|
hp108:学习中。模糊数学是否会在人工智能方面得到应用呢?
应行仁:模糊数学在一些简单的智能控制装置中,如电饭锅等,已有些应用,但隶属函数没有抓住本质,难有大的发展。模糊判断只是神经网络的一种属性,现在的主流在人工神经网络。
王立新:不懂就不要乱说,这是对一个科学家最基本的要求。模糊系统是计算智能(computational intelligence)三大支柱之一(另外两大支柱是神经网络和遗传算法),是人工智能符号主义最成功的分支之一。
应行仁:模糊数学创建人Zadeh 1980年访华讲学时是我的同学袁正雄做翻译,我随后在自动化年会和自动化学报上介绍模糊控制,我们大约是将模糊数学最早介绍到国内的几个人。1989年我参与国内人工智能国家基金的审批,1990年与北大清华系统所自动化所共同拥有“复杂系统”863重大基金,我负责智能控制部分。那时人工神经网络和遗传算法正热,模糊发展已经失去势头,它可以看作神经网络实现的一种简化的推理功能。AI发展又过十多年的平淡期后,又在神经网络上有所突破,从2006年起,AI研究的主流是深度学习。
如果是做工程应用,即使没什么新意,如电器设计等也还是需要有人做的,如果想做科学研究,还是至少要多了解些学科的主流和趋势。
王立新:明白了 -- 应老师对模糊系统的认识还停留在二十多年前,所以才有回复中的观点。
我觉得一个优秀的科学家应该“活到老、学到老”(生命不息,探索不止,童心不泯,浪漫永存),我也觉得应老师是一位优秀的科学家,所以真诚地邀请应老师了解一下模糊系统近二十多年来的发展。其实也花不了太多的时间,对于一些要点问题可以从我下面的几篇博文及其中的论文链接入手:“王飞跃 PK 王立新:14年前的故事” :http://blog.sciencenet.cn/blog-2999994-951407.html ;“PK系列之二:朱豫才 PK 王立新–– 读经典,学正道,拒无知” :http://blog.sciencenet.cn/blog-2999994-951834.html ;“PK系列之四:朱豫才 PK 王立新(续)–– 关公战秦琼” :http://blog.sciencenet.cn/blog-2999994-953374.html 。
希望应老师对模糊系统与模糊控制的发展发表真知灼见。我的“PK系列”很久没有写了 -- 找不着对手,很苦恼。
应行仁:欣赏你对模糊领域的坚持和努力,不过它在过去的三四十年并没有新意和发展确是学术界的主流的看法。现在模糊的些许文章,只是在技术应用上,不在科学研究上。
我并无看轻技术的应用的意思,相反还很认为这比没有任何思想数学推导的论文更有价值。但是这类应用性的研究在美国多不在学校做了,而是公司开发人员的工作,因为学术研究重视的是新思想和有发展前途的新方向。
另外,模糊系统和遗传算法都不属于符号主义的AI,符号主义是基于严格的数理逻辑推理。在现在深度学习的教科书中,分别有些章节介绍统计分析,模糊逻辑,遗传算法,模式识别,专家系统等,其中介绍模糊逻辑仍然是Zadeh四十年前的内容,介绍这些历史上有过的智能研究的创意,只是为神经网络学习算法研究作为参考的内容。
王立新:应老师的回复让我联想起前不久应老师和一位计算机科学家关于神经网络问题的讨论,那位计算机科学家不懂神经网络,而且又不愿意去学习,所以讨论就像对牛弹琴,根本无法构成一个有意义的科学讨论。我现在面临着同样的烦恼。
关于所谓“学科的主流和趋势”,这是一个非常糟糕的科研思路,是我国缺乏原创性研究的一个重要原因。科学研究应该从“问题”出发,这“问题”可以是一个具体的实际问题,也可以是一个抽象出来的理论问题,深入钻研这个问题的方方面面,找出最好的解决方法,这样才能做出创新性的成果。
十年前人工神经网络根本不是“学科的主流和趋势”,如果那时做一些深度学习的研究,很可能成为经典,现在只能跟着别人跑,给别人抬轿子。
应行仁:主流和趋势是科研人员必须了解对现状的认知,至于是否跟从则是自己的选择,各有优劣,反潮流者除了勇气还需要有实力和清醒的头脑。
在主流之外的奋斗者注定是孤独的,与其呼吁大众的认可不如埋头苦干。模糊数学除了概念和最初的控制应用外,三四十年来确实没有学术上可以称道的新意,若有新的突破,大众自然会刮目相看。科学上一个新创意都会带来10年的繁荣。人工神经网络也曾经几度沉寂过,若没有50年代的Perceptron,80年代的propagation,新世纪的deep learning接力也没有今天的成就。但这些突破都有一些时代的背景,不是光努力就行的。
王立新:IEEE模糊系统会刊的影响因子是8.7,是所有IEEE期刊杂志中最高的(第一名),如果没有大众的“刮目相看”,怎么会有这么高的影响力?
应行仁:影响因子和学术新意是两回事。你自己也提到因为模糊并不被学术界所待见,感到烦恼。我想这问题没必要多说了。
王立新:科学研究应该从“问题”出发,而不是跟潮流或者逆潮流,这我觉得是搞科研的常识,难道应老师不同意这点吗?
应行仁:从问题出发和从新潮思路受启发是两回事,科研的潮流经常是当前市场希望解决并且可能解决的问题,这不应该把它们对立起来。
王立新:Deep Learning是由于Hinton的不懈努力而成功的,与时代背景没有关系(当时的背景对于ANN研究是很差的)。
应行仁:Deep Learning虽然是某些人不懈努力而成,但离不开互联网的时代需求到来时众多的投入。人工神经网络两次复兴的关键创意其实在复兴前很长时间都有些论文述及,只是需求的到来才能使它们发光。时代的需求是科研的真正动力,时势造就英雄,没有张三也有李四成为创意的旗手。而走入死角的方向,再努力也没用。
王立新:至于模糊领域几十年来的发展,就太多了,我都不知从何说起了。1999年我在宝钢学术休假一年,他们从日本进口的最先进的冷轧线的最优参数设定系统就是模糊系统,是技术核心。还有NASA的模糊控制应用,等等。学术方面的开创性成果也很多,比如万能逼近模糊系统、定量定性信息的融合、股票价格动态模型、社交网络不确定性的传播,等等。
应老师能否就这些具体的理论或应用,逐一、具体地谈一谈为什么您觉得它们没有“可以称道的新意”,这样我也好回应;只是泛泛地说“没有学术上可以称道的新意”,给人的感觉是并不了解这些最新的发展,谈不出个所以然,只有泛泛地说一说,保持“政治正确”就行。
应行仁:我已经说过多次了,技术上的研究和学术上探索的是不同的。所有成为过去的领域,只要还有应用都不断还有文章,科研人员不断要有文章为考绩服务,这已是研究成为职业的现象,只是对这些文章大众不再关注而已。是不是有学术新意,得到人们的认可,你自己心中有数,不然何须如此呼吁和争辩。
王立新:希望得到应老师的回复,这样我的下一篇“PK系列”博文就差不多有着了了。谢谢!
应行仁:我欣赏你坚守模糊阵地努力的精神,但宣传争辩希望引人注目并不能改变事实,科学的正道还是在研究上多花时间做出成绩,只要有真正的创意,自然会得到人们的重视。我已经解释很多与这博文无关的议题,希望这些讨论足够你的新文章,我就不再参与讨论了。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-1 08:55
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社