江苏龙网

  1. 首页 > 资讯 > 科技 > >

推理能力想要推理能力比肩人类 AI先得换种学习方式( 二 )


王金桥认为 ， 这有点类似于勒昆说的 ， 自监督学习无需创建大量带有标签的数据集 ， 例如用大量猫和狗的图片 ， 让机器认识猫和狗的不同；也不用花费数千个小时训练Alpha Zero这样的国际象棋游戏机器人 ， 而是只需获取一些丰富的原始数据 ， 例如视频 ， 然后喂给计算机 ， 训练机器预测视频中即将出现的画面 。
不管是人类 ， 还是动物 ， 在学习大多数事物时 ， 都是在自我监督的模式下进行的 ， 而不是强化学习模式 。 这个模式本质上就是观察这个世界 ， 然后不断与之增进互动 ， 这种观察是自发的 ， 而不是在测试条件下完成的 。 勒昆在2020 ICLR大会上表示 。
达到类人水平还需算法理论突破
在几位专家看来 ， 目前想通过自监督学习实现机器的类人逻辑能力 ， 还前路漫漫 。
陈松灿认为 ， 自监督学习需要解决数据的不确定性问题 ， 即积累的数据与要完成的任务的匹配性问题 。 例如 ， 利用自监督学习训练的自动驾驶系统 ， 可以通过机载的测速仪、方向仪 ， 学习安全行驶的方向和速度信息 。 但以现在的技术水平来说 ， 如果行人横穿马路 ， 而此前标记的信息与行人横穿马路不搭界 ， 那自动驾驶系统就会无法做出判断 ， 发出指令 。
王金桥表示：从监督学习到自监督学习 ， 就像先让机器知道什么是1234 ， 才能算加减乘除一样 。 目前的自监督学习还非常初级 ， 仅有一些小的、封闭的数据集 。
他说 ， 目前制约自监督学习的因素涉及大数据积累、小样本监督 ， 以及自主进化、认知未知数据的能力 。 在数据积累阶段 ， 还需要把数据做得更规范 ， 搭建的深度学习网络要有能支持自监督学习的能力 ， 能让机器自己生成标签 。 在样本监督学习阶段 ， 要解决样本不均衡的问题 ， 例如要让机器学会分辨猫和狗 ， 那么猫和狗的案例数量要匹配 ， 同时要去除数据噪音 ， 不要把干扰图像混入 。
关键是要让自监督学习产生认知的能力 ， 而不只是代替人类的视觉、听觉、触觉 ， 要从感知智能过渡到认知智能 ， 让机器建立自己的知识图谱 ， 能与人的思辨能力和知识图谱对接 ， 能进行知识表述和高阶推理 。 王金桥说 。
但目前所有的不完美 ， 并不影响两位图灵奖得主的信心 。 本吉欧认为 ， 相比于动物 ， 人类之所以聪明 ， 是因为我们有自己的文化 ， 让我们能够解决这个世界的问题 。 要想让人工智能在现实世界中发挥作用 ， 我们需要它不仅仅是有翻译功能 ， 更需要它能够真正理解自然语言 。
而在勒昆看来 ， 如果说人工智能是一块蛋糕 ， 那么自监督学习就是其中最大的一块 。


推荐阅读


上一篇：|数据库有哪些分类？应该怎样选择？终于有人讲明白了

下一篇：酷潮科技范|安卓手机长时间使用都会变卡吗？