來源：AMiner

作者: Jansfer

如果我們對一個(gè)半歲大的嬰兒進(jìn)行實(shí)驗(yàn)，當(dāng)嬰兒看見一輛玩具卡車從桌子邊緣行駛出去，在空中盤旋時(shí)，嬰兒似乎不會(huì)大驚小怪，但兩三個(gè)月后再進(jìn)行相同的試驗(yàn)時(shí)，嬰兒會(huì)立刻意識(shí)到卡車出了一些“問題”。

 

 

圖片來源：GETTY

顯然，這個(gè)嬰兒在沒有人教他的情況下，就已經(jīng)自己了解了重力的概念。Facebook首席人工智能科學(xué)家、紐約大學(xué)教授yann lecun在近日由工業(yè)機(jī)構(gòu)計(jì)算機(jī)械協(xié)會(huì)( Association for Computing Machinery)組織的網(wǎng)絡(luò)研討會(huì)上說：“沒人告訴嬰兒物體應(yīng)該墜落，剛出生的嬰兒并不具備非常復(fù)雜的運(yùn)動(dòng)控制，但他們?nèi)匀欢�得了重力的概念，這是因?yàn)樗麄儗κ澜缌私夂芏嗍峭ㄟ^觀察得到的。而這一理論可能對希望推進(jìn)人工智能領(lǐng)域的研究人員具有重要意義。”

深度學(xué)習(xí)是人工智能算法最炙手可熱的一個(gè)范疇，它開啟了該領(lǐng)域的最新革命。深度學(xué)習(xí)在賦予機(jī)器視覺能力方面取得了巨大的進(jìn)步，但它并沒有給他們灌輸復(fù)雜的推理，機(jī)器學(xué)習(xí)到的完全是基于現(xiàn)實(shí)的概念模型。換言之，機(jī)器并不真正了解它們周圍的世界，這使得它們無法與周圍實(shí)現(xiàn)真正的接觸。新技術(shù)正在幫助克服這一限制，例如，通過給機(jī)器一種工作記憶，使它們在學(xué)習(xí)和推導(dǎo)基本事實(shí)和原則時(shí)，能夠積累起來，以便在未來的交互中發(fā)揮作用。

但lecun認(rèn)為對這一方面的研究還有很多問題。“很明顯我們錯(cuò)過了什么，一個(gè)嬰兒在看到兩張照片后就可以對一頭大象產(chǎn)生理解，而深度學(xué)習(xí)算法需要看到數(shù)千張照片。一位青年通過練習(xí)20個(gè)小時(shí)就能學(xué)會(huì)安全駕駛，而且會(huì)在沒有第一次經(jīng)歷碰撞的情況下就能設(shè)法避免碰撞，而強(qiáng)化學(xué)習(xí)算法必須經(jīng)過數(shù)千萬次試驗(yàn)，而這其中必然包括許多嚴(yán)重的失敗。”他認(rèn)為，問題的關(guān)鍵于一個(gè)現(xiàn)階段被嚴(yán)重低估的深度學(xué)習(xí)子類別，即無監(jiān)督學(xué)習(xí)。基于監(jiān)督和強(qiáng)化學(xué)習(xí)的算法可以通過人的輸入來實(shí)現(xiàn)一個(gè)目標(biāo)，而無監(jiān)督的算法完全獨(dú)立地提取數(shù)據(jù)中的模式。近年來，由于這種無監(jiān)督算法能夠發(fā)現(xiàn)數(shù)十億字之間的關(guān)系，因此在自然語言處理中有很廣泛的應(yīng)用空間，這對于構(gòu)建文本預(yù)測系統(tǒng)(如自動(dòng)完成)或智能生成那些以假亂真的散文很有用。但是其他領(lǐng)域的人工智能研究絕大多數(shù)集中在監(jiān)督或強(qiáng)化學(xué)習(xí)上。

Lecun認(rèn)為目前的研究重點(diǎn)應(yīng)該轉(zhuǎn)移。他表示，作為人類，我們所學(xué)的一切幾乎都是通過自我監(jiān)督的學(xué)習(xí)來學(xué)習(xí)的。我們通過有監(jiān)督的學(xué)習(xí)來學(xué)習(xí)，而通過強(qiáng)化學(xué)習(xí)來學(xué)習(xí)的東西很少。因此，機(jī)器學(xué)習(xí)或人工智能的絕大多數(shù)也應(yīng)該是自我監(jiān)督學(xué)習(xí)。那么這在實(shí)踐中會(huì)是什么樣子的呢?研究人員應(yīng)該從關(guān)注時(shí)間預(yù)測開始。換言之，訓(xùn)練大型神經(jīng)網(wǎng)絡(luò)，在給出第一個(gè)視頻時(shí)預(yù)測下半個(gè)視頻。雖然不是我們這個(gè)世界上的一切都可以預(yù)測，但這的確是嬰兒認(rèn)識(shí)到玩具卡車應(yīng)該墜落的能力背后的基礎(chǔ)技能。實(shí)際上，這是對頭腦中所發(fā)生事情的一種模擬。一旦該領(lǐng)域發(fā)展出完善這些能力的技術(shù)，它們也將有重要的實(shí)際用途。在自動(dòng)駕駛汽車的背景下做視頻預(yù)測是個(gè)富有前景的方向，因?yàn)槟憧赡芟胩崆爸�道街上其他汽車�?huì)做什么。

最終，無監(jiān)督的學(xué)習(xí)將幫助機(jī)器建立一個(gè)世界模型，然后可以預(yù)測未來的世界狀態(tài)。這是一項(xiàng)遠(yuǎn)大的抱負(fù)，人工智能的下一次革命會(huì)是“無監(jiān)督的”。

參考：https://www.technologyreview.com/s/613954/the-next-ai-revolution-will-come-from-machine-learnings-most-underrated-form/

標(biāo)簽： 深度學(xué)習(xí)

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。