您尚未登录账户
您的企业账号申请正在审核中
机器学习如何使计算机思考得更快、工作得更智能
在快速发展的商业和技术领域，优化计算效率是开拓新领域的关键。在7月23日至29日在檀香山举行的国际机器学习会议上，研究人员发表了一篇论文，探讨名为Ford-Fulkerson的算法(计算网络中的最大流量)是否可以通过机器学习更快地工作。
大型软件通常需要多台机器和数百小时的计算能力来解决行业问题。通过将机器学习与问题解决技术相结合，计算机可以更快地分析和处理数据。另一个好处是：公司可以节省能源，因为计算机工作效率更高，耗电量更少。
“我们经常在实践中观察到一些与算法性能相关的现象，我们并不完全理解为什么会发生这种情况。西北大学博士后研究员萨米·戴维斯博士说:“一个例子是预热启动的有用性。”“如果我们能弄清楚事情发生的原因，那么我们就能利用它，把它变成我们的优势。”
什么是“预热启动”?想象某人第一次玩电子游戏；玩家不熟悉游戏和他们将要面对的障碍。玩家在接近新游戏时，会使用他们过去玩过的类似游戏的知识。这种优势就像“预热启动”。
Benjamin Moseley博士是卡内基梅隆大学泰珀商学院的副教授，也是发表在第40届机器学习国际会议论刊上的这项研究的合著者，他指出，自20世纪70年代以来，企业一直在使用热启动算法设计。
Moseley说:“我们想探索机器学习是否可以与传统技术相结合，以解锁性能改进。”“特别是，我们的问题是：预测的解决方案是否可以作为一个起点，从而使软件运行得更快?”
在这项研究中，他们评估了图像分割，这是计算机分析图像以将对象从背景中分离出来的核心问题。例如，在自动驾驶汽车中使用图像分割来检测和识别行人，在医学成像中用于识别肿瘤。
通过使用普通事物的照片，如人、动物和物体，他们测试了他们的理论，发现使用热启动的图像分割比冷启动的图像分割更快。
Moseley说:“这篇论文提供了一种解决方案，可以利用良好的预测，并且对预测错误具有很强的鲁棒性。”“通过建立企业已经使用了几十年的技术，我们的研究结果表明，这种方法可以提高计算速度，同时不会牺牲算法预测的准确性或可靠性。”
Moseley指出，仍有一些挑战需要克服，比如当预测出错时该怎么做。他们还想探索其他算法是否可以从类似的技术中受益。
