近日,由北京年夜学人工智能研究院与北京通用人工智能研究院配合完成的研究功效——“人类程度的小样本观点学习”,在国际学术期刊《科学·入铺》上颁发。这一功效首次让人工智能体系在没有年夜数据训练的环境下,能像人类同样经由过程观点学习以及逻辑推理的方法完成学习使命。
人工智能体系主要以海量数据为根本,操纵年夜量算力以及存储入行数据“检索”,焦点范式是深度学习。比年来,这种人工智能取患上显著入铺,出生了以天生式人工智能为代表的热点运用。国际学术前沿追赶的另外一个核心是“小样本观点学习”,这一人工智能范式旨在探索教会人工智能体系掌握抽象观点学习以及认知推理的能力。
论文通信作者、北京年夜学人工智能研究院助理传授朱毅鑫诠释:“这是一种‘触类旁通’的能力。比方,咱们在打游戏的时辰,不必要打成千上万局游戏,而是在察看学习后就能够本身上手。又如,咱们小时辰经由过程察看别人举动,就能学会根基的社交规范,并将其运用到分歧场所。”
在数据匮乏或者仅有少许数据以及抽象观点的时辰,“小样本观点学习”便有了用武之地。“这类方法在不必要算力或者数据聚积、本钱可控的环境下也能求解不少问题。”论文第一作者、北京通用人工智能研究院研究员张驰先容,北京年夜学传授朱松纯早在上世纪90年月就提出了一种研究思绪,即用统计数据建模的方法找泛起有少许数据间的接洽,用高效率的算法来取代穷举,从而求解问题。
这一方式最先运用于计较机视觉领域的图片天生模子。朱毅鑫说,那时计较机视觉领域有一类难题鸣作“甚么是纹理”。好比,两张有着较着差异的纹理图片,若是用计较机视觉入行逐个像素的比对,就会认为是纷歧样的,但若用人的肉眼辨认则会认为是不异的。“这是由于人类去去凭据图象中的统计纪律来比对,若是统计纪律一致,咱们就认为两张图片是同样的。”
受此研究思绪的开导,研究团队立异性地提出了高效解决抽象推理问题的方式,将一些抽象推理问题转化为易于求解的优化问题,令人工智能经由过程快速迭代以及建模取患上使人得意的效果。在团队组织展开的多项测试中,该学习模子战胜了高程度的人类选手,在迈向通用人工智能的道路上更入一步。“将来咱们将在智能交通、伶俐医疗等领域推动相干功效的落地运用,促成科技功效转化。”张驰暗示。
《 人平易近日报 》( 2024年04月29日 19 版)