原創(chuàng) | 文 BFT機(jī)器人?

記憶對(duì)于機(jī)器來(lái)說(shuō)，可能和人類(lèi)一樣，感到棘手。為了準(zhǔn)確理解為什么人工智能在其認(rèn)知過(guò)程中會(huì)出現(xiàn)漏洞，俄亥俄州立大學(xué)的電氣工程師通過(guò)探究機(jī)器的“持續(xù)學(xué)習(xí)”過(guò)程，從而分析它們整體表現(xiàn)中的影響程度。

“持續(xù)學(xué)習(xí)”是指計(jì)算機(jī)經(jīng)過(guò)訓(xùn)練，能夠不斷學(xué)習(xí)一系列任務(wù)，利用從舊任務(wù)中積累的知識(shí)，來(lái)更好地學(xué)習(xí)新任務(wù)。

然而，要想達(dá)到這樣的高度，科學(xué)家們?nèi)匀恍枰朔C(jī)器學(xué)習(xí)中記憶喪失的障礙一一這一記憶喪失的過(guò)程在人工智能代理中被稱(chēng)為“災(zāi)難性遺忘”。

俄亥俄州著名學(xué)者暨俄亥俄州立大學(xué)計(jì)算機(jī)科學(xué)與工程教授Ness Shroff表示，隨著人工神經(jīng)網(wǎng)絡(luò)在一個(gè)接一個(gè)的新任務(wù)上不斷接受訓(xùn)練，它們往往會(huì)丟失從在舊任務(wù)中獲得的信息，但伴隨著社會(huì)對(duì)人工智能系統(tǒng)的依賴(lài)性逐漸增強(qiáng)，這一漏洞就成為了會(huì)影響社會(huì)正常運(yùn)行的問(wèn)題。

Shroff說(shuō)：“在自動(dòng)駕駛應(yīng)用程序或其他機(jī)器人系統(tǒng)學(xué)習(xí)新任務(wù)時(shí)，最重要的是不要丟失他們已經(jīng)習(xí)得的經(jīng)驗(yàn)，這么做是為了雙方的安全，在我們深入研究了這些人工神經(jīng)網(wǎng)絡(luò)中持續(xù)學(xué)習(xí)的復(fù)雜性后，我們的研究成果開(kāi)始彌補(bǔ)機(jī)器學(xué)習(xí)方式與人類(lèi)學(xué)習(xí)方式之間的差距。

Shroff說(shuō)，據(jù)研究人員發(fā)現(xiàn)，就像人們可能很難回憶起類(lèi)似場(chǎng)景的對(duì)比事實(shí)，但卻能輕松地記住本質(zhì)上不同的情況一樣，當(dāng)連續(xù)面對(duì)不同的任務(wù)時(shí)，人工神經(jīng)網(wǎng)絡(luò)可以更好地記憶信息，而不是共享相似特征的任務(wù)。

該團(tuán)隊(duì)包括俄亥俄州立大學(xué)博士后研究員林森和朱培忠，以及梁英斌和Shroff教授，將于本月在夏威夷火奴魯魯舉行的第40屆國(guó)際機(jī)器學(xué)習(xí)年會(huì)上介紹他們的研究，這是一次機(jī)器學(xué)習(xí)的旗艦會(huì)議。

雖然教會(huì)自主系統(tǒng)展示這種動(dòng)態(tài)、終身學(xué)習(xí)的能力是十分具有挑戰(zhàn)性的一件事，但擁有這種能力將使科學(xué)家能夠以更快的速度來(lái)擴(kuò)展機(jī)器學(xué)習(xí)算法，并輕松調(diào)整它們，以應(yīng)對(duì)不斷變化的環(huán)境和意外情況。從本質(zhì)上講，這些系統(tǒng)的目標(biāo)是讓它們有朝一日能夠模仿人類(lèi)的學(xué)習(xí)和運(yùn)用知識(shí)的能力。

傳統(tǒng)的機(jī)器學(xué)習(xí)算法是一次性在數(shù)據(jù)進(jìn)行訓(xùn)練的，但該團(tuán)隊(duì)的研究結(jié)果表明，任務(wù)相似性、負(fù)相關(guān)性和正相關(guān)性，甚至是算法學(xué)習(xí)任務(wù)的順序等因素，對(duì)人工網(wǎng)絡(luò)保留某些知識(shí)的時(shí)間長(zhǎng)短都有影響。

例如，為了優(yōu)化算法的記憶，Shroff說(shuō)，不同的任務(wù)應(yīng)該在持續(xù)學(xué)習(xí)過(guò)程的早期進(jìn)行教授。這種方法擴(kuò)展了神經(jīng)網(wǎng)絡(luò)接收新信息的能力，并提高了后續(xù)繼續(xù)學(xué)習(xí)更多類(lèi)似任務(wù)的能力。???

Shroff說(shuō)，他們的工作尤為重要，因?yàn)榱私鈾C(jī)器和人腦之間的相似性可以為更深入地理解人工智能鋪平道路。

他說(shuō)，“我們的工作預(yù)示著一個(gè)智能機(jī)器的新時(shí)代，他們可以像人類(lèi)一樣學(xué)習(xí)和適應(yīng)?！?/p>

這項(xiàng)研究得到了美國(guó)國(guó)家科學(xué)基金會(huì)和陸軍研究辦公室的支持。

初稿 | Tina

終稿 |?居居手

排版 | 居居手

更多精彩內(nèi)容請(qǐng)關(guān)注公眾號(hào)：BFT機(jī)器人

本文為原創(chuàng)文章，版權(quán)歸BFT機(jī)器人所有，如需轉(zhuǎn)載請(qǐng)與我們聯(lián)系。若您對(duì)該文章內(nèi)容有任何疑問(wèn)，請(qǐng)與我們聯(lián)系，將及時(shí)回應(yīng)。文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-609743.html

到了這里，關(guān)于未來(lái)的人工智能算法有可能像人類(lèi)一樣學(xué)習(xí)的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！