变,导致安全,社会等问题出现。

  在为期两天的会议中,出席会议的专家一致认为,复杂的系统建模是仿真学科发展的必由之路。传统的模拟方法已经到了十字路口,迫切需要学术界进一步探索,形成中国自己的复杂系统仿真建模理论。

关键词: 人文博文