每次放完暑假回到學(xué)校時，我們可能會抱怨忘記了上一個學(xué)期所學(xué)的大部分內(nèi)容。但如果你能夠像人工智能一樣學(xué)習(xí)，你會發(fā)現(xiàn)我們的大腦其實與人工智能學(xué)習(xí)的邏輯非常相似。
人工智能系統(tǒng)傾向于在接收新信息的時候清除先前所學(xué)到的信息，這被稱為“災(zāi)難性遺忘”。在分析了無數(shù)尖端算法人工智能學(xué)習(xí)的案例后，我們發(fā)現(xiàn)這是人工智能學(xué)習(xí)過程中面臨的重要問題。
例如，用于面部識別的人工智能系統(tǒng)會分析數(shù)千張人臉的照片，其中一些可能是已經(jīng)進(jìn)行注解的照片，以便人工智能系統(tǒng)能夠識別出具有相關(guān)特征的人臉。但是因為人工智能系統(tǒng)本身并不理解他們所做事情的基本邏輯，所以在教他們做其他相似的檢測，像識別某種特定情感時，就意味著我們需要從零開始重新訓(xùn)練人工智能系統(tǒng)。一旦特定算法被訓(xùn)練完成，便不再接受外部的其他更新。
多年來，從事人工智能的科學(xué)家們一直試圖弄清楚如何解決該問題。如果他們能夠成功突破這個問題，那么人工智能系統(tǒng)將有能力從一組全新的訓(xùn)練數(shù)據(jù)中進(jìn)行學(xué)習(xí)，而非覆蓋他們在學(xué)習(xí)過程中已然知曉的大部分內(nèi)容。但就目前為止，“災(zāi)難性遺忘”仍然是阻礙科學(xué)家們構(gòu)建人工智能的主要難點之一?；蛘哒f，是構(gòu)建那些我們在電影中所見的那種富有想象力和情感的人工智能的難點之一。
上周在布拉格參加人類人工智能聯(lián)合多方會議的一些人工智能專家在對Futurism的采訪中表示，“災(zāi)難性遺忘”問題是他們不希望人工智能以及類人化人工智能在近期面世的最重要原因之一。
但DeepMind的研究科學(xué)家Irina Higgins在會議中的演講環(huán)節(jié)卻表示，她和她的團(tuán)隊已經(jīng)破解了相關(guān)代碼攻克這一難題。
Higgins研發(fā)了一個人工智能角色，某種意義上很像一個由人工智能算法控制的電子游戲角色，它可以比傳統(tǒng)算法更有創(chuàng)造性的去思考。它甚至可以想象自己在一個虛擬環(huán)境中所遇事物在其他空間維度的類比。換句話說，神經(jīng)網(wǎng)絡(luò)賦予了它識別虛擬環(huán)境中所遇事物的能力。
這與人類的想象邏輯完全不同，在人腦的想象邏輯中我們可以完全憑空想象出全新的圖像。然而人工智能的想象邏輯并不像人腦那般繁瑣，人工智能是通過在配置中看到過的物體來想象它的樣子。
Higgins說：“我們希望機(jī)器能夠在探索中學(xué)習(xí)常識，這樣一來它便不會對自身造成損害。”假設(shè)你正在穿越沙漠你會沿路遇到仙人掌。你可能認(rèn)識到這種植物是仙人掌，因為之前在哪里學(xué)習(xí)過或見過。即便是你從沒聽過的植物，你也可以在腦海中大概賦予它你想象中的樣子。
而現(xiàn)在Higgins的人工智能系統(tǒng)幾乎也可以實現(xiàn)相同的想象邏輯。只需要提供特定物體的5個不同角度的范例，人工智能角色就能夠了解這個特定物體是什么，這個物體與環(huán)境的關(guān)系，以及該物體在其他角度和不同光線下的外觀看起來是什么樣子。
在Higgins早前發(fā)布的博客論文中重點介紹了如何訓(xùn)練算法來識別白色手提箱和座椅，訓(xùn)練之后，Higgins的算法可以想象手提箱和座椅在全新虛擬環(huán)境中的外觀，并且能夠在之后遇到該物體時準(zhǔn)確識別到對象。
Higgins說：“我們運(yùn)行我用來激勵系統(tǒng)模型的所需設(shè)置，然后我們從一個特定環(huán)境中呈現(xiàn)某一圖像，并要求模型想象它在其他不同環(huán)境中的樣子。”
Higgins的新算法在學(xué)習(xí)過程中表現(xiàn)優(yōu)異，同時還可以預(yù)測出特定對象的數(shù)量及基本特征。簡而言之，該算法能夠在學(xué)習(xí)過程中記錄它遇到的內(nèi)容與之前所學(xué)內(nèi)容之間的差異。這也可以理解為系統(tǒng)并沒有學(xué)習(xí)一個新對象，而是在再次見到所學(xué)對象時用全新角度去學(xué)習(xí)，從而來接收新信息。
該人工智能系統(tǒng)能夠自動更新自身對世界的認(rèn)知，而無需重新從零開始學(xué)習(xí)一切。系統(tǒng)能夠?qū)⑵洮F(xiàn)有知識轉(zhuǎn)移并應(yīng)用于新環(huán)境，從而實現(xiàn)連貫的學(xué)習(xí)過程。
Higgins的新系統(tǒng)標(biāo)志著人工智能算法又邁出了重要的一步：可以不斷更新已知信息，在不丟失已學(xué)信息的情況下學(xué)習(xí)新知識。而這項研究現(xiàn)仍處于早期研發(fā)階段。與許多其他識別類人工智能系統(tǒng)一樣，這些算法在某些特定任務(wù)中仍受到一系列限制。
人工智能學(xué)習(xí)的未來發(fā)展方向?qū)窍袢艘粯佑袆?chuàng)造性的學(xué)習(xí)，而非僅僅像算法本身表現(xiàn)出的模樣。
本文節(jié)選／編譯自Futurism平臺的文章New Artificial Intelligence does something extraordinary - It Remembers, 原文作者Dan Robitzski，文中圖片來源Emily Cho.
當(dāng)機(jī)器人都開始創(chuàng)造性學(xué)習(xí)
你還敢停止思考嗎？
?{?#2J
