谷歌DeepMind新進(jìn)展，讓深度學(xué)習學(xué)會(huì )“過(guò)目不忘”

只需通過(guò)一個(gè)例子，該算法便可認出圖像中的物體或其他東西。

正常情況下，計算機算法通常需要成千上萬(wàn)個(gè)例子才能學(xué)會(huì )一件事情，但谷歌DeepMind的研究人員卻找到了一種新的方法，直接繞過(guò)這一流程。這種新方法被他們稱(chēng)為“單次學(xué)習”，即算法只需通過(guò)一個(gè)例子便可認出圖像中的物體或其他東西。

事實(shí)上，不少算法的確能夠準確地識別物體，但該結果以龐大的數據訓練為前提，因而不是一般的耗費時(shí)間和金錢(qián)。此外，如此多的數據搜集也顯得并不實(shí)際——例如，不可能為了讓一個(gè)機器人在一套不熟悉的房子里行走而為其提供長(cháng)時(shí)間的學(xué)習機會(huì )。

為解決這個(gè)問(wèn)題，谷歌DeepMind研究員奧里奧爾·溫亞爾斯（Oriol Vinyals）在深度學(xué)習系統中增加了一個(gè)記憶組件。該團隊利用一個(gè)名為ImageNet的標記圖片數據庫對該系統的能力進(jìn)行了驗證。

目前，該算法仍需要分析數百種圖片，但未來(lái)它將學(xué)會(huì )對圖片中獨特元素的分析，用一張照片識別新的物體。對此，溫亞爾斯稱(chēng)，如果能夠快速識別出一個(gè)新單詞的意思，這項技術(shù)的用途便會(huì )得到明確體現。這對谷歌非常有用，因此該公司可以借此快速學(xué)習某個(gè)新的搜索項的含義。

DeepMind并不是第一個(gè)研究單次學(xué)習方法的團隊，但之前人們所開(kāi)發(fā)得單次學(xué)習系統通常不兼容深度學(xué)習系統。“我認為這是一種很有趣的方法，它提供了一種新穎的方式對大規模的數據庫進(jìn)行單次學(xué)習。”韓國先進(jìn)科技學(xué)院大腦和機器智能實(shí)驗室主任Sang Wan Lee說(shuō)，“這為人工智能社區做出了技術(shù)貢獻，計算機視覺(jué)研究人員可能非常重視此事。”

當然，也有人對這項技術(shù)的用途提出質(zhì)疑。哈佛大學(xué)腦科學(xué)系副教授山姆·格什曼（Sam Gershman）表示，人類(lèi)通常是通過(guò)理解一張圖像的組成元素來(lái)學(xué)習的，這需要一些實(shí)際的知識或嘗試。例如，“賽格威可能看上去與自行車(chē)或摩托車(chē)大不相同，但它卻可以使用相同的零件。”

不過(guò)，格什曼和Sang Wan Lee都表示，機器要在學(xué)習能力上比拼人類(lèi)仍然要經(jīng)過(guò)一段時(shí)間的發(fā)展。“我們遠遠沒(méi)有揭開(kāi)人類(lèi)單次學(xué)習的秘密。”Sang Wan Lee說(shuō)。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！