深度学习AI需更类人化的机器学习方法
2023年07月31日 由 daydream 发表
389779
0
科学家们表示,他们离创造能够模仿人类学习的人工智能更近了一步。
上周在檀香山举行的机器学习会议上,俄亥俄州立大学的研究人员表示,他们分析了一种被称为"持续学习"的过程,这种过程使计算机能够在不忘记以前知识的情况下不断获得新技能,就像人类在先前经验的基础上学习新事物一样。
该团队表示,人工神经网络可能会遭受"灾难性遗忘"的问题,这意味着当它们接受新任务时,会丢失先前训练的信息。这在自动驾驶汽车等领域越来越依赖于AI系统的情况下带来了问题。
俄亥俄州立大学的计算机科学和工程系教授、俄亥俄州卓越学者尼斯·斯罗夫(Ness Shroff)在领导这项研究时表示:“在自动驾驶应用程序或其他机器人系统学习新事物时,重要的是它们不要忘记已经学到的教训。"
该研究揭示了一个发现:与人类类似,当人工网络接受多样性、不同特点的任务训练,而不是只接受相似特征的任务训练时,它们能更好地保留信息,在早期阶段为算法提供各种各样的任务会扩展其吸收新信息的能力。
斯罗夫表示:"我们的工作预示着一个新时代的智能机器,它们能够像人类一样学习和适应。"
这项研究使科学家们更接近于开发出具有终身、类人学习能力的人工智能。这将加快算法的扩展速度,并使其能够适应不断变化的环境。
这项俄亥俄州立大学的研究是第40届国际机器学习大会上众多论文报告之一。
该会议还展示了麻省理工学院团队的工作,他们表示他们开发了一种技术,通过向源图像注入微小的干扰代码,可以破坏深度伪造图像的创建。
科技巨头谷歌表示其人工智能和机器学习研究包含在80多篇国际机器学习大会的科学论文中,包括3D蛋白质建模器AlphaFold的演示、融合科学的进展以及针对机器人学的PaLM-E和基于文本生成视频的Phenaki等新模型。
谷歌DeepMind的科学、技术与社会事务总监沙基尔·穆罕默德(Shakir Mohamed)在一篇博客文章中发表了关于以社会目标指导机器学习的主题演讲。谷歌DeepMind是该活动的主要赞助商。
穆罕默德在博文中写道:"从医疗保健到气候变化,机器学习在解决重大挑战和推动社会进步方面具有巨大潜力。通过汇集多元化的声音,我们可以开发造福全人类的人工智能。"
来源:https://decrypt.co/150620/ai-learn-like-humans-catastrophic-forgetting-machine-learning-conference