侵权投诉
焊接机器人 喷涂机器人 搬运机器人 装配机器人 切割机器人 其他机器人
当前位置:

OFweek机器人网

服务机器人

正文

【评论】迁移学习让人工智能举一反三

导读: 当你用手机订餐、购物、打车,享受着移动互联网带来的各种便利时,您的这些生活数据,正为“人工智能”贡献着力量。香港科技大学计算机科学及工程学系讲座教授兼系主任杨强表示,说起人工智能,很多人可能对基于大数据的人工智能很熟悉,但其实还有基于小样本的尝试和迁移,这也是人工智能的一种路径。

  当你用手机订餐、购物、打车,享受着移动互联网带来的各种便利时,您的这些生活数据,正为“人工智能”贡献着力量。

  香港科技大学计算机科学及工程学系讲座教授兼系主任杨强表示,说起人工智能,很多人可能对基于大数据的人工智能很熟悉,但其实还有基于小样本的尝试和迁移,这也是人工智能的一种路径。

  杨强指出,拥有大数据的人毕竟是少数,这样发展下去,拥有数据越多的人,就能做出越好的人工智能产品,反过来,因为能提供更加便捷的服务,这些人又能吸引更多的用户贡献数据。如此循环,就会形成一些“数据寡头”,进而成为“人工智能寡头”。

  “这会带来复杂的社会问题。从技术上来讲,小样本的迁移学习提供了一个缓解问题的方案,可以让初创公司在数据较少的领域也能提供人工智能的创新服务。”杨强说。

  大数据的依赖

  和天才的人类棋手相比,战胜李世石的alphago其实是个“笨小孩”,它观摩和训练的棋局数以千万计,胜在了“勤能补拙”。

  alphago结合了深度学习、强化学习和蒙特卡洛树搜索这三种算法,其中最主要的原理是深度学习。所谓深度学习,即搭建多层的人工神经网络,通过输入大数据来训练它的方法。围棋的大数据约从2000年开始积累,人们上网对弈的无数棋局逐渐汇聚成了人工智能的“启蒙教材”。

  事实上,目前各种风头正劲的人工智能应用,从搜索引擎、网购推荐到语音识别、自动驾驶,都离不开基于大数据的深度学习。

  不过,杨强指出,数据需求量太大正是目前人工智能的一个显著缺点。“最近十来年,我们才步入信息化时代,拥有大数据的领域还相对较少,这就制约了人工智能的发展。”

  因为深度学习必须具备大数据,而经过学习训练后的知识又很难迁移到新的领域,这也导致了计算机学习效率不高。有网友曾开玩笑,要和alphago比拼麻将,这恰恰戳中了它的软肋。alphago要学会打麻将,必须输入新的数据从头学起!

  深度学习还要求一个数据要对应一个标注,即告诉计算机一张图片或一段语音是什么意思,标注量的多少决定了人工智能的优劣。“在语音领域,你能标注1万小时,而我能标注7万小时,我就比你强。获得这种标注,虽然技术含量不高,但需要投入大量的人力和时间,因此很昂贵,像谷歌、百度这些大公司都是花很多钱让别的公司为他们标注数据。”杨强说。

  拥有越多数据,就拥有越多资本,而投入越多资本,又会获得越多标注的数据。“到时,所有的人工智能创新将全都集中在几家大公司手里。做不做新的技术,做什么样的新技术,全由这几家公司说了算。”杨强说,“这不是一件好事,这违反了人类所追求的自由。”

  小样本的尝试

  2005年,杨强提出了迁移学习的概念,目标是让计算机把大数据领域习得的知识和方法迁移到数据不那么多的领域,这样,计算机也可以“举一反三”“触类旁通”,而不必在每个领域都依赖大数据从头学起。

  在此之前,美国的科学家一直在尝试让计算机像人类一样,通过一个或几个例子就学会新知识,这套“案例学习”的理论发展了20多年,却很难从实验室进入工业领域。

  2005年,微软举办的世界数据挖掘大赛出了一道关于搜索的题,当时搜索正是研究界最热的话题。对用户来说,搜索论文和搜索美食没什么不同,但对计算机来说,则是从一个垂直领域切换到另一个垂直领域,每个领域都需要进行大数据的学习训练。那么,当一个没有太多数据的新领域出现时,能不能很快做出垂直搜索?

1  2  下一页>  
声明: 本文由入驻OFweek公众平台的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

我来说两句

(共0条评论,0人参与)

请输入评论

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

OFweek品牌展厅

365天全天候线上展厅

我要展示 >
  • 机器人
  • 机器视觉
  • 伺服
  • 猎头职位
更多
文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号